XiaoMi-AI文件搜索系统
World File Search System逆向
家庭使用双耳节拍脑刺激的逆向效应
双耳节拍脑刺激是一种支持家庭认知任务的流行策略。然而，这种家庭脑刺激可能对认知过程没有影响，任何智力提高可能只是安慰剂效应。因此，如果不相信它，它可能不会带来任何好处。在这里，我们在家中对 1000 人进行了测试，让他们进行两部分的流体智力测试。一些人在听双耳节拍的情况下参加了第二部分，而另一些人则在沉默或听其他声音的情况下参加了第二部分。双耳节拍组被分成三个小组。第一个小组被告知他们将听一些改善大脑工作的声音，第二个小组被告知中性声音，第三个小组被告知一些性质不明的声音。我们发现，听双耳节拍并不是中性的，因为无论在什么情况下，它都会显著降低分数。沉默或其他声音没有影响。因此，家庭双耳节拍脑刺激带来的效果与假设相反：它不但不能支持认知活动的有效性，反而可能会削弱它们。
用于逆向工程神经元群体放电模式以识别其突触输入的超级计算机框架
m-chardon@northwestern.edu 1 美国伊利诺伊州芝加哥西北大学神经科学系；2 美国加利福尼亚州洛杉矶加州州立大学电气与计算机工程系；3 美国伊利诺伊州莱蒙特阿贡国家实验室阿贡领导力计算设施；4 美国伊利诺伊州埃文斯顿西北大学电气工程系；5 美国伊利诺伊州芝加哥西北大学生物医学工程系；6 英特尔公司，美国加利福尼亚州圣克拉拉；7 美国华盛顿大学生理学和生物物理学系；8 美国伊利诺伊州芝加哥 Shirley Ryan 能力实验室物理医学与康复系；9 美国伊利诺伊州芝加哥西北大学物理治疗与人体运动科学系； 15 10 美国伊利诺伊州埃文斯顿西北大学-阿贡科学与工程研究所 (NAISE) 16
考虑多种类和多技术的电动汽车电池新型可持续逆向物流网络设计
摘要：随着新能源汽车市场的扩大，电动汽车电池进入大规模退役潮，战略层面的设施选址与配置决策和战术层面的多产品流与多技术选择决策被集成为可持续逆向物流网络（SRLN）。本文考虑多种废旧电动汽车电池（WEVB）和多种回收技术，以经济成本最小和碳排放最小为目标，构建了WEVB的多级SRLN模型。为了求解该模型，将模糊集理论应用于约束的等价变换，采用非交互式和交互式方法求解多目标规划（MOP），并提出带优先级控制的交互式模糊规划来寻找该模型的全局最优解。最后，数值实验证明了所提模型和求解方法的可行性和有效性。实验结果表明，考虑碳排放的SRLN模型在略微增加初始网络建设成本的情况下，能够显著降低网络的碳排放，从而有效平衡经济与环境目标。在非交互式求解中，Lp-metric方法的偏差指数低于加权和方法；在交互式求解中，本文提出的优先级控制方法在实际解数和CPU时间方面均优于TH方法，在搜索和找到最优解方面表现出良好的性能。所提模型和方法可为有限信息不确定环境下的WEVB SRLN提供理论基础和技术支持。
刺激介导的静默神经网络逆向工程
从单细胞活动中重建神经元网络连接对于理解大脑功能至关重要，但从大量静默神经元中破译连接这一难题在很大程度上尚未解决。我们展示了一种使用刺激结合监督学习算法来获取模拟静默神经元网络连接的协议，该协议能够高精度地推断连接权重，并高精度地预测单脉冲和单细胞水平的脉冲序列。我们将我们的方法应用于大鼠皮层记录，这些记录通过异质连接的漏积分和放电神经元电路馈送，这些神经元以典型的对数正态分布发声，并证明在刺激多个亚群期间性能有所提高。这些关于所需刺激数量和协议的可测试预测有望增强未来获取神经元连接的努力，并推动新的实验以更好地理解大脑功能。
超越逆向疫苗学的最新进展：利用通用流感免疫系统模拟器预测疫苗效力
© 作者 2023。开放存取 本文根据知识共享署名 4.0 国际许可协议进行授权，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可协议的链接，并指明是否做出了更改。 本文中的图片或其他第三方资料包含在文章的知识共享许可协议中，除非在资料的信用额度中另有说明。 如果资料未包含在文章的知识共享许可协议中，并且您的预期用途不被法定规定允许或超出了允许的用途，您将需要直接从版权所有者处获得许可。 要查看此许可证的副本，请访问 http:// creativecommons.org/licenses/by/4.0/ 。知识共享公共领域贡献豁免（http://creativecommons.org/publi cdomain/zero/1.0/）适用于本文中提供的数据，除非数据来源中另有说明。
通过逆向强化学习对人类行为进行建模时量化数据稀缺性的贝叶斯方法
将复杂的人类行为形式化的计算模型有助于研究和理解此类行为。然而，收集估计此类模型参数所需的行为数据通常非常繁琐且耗费资源。因此，作为数据收集规划的一部分，估计数据集大小（也称为样本量确定）对于减少行为数据收集的时间和精力，同时保持对模型参数的准确估计非常重要。在本文中，我们针对特定的人类行为逆向强化学习 (IRL) 模型提出了一种基于不确定性量化 (UQ) 的样本量确定方法，分为两种情况：(1) 事前实验设计——在收集任何数据之前的规划阶段进行，以指导估计要收集多少样本；(2) 事后数据集分析——在收集数据后进行，以确定现有数据集是否具有足够的样本以及是否需要更多数据。我们在实验中用具有以下特征的人的真实行为模型验证了我们的方法：
发育中的隔膜中神经元的独特“逆向”迁移
屏状核（CLA）是位于岛叶皮质和纹状体之间的一簇神经元。许多研究表明，CLA 在高级大脑功能中起着重要作用。此外，越来越多的证据表明 CLA 功能障碍与神经心理症状有关。然而，CLA 在发育过程中是如何形成的尚不完全清楚。在本研究中，我们分析了 CLA 的发育，特别关注了雌雄小鼠中 CLA 神经元的迁移情况。首先，我们发现 CLA 神经元是在胚胎第 10.5 天和第 12.5 天之间产生的，但大部分是在第 11.5 天产生的。接下来，我们使用 FlashTag 技术标记了在 E11.5 出生的 CLA 神经元，并发现大多数神经元在 E13.5 时到达大脑表面，但在 1 天后的 E14.5 时分布在 CLA 深处。GFP 标记细胞的延时成像显示，一些 CLA 神经元首先向外径向迁移，然后在到达表面后改变方向向内迁移。此外，我们证明了 Reelin 信号对于 CLA 神经元的适当分布是必需的。发育中的 CLA 神经元从向外迁移到“反向”迁移的转变与其他迁移模式不同，在其他迁移模式中，神经元通常沿某个方向迁移，即简单的向外或向内。未来对 CLA 发育特征和精确分子机制的阐明可能会为 CLA 独特的认知功能提供见解。
FM 无线电接收器的逆向工程。
简介：FM 收音机是一个非常有趣的话题！我听不清楚妈妈在厨房跟我说话。有些是选择性听力的一部分，特别是当她问作业的时候。但我能听到有人在全国各地现场唱歌。解释一下！我们 Srivastha 和 Soham 都是音乐系的学生。因此，通过无线电波传输的声音显然是一个令人着迷的课题。声音如何在如此长的距离内传输而不损失其质量？理论：我们将理论理解为声波首先由幅度或频率 (AM 或 FM) 调制，然后使用高功率天线传输。FM 接收器是一个微型电子电路，能够接收 FM 信号，消除噪音，然后放大并将其转换为人类可以听到的音频范围。我们想尝试从头开始构建它并亲自测试它的工作原理。什么是 FM 发射器？FM 发射器是一种使用非常低的功率运行并使用（频率调制）FM 波传输声音的电路。借助此类 FM 发射器，我们可以轻松地通过不同频率的载波长距离传输音频信号。这就是广播电台/塔的作用。载波的频率与具有幅度的音频信号的频率相同。FM 发射器产生从 88 HZ 到 108 MHZ 的 VHF 范围。
人工智能在电力变换器控制中的逆向应用
摘要 —本文提出了一种用于电力电子转换器系统控制的新型应用方法，即人工智能的逆向应用 (IAAI)。与传统方法相比，IAAI 仅依赖于数据驱动过程，无需优化过程或大量推导，因此该方法可以以简单的方式给出所需的控制系数/参考。需要注意的是，IAAI 方法使用人工智能为电力转换器控制提供可行的系数/参考，而不是构建新的控制器。在说明 IAAI 概念之后，讨论了一种传统的人工神经网络 (ANN) 应用方法，即基于优化的设计。然后，研究了双源转换器微电网案例，通过基于优化的方法选择最佳下垂系数。之后，将提出的 IAAI 方法应用于相同的微电网案例，以快速找到良好的下垂系数。此外，IAAI 方法应用于模块化多电平转换器 (MMC) 案例，扩展了不平衡电网故障下的 MMC 操作区域。在MMC案例中，模拟和实验在线测试均验证了IAAI的可操作性、可行性和实用性。
通过神经加速进化策略实现具有目标非线性响应的机械超材料的逆向设计
机械超材料最近成为一种有效的平台，可用于设计由几何形状而非成分支配的机械行为系统。[5–8] 虽然最初的努力集中在设计具有线性区域负特性的超材料，[9–12] 但最近有研究表明，通过在架构中引入易发生弹性不稳定的细长元素，可以触发高度非线性响应（通常伴随着较大的内部旋转）。[5,13] 这些非线性行为不仅表现出非常丰富的物理特性，而且还可用于实现高级功能，如形状变形[14,15]、能量吸收[3,16–18]和可编程性。[19–21] 虽然众所周知可以通过改变底层几何形状来调整这些功能，但识别导致目标非线性响应的架构并非易事。已经建立了稳健而高效的算法来指导线性范围内目标响应结构的设计。这些算法包括基于梯度的方法，如形状 [22] 和拓扑 [23] 优化，以及机器学习算法。[24–27] 然而，这些方法不能直接应用于非线性机械超材料的逆向设计。这是因为非线性系统的能量图景通常显示由大能量屏障隔开的多个最小值，因此导航非常具有挑战性。为了有效地探索这样的能量图景，已经成功使用了元启发式算法，如进化策略 [28–30]、遗传算法 [31] 和粒子群优化 [32]。此外，由于这些算法需要多次求解正向问题，最近的努力集中在通过将它们结合起来降低计算成本