XiaoMi-AI文件搜索系统
World File Search System相位锁定
脑电图分类在...
摘要 — 对脑电图 (EEG) 信号进行分类有助于理解脑机接口 (BCI)。EEG 信号对于研究人类思维方式至关重要。在本文中，我们使用了由计算前信号 (BCS) 和计算期间信号 (DCS) 组成的算术计算数据集。该数据集包含 36 名参与者。为了了解大脑中神经元的功能，我们对 BCS 和 DCS 进行了分类。对于这种分类，我们提取了各种特征，例如互信息 (MI)、锁相值 (PLV) 和熵，即排列熵、谱熵、奇异值分解熵、近似熵、样本熵。这些特征的分类是使用基于 RNN 的分类器完成的，例如 LSTM、BLSTM、ConvLSTM 和 CNN-LSTM。当使用熵作为特征并使用 ConvLSTM 作为分类器时，该模型的准确率达到 99.72%。索引词 — 脑机接口、脑电图、循环神经网络、互信息、相位锁定值、熵。
使用90 nm的超宽带PLL的低功率设计...
电子系统的快速增长已成为非常大规模集成（VLSI）设计的高性能的挑战之一，并为相位锁定环（PLL）系统设计的发展做出了贡献，它是现代不可避免的重要必需品之一。这种设计集中于可以在超宽带（UWB）频率内以高性能运行的PLL系统的开发，但消耗了低功率，这可能对通信系统中的将来的设备实现有用。PLL的所有提议的子模块都非常适合低功率和高速应用，因为它们每个人都消耗了2 µW左右的总体功耗，直到1 MW，频率从3.1 GHz到10.6 GHz。使用90 nm CMOS技术中的Synopsys工具实现了所有设计架构，示意图，仿真和分析。通过整体分析，可以得出结论，在功耗和频率方面，与以前的工作相比，PLL系统的拟议子模块设计具有更好的性能。
神经情绪阶段的深度学习分类...
摘要 — 在本研究中，提出了一种新的情绪复杂性标记，用于对情感视频片段引起的离散情绪进行分类。将主成分分析 (PCA) 应用于从 6 秒的短情绪 EEG 段中提取的全波段特定相空间轨迹矩阵 (PSTM)，然后使用第一个主成分来测量局部神经元复杂性的水平。同时，估计左右半球之间的相位锁定值 (PLV)，以观察局部神经元复杂性估计相对于区域神经皮层连接测量在聚类九种离散情绪（恐惧、愤怒、快乐、悲伤、娱乐、惊讶、兴奋、平静、厌恶）方面的优越性，方法是使用长短期记忆网络作为深度学习应用。
低频神经活动反映了语音聆听过程中基于规则的分块
摘要 分块是序列处理的关键机制。语音序列的研究表明，低频皮质活动会跟踪口语短语，即由隐性语言知识定义的词块。在这里，我们研究低频皮质活动是否反映了序列分块的一般机制，并能跟踪由临时学习的人工规则定义的词块。实验记录了对一系列口语单词的脑磁图 (MEG) 反应。为了将单词属性与词块结构分离，两个任务分别要求听众将语义相似或语义不相似的单词对分组为词块。在 MEG 频谱中，可以观察到词块速率的清晰响应。更重要的是，词块速率响应与任务相关。它与词块边界相位锁定，而不是与单词之间的语义相关性锁定。结果强烈表明，皮质活动可以跟踪基于任务相关规则构建的词块，并可能反映词块级表示的一般机制。
通过脑电图分析探索数学决策
在本研究中，数学决策任务用于提供有关多个大脑区域信息流的更多细节，目的是找出连接模式是否有助于预测决策结果。实验包括向每个参与者展示 50 个数学表达式，他们通过按下按钮来决定其正确性。通过配备 64 个电极的 g.tec Nautilus EEG 设备记录神经活动和按钮按下。对参与者的反应进行了详细的时期分析。采用了先进的信号分析技术，包括 Granger 因果关系、相位锁定值和复杂皮尔逊相关系数。本研究旨在确定以下工具如何区分事件和状态，意识到它们的局限性，并开发新的分析技术以更好地区分大脑过程。本研究特别关注使用数学推理作为模型来研究决策过程。我们的目标是测试现有方法并开发新方法，以更深入地了解离散认知活动中涉及的大脑动力学。
二维可重构非厄米规范激光阵列
光子非厄米系统中的拓扑效应近期引发了一系列非凡的发现，包括非互易激光、拓扑绝缘体激光器和拓扑超材料等等。这些效应虽然在非厄米系统中实现，但都源于其厄米分量。本文，我们通过实验证明了由二维激光阵列中的虚规范场引起的拓扑趋肤效应和边界敏感性，这与任何厄米拓扑效应有着根本的不同，并且是开放系统所固有的。通过选择性地和非对称地向系统中注入增益，我们在芯片上合成了一个虚规范场，它可以根据需要灵活地重新配置。我们不仅证明了非厄米拓扑特征在非线性非平衡系统中保持不变，而且还证明了可以利用它们来实现强度变形的持久相位锁定。我们的工作为具有强大可扩展性的动态可重构片上相干系统奠定了基础，对于构建具有任意强度分布的高亮度源具有吸引力。
基于相锁的值函数连接矩阵和CNN-LSTM
摘要：为了有效地检测由虚拟现实环境引起的运动疾病，我们开发了一种专门设计用于视觉诱导的运动疾病的分类模型，采用了相位锁定值（PLV）功能连接矩阵和CNN-LSTM架构。该模型解决了传统机器学习算法的缺点，尤其是它们在处理非线性数据方面的功能有限。我们使用来自25名参与者的EEG数据构建了基于PLV的功能连接矩阵和网络拓扑图。我们的分析表明，视觉诱发的运动疾病显着改变了脑电图中的同步模式，尤其是影响额叶和颞叶。功能连接矩阵用作我们的CNN-LSTM模型的输入，该模型用于对视觉诱导的运动疾病的状态进行分类。该模型表现出优于其他方法的优越性能，从而达到了伽马频带中最高的分类精度。具体来说，二进制分类的最高平均准确度为99.56％，三元分类达到86.94％。这些结果强调了该模型的分类有效性和稳定性，使其成为帮助诊断运动疾病的宝贵工具。
通过连续变量量子隐形传态实现单光子极化量子比特的波长转换
量子互联网连接远程量子处理器，这些处理器需要通过光子通道进行长距离交互和交换量子信号。然而，这些量子节点的工作波长范围并不适合长距离传输。因此，量子波长转换为电信波段对于基于光纤的长距离量子网络至关重要。在这里，我们提出了使用连续变量量子隐形传态的单光子偏振量子比特波长转换器，它可以有效地在近红外（适合与原子量子节点交互的 780/795 nm）和电信波长（适合长距离传输的 1300-1500 nm）之间转换量子比特。隐形传态使用纠缠光子场（即非简并双模压缩态），可以通过铷原子气体中的四波混合产生，使用原子跃迁的菱形配置。纠缠场可以以两个正交偏振态发射，相对相位锁定，特别适合与单光子偏振量子比特接口。我们的工作可能为实现长距离量子网络铺平道路。
计算机和图形-SBILAB -IIIT -DELHI
研究人员采用了Hyperscanning，该技术用于在现实世界中同时记录多个参与者的神经活动。据我们所知，没有研究在虚拟现实（VR）中使用Hyperscaning。 这项研究的目的是；首先，要复制现有文献中脑之间同步的结果，以实现现实世界的任务，其次，探索脑间同步是否可以在虚拟环境（VE）中引起。 本文在两种不同的设置（现实世界和VR）中报告了三个飞行员研究。 配对的参与者进行了两次会议，该会议是通过纤维跟踪练习隔开的，在此练习中，他们的神经活动也通过脑电图（EEG）硬件同时记录。 通过使用相位锁定值（PLV）分析，发现VR诱导相似的脑间同步，如现实世界中所见。 此外，观察到的纤维点练习在现实世界和VR中都具有相同的神经激活区域。 基于这些结果，我们推断VR可用于增强在VE中执行的协作任务中的脑间合成。 特别是，我们已经能够证明VR中的视觉视角改变能够引起脑间同步。 这表明VR可能是一个令人兴奋的平台，可以进一步探索脑间同步的现象，并更深入地了解人类交流的神经科学。据我们所知，没有研究在虚拟现实（VR）中使用Hyperscaning。这项研究的目的是；首先，要复制现有文献中脑之间同步的结果，以实现现实世界的任务，其次，探索脑间同步是否可以在虚拟环境（VE）中引起。本文在两种不同的设置（现实世界和VR）中报告了三个飞行员研究。配对的参与者进行了两次会议，该会议是通过纤维跟踪练习隔开的，在此练习中，他们的神经活动也通过脑电图（EEG）硬件同时记录。通过使用相位锁定值（PLV）分析，发现VR诱导相似的脑间同步，如现实世界中所见。此外，观察到的纤维点练习在现实世界和VR中都具有相同的神经激活区域。基于这些结果，我们推断VR可用于增强在VE中执行的协作任务中的脑间合成。，我们已经能够证明VR中的视觉视角改变能够引起脑间同步。这表明VR可能是一个令人兴奋的平台，可以进一步探索脑间同步的现象，并更深入地了解人类交流的神经科学。
与动作锁相的性能调节取决于内部状态
一些研究已经探究了在自定步调的运动动作后不同时间的感知表现，并发现感知表现的频率特异性调制与动作相位锁定。据报道，这种与动作相关的调制具有各种频率和调制强度。为了在人群层面建立基本效应，我们让相对大量的参与者（n=50）执行自定步调的按钮按下，然后执行阈值检测任务，并且我们应用了固定和随机效应检验。令人惊讶的是，所有试验和参与者的综合数据没有显示任何显著的动作相关调制。然而，基于之前的研究，我们探索了这种调制取决于参与者内部状态的可能性。事实上，当我们根据相邻试验的表现对试验进行拆分时，低绩效时期的试验显示出约 17 Hz 的动作相关调制。当我们根据前一次试验的表现对试验进行拆分时，我们发现“失误”后的试验显示出约 17 Hz 的动作相关调制。最后，当我们根据参与者的误报率对他们进行分组时，我们发现没有误报的参与者表现出约 17 Hz 的动作相关调制。所有这些影响在随机效应测试中都很显著，支持对人群的推断。总之，这些发现表明，动作相关调制并不总是可检测的。然而，结果表明，特定的内部状态（例如较低的注意力投入度和/或较高的决策标准）以 beta 频率范围内的调制为特征。