XiaoMi-AI文件搜索系统
World File Search System谱密度
运动执行降低脑电图信号的复杂性
开发检测运动相关大脑活动的新方法是科学许多方面的关键，尤其是在脑机接口应用中。尽管使用传统方法已经揭示了一些众所周知的运动相关脑电图特征，但它们仍然缺乏对运动相关模式的稳健分类。在这里，我们介绍了运动相关大脑活动的新特征，并通过考虑感觉运动皮层中 µ 节律的事件相关去同步 (ERD)，即跟踪相应频带中功率谱密度的下降，揭示了潜在神经元动力学的隐藏机制。我们假设运动相关 ERD 与 µ 波段神经元活动的随机波动抑制有关。这是由于相应振荡模式中涉及的活跃神经元群体数量减少。在这种情况下，我们预计在感觉运动皮层记录的 EEG 信号将具有更规则的动态和更复杂的降低。为了支持这一点，我们通过递归量化分析 (RQA) 应用信号复杂性测量。具体来说，我们证明某些 RQA 量化器对于检测运动开始的时刻非常有用，因此能够对执行的动作的侧面性进行分类。
应用于 GPS/INS 集成系统的 MEMS 不同误差建模之间的比较
摘要：微机电系统 (MEMS) 的发展进步使得制造廉价、小尺寸的加速度计和陀螺仪成为可能，它们被用于许多需要进行全球定位系统 (GPS) 和惯性导航系统 (INS) 集成的应用中，即，识别轨道缺陷、地面和行人导航、无人驾驶飞行器 (UAV)、许多平台的稳定等。虽然这些 MEMS 传感器成本低廉，但它们会出现不同的误差，从而在短时间内降低导航系统的准确性。因此，有必要对这些错误进行适当的建模，以尽量减少这些错误，从而提高系统性能。在本研究中，我们展示并比较了目前用于分析影响这些传感器的随机误差的最常用技术：我们详细研究了自相关、Allan 方差 (AV) 和功率谱密度 (PSD) 技术。随后，还实现了惯性传感器的分析和建模，其中结合了自回归 (AR) 滤波器和小波去噪。由于低成本 INS（MEMS 级）的误差源包括短期（高频）和长期（低频）分量，我们引入了一种通过对 Allan 方差、小波去噪和选择分解级别进行完整分析来补偿这些误差项的方法，以实现这些技术的适当组合。最后，为了评估使用这些技术获得的随机模型，扩展卡尔曼
![arXiv:2111.08154v1 [cs.HC] 2021 年 11 月 16 日](/simg/g:\will\search\icon\source\a\a3db6c388ab3c9660f6d87ba0a937b1ee45cbc6c.webp)
arXiv:2111.08154v1 [cs.HC] 2021 年 11 月 16 日
本文研究了心理任务分类——基于脑机接口 (BCI)，因为这是 BCI 的主要研究领域，而且这些系统可以改善严重残疾的人的生活，因此备受关注。BCI 模型的性能主要取决于特征向量的大小，该向量通过多个通道获得。在心理任务分类的情况下，特征的训练样本可用性极低。通常，特征选择用于通过去除不相关和多余的特征来提高心理任务分类的比率。本文提出了一种选择相关和非冗余光谱特征进行心理任务分类的方法。这可以通过使用四种非常知名的多变量特征选择方法来实现，即 Bhattacharya 距离、散点矩阵比、线性回归和最小冗余与最大相关性。这项工作还涉及心理任务分类的多变量和单变量特征选择的比较分析。应用上述方法后，研究结果表明，学习模型在心理任务分类方面的性能得到了显著改善。此外，通过执行稳健的排序算法和弗里德曼统计测试来找到最佳组合并比较功率谱密度和特征选择方法的不同组合，证明了所提出方法的有效性。
腔量子电动力学的量子工具箱
本论文描述了一种定制的腔量子电动力学 (QED) 工具箱，用于光学微柱中的量子点 (QD) 发射器。该工具箱是为 MATLAB® 开发的，它允许使用全腔 QED 模型或有效绝热哈密顿量来仅与 QD 子空间一起工作。该工具箱模拟连续和脉冲波状态下的输出强度、一阶和二阶相关性以及通量谱密度。结果表明，与完整模型相比，绝热模型降低了计算成本，并允许在 QD 和腔之间的弱耦合状态下执行精确的量子光学模拟。为了使近似结果令人满意，腔体的衰减时间必须比其他子系统（包括 QD 动力学和入射场）更快：QD 的 Rabi 频率必须比腔体的衰减率慢得多，而对于入射场，其演化必须比腔体中的光子寿命慢。这项工作还可以应用于 1-D 光子晶体波导和纳米腔中的激发偶极子等更一般的领域，并且可以推广到更复杂和更现实的系统。这包括各向异性中性量子点的描述（由 3 级系统描述）或具有自旋自由度的带电量子点（由 4 级系统建模），同时考虑腔体和输入/输出场的极化自由度。
通过分析和分类eeg信号对消费者偏好的认可
神经营销已关注弥合传统营销研究与脑电图（EEG）基于脑部计算机界面（BCI）研究之间的差距。它通过偏好预测确定客户实际想要的东西。基于EEG的偏好检测系统的性能取决于适当的特征提取技术和机器学习算法。在这项研究中，我们使用脑电图指数的不同特征组合和不同算法进行特征提取和分类检查了神经营销数据集的偏好检测。对于EEG特征提取，我们采用了离散小波变换（DWT）和功率谱密度（PSD），这些变换（PSD）用于测量基于EEG的偏好指数，从而提高了偏好检测的准确性。此外，我们将深度学习与其他传统的分类器进行了比较，例如K-Neartime（KNN），支持向量机（SVM）和随机森林（RF）。我们还研究了偏好指标对分类算法性能的影响。通过严格的局部分析，我们研究了偏好检测和分类的计算智能。拟议的深神经网络（DNN）的性能在准确性，精度和召回方面优于KNN和SVM；但是，RF获得的结果与同一数据集类似于DNN的结果。
疲劳损伤评估的频域方法
本文对疲劳损伤评估的时域和频域方法进行了比较研究。详细描述了疲劳研究的主要步骤：材料特性、参考参数的定义、载荷历史处理、循环计数算法和损伤模型。此外，还强调了每个步骤中时域和频域进展之间的主要差异。总而言之，通过比较文献综述，我们可以确定这两种方法中的一些重要亮点和暗淡之处：在时域方法中，人们在开发 S-N 领域的高级材料特性模型方面做出了许多努力，无论是确定性的还是概率性的，但在频域方法中目前仅使用线性 Basquin 模型。此外，关于材料特性中的参考参数（应力、应变、能量等）的持续讨论并不存在频域方法中，因为频域方法主要基于应力范围。相反，频域方法对雨流直方图进行了先进的处理，提出了不同的统计分布，并给出了功率谱密度和预期疲劳损伤之间的理论和分析关系，从而提出了一种比基于时域的方法更简单、更容易应用于疲劳损伤评估的方法。
大脑 - 计算机界面基于稳态视觉诱发电势，使用轮椅控制的快速响应代码模式
摘要：大脑 - 计算机界面（BCIS）广泛用于严重身体残疾患者的控制应用中。一些研究人员的目的是开发实用的脑控制轮椅。基于稳态的视觉诱发电势（SSVEP）的现有脑电图（EEG）基于BCI是为了控制设备控制的。这项研究利用了可靠的现有系统的快速响应（QR）代码视觉刺激模式。使用提出的带有四个可振动频率的视觉刺激模式生成四个命令。此外，我们采用了SSVEP特征提取的相对功率谱密度（PSD）方法，并将其与绝对PSD方法进行了比较。我们设计了实验来验证所提出系统的效率。结果表明，所提出的SSVEP方法和算法在实时处理中产生的平均分类精度约为92％。对于通过基于独立的控制模拟的轮椅，提议的BCI控制需要比键盘控制的时间大约五倍以进行实时控制。使用QR码模式的建议的SSVEP方法可用于基于BCI的轮椅控制。然而，由于长期连续控制，它因视觉疲劳而受到影响。我们将在严重的身体残障人士中验证和增强拟议的轮椅控制系统。
我认为我应该接种疫苗，我觉得我不应该接种疫苗。信息处理和疫苗接种行为的个体差异（COVID-19）
摘要：在先前的研究中，已用于脑电（EEG）信号处理的特征提取。但是，时间窗长度对下游任务（例如情绪识别）的特征提取的影响尚未得到很好的检查。为此，我们研究了不同时间窗口（TW）长度对人类情绪识别的影响，以发现提取脑电图（EEG）情绪信号的最佳TW长度。功率谱密度（PSD）特征和差分熵（DE）特征均用于根据SJTU EMOMIT EEG数据集（SEED）评估不同TW长度的有效性。随后使用EEG功能处理方法处理不同的TW长度，即实验级批归归量表（ELBN）。处理的特征用于在六个分类器中执行情感识别任务，然后将结果与没有ELBN的结果进行比较。识别精度表明2-S TW长度在情感上具有最佳性能，并且最适合于EEG功能提取用于情绪识别。在使用基于PSD和DE功能的SVM时，ELBN在2-S TW中的部署可以进一步提高21.63％和5.04％。这些结果在分析智能系统应用的EEG信号时为选择TW长度的选择提供了可靠的参考。
稀疏随机哈密顿量在量子上很容易
量子计算机的一个候选应用是模拟量子系统的低温特性。对于这项任务，有一种经过深入研究的量子算法，它对与低能态有不可忽略重叠的初始试验状态进行量子相位估计。然而，众所周知，很难从理论上保证这种试验状态能够有效地准备。此外，目前可用的启发式建议，例如绝热状态准备，在实际情况中似乎不够充分。本文表明，对于大多数随机稀疏汉密尔顿量，最大混合状态是一个足够好的试验状态，相位估计可以有效地准备能量任意接近基能的状态。此外，任何低能状态都必须具有不可忽略的量子电路复杂性，这表明低能状态在经典上是非平凡的，相位估计是准备此类状态的最佳方法（最多多项式因子）。这些陈述适用于两种随机汉密尔顿量模型：(i) 随机带符号泡利弦的总和和 (ii) 随机带符号 d -稀疏汉密尔顿量。主要技术论据基于非渐近随机矩阵理论中的一些新结果。特别是，需要对谱密度进行精细的集中界定，以获得这些随机汉密尔顿量的复杂性保证。
一种新的具有霍普夫分岔的多稳态Jerk系统、其电子电路仿真及其在图像加密中的应用
本研究阐明了一种具有五个非线性项的新型三维抖动系统。利用 Lyapunov 指数分析，我们确定了新型抖动系统具有混沌性和耗散性。我们确定了新型抖动系统经历了霍普夫分岔。我们观察到新型抖动系统具有多稳定性，因为它表现出共存的混沌吸引子。多稳定性是混沌系统的一种特殊属性，这意味着对于同一组参数值但不同的初始状态，存在共存的吸引子。我们表明，新型混沌抖动系统表现出具有共存混沌吸引子的多稳定性（Zhang 等人，2020 年；Zhou 等人，2020 年）。我们使用 Multisim 版本 13 设计了所提出的抖动系统的电子电路仿真。我们还使用 Multisim 对抖动电路信号进行了功率谱密度分析，证实了抖动电路中的混沌。混沌系统的电路设计对实际应用很有用（Yildirim 和 Kacar，2020 年；Wang 等人，2021 年；Rao 等人，2021 年）。图像加密是通信理论中的一个重要研究领域，旨在保护图像免受任何未经授权的用户访问 Abd-El-Atty 等人（2019 年）。图像加密是一种广泛使用的图像保护技术，指的是从