背景:在临床实践中,EEG 是通过视觉评估的。出于实际原因,记录通常需要使用较少数量的电极,而伪影会使评估变得困难。为了规避这些障碍,可以使用不同的插值技术。这些技术通常在电极密度较高时表现更好,而在远离电极的区域插值的值可能不可靠。使用学习皮质电场的统计分布并预测值的方法可能会产生更好的结果。新方法:基于卷积层的生成网络经过训练,可以从 4 或 14 个通道上采样,或动态恢复单个缺失通道以重新创建 21 通道 EEG。来自坦普尔大学医院 EEG 数据库的 1,385 名受试者的 5,144 小时数据用于训练和评估网络。与现有方法的比较:将结果与球面样条插值进行比较。使用了几种统计测量方法以及由委员会认证的临床神经生理学家进行的视觉评估。总体而言,生成网络的表现明显更好。经验丰富的 EEG 解释人员将真实数据和网络生成的数据评定为人工的示例数量没有差异,而插值生成的数据的数量则明显更高。此外,随着纳入的受试者数量的增加,网络性能得到改善,在 5 – 100 名受试者的范围内效果最佳。结论:使用神经网络恢复或上采样 EEG 信号是球面样条插值的可行替代方案。
在这项工作中,我们考虑了发布驻留在黎曼流形上的差分隐私统计摘要的问题。我们提出了拉普拉斯或 K 范数机制的扩展,该机制利用了流形上的固有距离和体积。我们还详细考虑了摘要是驻留在流形上的数据的 Fréchet 平均值的特定情况。我们证明了我们的机制是速率最优的,并且仅取决于流形的维度,而不取决于任何环境空间的维度,同时还展示了忽略流形结构如何降低净化摘要的效用。我们用两个在统计学中特别有趣的例子来说明我们的框架:对称正定矩阵的空间,用于协方差矩阵,以及球面,可用作离散分布建模的空间。
本文介绍了由反射和透明 Mylar 段制成的半米球形膜反射器天线的设计、开发和飞行测试。针对 10.5 GHz 操作优化的定制线路馈送用于球面校正。该天线系统由亚利桑那大学和 FreeFall Aerospace, Inc 联合开发,作为主要有效载荷在亚利桑那大学的 6U LEO 任务 CATSAT 上进行在轨演示,预计发射时间不早于 2022 年 9 月。此次发射是美国宇航局 CSLI 计划的一部分。该任务设计为低地球太阳同步轨道。主要目标是演示充气天线系统的高数据速率传输。本文介绍了任务和飞行前开发活动。我们介绍了集成和测试活动的主要结果以及计划的未来工作。
图 4. 静电逆设计问题包括寻找反应周围带电残基或点电荷的最佳位置,以降低反应势垒。考虑围绕狄尔斯-阿尔德反应的分区球面,分区的每个斑块分配一个电荷密度(蓝色 - 带负电;红色 - 带正电),理论上可能的环境总数是无限的,因为任何一点的电荷都可以是任何实数值,并且分区可以无限精细。这产生了巨大的搜索空间。此外,由于静电环境的各种配置会产生类似的反应势垒,以及可能的解决方案完全改变反应途径,而这在蛋白质中不再可行,因此解决方案将不唯一。Hartke 和 Sokalski 试图通过使用机器学习或最小化给定反应的 𝐸 !"## 来确定最佳催化环境,从而减少这个搜索空间。
在解决希尔伯特第 17 个问题时,阿廷证明了任何多变量正定多项式都可以写成两个平方和的商。后来,雷兹尼克证明了阿廷结果中的分母总是可以选择为变量平方范数的 N 次方,并给出了 N 的明确界限。通过使用量子信息论中的概念(例如部分迹、最佳克隆映射和 Chiribella 的恒等式),我们给出了该结果的实数和复数版本的更简单的证明和微小的改进。此外,我们讨论了使用高斯积分构造希尔伯特恒等式,并回顾了构造复球面设计的基本方法。最后,我们应用我们的结果为实数和复数设置中的指数量子德芬内蒂定理提供了改进的界限。
在 Bloch 球面图中,我们可以根据恒等矩阵和泡利矩阵来展开单量子比特密度算子的系数。通过张量积推广到 n 个量子比特,密度算子可以用长度为 4 n 的实向量表示,在概念上类似于状态向量。在这里,我们研究这种方法以进行量子电路模拟,包括噪声处理。张量结构可实现计算高效的算法,用于应用电路门和执行少量子比特量子操作。针对变分电路优化,我们研究通过量子电路的“反向传播”和基于这种表示的梯度计算,并将我们的分析推广到林德布拉德方程,以建模密度算子的(非幺正)时间演化。
对脑图进行统计比较是神经成像中的标准程序。在评估图间相似性时,已开发出多种推理方法来解释空间自相关的影响。旋转测试是一种常用的生成保留空间自相关的替代图的方法。本文我们表明,该程序的一个关键部分——将脑图投影到球面——会扭曲顶点之间的距离关系。这些扭曲会导致替代图不能完美地保留空间自相关,从而导致假阳性率过高。然后我们确认,有针对性地去除具有高扭曲的单个旋转可降低假阳性率。总的来说,这项工作强调了在生成用于图间比较的替代图时准确表示和操纵皮质几何形状的重要性。
摘要:目前,在特定而复杂的工业操作中,机器人必须满足某些要求和标准,如高运动学或动态性能、工作空间的特定尺寸或机器人移动元件尺寸的限制。为了满足这些标准,必须对机器人进行适当的设计,这需要多年的实践以及人类设计师的适当知识和经验。为了协助人类设计师进行机器人设计,已经开发了几种方法(包括优化方法)。本文解决的科学问题是开发一种人工智能方法,使用前馈神经网络来估计机器人的工作空间大小和运动学。该方法应用于由基座平台、移动平台和六个运动旋转万向球面开环组成的并联机器人。数值结果表明,通过适当的训练和拓扑结构,前馈神经网络能够根据末端执行器的姿态正确估计工作空间体积值和广义坐标值。
使用无人机和计算机视觉对 FAST 反射面进行自动光学检查 五百米口径球面射电望远镜 (FAST) 是世界上最大的单口径射电望远镜。其巨大的反射面实现了前所未有的灵敏度,但容易受到自然落下的物体造成的损坏,例如凹痕和孔洞。因此,及时准确地检测表面缺陷对于 FAST 的稳定运行至关重要。为了加速检查过程并提高其准确性,中国北京理工大学的李建安和徐廷发通过将深度学习技术与无人机技术相结合,迈出了实现 FAST 自动化检查的第一步。配备了深度探测器的专用插件操作,即交叉融合,多级特征逐点融合,以支持对各种规模和类型的缺陷的精确检测。基于人工智能的无人机自动化巡检具有时效性好、可靠性高、可达性强等特点,为FAST的长期运行提供了保障。
空中和太空雷达在民用和军事用途中发挥着重要作用。有许多应用,例如地球观测、监视等。高性能杂波抑制是许多此类雷达系统的重要组成部分。时空自适应处理 (STAP) 已成为杂波抑制应用的热门话题。虽然对于大多数移动目标指示 (MTI) 雷达,其他应用也用于杂波抑制。本硕士论文分析了用于机载雷达应用的双天线配置的 STAP。第一种配置基于辅助天线,第二种配置基于称为离散长球面序列 (DPSS) 的多锥化方法。本文表明,这两种天线配置都是 STAP 应用的有效选择。虽然后一种配置 DPSS 通常具有更高的杂波抑制性能。但是,DPSS 配置的一个问题似乎是该配置存在根本限制。本文简要讨论了这些限制,但在实施 DPSS 配置之前还需要做更多的工作。