XiaoMi-AI文件搜索系统
World File Search System运动速度
基于特征选择的机器学习来提高帕金森病的预测能力
摘要。帕金森病 (PD) 是一种神经退行性疾病，其特征是大脑中多巴胺产生细胞的丧失。产生多巴胺的脑细胞的破坏会导致帕金森病，多巴胺是一种使脑细胞相互连接的化学物质。控制力、适应性和运动速度都由大脑中产生多巴胺的细胞控制。研究人员一直在研究尽快识别疾病早期出现的非运动症状的技术，以减缓疾病的进展。本研究提出了一种基于机器学习的帕金森病检测方法。所提出的检测技术采用了特征选择和分类技术。特征选择过程采用了 Boruta、递归特征消除 (RFE) 和随机森林 (RF) 分类器。检测帕金森病考虑了四种分类算法，即梯度提升、极端梯度提升、装袋和额外树分类器。我们发现，采用递归特征消除的 Bagging 比其他方法表现更好。帕金森症诊断中最低数量的语音特征的准确率达到 82.35%。
关于石墨和钻石中的摩擦机制
*通讯作者摘要。提出了石墨摩擦模型。在此模型中，摩擦过程被描述为表面层弹性变形的过程。此外，包含3-5个原子单层的纳米层，根据Griffiths方案的弹性和迅速崩溃，形成像固体润滑剂这样的层。接下来，中层进入摩擦过程。如果石墨的摩擦被认为与粘性液体的摩擦相似，那么从这种方法中可以得出摩擦取决于运动速度，其结构与贝纳德细胞相似，这意味着发生自组织和摩擦协同作用。不能使用通常的Amonton定律或基于流体动力学理论来解释石墨的摩擦，这是由于它与溶液的粘度相关的事实，其理论尚未完成。由于其表面的重建，亚稳态钻石的表面层变成石墨，其摩擦系数为相同的值k≈0.1。如果您卸下了亚稳态钻石的表面层，即将其变成钻石，然后其摩擦系数为k≈0.6。关键字：石墨，钻石，摩擦，表面，自组织，协同学，速度，润滑，弹性。简介
比较制造业工人在执行以周期性和非周期性工作为主的任务时的上臂和躯干运动
肌肉骨骼疾病 (MSD) 在制造业工人中很常见。制造业工人中与 MSD 相关的非中立姿势和高移动速度的暴露可能取决于所执行工作任务的变化程度（即主要是“周期性”与“非周期性”工作）。本研究的目的是 (i) 比较执行以周期性任务为主 (n=18) 和非周期性任务 (n=17) 的制造业工人基于姿势和移动速度的全班暴露汇总指标的平均水平，以及 (ii) 探索工人之间和工人内部暴露差异的模式以及每组内每分钟（班次内）暴露水平和变化。惯性传感器用于测量每个参与者最多 15 个完整班次的暴露。结果表明：(i) 尽管姿势相似，但执行以周期性任务为主的工人的上臂和躯干运动速度明显高于执行非周期性任务的工人；(ii) 非周期性组工人之间和工人内部的暴露差异更大。
使用进化集成贝叶斯模型跟踪非平稳信号中的功能变化以实现稳健的神经解码
神经信号是典型的非平稳数据，神经活动与意图（如运动速度）之间的功能映射有时会发生变化。现有研究大多使用固定的神经解码器，因此在神经功能发生变化时性能不稳定。我们提出了一种新颖的进化集成框架（EvoEnsemble），通过相应地进化解码器模型来动态应对神经信号的变化。EvoEnsemble 将进化计算算法集成到贝叶斯框架中，可以根据每个时间段的传入数据依次计算模型的适应度及其似然度，从而实现对时变函数的在线跟踪。设计了随变化进化和历史模型存档两种策略，以进一步提高效率和稳定性。模拟和神经信号实验表明，EvoEnsemble 可以有效跟踪功能的变化，从而提高神经解码的准确性和鲁棒性。这种改进在具有功能变化的神经信号中最为明显。
使用
电子邮件：paredes.g@aluno.ifsp.edu.br摘要钻探浪费的适当管理，尤其是页岩振动器的残留固体中的流体含量，仍然是石油和天然气运营中的一项关键挑战。 依靠实验室分析的传统方法引入了重大延迟，从而阻碍了实时过程优化。 本研究提出了一个基于人工神经网络（ANN）的虚拟传感器，以实时预测振动筛选残留固体中的流体含量。 在不同的操作参数下，从工业页岩振动器系统中收集了实验数据，包括运动速度，进料流量和屏幕倾斜度。 使用TensorFlow开发了多层感知器模型，该模型具有输入归一化，辍学正则化和随机梯度下降的优化训练。 ANN体系结构达到的平均绝对误差为0.03，损失为0.002，证明了强大的收敛而不拟合。 通过t检验进行的统计验证证实，预测值和实验值之间没有显着差异（测试数据的p值为0.67，整个数据集为0.85）。 模型在稳定的操作条件下的准确性可以连续监视而无需其他硬件，从而解决了行业对延迟实验室的依赖电子邮件：paredes.g@aluno.ifsp.edu.br摘要钻探浪费的适当管理，尤其是页岩振动器的残留固体中的流体含量，仍然是石油和天然气运营中的一项关键挑战。依靠实验室分析的传统方法引入了重大延迟，从而阻碍了实时过程优化。本研究提出了一个基于人工神经网络（ANN）的虚拟传感器，以实时预测振动筛选残留固体中的流体含量。在不同的操作参数下，从工业页岩振动器系统中收集了实验数据，包括运动速度，进料流量和屏幕倾斜度。使用TensorFlow开发了多层感知器模型，该模型具有输入归一化，辍学正则化和随机梯度下降的优化训练。ANN体系结构达到的平均绝对误差为0.03，损失为0.002，证明了强大的收敛而不拟合。通过t检验进行的统计验证证实，预测值和实验值之间没有显着差异（测试数据的p值为0.67，整个数据集为0.85）。模型在稳定的操作条件下的准确性可以连续监视而无需其他硬件，从而解决了行业对延迟实验室的依赖
非人类灵长类动物的实时脑机接口利用浅前馈神经网络解码器实现高速假肢手指运动
尽管用于恢复运动功能的脑机接口技术发展迅速，人们对此也产生了浓厚的兴趣，但假手指和假肢的性能仍无法模仿自然功能。将脑信号转换为假肢控制信号的算法是实现快速逼真的手指运动的限制因素之一。为了实现更逼真的手指运动，我们开发了一个浅层前馈神经网络来解码两只成年雄性恒河猴的实时双自由度手指运动。使用两步训练方法，引入重新校准的反馈意图训练 (ReFIT) 神经网络以进一步提高性能。在对两只动物进行 7 天的测试中，神经网络解码器的手指运动速度更快、更自然，与代表当前标准的 ReFIT 卡尔曼滤波器相比，吞吐量提高了 36%。这里介绍的神经网络解码器展示了优于当前最先进水平的连续运动的实时解码，并可以为使用神经网络开发更自然的脑控假肢提供一个起点。
篮球比赛和幼儿园摩托车发展
摘要本研究旨在研究侧重于幼儿园学习和运动发展的研究的文献。使用搜索词“篮球游戏和儿童运动开发”，选择了两个数据库（Scopus和Google Scholar）来选择期刊文章。为了实现测量目标，使用关键评估表对收集的文献进行了检查，然后进行了测量结果的比较。篮球比赛和儿童志愿开发在17个文献中进行了讨论。几个期刊的结果揭示了几件重要的事情，包括打篮球通过提高运动速度，准确性和静态和动态空间的力量以及游戏性能来提高学生的运动技能。篮球运动员参加各个竞争。此外，以前在健身，行为，知识和基本技能水平上经历过这些运动的孩子（包括敏捷性，平衡和协调）受到了极大的影响，受到迷你篮球的基本运动和基本技能的影响。篮球对您的健康和幸福也有很多好处。由于令人满意的社会心理互动，这被认为是一款容易玩的游戏。产生持续到成年的利润。关键字：游戏，篮球，运动开发，幼儿
通过基于脑电图的人类意图预测和警觉控制来协调人机协作
在共享工作空间的人机协作场景中，人们非常希望获得的性能提升被对人类安全的高要求所抵消，机器人驱动器的速度和扭矩被限制在不会伤害人体的水平。特别是对于具有灵活人类行为的复杂任务，保持安全的工作距离和有效协调任务变得至关重要。在这方面，一种既定的方法是响应当前人体姿势的反应伺服。然而，这种方法没有利用对人类行为的预期，因此无法及时对快速的人体动作做出反应。为了尽快调整机器人的行为，尽早预测人类的意图成为一个至关重要但难以实现的因素。在这里，我们采用了一种最近开发的脑机接口 (BCI)，它可以检测人类明显注意力的焦点作为即将发生的动作的预测指标。与其他类型的 BCI 相比，将刺激直接投射到工作空间有助于无缝集成到工作流程中。此外，我们还展示了如何利用大脑反应的信噪比来调整机器人运动速度以适应人类的警觉或警觉水平。通过在物理机器人实验中分析该自适应系统的性能和安全裕度，我们发现所提出的方法可以提高协作效率和安全距离。
特质冲动影响虚拟环境中对威胁的行为和生理反应
特征冲动代表着采取行动而没有预见或考虑后果的趋势。这个特征是多方面的，可以分解为冲动性的注意力，运动和非计划子类型。当前研究的目的是调查性状冲动的亚型如何响应室内虚拟现实（VR）在行为和生理激活水平方面的不同程度的威胁。三十四名参与者被要求谈判一个虚拟环境（VE），在那里他们以虚拟“跌倒”的持续威胁在高度上行走。收集了与运动速度，相互作用频率和风险有关的行为度量。参与者还戴着卧床传感器，以收集心电图（ECG）和电肌活动（EDA）的数据。我们的结果表明，在非计划冲动性上得分很高的参与者表现出风险更高和皮肤电导水平（SCL）。具有较高运动冲动性的参与者与威胁很高时VE中的更多物体相互作用，他们还表现出矛盾的生理激活指标。注意力冲动与VE的更多跌倒有关。结果表明，性格冲动的亚型通过不同的行为模式和生理激活水平来应对威胁，从而增强了性状的多方面性质。
工艺参数对铝搅拌摩擦焊接与双峰微米和纳米增强氧化铝颗粒放电等离子烧结铝基复合材料循环行为的影响
了解氧化铝增强铝复合材料 (Al-A2O3) 的循环行为对于其在不同工业领域的进一步应用至关重要。本研究重点关注通过放电等离子烧结 (SPS) 方法和摩擦搅拌焊接 (FSW) 相结合生产的 Al-氧化铝纳米复合材料的循环行为。添加的氧化铝总含量为 10%，是纳米和微米粒子的组合，其比例因样品而异。使用光学显微镜 (OM)、扫描电子显微镜 (SEM) 和能量色散 X 射线光谱 (EDS) 表征 SPSed 样品的微观结构。表征了加工后的复合材料样品的微观结构并研究了其机械行为。微观结构研究表明，氧化铝的纳米粒子主要分布在晶粒边界和晶粒内部，而微米级粒子主要沉积在晶粒边界上。此外，还根据增强体尺寸和纳米粒子添加百分比分析了生产样品的硬度和拉伸性能。结果表明，纳米复合材料的力学性能和疲劳性能主要取决于初始阶段的材料性能和搅拌摩擦焊的应用条件，如转速和运动速度。纳米复合材料的断裂表面呈现出韧性-脆性复合断裂模式，韧窝更细，纳米弥散体的作用尤为突出。