XiaoMi-AI文件搜索系统
World File Search System连续记录
脑损伤后运动前皮质神经元活动的快速和双半球重组
脑损伤会导致远离病变的几个区域发生血流动力学变化。我们的目标是更好地了解清醒且行为正常的雌性猴子中这种重组的神经元相关性。我们使用可逆失活技术“损伤”初级运动皮层，同时在行为障碍发生之前和之后连续记录两个半球腹侧运动前皮层的神经元活动。失活迅速引起神经元放电的深刻改变，这些改变在每个半球内和两个半球之间都是不均匀的，发生在受影响或未受影响的手臂运动期间，并在抓握的不同阶段有所不同。我们的研究结果支持了广泛的、比预期更复杂的神经元重组发生在双半球皮层网络中参与控制手部运动的保留区域中。这种广泛的重组模式提供了潜在的目标，应该考虑开发脑损伤后早期应用的神经调节方案。
MAVOWATT 50 能源和电力扰动分析仪
MAVOWATT 50 能量和功率扰动分析仪可测量直流系统以及带任何负载的单相和三相交流系统中的电量。宽带 8 通道测量频率高达 40 kHz，涵盖从 16.7 Hz 的铁路电力到 50 或 60 Hz 的主电源，直至高达 1 kHz 的车载电气系统。得益于可额外激活的滤波器，还可在变频器的输出端进行测量。除了“通常”测量的电压、电流、频率、功率和能量等量之外，该仪器还可确定和记录根据 EN50160 评估电能质量所需的所有量，例如谐波失真、谐波和次谐波，以及闪烁强度和电压不平衡。可以以 10 ms 的时间分辨率采集电源干扰，例如电压骤降、中断和暂时或瞬时过压（持续时间为 10 µs），并记录其特征值。可以同时连续记录多达 1000 个测量值，这些测量值可从任何测量功能中选择，间隔范围从 0.2 秒到 2 小时。内部非易失性数据存储器可以通过插入式数据存储介质以几乎无限的方式进行扩展。测量或保存的数据和评估可以在仪器上以各种数字和图形视图显示
预测的混合学习方法... - PHM 协会
在数十年的数据收集过程中，人们试图利用基于状态维护 (CBM) 方法中的运行时间序列数据来优化军用车辆的生命周期管理和可靠性、可用性和可维护性 (RAM)，但遇到了许多障碍。这些障碍困扰着民用地面车辆、飞机和其他复杂系统的类似方法。运行数据的分析至关重要，因为它代表着对系统状态的连续记录。将基本的数据分析应用于运行数据可以提供诸如燃料使用模式或观察到的一辆车辆甚至一个车队的可靠性等见解。但是，监测这些数据的趋势并分析其随时间变化的模式可以深入了解车辆、复杂系统或车队的健康状况，预测平均故障时间或汇编物流或生命周期需求。由于从车辆传感器收集的数据量巨大，数据中观察到的集群与故障或计划外维护事件之间缺乏关联，以及时间序列数据的无监督学习技术不足，因此在运营时间序列数据集上进行此类高性能数据分析 (HPDA) 一直很困难。我们提出了一种在车辆运行数据中发现模式的方法，该方法确定了预测即将发生故障的可能性的模型，称为基于参数的指标 (PBI)。我们的方法是一个数据驱动的应用程序
人类绩效实验室2023年度报告
在2023年，Jalal Aboodarda博士的研究集中在四个主要项目上，包括1）评估心理生理学的反应，确定较短和更长的HIIT协议期间的运动耐受性，2）比较神经肌肉，感知性，感知性，感知和心脏渗透指数的整合，并与hIIT的锻炼效果相结合，并在较短的情况下进行了抑制作用，并在较短的情况下进行了抑制作用，并促进了血液中的流动性，并促进了雄性的流动性，并且是在梅尔斯（Males）中的繁殖效果。疲劳运动对性能和感知的疲劳性以及4）研究卵巢激素变化和避孕方法对运动性能的神经生理学，感知和心脏探索决定因素整合的影响。这些研究中的神经生理学评估包括最大和次最大的5-S膝关节扩展，在此期间进行了颅磁和股神经电刺激，以评估性能疲劳性和皮质运动运动反应的中心和外围成分。心肺评估（通气气体分析和心率）以及代谢反应（血液乳酸浓度）在每次运动中连续记录。将在每次评估之前，感知的努力，疲劳，疼痛和呼吸困难进行量化。
校准稳定流水力学模型
美国地质调查局将 Price 流速计的良好流量测量结果归类为在真实值的 ±5% 以内。有些人认为，这种假设的误差是乐观的。无论如何，在许多河流系统中，±5% 意味着 ±1 英尺的水位误差。声速计提供连续记录，但当前的美国地质调查局技术会校准这些仪表以重现 Price 流速计的测量结果，因此 AVM 与流速计一样准确。船测总是值得怀疑。人们认为，使用在船上安装三根光束的声速计的较新技术要好得多。还应仔细检查已发布的流量记录。连续流量是根据流量测量（通常每两周或每月进行一次）和连续水位记录计算得出的。测量结果被汇编成流量曲线，后续测量与流量曲线的偏差用于定义偏移。偏移是由于非稳定流效应（环状流量曲线）和短期地貌变化导致的流量曲线的暂时变化。记录的质量取决于流量测量的频率和水文学家的技能。唯一的方法是将流量测量值与流量记录进行比较。不过，如果测量频率不高，则只能将流量记录应用于模型，看看水位记录的再现效果如何。记住！大多数已发布的流量记录都是平均日流量。建模者必须以某种方式为这些记录分配时间值。
流量测量结构 - WUR eDepot
流量测量结构被定义为安装在明渠或封闭管道中的水力结构，这些管道具有自由水位，在大多数情况下，可以从测量的上游水位得出流量。图 1 显示了流量测量结构。事实上，这种结构是人为减少渠道或管道的横截面积，导致上游水位上升，从而导致结构上的水位下降。如果减少幅度足够大，我们就会得到流量和上游水位之间的独特关系。通过连续测量这个水位，我们还可以获得流量随时间变化的连续记录。流量和上游水位之间的关系主要取决于结构的形状和尺寸，而上游渠道或管道的几何形状则略有不同。可以从理论方法建立该关系，该方法需要通过校准来支持，校准主要通过水力模型研究进行。在过去的几个世纪中，设计了多种类型的流量测量结构，其特性满足了现代水资源开发的需求，特别是在灌溉计划和水文研究中。了解流量测量结构的使用的最有效方法是查阅专门针对这些结构发布的手册。这样的手册 [1] 和 [2] 不仅对现有结构进行了相当完整的回顾，而且还提供了必要的基本原理和实用概述，说明如何根据特定需求选择最合适的结构以及如何进行流量测量结构的水力设计。本章讨论堰、水槽和闸门等明渠中的流量测量结构。此外，其中一些结构用于具有自由水位的封闭管道，例如下水道。
EEG-微状态动力学.pdf
证据表明，意识流被解析为瞬态大脑状态，这些状态表现为全局神经元活动的离散时空模式。脑电图 (EEG) 微状态被认为是这些持续几分之一秒的瞬态稳定大脑状态的神经生理学关联。为了进一步了解 EEG 微状态动态与意识之间的联系，我们连续记录了 23 名外科患者从清醒状态到昏迷状态的高密度 EEG，这些患者由静脉麻醉剂丙泊酚的浓度逐步增加而引起。除了微状态动力学的常规参数外，我们还介绍了一种估计微状态序列复杂性的新方法。手术麻醉下的大脑活动显示典型微状态的序列复杂性降低，变得更稀疏且持续时间更长。然而，我们观察到，随着镇静深度的增加，微状态的时间动态和复杂性最初有所增加，导致出现明显的“U 形”，这可能与中等剂量异丙酚引起的反常兴奋有关。我们的研究结果支持以下观点：大脑在正常情况下处于亚稳态，在有序和混乱之间保持平衡，以便灵活地从一种状态切换到另一种状态。EEG 微状态的时间动态表明，这种稳定性和过渡性之间的关键平衡发生了变化，从而导致意识状态改变。
![arXiv:2205.09829v1 [q-bio.NC] 2022 年 5 月 19 日 - Justin Jude](/simg/g:\will\search\icon\source\a\aa8f15f482488c0fdebafe05c6a479e23e11755b.webp)
arXiv:2205.09829v1 [q-bio.NC] 2022 年 5 月 19 日 - Justin Jude
从记录的神经活动中解码刺激或行为是研究中研究大脑功能的常用方法，也是脑机接口和脑机接口的重要组成部分。即使是从小的神经群体中也能进行可靠的解码，因为高维神经群体活动通常占据低维流形，而这些流形可以用合适的潜在变量模型发现。然而，随着时间的推移，单个神经元活动的漂移和神经记录设备的不稳定性可能会很大，使得几天和几周的稳定解码变得不切实际。虽然这种漂移无法在单个神经元层面上预测，但当底层流形随时间稳定时，连续记录会话中的群体水平变化（例如不同的神经元组和记录数据中一致神经元的不同排列）可能是可以学习的。在会话中对一致和不熟悉的神经元进行分类，并考虑在记录会话中记录数据集中一致记录神经元顺序的偏差，可以保持解码性能。在这项工作中，我们表明深度神经网络的自监督训练可用于补偿这种会话间变异性。因此，连续自动编码模型可以在未来几天内为完全未见过的记录会话保持最先进的行为解码性能。我们的方法只需要一个记录会话来训练模型，这是朝着可靠、无需重新校准的脑机接口迈出的一步。
知识传递的功能性脑网络分析，而...
作为一种复杂的认知活动，知识转移主要与认知过程相关，例如在工程解决问题的同时，人类大脑中的工作记忆，行为控制和决策。至关重要的是要解释功能性脑网络的改变以及如何表达它，这导致知识转移的认知结构的改变。但是，在现有研究中很少考虑知识转移的神经生理机制。因此，这项研究提出了功能连通性（FC），以描述和评估在工程问题解决问题时动态的知识转移网络。在这项研究中，我们采用了文献中报道的修改后的威斯康星州卡片分类测试（M-WCST）。使用功能性近红外光谱（FNIRS）连续记录前额叶皮层的神经激活。具体而言，我们讨论了先前的认知水平，知识传递距离以及影响小波振幅和小波相一致性的传递性能。配对的t检验结果表明，先前的认知水平和转移距离显着影响FC。皮尔逊相关系数表明，小波振幅和相干性都与前额叶皮质的认知功能显着相关。因此，大脑FC是评估知识传递中认知结构改变的可用方法。我们还讨论了为什么背外侧前额叶皮层（DLPFC）和枕叶面（OFA）与M-WCST实验中其他大脑区域区分开来。作为神经管理方面的探索性研究，这些发现可能会在工程解决问题的同时提供有关知识转移功能性知识转移网络的神经生理学证据。
通过自我监督的识别一致的神经合奏
从记录的神经活动中解码刺激或行为是研究大脑功能在研究中的常见方法，也是脑部计算机和脑机界面的重要组成部分。可靠的解码即使是从小型神经种群中也可能导致高维神经种群活动，通常占据低维man-可通过合适的潜在可变模型可发现的低维man。随着时间的流逝，单个神经元的活性和神经记录设备中不稳定性的漂移可能是基础的，使几天和几周的稳定解码变得不切实际。虽然无法在单个神经元水平上预测这种漂移，但是当连续记录会话（例如不同的神经元集以及记录数据中一致的神经元的变化排列）时，人群水平的变化可能是可以学习的。在会话中的一致性与陌生神经元的分类以及按照记录的一致记录神经元的偏差来考虑偏差，然后可以保持解码性能并揭示与任务相关的神经歧管。在这里，我们表明，对深神经网络的自我监督培训可用于弥补这一间歇间的可变性。结果，顺序的自动编码模型可以维持最新的行为解码性能，以使未来几天的完全看不见的记录会话。我们的方法仅需要一次录制会话来培训模型，这是迈向可靠，无重新校准的大脑计算机接口的一步。关键字：多种学习，神经科学，自我监督学习，神经解码，神经种群活动，顺序自动编码器，电生理学