XiaoMi-AI文件搜索系统
World File Search System观影
使用双层脑电图来表征和消除乒乓球运动中的伪影
摘要：研究人员可以通过研究在现实环境中运动的人类来提高大脑研究的生态效度。最近的研究表明，双层脑电图可以提高步态过程中脑电皮层记录的保真度，但目前尚不清楚这些积极结果是否可以推广到非运动范式。在我们的研究中，我们在参与者打乒乓球时用双层脑电图记录大脑活动，乒乓球是一项全身反应性运动，可以帮助研究视觉运动反馈、物体拦截和表现监控。我们用时频分析和相关头皮和参考噪声数据来表征伪影，以确定不同传感器捕获伪影的效果。正如预期的那样，单个头皮通道与噪声匹配通道时间序列的相关性高于与头部和身体加速度的相关性。然后，我们比较了使用和不使用双层噪声电极的伪影去除方法。独立成分分析将通道分成多个成分，我们根据偶极子模型的拟合并使用自动标记算法来计算高质量大脑成分的数量。我们发现使用噪声电极进行数据处理可以提供更清晰的大脑成分。这些结果推动了记录需要全身运动的人类行为中高保真大脑动态的技术方法，这将对脑科学研究大有裨益。
用于验证纤维束成像和评估伪影的物理和数字模型
纤维束成像广泛用于通过扩散加权磁共振成像 (dMRI) 在体内非侵入性地绘制白质束。与所有科学方法一样，无论是在基础神经科学领域还是在临床环境中，适当的验证都是成功应用纤维束成像的关键先决条件。众所周知，从局部扩散信号间接估计纤维束非常模糊且极具挑战性。此外，纤维束成像方法的验证因缺乏真实的基础事实而受到阻碍，这是由极其复杂的大脑微结构造成的，这种微结构无法通过非侵入性直接观察到，而大脑中庞大的长距离纤维连接网络的基础正是纤维束成像方法的实际目标。作为可用于验证的真实基础事实的体内数据的替代品，一种广泛且成功采用的方法是使用合成幻影。在这项工作中，我们概述了物理和数字幻影领域的最新技术，回答了以下指导性问题：“什么是 dMRI 幻影，它们有什么用处？”，“用于验证纤维束成像的理想幻影是什么样的？”和“研究界可以使用哪些幻影、幻影数据集和用于创建它们的工具？”。我们将进一步讨论使用 dMRI 幻影的局限性和机遇，以及该研究领域未来可能的发展方向。
使用多尺度全卷积神经网络校正运动伪影
缩写：FCN = 完全卷积神经网络；MSE = 均方误差；SSIM = 结构相似性指数在 MRI 检查期间，患者运动会导致伪影，而伪影是临床实践中造成图像质量下降的常见原因，据报道，这会影响 10% – 42% 的脑部检查的图像质量。1、2 在图像采集时可能会识别出对 MRI 检查诊断价值有重大影响的运动伪影，导致近 20% 的 MRI 检查出现重复序列。1、3 这些重复序列会给放射科带来大量的时间和财务成本。1 由于无法保证患者在重复序列期间能够更好地保持静止，因此图像的诊断价值往往会受到影响。
减少语音扭曲和通过损失功能增强语音的伪影
深度学习的语音增强已取得了显着的进步。然而，诸如语音扭曲和伪像之类的挑战仍然存在。这些问题可以降低听觉质量和语音识别系统的准确性，这在采用轻量级模型时尤其。因此，本文研究了管理语音失真和伪像的基本原则，并引入了一种新颖的组合损失函数，该函数整合了语音活动检测（VAD）信息和语音连续性以解决问题。此外，基于提出的损失功能设计了一种新的培训策略，以解决训练极小模型上这种综合损失的困难。实验 - 我们的方法对DNS2020数据集的有效性和实际会议数据在增强主观和objective语音指标以及自动语音识别（ASR）性能方面的有效性。索引术语：言语增强，损失功能，语音差异，光谱中断，伪影
Photonic伪影中的比率发光纳米热度法
摘要：科学和技术的持续发展需要在越来越高的空间分辨率下进行温度测量。具有温度敏感发光的纳米晶体是提供高精度和远程读取的这些应用的流行温度计。在这里，我们证明了比率发光热实验可能会遭受纳米结构环境中的系统误差。我们将基于灯笼的发光纳米热计处于距AU表面高达600 nm的控制距离。尽管这种几何形状不支持吸收或散射谐振，但由于光态的变化密度变化导致温度计的变形导致高达250 K的温度读出误差。我们的简单分析模型解释了温度计发射频率，实验设备以及误差幅度的样品的效果。我们在几种实验场景中讨论了我们发现的相关性。这种错误并不总是发生，但是在反映界面或散射对象附近的测量中可以预期它们。关键字：光子学，光态的密度，温度传感，纳米晶，灯笼的发射
人工智能伦理影响评估：从原则到实践白皮书
※6） https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/pdf/20210709_6.pdf
Agile and Dynamic Control Technologies to Enhance System Stability and Power Quality Considering Renewables and Electrical Vehicle Impact 新能源与电气化交通影响下
• Project Summary & objectives - The project will develop tools to ensure safe and reliable power supply associated with the transition towards an electric vehicle (EV) dominated transportation sector, while leveraging on renewable energy (such as solar PV) and battery storage systems to support EV charging and carbon emission reduction. It achieves social benefits through three layers: (i) System - It will enable system operators to effectively manage the power grid to host large number of EVs without blackout while enjoying capital deferral benefits; (ii) community - It provides tools for car park operators with EV charging facilities to avoid potential loss of electricity; and (iii) individuals - It provides optimal charging strategies for EV owners to save on charging while being assured of sufficient battery charge to drive. 该项目将开发工具，以确保有大量电动车出现的交通电气化过程中安全可靠的电力供应, 同时充分利用可再生能源( 比如太阳能) 和电池储能系统支持电动车充电及减少碳排放。它通过三个层面实现社会效益: (i) 系统- 使系统运营商能够有效管理电网，在不停电的情况下支持大量电动汽车，同时享受资本递延收益； (ii) 社区– 让有电动汽车充电设施停车场的物业避免潜在的停电风险； (iii) 个人- 为电动车车主提供最佳充电策略，以节省充电费用，同时确保有足够的电池电量来驾驶。
宇宙射线与高能大气物理的协同作用：粒子探测器阵列观测到的粒子爆发
各种粒子探测器在雷暴期间探测到的地球表面粒子爆发源自相对论性失控电子雪崩 (RREA)，这种雪崩是由强大气电场中加速的自由电子引起的。雷雨云中两个方向相反的偶极子将电子加速到地球表面和开放空间的方向。轨道伽马射线天文台观测到的粒子爆发称为地面伽马射线闪光 (TGF)，能量为几兆电子伏，有时仅达到几十兆电子伏；地面粒子探测器记录的粒子爆发称为雷暴地面增强 (TGE)，能量通常达到 40-50 兆电子伏。对流层中的气球和飞机记录到伽马射线辉光（能量为几兆电子伏）。最近，高能大气物理学还包括所谓的向下 TGF (DTGF)，即持续时间为几毫秒的强烈粒子爆发。众所周知的广泛空气簇射 (EAS) 源自星系质子和完全剥离的原子核与大气原子的相互作用。EAS 粒子在簇射轴周围具有非常密集的核心。然而，EAS 核心中的高能粒子由非常薄的圆盘组成（几十纳秒），并且 EAS 核心穿过的粒子探测器不会记录粒子爆发，而只会记录一个非常大的脉冲。只有中子监测器才能记录粒子爆发，它通过收集 EAS 核心粒子与土壤相互作用产生的延迟热中子来记录粒子爆发。我们讨论了最大粒子阵列中可获得的短粒子爆发与 EAS 现象之间的关系。我们证明中子监测器可以将 EAS 的“寿命”延长至几毫秒，与 DTGF 的持续时间相当。我们还讨论了使用中子监测器网络进行高能宇宙射线研究的可能性。简明语言摘要：在太空、对流层和地球表面记录了短粒子爆发和长粒子爆发。通过对粒子通量、近地表电场和闪电的协调监测，可以提出关于强烈爆发的起源及其与广泛空气簇射和大气放电的关系的假设。通过对观测数据和粒子爆发可能起源情景的分析，我们可以得出结论：爆发可以用雷鸣大气中的电子加速以及由高能质子和银河系中完全剥离的原子核加速在地球大气中形成的巨大簇射来解释。