XiaoMi-AI文件搜索系统
World File Search System神经
使用人工神经网络预测 DED 制造过程中的热场
AAbstr bstract act.. 在过去十年中，机器学习越来越吸引多个科学领域的研究人员，特别是在增材制造领域。同时，这项技术对许多研究人员来说仍然是一种黑箱技术。事实上，它允许获得新的见解，以克服传统方法（例如有限元方法）的局限性，并考虑制造过程中发生的多物理复杂现象。这项工作提出了一项全面的研究，用于实施机器学习技术（人工神经网络），以预测 316L 不锈钢和碳化钨直接能量沉积过程中的热场演变。该框架由有限元热模型和神经网络组成。还研究了隐藏层数和每层节点数的影响。结果表明，基于 3 或 4 个隐藏层和整流线性单元作为激活函数的架构可以获得高保真度预测，准确率超过 99%。还强调了所选架构对模型准确性和 CPU 使用率的影响。所提出的框架可用于预测模拟多层沉积时的热场。
一种具有输入阻抗增强和抑制偏移诱导电荷转移的斩波神经前端
摘要 — 现代神经调节系统通常提供大量的记录和刺激通道，这降低了每个通道的可用功率和面积预算。为了在面积限制越来越严格的情况下保持必要的输入参考噪声性能，斩波神经前端通常是首选方式，因为斩波稳定可以同时改善（1/f）噪声和面积消耗。现有技术中，通过基于输入电压缓冲器的阻抗增强器解决了输入阻抗大幅降低的问题。这些缓冲器对大型输入电容器进行预充电，减少从电极吸取的电荷并有效提高输入阻抗。这些缓冲器上的偏移直接转化为电荷转移到电极，这会加速电极老化。为了解决这个问题，提出了一种具有超低时间平均偏移的电压缓冲器，它通过定期重新配置来消除偏移，从而最大限度地减少意外的电荷转移。本文详细介绍了背景和电路设计，并介绍了在 180 nm HV CMOS 工艺中实现的原型的测量结果。测量结果证实，发生了与信号无关的缓冲器偏移引起的电荷转移，并且可以通过所提出的缓冲器重新配置来缓解这种电荷转移，而不会对输入阻抗增强器的操作产生不利影响。所提出的神经记录器前端实现了最先进的性能，面积消耗为 0.036 mm2，输入参考噪声为 1.32 µV rms（1 Hz 至 200 Hz）和 3.36 µV rms（0.2 kHz 至 10 kHz），功耗为 13.7 µW（1.8 V 电源），以及 50 Hz 时的 CMRR 和 PSRR ≥ 83 dB。
用于实时检测颅内脑电图中高频振荡 (HFO) 的电子神经形态系统
嵌入式设备可以在本地实时处理生物医学信号，因此临床研究和治疗应用的生物医学信号分析可以受益匪浅。一个例子是分析癫痫患者的颅内脑电图 (iEEG) 以检测高频振荡 (HFO)，这是致痫脑组织的生物标志物。混合信号神经形态电路提供了构建紧凑、低功耗神经网络处理系统的可能性，该系统可以实时在线分析数据。在这里，我们介绍了一种神经形态系统，该系统在同一芯片上结合了神经记录头端和脉冲神经网络 (SNN) 处理核心来处理 iEEG，并展示了它如何可靠地检测 HFO，从而实现最先进的准确性、灵敏度和特异性。这是首次使用混合信号神经形态计算技术实时识别 iEEG 中相关特征的可行性研究。
自传中的神经科学史第 2 卷
我于 1923 年 1 月 25 日出生在瑞典乌帕拉。我生长在一个中产阶级的学者家庭。我 3 岁时，父亲被任命为隆德大学的历史学教授，我便带着家人从乌普萨拉搬到了那里。我父亲在乌普萨拉大学获得了博士学位，我母亲通过了文学硕士考试。我母亲一生都对研究保持着浓厚的兴趣，但她把抚养孩子和协助丈夫进行研究放在首位。然而，当我父亲 76 岁去世时，71 岁的她将自己全部投入到她最喜欢的研究领域——中世纪瑞典妇女的法律地位。她用瑞典语出版了几本书和一些关于这个主题的文章，几年后，她获得了乌普萨拉大学的荣誉博士学位。我们家里有四个孩子，我们都获得了不同级别的学位。我们对人文学科有着强烈的倾向。我的哥哥和姐姐选择了人文学科，而我和比我小 7 岁的弟弟选择了医学。我之所以行为偏离正轨，部分原因是年轻人的反对，部分原因是我模糊地认为科学比艺术更“有用”。我的童年和青年时代过得很快乐。我在一个稳定的环境中长大，父母爱我、支持我。我的叛逆和冒险行为可能很普通。学校生活还算可以忍受；我没费太大劲就取得了很好的成绩。1939 年 6 月，16 岁的我和一个同龄的男孩搭便车去德国旅行了 2 周。这是我 32 岁之前唯一一次出北欧旅行。这发生在第二次世界大战爆发前两个半月。我们有机会与许多社会地位各异的德国人交谈；他们中的大多数人都确信，收割一结束战争就会爆发，他们似乎也接受了这个事实，尽管他们有些不情愿。在柏林，我曾在一家由福音基金会经营的旅馆住了一晚，那里住着非常贫穷的人。我特别记得几个留着长胡子、面带悲伤的犹太人，他们一边嘟囔着，一边读着一本可能是《塔木德》的厚书，似乎是在绝望的情况下寻找答案和解决办法。否则，我根本不知道我身边可能正在发生的针对犹太人的可怕行动。
神经网络 - 艺术状态，简短历史，基本模型和体系结构
人工神经网络（ANN）是一个信息或信号处理系统，由大量简单的处理元素组成，这些元素与直接链接互连，并配合以执行并行分布式处理以解决所需的计算任务。神经网络以类似的方式处理信息。ann的灵感来自生物神经系统的方式，例如大脑的作品 - 神经网络以身作则。ANN采用与常规计算相比，解决问题的方法。传统的计算机系统使用算法方法，即遵循一组说明以解决问题。将解决问题的能力限制在我们已经理解并知道如何解决的问题上。但是，神经网络和常规算法计算不在竞争中，而是相互竞争。有些任务更适合于算法方法（例如算术操作）和更适合神经网络方法的任务。
介绍“神经形态计算与工程”
摘要 目前，一系列问题开始阻碍技术进步，对计算的标准性质提出了挑战。为解决这些问题，提出的策略之一是开发新的受大脑启发的处理方法和技术，并将其应用于广泛的应用场景。这是一项极具挑战性的任务，需要多个学科的研究人员齐心协力，同时共同设计处理方法、支持计算架构及其底层技术。《神经形态计算与工程》（NCE）杂志的推出是为了支持这个新社区的努力，并提供一个论坛和资料库来展示和讨论其最新进展。通过与编辑团队同事的密切合作，NCE 的范围和特点已被设计为确保它服务于学术界和工业界日益壮大的跨学科和充满活力的社区。
自传中的神经科学史第三卷
1923 年出生于德国柏林，本名为维尔纳·布鲁克。我的父亲是一名普通律师，也是一名优秀的钢琴家，他在家里与一个室内乐团一起演奏。我 5 岁时，我们家从市区的公寓搬到了郊区一栋舒适的房子里。生活很平静，我和邻居的男孩们一起玩耍，我的母亲开始带我去博物馆和美术馆。她是一个温柔的人，曾经是一名画家，还为孩子们写故事。1933 年，在小学最后一年级，我们举行了一次大型集会，班主任向我们解释了这对德国来说是多么伟大的一天，因为阿道夫·希特勒当选为总理。从那以后，生活发生了变化。令我惊讶的是，我发现我的玩伴都不再和我在一起了，我的父母不得不向我解释说，虽然我们没有宗教生活，但新政府认为我们是犹太人。几代人的文化同化、强烈的爱国主义以及在第一次世界大战 (WWI) 中担任军官的经历都变得毫无意义。在接下来的几年里，一切都变得越来越糟糕，在我父亲于 1938 年 11 月或 12 月从萨克森豪森回来后，我母亲设法把我送上了前往英国的儿童运输车，我于 1939 年 1 月到达英国。那时，我开始怀疑是否还剩下任何有意义的东西。为了叙述这个故事，我现在将随后在德国发生的噩梦抛在一边，只继续讲述我的故事。在肯特郡的一个美好的家庭里，我开始了新的生活，他们收留了我，我开始学习如何成为一名农民。我在那份工作中感到相当快乐，但这并没有持续太久。1940 年 5 月，当入侵预计发生时，所有德国国民都被拘留，我发现自己被归类为“三重敌国外国人”，不管那是什么，并被运往马恩岛。到 6 月，法国沦陷，我们很快被押送到加拿大，继续被拘留，但我们被视为普通敌国侨民，因为英国人没有告诉加拿大人我们是谁。我们花了几个月的时间才弄清楚，这要归功于我们最不寻常的营友的来信，他是前德皇最小的孙子，战争爆发时他在剑桥。后来，一位前被拘留者讲述了我们营地的整个疯狂故事（Koch，1980 年，1985 年）。
深脑电气神经反馈允许帕金森患者控制病理振荡并加快运动
帕金森运动症状与基底神经节中病理上增加的β振荡有关。虽然药理学治疗和深脑刺激（DBS）降低了这些病理振荡，并随着运动性能的提高而降低了这些病理振荡，但我们着手探索神经反馈作为内源性调节方法。我们通过植入的DBS电极实施了病理性亚丘脑β振荡的实时处理，以提供深脑电气神经反馈。患者在训练后几分钟内通过视觉神经反馈进行了视觉控制的β振荡活动。在一次单小时的训练中，β振荡活动的减少逐渐变得更强大，我们观察到了运动性能的提高。最后，即使去除视觉神经反馈后，对深脑活动的内源性控制也是可能的，这表明在短期内保留了神经反馈获得的策略。此外，我们观察到2天后学习的心理策略在没有神经反馈的情况下进行了改善。进一步训练深脑神经反馈可能会通过使用神经反馈优化的策略来改善症状控制，从而为帕金森患者提供治疗益处。
用于检测术中ECOG中高频振荡（HFO）的尖峰神经网络（SNN）
要获得癫痫发作的自由，癫痫手术需要完全切除癫痫脑组织。在术中电视学（ECOG）记录中，癫痫组织产生的高频振荡（HFO）可用于量身定制切除缘。但是，实时自动检测HFO仍然是一个开放的挑战。在这里，我们提出了一个尖峰神经网络（SNN），用于自动HFO检测，最适合神经形态硬件实现。我们使用独立标记的数据集（58分钟，16个记录），训练了SNN，以检测从术中ECOG测量的HFO信号。我们针对快速连锁频率范围（250-500 Hz）中HFO的检测，并将网络结果与标记的HFO数据进行了比较。我们赋予了SNN新型的伪影排斥机制，以抑制尖锐的瞬变并证明其在ECOG数据集中的有效性。该SNN检测到的HFO速率（中位数为6.6 HFO/ min）与数据集中发布的HFO率（Spearman'sρ= 0.81）相当。所有8例患者的术后癫痫发作结果被“预测”为100％（CI [63 100％]）的精度。这些结果为建造实时便携式电池式HFO检测系统提供了进一步的一步，该检测系统可在癫痫手术期间使用，以指导癫痫发作区的切除。
对整个神经系统进行逆向工程
摘要：神经科学的主要目标是了解神经系统或神经回路组合如何产生和控制行为。如果我们能够可靠地模拟整个神经系统，从而复制大脑对任何刺激和不同环境的反应动态，那么测试和改进我们的神经控制理论将变得非常容易。更根本的是，重建或建模一个系统是理解它的一个重要里程碑，因此，模拟整个神经系统本身就是系统神经科学的目标之一，实际上是梦想。要做到这一点，我们需要确定每个神经元的输出如何依赖于某个神经系统中的输入。这种解构——从输入输出对理解功能——属于逆向工程的范畴。目前对大脑进行逆向工程的努力主要集中在哺乳动物的神经系统上，但这些大脑极其复杂，只能记录微小的子系统。我们在此认为，现在是系统神经科学开始齐心协力对较小系统进行逆向工程的时候了，而秀丽隐杆线虫是理想的候选系统。特别是，已建立并不断发展的光生理学技术工具包可以非侵入性地捕获和控制每个神经元的活动，并扩展到大量动物群体的数十万次实验。由于个体神经元的身份在形式和功能上基本保持不变，因此可以合并不同群体和行为的数据。然后，基于现代机器学习的模型训练应该能够模拟秀丽隐杆线虫令人印象深刻的大脑状态和行为范围。对整个神经系统进行逆向工程的能力将有利于系统神经科学以及人工智能系统的设计，从而为研究越来越大的神经系统提供根本性的见解和新方法。