摘要 本文介绍了一种支持物联网的低成本无线传感器网络,该网络采用新开发的可靠方案来提高郊区空气质量监测的可靠性。该系统具有用于路由器通信的传感单元,通过动态保护节省能源。基于可靠性函数和平均故障时间,使用连续时间马尔可夫链模型来分析监测性能。结果表明,所提出的可靠监测网络在能耗和数据保证方面具有高可用性,在郊区空气质量监测的至少 72 小时运行期间,存活概率超过 80%。在 6 个月内研究的细颗粒浓度分布表明,所开发的系统与基准监测站具有高度相关性,PM2.5 和 PM10 的皮尔逊系数分别为 0.903 和 0.817,证明了该系统的可行性。针对两次极端事件(一次是丛林火灾,另一次是疫情封锁)进行了统计分析,以评估其性能。所得结果表明,用于城市空气质量无线监测的共置可靠低成本传感器网络的可靠性和准确性有所提高。
摘要 零工经济的兴起确实改变了现代劳动力的面貌,由于这种工作环境具有灵活性和自主性,越来越多的千禧一代参与其中。本研究探讨了影响千禧一代参与马来西亚零工经济的关键因素,重点是灵活性、独立性和技能能力。我们使用结构化问卷通过皮尔逊相关性和多元回归分析分析了 384 名千禧一代的数据。结果表明,灵活性是最强的激励因素,其次是独立性和技能能力。这些发现强调了制定政策的必要性,这些政策可以在解决收入不稳定的同时促进零工工人的自主性和技能能力。本研究为马来西亚数字经济中的工作动机提供了本地化的视角。这些结果对研究人员和政策制定者了解千禧一代零工工人的动态和制定干预措施以改善他们在新兴数字经济中的工作体验具有重要意义。本研究进一步促进了对工作未来的更广泛讨论,特别是在马来西亚等发展中经济体。关键词:零工经济、千禧一代、工作动机、灵活性、数字经济。介绍
摘要:城市空中交通 (UAM) 已成为服务于智能公民的潜在文明候选者,例如通过送货、监视和空中出租车。然而,由于商用 UAM 使用公开可用的通信基础设施,这增加了干扰和欺骗攻击以窃取或撞毁 UAM 中的飞行器的风险,因此安全问题日益严重。为了保护商用 UAM 免受网络攻击和盗窃,本文提出了一种基于人工智能 (AI) 的探索性网络物理安全分析框架。所提出的框架设计了基于监督学习的 AI 方案,例如决策树、随机森林、逻辑回归、K 最近邻 (KNN) 和长短期记忆 (LSTM),用于预测和检测网络干扰和欺骗攻击。然后,开发的框架基于控制消息之间的皮尔逊相关系数分析条件依赖关系,以根据 AI 算法的结果查找潜在攻击的原因。本研究将 UAM 姿态控制场景作为确定干扰和欺骗攻击的用例,以使用最先进的无人机攻击数据集验证所提出的框架。实验结果表明,所提出的框架的有效性,使用决策树、随机森林和 KNN 进行干扰和欺骗检测的准确率约为 99.9%,同时有效地找到攻击的根本原因。
本文旨在从俄罗斯和斯洛伐克 Z 世代学生的视角,确定社会数字化和人工智能引入对人和社会造成的威胁和风险的性质。主要的实证研究方法是问卷调查、深度访谈和焦点小组。在 COVID 19 大流行的限制背景下,研究使用 Google Form、Skype 和 Zoom 远程进行。来自 35 所俄罗斯大学的 1857 名 Z 世代学生和来自 2 所斯洛伐克大学的 316 名 Z 世代学生参加了调查。当通过定性特征比较俄罗斯和斯洛伐克 Z 世代人群时,发现它们之间存在非常高的正相关性,皮尔逊相关系数 R=0.962-0.9782。揭示了以下趋势:与社会学习、个人对数字环境、人工智能的可能性以及他们对使用人工智能的技术的掌握的速度相比,社会数字化和引入人工智能的速度有所提高。研究揭示了一种稳定的联系:数字化和人工智能为人类生活创造了舒适的条件,同时也对人类对数字环境的依赖产生了危险。这项研究进一步发展的主要方向可以是研究其他国家的这一问题,定义识别威胁和风险的方法,并制定一套克服这些威胁和风险的措施。
选择与运动想象 (MI) 具有功能相关性的脑电图 (EEG) 特征是基于脑机接口 (BCI) 的运动康复成功的关键任务。MI 期间的个体 EEG 模式需要基于受试者的特征选择,由于特征的复杂性和数量庞大,这是一项艰巨的任务。一种解决方案是使用元启发式算法,例如遗传算法 (GA),以避免不切实际的穷举搜索。在本研究中,使用最广泛使用的 GA 之一 NSGA-II 和分层个体表示来排除与 MI 无关的 EEG 通道。本质上,在先前记录的 MI EEG 数据集上评估了 NSGA-II 中不同目标的性能。实证结果表明,k-最近邻(k-NN)与皮尔逊相关系数(PCFS)相结合作为目标函数,与其他目标组合相比,分类准确率更高(73% vs. 69%)。线性判别分析(LDA)与特征减少(FR)相结合作为目标函数,最大程度地减少了特征(99.6%),但降低了分类性能(65.6%)。所有与 PCFS 相结合的分类器目标都根据 MI 期间的预期活动模式选择了类似的特征。总之,PCFS 和分类器作为目标函数构成了 MI 数据的良好权衡解决方案。
摘要——从大脑活动进行运动学解码有助于开发康复或增强功率的脑机接口设备。从非侵入性脑电图 (EEG) 记录的低频信号与用于运动轨迹解码 (MTD) 的神经运动相关性相关。在本通讯中,研究了从运动前 delta 波段 (0.5-3 Hz) EEG 解码运动运动轨迹的能力,适用于健康参与者。具体来说,提出了两个基于深度学习的神经解码器,称为 PreMovNet-I 和 PreMovNet-II,它们利用运动前 EEG 数据中存在的运动相关神经信息。为此,使用了运动开始前具有不同时间滞后的 150 毫秒、200 毫秒、250 毫秒、300 毫秒和 350 毫秒的 EEG 数据段。使用 EEG 为抓握和举起任务 (WAY-EEG-GAL 数据集) 呈现 MTD,并将各种滞后作为神经解码器的输入。将所提出的解码器的性能与最先进的多变量线性回归 (mLR) 模型进行比较。使用皮尔逊相关系数和手部轨迹作为性能指标。结果证明了使用运动前 EEG 数据解码 3D 手部运动学的可行性,从而能够更好地控制基于 BCI 的外部设备,例如外骨骼/外骨骼。
本研究提出可用于考察金融对实体经济的传染、空间溢出和行业聚集效应的金融网络指标。我们建议基于符号化转移熵和皮尔逊相关系数,设计GDP排名前20位国家的金融部门的有向和无向网络。我们以这些网络指标代替原有的道琼斯金融部门作为解释变量,构建高阶信息空间计量经济模型,以检验网络指标的效果和实用性。结果表明,两个网络获得的估计精度较使用原始数据的空间计量经济模型有显著提高,表明网络指标能更有效地捕捉金融系统的动态信息。同时,基于有向网络的精度略高于无向网络,表明符号化转移熵,即有向加权网络,更适合和有效地反映金融领域的关系。此外,结果还显示,在全球金融危机的影响下,一国或地区金融部门与全球金融部门、金融部门与实体经济部门之间的联动性增强,但部分行业特别是公用事业和医疗保健受到的影响较小。本研究尝试利用金融网络指标建模,研究危机对实体经济的传染渠道和行业聚集效应,并提出网络指标在金融领域的实际应用。
自然语言处理,使其能够成功地用英语交流; 知识表示,用于存储它所知道或听到的内容; 自动推理,使用存储的信息来回答并得出新的结论; 机器学习,用于适应新情况并检测和推断模式。图灵测试故意避免询问者与计算机之间的直接物理交互,因为皮尔逊的物理模拟对于智能来说是不必要的。然而,所谓的全面图灵测试包括视频信号,以便询问者可以测试受试者的感知能力,以及询问者将物理对象“通过舱口”的机会。通过将询问者与机器和其他人类参与者隔离开来,测试确保询问者不会受到机器外观或其声音的任何机械特性的影响。然而,询问者可以自由地提出任何问题,无论问题多么狡猾或间接,以努力揭露计算机的身份。例如,询问者可能会要求两名受试者进行一项相当复杂的算术计算,假设计算机比人类更有可能做出正确的回答;为了对抗这种策略,计算机需要知道什么时候它应该无法得到这类问题的正确答案,以便看起来像人类。为了根据情感性质发现人类的身份,询问者可能会要求两名受试者对一首诗或一件艺术品做出反应;这种策略要求计算机了解人类的情感构成。
摘要 — 目的:本文提出了一种基于图信号处理 (GSP) 的方法,通过获取任务特定的判别特征来解码两类运动想象脑电图数据。方法:首先,使用图学习 (GL) 方法从脑电图信号中学习特定于受试者的图。其次,通过对每个受试者图的归一化拉普拉斯矩阵进行对角化,获得正交基,使用该基计算脑电图信号的图傅里叶变换 (GFT)。第三,将 GFT 系数映射到判别子空间,以使用由 Fukunaga-Koontz 变换 (FKT) 获得的投影矩阵区分两类数据。最后,对 SVM 分类器进行训练和测试,以根据所得特征的方差来区分运动想象类别。结果:在 BCI 竞赛 III 的数据集 IVa 上评估所提出的方法,并将其性能与 i) 使用由皮尔逊相关系数构建的图上提取的特征和 ii) 三种最先进的替代方法进行比较。结论:实验结果表明,所提出的方法优于其他方法,反映了整合 GL、GSP 和 FKT 元素的额外优势。意义:所提出的方法和结果强调了整合 EEG 信号的空间和时间特征在提取能够更有力地区分运动想象类别的特征方面的重要性。
空气是人类生活的重要组成部分。但是,空气可以被微生物(例如空气寄生细菌和真菌)污染。房间中的温度和相对湿度会影响空气中的细菌和真菌的数量。这项研究旨在找出空气传播细菌的数量与真菌与温度和相对湿度之间的相关性。在15个微生物实验室的房间中,将Na和SDA Petri板放置在孵育后,计数每个板中的菌落数量。Pearson测试是使用SPSS进行的,以确定温度与空气传播细菌和真菌数量相对湿度之间的相关性。空气传播的细菌数量最多(352 CFU/m 3),而最低的数量是洗衣房(13 CFU/m 3),空气寄生的真菌数量最多,位于Mycology Room(156 CFU/M 3),而空气生气的Fungi则没有在静脉儿空间和些许房间中发现。基于皮尔逊测试的结果,发现p = 0.668(p> 0.5)的值表明温度与空气中细菌和真菌的数量之间没有相关性。根据Pearson检验的结果,p = 0.745(p> 0.5)的值表明,相对湿度与机载细菌和真菌的数量之间没有相关性。温度与空气传播细菌和真菌的数量之间没有相关性。