XiaoMi-AI文件搜索系统
World File Search System电位
误差相关电位变异性：探索对分类和可转移性的影响
摘要 — 脑机接口 (BCI) 允许从大脑到外部应用程序直接通信，以自动检测认知过程，例如错误识别。错误相关电位 (ErrPs) 是当一个人犯下或观察到错误事件时引发的一种特殊大脑信号。然而，由于大脑和记录设备的噪声特性，ErrPs 会因各种其他大脑信号、生物噪声和外部噪声的组合而有所不同，这使得 ErrP 的分类成为一个不简单的问题。最近的研究揭示了导致 ErrP 变化的特定认知过程，例如意识、体现和可预测性。在本文中，我们探索了在通过改变给定任务的意识和体现水平而生成的不同 ErrP 变化数据集上进行训练时分类器可迁移性的性能。特别是，我们研究了当由相似和不同的任务引发时观察性和交互性 ErrP 类别之间的转移。我们的实证结果从数据角度对 ErrP 可转移性问题进行了探索性分析。
多频稳态视觉诱发电位脑机接口的频率集选择
稳态视觉诱发电位 (SSVEP) 是一种与周期性视觉刺激频率锁定的大脑活动（ Zander 等人，2009 年）。与其他模式（例如运动想象 (Nicolas-Alonso and Gomez-Gil, 2012)）相比，SSVEP 具有相对较高的准确度和信息传输率，并且对用户所需的培训最少，因此被广泛应用于脑机接口 (BCI) 中。标准的基于 SSVEP 的 BCI 在工作空间中包含多个刺激，每个刺激以不同的频率闪烁，而脑电图 (EEG) 主要从枕叶测量。测得的 EEG 反映了用户视觉上关注的刺激的频率，以及该频率的谐波。谐波的存在为解码过程提供了更多的参考点，但也给基于 SSVEP 的 BCI 的设计带来了额外的复杂性和挑战。例如，如果同一个 BCI 中对两个不同的刺激同时使用某个频率及其谐波，那么在记录的这两个刺激的脑电图中就会有共同的频率，这可能会混淆解码算法。因此，在文献中，一些研究有意避免在刺激中使用具有共同谐波的频率（Volosyak 等，2009；Chen 等，2015）。这个谐波问题，加上人脑对周期性视觉刺激的响应频率范围有限（Regan，1989），限制了标准基于 SSVEP 的 BCI 中可使用的唯一频率的数量；即，低信噪比脑电图记录和小的频率分离会损害解码性能。因此，在需要大量唯一频率来标记所有目标的场景中使用标准基于 SSVEP 的 BCI 具有挑战性。为了解决这个问题，已经引入了多频刺激方法，在每个刺激中使用多个频率，其中两个频率（双频）是最广泛使用的模态（Shyu 等，2010；Zhang 等，2012；Chen 等，2013；Hwang 等，2013；Kimura 等，2013；Chang 等，2014；Mu 等，2021a）。然而，这些研究主要集中于介绍多频刺激方法，并没有探讨频率选择方法。随着用于标记每个目标的频率数量的增加，在每个刺激或目标上使用多个频率可以成倍增加可以在工作空间中表示的目标数量。多频刺激产生复杂的周期性刺激信号，从而触发更复杂的 SSVEP 反应。在 Mu 等人的研究中， （2021a）表明，多频率 SSVEP 响应不仅包含输入频率及其谐波，还包含输入频率的整数线性组合，这些组合具有在记录的 SSVEP 中更可能观察到的低阶相互作用。注意，相互作用的顺序定义为
从上丘的脉冲和局部场电位活动解码空间信息的时间过程
摘要 位置码表征在编码空间参数的电路中普遍存在。对于视觉引导的眼球运动，当刺激出现在大脑的感受野中和/或当运动进入大脑的运动场时，许多大脑区域的神经元都会发出脉冲。至关重要的是，单个神经元会对远离最佳向量的广泛方向或偏心率做出反应，这使得很难从每个细胞的活动中解码刺激位置或扫视向量。我们研究了是否有可能通过群体水平的分析来解码空间参数，即使最佳向量在神经元之间相似。当猴子对八个沿方向等距径向分布的目标之一执行延迟扫视任务时，用层状探针记录了上丘 (SC) 中的脉冲活动和局部场电位 (LFP)。随着试验从感觉到动作，离线应用分类器来解码空间配置。对于脉冲活动，在视觉和运动时期，所有八个方向的解码性能最高，而在延迟期间，解码性能较低但远高于偶然性。分类性能也遵循 LFP 活动的类似模式，只是延迟期间的性能主要限于首选方向。增加群体中的神经元数量可以持续提高两种模态的分类器性能。总体而言，这项研究证明了群体活动对解码单个神经元无法实现的空间信息的能力。
使用循环神经网络对人类事件相关电位进行建模的指导教程
摘要：在认知神经科学研究中，事件相关电位 (ERP) 的计算模型可以提供一种为观察到的波形开发解释性假设的方法。然而，接受过认知神经科学培训的研究人员在实施这些模型时可能会面临技术挑战。本文提供了有关开发 ERP 波形的循环神经网络 (RNN) 模型的教程，以促进计算模型在 ERP 研究中更广泛地使用。为了举例说明 RNN 模型的使用，检查了在通道 Pz 处测量的目标和非目标视觉事件引起的 P3 成分。实验事件的输入表示和相应的 ERP 标签用于在监督学习范式中优化 RNN。将一个输入表示与多个 ERP 波形标签链接起来，然后优化 RNN 以最小化均方误差损失，会导致 RNN 输出近似于总平均 ERP 波形。然后可以将 RNN 的行为评估为 ERP 生成背后的计算原理的模型。除了拟合这样的模型之外，本教程还将演示如何根据 RNN 的隐藏单元的时间响应对其进行分类，并使用主成分分析对其进行表征。统计假设检验也可以应用于这些数据。本文重点介绍建模方法以及随后使用公开数据和共享代码以操作指南的形式对模型输出进行分析。虽然对 P3 响应生成的具体解释的关注相对较少，但结果引发了一些有趣的讨论点。
视觉和听觉感知的事件相关脑电位标记：脑机接口系统的有用工具
BCI 系统是一种可以提取大脑活动并处理脑信号的设备，使计算机设备能够完成特定目的，例如通信或控制假肢。更常用的系统涉及运动想象（例如，Hétu等人，2013；Kober等人，2019；Su等人，2020；Jin等人，2021；Milanés-Hermosilla等人，2021；Mattioli等人，2022）、交流（Blankertz等人， 2011；Jahangiri 等人，2019；Panachakel 和 G，2021）、人脸识别（Zhang 等人，2012；Cai 等人，2013；Kaufmann 等人，2013）或 P300 检测（Pires 等人，2011；Azinfar 等人，2013）盖伊等人；等人，2018 年；Shan 等人，2018 年；Mussabayeva 等人，2021 年；Rathi 等人，2021 年；Leoni 等人，2022 年）。只有少数研究同时使用 BCI 系统识别反映不同类型心理内容的多个 ERP 信号，例如音乐（Zhang 等人，2012 年）、面孔（Cai 等人，2013 年；Li 等人，2020 年）或视觉对象（Pohlmeyer 等人，2011 年；Wang 等人，2012 年）。事实上，自大约 40 年前发现 ERP 电位以来（Ritter 等人，1982 年），它已被证明是一种非常可靠的标记
儿童前庭诱发肌源性电位 (VEMP) 重测信度
前庭诱发肌源性电位 (VEMP) 通常用于评估前庭神经和耳石器官的两个部分 (1–5)。在成人中，可以通过气导或骨导刺激可靠地诱发 VEMP (6)；然而，尚未发表评估儿童 VEMP 可靠性的类似研究。VEMP 是对高强度刺激作出反应而诱发的肌肉电位 (1)。颈部 VEMP (cVEMP) 是从收缩的胸锁乳突肌 (SCM) 同侧记录的短潜伏期抑制反应，可提供有关囊和下前庭神经功能的信息 (1)。眼部 VEMP (oVEMP) 是从下斜肌对侧记录的兴奋反应，可提供有关椭圆囊和上前庭神经功能的信息 (7)。
WRAP 电流分布阳极电位建模电池...
手稿版本：作者接受的手稿 WRAP 中呈现的版本是作者接受的手稿，可能与已发布的版本或记录版本不同。 永久 WRAP URL：http://wrap.warwick.ac.uk/170822 如何引用：请参阅已发布的版本以获取最新的书目引用信息。如果已知已发布的版本，上面链接的存储库项目页面将包含有关访问它的详细信息。 版权和再利用：华威研究档案门户 (WRAP) 在以下条件下开放华威大学研究人员的这项工作。版权 © 和此处展示的论文版本的所有道德权利属于个人作者和/或其他版权所有者。在合理和可行的范围内，WRAP 中提供的材料在提供之前已经过资格检查。完整项目的副本可用于个人研究或学习、教育或非营利目的，无需事先许可或收费。只要注明作者、标题和完整的书目详细信息，并提供原始元数据页面的超链接和/或 URL，并且内容不会以任何方式更改。出版商声明：有关更多信息，请参阅存储库项目页面的出版商声明部分。有关更多信息，请联系 WRAP 团队：wrap@warwick.ac.uk。
详细评估电力负载转移电位
未来的公用事业将强调家用电器，以减少温室气体排放，同时提供电力负荷和需求概况管理。热泵热水器（HPWH）表明，与常规的电阻水（ERWH）相比，将水加热能量减少65％以上。实验室研究。测试应用不同的CTA-2045命令设计。在一个ERWH和四个HPWH上进行了高度控制的实验室实验，其中包括包含新的CTA-2045-B协议功能的原型，允许在油箱设定点上方“高级”负载。在高级载荷下，具有B-protocol的原型单元提高了储罐温度15 o F（8.3c），可为50加仑（189升）储罐增加1.8 kWh的存储空间。原型包括一个内置混合阀，以满足反量表代码。具有CTA-2045-B的负载成型能力，实用程序可能能够在可再生风和太阳资源生产高时将多余的可再生能源存储在连接的储罐中。测试是在基线条件下（无负载移动）进行的，在几个负载转移方案下，包括加载和高级负载，在棚命令之前。网格连接的HPWHS的峰值需求减少多达0.5 kW，具体取决于储罐的体积，一天中的时间，控制方案和绘制轮廓。简介
新型混合视觉刺激将周期性运动融入传统闪烁或模式反转视觉刺激中，用于基于稳态视觉诱发电位的脑机接口
在本研究中，我们提出了一种用于基于稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 的新型混合视觉刺激，该刺激将各种周期性运动融入传统的闪烁刺激 (FS) 或模式反转刺激 (PRS)。此外，我们研究了每种 FS 和 PRS 的最佳周期运动，以增强基于 SSVEP 的 BCI 的性能。通过根据四个不同的时间函数（用无、平方、三角和正弦表示）改变刺激的大小来实现周期性运动，总共产生八种混合视觉刺激。此外，我们开发了滤波器组典型相关分析 (FBCCA) 的扩展版本，这是一种用于基于 SSVEP 的 BCI 的最先进的无需训练分类算法，可提高基于 PRS 的混合视觉刺激的分类准确性。 20 名健康个体参加了基于 SSVEP 的 BCI 实验，以区分四种不同频率的视觉刺激。评估了平均分类准确率和信息传输率 (ITR)，以比较基于 SSVEP 的 BCI 对不同混合视觉刺激的性能。此外，还评估了用户对每种混合视觉刺激的视觉疲劳程度。结果，对于 FS，当除 3 秒外的所有窗口大小都加入正弦波形的周期运动时，报告的性能最高。对于 PRS，方波的周期运动在所有测试窗口大小中显示出最高的分类准确率。两种最佳刺激之间的性能没有观察到显著的统计差异。据报道，正弦波周期运动的 FS 和方波周期运动的 PRS 的平均疲劳分数分别为 5.3 ± 2.05 和 4.05 ± 1.28。因此，我们的结果表明，与传统的 FS 和 PRS 相比，具有正弦波周期运动的 FS 和具有方波周期运动的 PRS 可以有效提高 BCI 性能。