XiaoMi-AI文件搜索系统
World File Search System电迹
A Review of EEG-Neurofeedback 脑电神经反馈综述
脑电反馈是一种基于脑电图技术的无创脑刺激方法，通过脑机接口将脑电生理活动信号传送到计算机，将脑电活动的实时变化作为反馈刺激给予被试自身，帮助被试学习如何自我调节大脑活动。脑电反馈应用十分广泛，可作为精神疾病的辅助治疗、健康个体的认知能力提高以及作为脑电生理特征与认知功能相互作用的实验条件。为了对脑电反馈有一个清晰的认识，本文从脑电反馈系统的组成部分、脑电反馈方案的设计要素、脑电反馈的评价以及脑电反馈的机制理论四个部分对其进行了综述。
基于KECA-GRNN的风电机组齿轮箱状态监测与健康评估
收稿日期 ： 2020-01-03 基金项目 ：国家自然科学基金（ 61763037 ）；内蒙古自然科学基金（ 2019LH06007 ）；内蒙古自治区科技计划（ 2019 ， 2020GG0283 ） 通信作者 ：齐咏生（ 1975 —），男，博士、教授，主要从事风电机组状态监测与故障诊断方面的研究。 qys@imut.edu.cn
基于卷积网络的运动想象脑电自制数据集分类算法研究
同时，它将卷积神经网络与传统方法相结合，以基于短时傅立叶变换和连续小波变形的特征提取方法提出特征提取方法。卷积神经网络分类算法使用特征提取算法来提取时间频率特征来制作时间频率图，并使用卷积网络来快速学习分类的功能。测试结果表明，该算法在运动图像脑电图公共数据集中的精度为96％，而自制数据集的精度率约为92％，这证明了算法在运动成像EEG分类中的可行性。
零能耗建筑电–氢–热双层能量优化调控方法
零能源建设电力 - 热热双层能量优化控制方法Kong Lingguo 1，Wang Shibo 1，Cai Guowei 1，Liu Chuang 1，Guo Xiaoqiang 2
密度算子和部分迹
在本课程的这一部分，我们将介绍一种描述量子态和操作的新方法。到目前为止，我们将量子态描述为范数为 1 的向量，将操作描述为酉矩阵。然而，这有一些局限性 - 例如，如果我测量 | + ⟩ ，然后做一个 Hadamard 门，状态会是什么？答案是 | + ⟩ 或 |−⟩，具体取决于我的测量结果。这会在我们的程序状态中创建一种分支，并且由于有许多连续的分支，跟踪程序的状态可能会很麻烦。我们可能必须这样推理：“如果我第一次测量的结果是 A，而第二次测量的结果是 B...那么我处于状态 | Ψ ⟩。现在我们来看看一种描述量子态的不同方法，称为密度算子，它有几个优点。首先，它们允许我们将我们的电线视为状态分布，从而解决了上述问题。在课程的后面，我们将看到它们还允许我们定义两种状态之间的可区分性度量 - 以限制区分器区分两种不同状态的概率。
恒定量子深度下的多元迹估计
有一种民间传说认为，需要深度为 Θ(m) 的量子电路来估算 m 个密度矩阵乘积的迹（即多元迹），这一子程序对于凝聚态和量子信息科学中的应用至关重要。我们通过构建一个恒定量子深度电路来完成这项任务，证明了这种看法过于保守，该电路受到 Shor 误差修正方法的启发。此外，我们的电路只需要二维电路中的局部门 - 我们展示了如何在类似于 Google 的 Sycamore 处理器的架构上以高度并行的方式实现它。凭借这些特点，我们的算法使多元迹估计的核心任务更接近近期量子处理器的能力。我们用一个关于用“表现良好”的多项式近似来估计量子态的非线性函数的定理来实例化后一种应用。
尾迹微物理学 - 联邦航空管理局
飞机尾迹是飞机在温度约为 −40°C 及以下时在对流层上部排放的产物，是人类对地球气候最明显的影响之一。最初，飞机尾迹的微物理特性与自然卷云不同，但随着时间的推移，飞机尾迹会失去形状并扩散，变得与自然卷云几乎无法区分，不仅在视觉上，而且在微物理特性上也是如此。飞机尾迹是消失还是发展成飞机尾卷云取决于环境相对湿度相对于冰。飞机尾迹将在充满冰的大气中持续存在。在过饱和状态下，冰晶会形成并提取过量的环境水蒸气。但是，线状飞机尾迹向卷云的转变尚不十分清楚，气候模型也没有很好地描述它。凝结尾迹的形成可以用施密特-阿普尔曼准则 (SAC) 1 来描述，这是一个简单的方程，它与大气温度和气压、燃料能量含量、排出的水蒸气量以及飞机的整体推进效率有关。SAC 预测可见凝结尾迹形成条件的可靠性已得到证实。
部分迹回归和低秩 Kraus 分解
迹回归模型是广为研究的线性回归模型的直接扩展，它允许将矩阵映射到实值输出。这里，我们介绍一个更为通用的模型，即部分迹回归模型，它是一类从矩阵值输入到矩阵值输出的线性映射；该模型包含了迹回归模型，因此也包含了线性回归模型。借用量子信息论的工具，其中部分迹算子已经得到了广泛的研究，我们提出了一个框架，用于利用完全正映射的所谓低秩 Kraus 表示从数据中学习部分迹回归模型。我们通过针对 i）矩阵到矩阵回归和 ii）半正定矩阵补全进行的合成和真实实验展示了该框架的相关性，这两个任务可以表述为部分迹回归问题。