XiaoMi-AI文件搜索系统
World File Search System阻抗
可变阻抗控制的数据有效增强学习
抽象在机器人中实现类似人类的操纵技巧的最关键步骤之一是将合规性纳入机器人控制器中。合规性不仅使机器人的行为安全，而且使其更有效。在这个方向上，可变阻抗控制（VIC）方法为机器人提供了一个框架，以通过采用适应性阻抗法来适应其在执行过程中的合规性。尽管如此，按任务要求的自主调整合规性概况仍然是一个具有挑战性的问题，可以在实践中解决。在这项工作中，我们引入了一种加强学习（RL）的方法，称为DEVILC（数据效率可变阻抗学习控制器），以通过机器人的实际交互来学习可变阻抗控制器。更具体地说，我们使用一种基于模型的RL方法，在每次相互作用之后，机器人迭代地使用高斯过程回归模型学习了其动力学的概率模型。然后，该模型被用来优化调节机器人阻抗的神经网络政策，以使对任务的长期奖励最大化。多亏了基于模型的RL框架，Devilc允许机器人仅通过一些交互学习VIC策略，从而使其对现实世界应用程序实用。在模拟和实验中，我们在Franka Emika Panda机器人操纵器上评估Devilc，以在笛卡尔空间中的不同操纵任务。结果表明，Devilc是通过互动直接在现实世界中自主学习合规技巧的有希望的方向。链接中提供了一个实验的视频：https：//youtu.be/_uyr0vye5no。
开发具有主动电流激发的电化学阻抗光谱（EIS）测量系统，用于在线电池监控
[1] D.Faktorová，M。Kuba，S。Pavlíková和P. Fabo，“使用现代微控制器的阻抗光谱实施”，Procedia结构完整性，第1卷。43，pp。288-293，2023。[2] Q. Yao，D.-D.-C。 Lu和G. Lei，“具有低输出电压波动器上电源转换器上的精确在线电池阻抗测量方法”，Energies，第1卷。 14，否。 4，p。 1064，2021年2月。[3] P. Haussmann，J。J. Melbert，“使用电动汽车的标准电池管理系统通过阻抗光谱进行传感器单个细胞温度测量，” SAE技术文件2020-01-0863，2020。 报价和N. P. Brandon，“使用电动机控制器激发对电池阻抗的在线测量”，《 IEEE车辆技术交易》，第1卷。 63，否。 6，pp。 2557-2566，2014年7月。[5] A. Christensen和A. Adebusuyi，“在电池管理系统中使用板载电化学阻抗光谱，” 2013年世界电动汽车研讨会（EVS27），巴塞罗那，西班牙，西班牙，PP。。。288-293，2023。[2] Q. Yao，D.-D.-C。 Lu和G. Lei，“具有低输出电压波动器上电源转换器上的精确在线电池阻抗测量方法”，Energies，第1卷。14，否。4，p。 1064，2021年2月。[3] P. Haussmann，J。J. Melbert，“使用电动汽车的标准电池管理系统通过阻抗光谱进行传感器单个细胞温度测量，” SAE技术文件2020-01-0863，2020。报价和N. P. Brandon，“使用电动机控制器激发对电池阻抗的在线测量”，《 IEEE车辆技术交易》，第1卷。63，否。6，pp。2557-2566，2014年7月。[5] A. Christensen和A. Adebusuyi，“在电池管理系统中使用板载电化学阻抗光谱，” 2013年世界电动汽车研讨会（EVS27），巴塞罗那，西班牙，西班牙，PP。。2557-2566，2014年7月。[5] A. Christensen和A. Adebusuyi，“在电池管理系统中使用板载电化学阻抗光谱，” 2013年世界电动汽车研讨会（EVS27），巴塞罗那，西班牙，西班牙，PP。1-7，2013。
使用连续脑实质阻抗离散度测量人类淋巴功能
附属机构：1 Applied Cognition Inc，加利福尼亚州雷德伍德城；2 华盛顿大学医学院放射学系，华盛顿州西雅图；3 VISN 20 西北精神疾病研究、教育和临床中心，VA 普吉特海湾医疗保健系统，华盛顿州西雅图；4 斯坦福大学医学院临床卓越研究中心，加利福尼亚州斯坦福；5 佛罗里达大学健康中心神经病学系，佛罗里达州盖恩斯维尔；6 VISN 20 西北精神疾病研究、教育和临床中心 (MIRECC)，VA 波特兰医疗保健系统，俄勒冈州波特兰；7 VA 波特兰医疗保健系统神经病学服务部，研究服务部，俄勒冈州波特兰；8 俄勒冈健康与科学大学俄勒冈阿尔茨海默病研究中心神经病学系，俄勒冈州波特兰；9 佛罗里达大学健康精准健康研究中心，临床和转化科学研究所，佛罗里达州盖恩斯维尔； 10 佛罗里达大学医学院健康结果与生物医学信息学，佛罗里达州盖恩斯维尔；11 华盛顿大学医学院精神病学和行为科学系，华盛顿州西雅图；12 华盛顿大学医学院神经病学系，华盛顿州西雅图；
比较儿童和青少年的1型糖尿病与非糖尿病的人体成分生物电阻抗分析
分析儿童和青少年糖尿病的身体成分变得越来越流行。已经证明，监测重量生长或损失的干预措施，以确保有机体的发展和计划措施以防止成人疾病的疾病都可以从儿童期间对营养状况的评估中受益。先前的研究表明，患有1型糖尿病的患者经常经历称为糖尿病性酮症酸中毒的紧急情况[4]，通常不是肥胖。1型糖尿病（T1D）中的肥胖症历史并不常见，现在正成为一个更普遍的问题[5，6]。一生，很大一部分T1D患者会出现肥胖。近年来，这种情况更为普遍，患病率在2.8％至37.1％之间[7]。
BQ27Z558EVM-084单细胞阻抗Track™技术
1。J2-芯片启用（CE）：此跳线允许用户将CE引脚连接到接地，BAT_SN或直接与BAT+连接。接地或漂浮CE引脚禁用并重置设备。将跳线连接到4-3或2-1的位置以启用设备。或者，如果需要，可以将跳线直接绑在主机系统上，以达到其他低功率状态。2。J11 -I 2 C时钟上拉（SCL）：此套头衫在I 2 C通信线上应用了10K上拉值。3。J12 -I 2 C数据拔下（SDA）：此跳线在I 2 C通信线上适用于J13的10K拉值。4。J6 -BQ27Z558脉冲上拉（脉冲）：该跳线在BQ27Z558的脉冲引脚上施加10K上拉值。5。J7 -BQ27Z558中断上拉（INT）：此跳线在BQ27Z558的int引脚上施加10K上拉值。6。J9＆J10-感官电阻：可以将这些跳线配置为使用高侧或低侧感电阻器。将J9上的分流设置为2-3位置，然后将J10上的分流设置为1-2，以使用低侧感。将分流器在J9上设置为位置1-2，然后将分流器在J10上设置为2-3，以使用高方向。7。J3 -BQ27Z558 VDD连接：此跳线将BQ27Z558 BAT PIN与Cell+联系起来。可以卸下此分流，以允许使用另一种仪器在各种操作条件下监视设备的当前消耗。8。J5 -BQ27Z558 TS连接：此跳线允许使用外部RT1热敏电阻。9。卸下并联允许使用内部温度感或与J8的2-3引脚连接的外部感觉。j13-上拉级选择器：此跳线允许用户在使用SYS+或外部电压作为拉力电压之间进行选择。将分流器设置为1-2以使用SYS+，然后将分流器设置为3-2的位置以使用EXT_VCC。将电压应用于EXT_VCC时，请谨慎，因为EXT_VCC已连接到EV2400。
综合超声和电阻抗断层扫描...
综合超声和电阻抗断层扫描用于提高肾结石检测率 KR Farnham 1、EK Murphy 1 和 RJ Halter 1,2 1 塞耶工程学院，2 盖泽尔医学院，达特茅斯学院，新罕布什尔州汉诺威 引言 长期处于微重力环境中会导致脱水、淤滞和骨质脱矿，从而引发肾结石，对宇航员的健康和幸福构成严重威胁 [1]。尽早发现肾结石的形成是有益的，因为较小的结石更容易通过，而碎石术等非侵入性治疗需要先使用高对比度成像（如荧光透视、X 射线）定位结石。超声波是目前在太空中使用的成像系统，但仅用超声波检测小结石是一项具有挑战性的任务。执行深空任务的宇航员需要能够对肾结石等疾病进行成像和治疗，而无需依赖额外的造影剂或远程医疗支持，因为航天器的限制和距离使这些解决方案不可行 [2]。通过对生物电特性进行成像可以获得明显更高的对比度，因为这些特性对细胞内容、组织类型和病理很敏感，从而可以检测软组织内的结石。电阻抗断层扫描 (EIT) 是一种资源消耗少、非侵入性、非电离的技术，可产生这些电特性的图像，并能够检测一系列与空间相关的疾病（如肾结石、组织损伤、肌肉萎缩、胸腔功能、癌症存在） [3]。通过结合超声波和 EIT（US-EIT），我们可以构建高对比度图像，而无需额外的设备或专业知识，为宇航员提供一种易于使用的工具，以便在长期任务中有效监测他们的健康状况。
分形高阻抗表面晶胞特性设计与分析
摘要：分形几何始终为多个电磁设计问题提供解决方案。本文使用分形几何（例如希尔伯特曲线和摩尔曲线）来设计高效的高阻抗表面。现代通信设备有许多传感器需要进行无线通信。无线通信的关键组件是天线。平面微带贴片天线因其低轮廓、紧凑和良好的辐射特性而广受欢迎。微带天线的结构缺点是它们的表面波会在接地平面上传播。高阻抗表面 (HIS) 平面是最小化和消除表面波的突出解决方案。HIS 结构表现为有源 LC 滤波器，可抑制其谐振频率下的表面波。结构的谐振频率通过其 LC 等效或通过分析反射相位特性获得。这项工作提出了类似于蘑菇 HIS 和分形 HIS 的传统 HIS 结构，例如希尔伯特曲线和摩尔曲线 HIS。通过应用平面波照射的周期性边界条件，可以获得 HIS 反射相位特性。结果是根据反射相位角得出的。传统的蘑菇结构在给定的 10 mm × 10 mm 和 20 mm × 20 mm 尺寸下表现出窄带特性。这些结构有助于更换 6 GHz 以下贴片天线的 PEC 接地平面。还设计了希尔伯特和摩尔分形，它们具有多频带响应，可用于 L、S 和 C 波段应用。HIS 的另一个设计挑战是突起，这增加了设计的难度。这项工作还展示了有通孔和无通孔对反射相位特性的影响。响应显示，在 x 波段操作下，通孔的影响最小甚至没有显著影响。
从电化学阻抗光谱
电化学系统的电化学阻抗光谱（EIS）数据的分析通常包括使用专家知识来定义等效电路模型（ECM），然后优化模型参数以反应各种抗性，能力，电感，电感性或扩散反应。对于小型数据集，可以手动执行此过程；但是，对于具有广泛的EIS响应的广泛数据集，手动定义适当的ECM是不可行的。对ECM的自动识别将基本上加速大量EIS数据的分析。 我们展示了机器学习方法，以分类由量子景观为电池派黑客马拉松提供的9,300个阻抗光谱的ECM。 最佳性能方法是利用库自动生成特征的梯度增强树模型，然后使用原始光谱数据进行随机森林模型。 使用Nyquist表示的布尔图像的卷积神经网络是替代的，尽管它的精度较低。 我们发布数据并开源关联的代码。 本文中描述的方法可以作为进一步研究的基准。 关键的剩余挑战是标签的识别能力，由模型性能和错误分类光谱的比较强调。 ©2023作者。 由IOP Publishing Limited代表电化学学会出版。 [doi：10.1149/1945-7111/acd8fb]对ECM的自动识别将基本上加速大量EIS数据的分析。我们展示了机器学习方法，以分类由量子景观为电池派黑客马拉松提供的9,300个阻抗光谱的ECM。最佳性能方法是利用库自动生成特征的梯度增强树模型，然后使用原始光谱数据进行随机森林模型。使用Nyquist表示的布尔图像的卷积神经网络是替代的，尽管它的精度较低。我们发布数据并开源关联的代码。本文中描述的方法可以作为进一步研究的基准。关键的剩余挑战是标签的识别能力，由模型性能和错误分类光谱的比较强调。©2023作者。由IOP Publishing Limited代表电化学学会出版。[doi：10.1149/1945-7111/acd8fb]这是根据Creative Commons Attribution 4.0许可（CC by，http://creativecommons.org/licenses/ by/4.0/）分发的开放式访问文章，如果原始工作适当地引用了原始作品，则可以在任何媒介中不受限制地重复使用工作。
深层跨模式学习应用于使用家庭收集的心电图和经胸生物阻抗
背景：深度学习已成功地应用于ECG数据，以帮助对心力衰竭（ADHF）的准确，更快地诊断。先前的应用主要集中在良好控制的临床环境中对已知的ECG模式进行分类。但是，这种方法并不能完全利用深度学习的潜力，深度学习的潜力直接学习重要特征而不依靠先验知识。此外，对从可穿戴设备获得的ECG数据的深度学习应用尚未得到很好的研究，尤其是在ADHF预测领域。方法：我们使用了Sentinel-HF研究中的ECG和经胸生物阻抗数据，该研究招募了患有心力衰竭或患有ADHF症状的主要诊断患者的PA（≥21岁）。为了构建一个基于ECG的ADHF预测模型，我们开发了一种被称为ECGX-NET的深层模式学习管道，它利用了可穿戴设备的RAW ECG时间序列和经胸腔生物阻抗数据。为了从ECG时间序列数据中提取丰富的特征，我们首先采用了一种转移学习方法，其中ECG时间序列被转换为2D图像，然后使用Imagenet-Pretained Den Senet121/VGG19模型进行了特征提取。数据过滤后，我们应用了跨模式特征学习，其中回归者接受了ECG和经胸生物阻抗的训练。然后，我们将Densenet121/VGG19功能与回归特征相连，并使用它们用于训练支持向量机（SVM），而无需生物阻抗信息。结果：使用ECGX-NET的高精度分类器预测ADHF，精度为94％，召回79％，F1得分为0.85。仅具有Densenet121的高回报分类器的精度为80％，召回98％，F1分数为0.88。我们发现ECGX-NET对高精度分类有效，而Densenet121对于高回报分类有效。结论：我们显示了从门诊病人获得的单渠道ECG记录中预测ADHF的潜力，从而及时警告心力衰竭的迹象。我们的跨模式特征学习管道有望通过处理医疗场景和资源限制的独特要求来改善基于ECG的心力衰竭预测。
文章开发用于脑电图信号采集的低接触阻抗干电极
摘要：干脑电图（EEG）系统的设置时间很短，需要有限的皮肤准备。但是，它们倾向于需要强的电极到皮肤接触。在这项研究中，通过将聚酰亚胺柔性印刷电路板（FPCB）部分嵌入聚二甲基硅氧烷中，然后将它们施放在具有六个对称的腿或肿块的传感器模具中，从而制造具有低接触阻抗（<150kΩ）的干脑电图电极（<150kΩ）。银 - 氯化物糊用在必须触摸皮肤的每条腿或凹凸的尖端上。使用FPCB使制造的电极能够保持稳定的阻抗。制造了两种类型的干电极：皮肤的平盘电极，头发有限，多型电极用于常用和浓密的头发区域。阻抗测试。实验结果表明，制造的电极表现出65至120kΩ之间的阻抗值。用这些电极获得的脑波模式与使用常规湿电极获取的电极相当。基于ISO 10993-10：2010原始Col和基于ISO 10993-5：2009协议的细胞毒性测试，基于ISO 10993-10：2010原始Col的原发性皮肤刺激测试通过了主要的皮肤刺激测试。