XiaoMi-AI文件搜索系统
World File Search System辨别
使用近红外光度法快速辨别驻留空间物体
我们的新数据集为我们提供了重叠的宽带红外颜色和相同颜色波段的高分辨率光谱。我们精心选择了目标，包括具有已知成分的混合物体，以便开发和评估新技术来解释我们的宽带近红外光度测定。由于所有之前发表的研究都集中在地球同步轨道上的物体上，因此 Molniya 有效载荷和 RB 的加入是对现有文献的独特补充。我们首次能够在相同类型的全分辨率近红外光谱的背景下分析近红外光度测定。我们提供了有关改进感兴趣的光谱带以进行表征的见解，并提供了一种使用效率更高的近红外光度测定技术来提高快速识别能力的方法。
使用 3-D 深度学习模型进行大规模脑功能网络整合以辨别自闭症
目前，自闭症谱系障碍的诊断主要依靠临床医生的症状和行为来判断。但这些方法要求医生具备很高的专业知识，且诊断结果容易受到医生的主观性影响。为了寻找更客观的生物标志物来识别自闭症谱系障碍，许多研究者致力于从遗传学、表观遗传学、身体代谢和神经影像学等角度寻找有效的生物标志物（ Goldani et al., 2014 ）。神经影像学被认为是一种很有前途的非侵入性技术，可以揭示人脑的潜在模式。利用结构磁共振成像（sMRI）、功能磁共振成像（fMRI）和正电子发射断层扫描（PET）等技术，可以将人脑建模为一个复杂的系统，各个区域执行不同的结构和功能。先前的神经影像学研究表明，在神经或精神疾病人群中，大脑的结构和功能连接都会发生交替（ Mueller et al., 2013 ）。在各类检查方法中，fMRI，尤其是记录血氧水平依赖性 (BOLD) 信号变化的静息状态 fMRI (rs- fMRI)，已广泛用于研究阿尔茨海默病 (Qureshi et al., 2019b)、精神分裂症 (Yan et al., 2019) 和 ASD (Abraham et al., 2017) 等精神疾病。功能性磁共振成像数据以高维 (∼ 100 万) 的 4 维矩阵格式组织，包含空间和时间信息。这使得直接利用原始数据作为分类算法的输入成为一项艰巨的任务。为了解决数据的高维性，已经提出了许多降维技术 (Abdi and Williams, 2010; Suk et al., 2015; Soussia and Rekik, 2018)。一些人没有使用原始 fMRI 数据，而是提出了脑功能网络分析来描述感兴趣区域 (ROI) 之间的“关系”。基于脑血流会刷新脑各区域的神经活动这一事实，对功能连接 (FC) 进行建模有助于理解精神障碍的神经基础 (Lindquist, 2008)。最常用的 FC 模型是 Pearson 相关性，可以使用两个脑区之间的 BOLD 信号来计算。脑功能网络 (BFN) 是根据图谱预先定义的所有位置的 FC 强度构建的。BFN 构建方法明确将维数从 4 维降低为 1 维向量。许多机器学习 (ML) 方法已成功用于与 ASD 相关的改变的 BFN 的自动分类 (Uddin 等人，2013；Abraham 等人，2017)。一些方法采用稀疏方法，通过在损失函数中添加额外的稀疏正则化项（例如，Lasso（Tibshirani，1996）或Elastic Net（Zou and Hastie，2005））来实现隐式降维。然而，常用来描述 ROI 之间 FC 的相关性仅捕捉线性关系，不适合表征高阶或非线性特征（Shojaee et al., 2019）。此外，将数据折叠成特征向量（向量化）会丢弃脑区的空间信息（Kong et al., 2019）。此外，传统的分类算法，如支持向量机（SVM）（Cortes and Vapnik, 1995）、随机森林（Liaw and Wiener, 2002）和朴素贝叶斯（Rish, 2001）属于浅层分类
没有行为证据表明节律促进知觉辨别
摘要 有人假设内部振荡可与外部环境节律同步（即同步化），从而促进感知和行为。迄今为止，关于神经振荡相位与行为之间联系的证据很少且相互矛盾；此外，大脑是否可以使用这种试验性机制进行主动时间预测仍是一个悬而未决的问题。在我们目前的研究中，我们对 181 名健康参与者进行了一系列听觉音高辨别任务，以阐明节奏提示和同步化所提出的行为益处。在我们三个版本的任务中，我们没有观察到所谓的同步化的感知益处：与异相出现的目标或随机出现的目标相比，与节奏提示同相出现的目标在辨别准确性或反应时间方面没有提供感知益处，我们也没有发现节奏提示和随机提示之前的目标的表现差异。然而，我们发现提示频率对反应时间有令人惊讶的影响，参与者对频率较高的提示节奏反应更快。因此，我们没有提供同步的证据，而是提供了隐性主动感知的暂定效应，即更快的外部节奏导致运动皮质和感觉皮质之间的通信速率更快，从而允许更早地采样感觉输入。
通过脑电图 (EEG) 频谱对织物触觉刺激进行神经感知辨别
在神经科学领域，对织物与皮肤相互作用过程中的感觉知觉的精确评估仍然知之甚少。本研究旨在通过脑电图 (EEG) 光谱强度研究不同纺织品对织物刺激的皮质感觉反应，并评估 EEG 频带、传统主观问卷和材料物理性质之间的关系。招募了 12 名健康成年参与者来测试三种不同纺织品成分的织物，这三种织物分别为 1) 棉、2) 尼龙和 3) 涤纶和羊毛。通过织物触感测试仪 (FTT) 定量评估织物的物理性质。邀请受试者通过主观问卷和客观 EEG 记录对织物样品的感觉知觉进行评分。对于不同的织物刺激，EEG 的 Theta 和 Gamma 波段相对光谱功率存在显著差异（P < 0.05）。 Theta 和 Gamma 能量与问卷调查的大多数主观感觉以及 FTT 测量的织物物理特性具有显著相关性（P < 0.05）。EEG 频谱分析可用于区分不同纺织成分的织物刺激，并进一步指示织物刺激过程中的感觉知觉。这一发现可为进一步通过 EEG 频谱分析探索性研究感觉知觉提供依据，可应用于未来假肢中皮肤触觉的大脑发生器的研究以及工业中感觉知觉的自动检测。
b'听力测试纯音测听（听力测试）此测试确定您能听到声音的音量必须达到多大。测试期间，将以不同音量呈现低频和高频音调。您将被要求确认何时能够听到声音。测试将单独评估每个频率。测试将使用插入式耳机（放入耳道的泡沫插入物）、耳罩和/或耳后骨头进行。这允许测试确定听力问题是源于内耳故障（感音神经性听力损失）还是源于声波传输到内耳的问题（传导性听力损失）或两者兼而有之（混合性听力损失）。在许多情况下，有必要将声音或噪音引入未测试的耳朵。这种分散注意力的方式使听力学家能够确保在评估的耳朵中听到测试音。 （时间 20 到 30 分钟）言语听力测试 这些测试用于评估您的耳朵对所听到内容的理解能力。 通过耳机或扬声器呈现两组不同的单词列表。 一种测试以不同的响度级别管理单词列表。 它用于确定您的耳朵第一次接收语音的声级。（言语接收阈值） 第二组单词使用纯音听力检查中确定的阈值来设置呈现的声级。 这样，我们可以确定您的耳朵听到了这些单词。 然后，通过呈现一组单词，我们可以确定您的耳朵对所听到内容的理解能力。（言语辨别分数）（时间 15 到 20 分钟） 阻抗和声反射测试 这组测试用于评估中耳结构和听觉神经的声音传输特性、耳咽管的工作情况、中耳肌肉的工作情况以及中耳压力的状态。 将一个小耳塞插入耳道。耳中会传来低沉的嗡嗡声。嗡嗡声的响度可能有所不同，有时听起来可能很大。此外，还会引入微小的压力变化。这些测试中获得的信息不需要您的回应。（时间 15-20 分钟）'
b'听力测试纯音测听（听力测试）此测试确定您能听到声音的音量必须达到多大。测试期间，将以不同音量呈现低频和高频音调。您将被要求确认何时能够听到声音。测试将单独评估每个频率。测试将使用插入式耳机（放入耳道的泡沫插入物）、耳罩和/或耳后骨头进行。这允许测试确定听力问题是源于内耳故障（感音神经性听力损失）还是源于声波传输到内耳的问题（传导性听力损失）或两者兼而有之（混合性听力损失）。在许多情况下，有必要将声音或噪音引入未测试的耳朵。这种分散注意力的方式使听力学家能够确保在评估的耳朵中听到测试音。 （时间 20 到 30 分钟）言语听力测试 这些测试用于评估您的耳朵对所听到内容的理解能力。 通过耳机或扬声器呈现两组不同的单词列表。 一种测试以不同的响度级别管理单词列表。 它用于确定您的耳朵第一次接收语音的声级。（言语接收阈值） 第二组单词使用纯音听力检查中确定的阈值来设置呈现的声级。 这样，我们可以确定您的耳朵听到了这些单词。 然后，通过呈现一组单词，我们可以确定您的耳朵对所听到内容的理解能力。（言语辨别分数）（时间 15 到 20 分钟） 阻抗和声反射测试 这组测试用于评估中耳结构和听觉神经的声音传输特性、耳咽管的工作情况、中耳肌肉的工作情况以及中耳压力的状态。 将一个小耳塞插入耳道。耳中会传来低沉的嗡嗡声。嗡嗡声的响度可能有所不同，有时听起来可能很大。此外，还会引入微小的压力变化。这些测试中获得的信息不需要您的回应。（时间 15-20 分钟）'
具有辨别能力的探雷器
金属探测器广泛用于探测战争遗留爆炸物，如地雷和未爆炸弹药。几乎所有专业探测器都基于涡流原理。目前误报数量高达总警报数量的 99.9%。因此，排雷界非常需要专业地雷探测器增加鉴别能力。我们展示了两种互补的方法：使用垂直信号轮廓和水平空间图。这是通过在搜索头上添加垂直距离传感器和惯性定位单元来实现的。图像处理方法可用于区分金属压载物和危险物体。在本文中，我们展示了用于涡流成像的完全自主 3-D 定位单元开发的第一步。关键词：金属探测、地雷探测器、鉴别、信号高度分布、涡流
11 量子态辨别 - 亨特学院
摘要。在量子通信和量子计算中提出的许多方案中，都涉及到对给定非正交量子态进行区分的问题。然而，量子力学对我们确定量子系统状态的能力施加了严重的限制。特别是，即使已知非正交状态，也无法完美区分它们，并且已经开发出各种针对某些适当选择的标准的最佳区分策略。在本文中，我们回顾了关于两种最重要的最佳区分策略的最新理论进展。我们还详细介绍了量子测量理论的相关概念。在对该领域进行简要介绍后，第二章讨论了最佳明确（即无误差）的区分。具有最小误差的模糊区分是第三章的主题。第四章概述了最近出现的多粒子状态区分子领域。最后，我们进行了简要的展望，试图概述近期的研究方向。