信盈达一周培训主要针对自动化专业的嵌入式应用。
培训使用的是STM32-F407VGT6
【文件内容说明】压缩包内容包含【智能温控风扇】项目和【语音播报酒精检测仪】项目的源程序、设计报告、参考程序、七次作业的程序（呼吸灯+按键+RGB彩灯+流水等+DHT11+串口显示+热释电+风扇）以及培训中的所有资料。
【课程设计说明】：
1-【智能温控风扇】项目设计要求：采用深圳信盈达电子有限公司自主设计的物联网开发套件为硬件开发平台，能够通过热释电传感器获取到风扇面前是否有人，进而风扇电机的转动，同时温湿度传感器检测室内的温度值，自动调节风扇的转速。
2-【语音播报酒精检测仪】项目设计要求：本项目采用深圳信盈达电子有限公司自主设计的物联网开发套件为硬件开发平台，能够通过酒精传感器获取到人口中酒精的含量值，通过语音播报出该酒精含量的高低，同时通过三色灯来指示浓度的高低，红代表浓度高，黄代表有，浓度低，绿代表无酒精。
2021-03-23 22:11:27
176.34MB
1
由于该过程涉及主观性，因此筛查酒精使用障碍（AUD）患者一直具有挑战性。 因此，需要有力而客观的方法来自动化AUD患者的筛查。 在本文中，提出了一种机器学习方法，该方法利用静止状态脑电图（EEG）派生的特征作为输入数据来对AUD患者和健康对照进行分类，并对AUD患者进行自动筛查。 在这种情况下，在闭眼5分钟和睁眼5分钟期间记录了EEG数据。 为此，招募了30例AUD患者和15例年龄匹配的健康对照者。 在对脑电数据进行预处理之后，计算出脑电特征，例如半球间相干性和脑电三角洲，θ，α，β和γ谱带的光谱功率，涉及19个头皮位置。 使用基于等级的特征选择方法执行最有区别的特征的选择，该方法根据标准（即接收器工作特性曲线）为每个特征分配权重值。 例如，与重量较小的特征相比，重量较大的特征被认为与目标标签更相关。 因此，鉴定出一组减少的大多数判别特征，并将其进一步用于AUD患者和健康对照的分类中。 结果，研究组之间发现大脑区域之间的半球间连贯性显着不同，并提供了很高的分类效率（准确度= 80.8，敏感性= 82.5，特异性= 80，F-Measure = 0.78）。 此外，发现在不同EEG频段上
2021-03-15 12:06:18
498KB
1
酒精使用障碍（AUD）被认为是世界范围内的主要健康和社会问题。 更重要的是，由于自测报告的主观性，对AUD患者的筛查一直具有挑战性。 涉及神经影像学方法的自动化方法，例如定量脑电图（QEEG），已显示出令人鼓舞的研究成果。 但是，QEEG方法仅针对酒精依赖者（AD）和对照者而开发。 因此，本研究试图提出一种机器学习（ML）方法，以对1）酗酒者和健康对照者以及2）健康对照者，酗酒者和酗酒者进行分类。 拟议的ML方法涉及QEEG特征提取，最相关特征的选择以及研究参与者的相关组分类。 招募了12名酗酒者（平均年龄56.70±15.33岁），18名酗酒者（平均年龄46.80±9.29岁）和15名健康对照者（平均42.67±15.90岁）作为研究对象，以获取EEG数据。 在闭眼（EC）和睁眼（EO）条件下的10分钟内记录数据。 此外，还从EEG数据中提取了QEEG功能，例如绝对功率（AP）和相对功率（RP）。 利用t检验和主成分分析（PCA）等方法选择最相关的QEEG功能。 最后，将判别式QEEG功能用作分类模型的输入：线性判别分析（LDA），支持向量机（SVM），多层反向传播网络（MLP）和L
2021-03-15 12:06:16
1.91MB
1
非酒精性脂肪肝疾病（NAFLD）的特征是大量脂质滴（LDs）积聚。 这项研究的目的是确定17β-羟类固醇脱氢酶13（17 beta-HSD13）在我们的肝脏组织学正常且具有简单脂肪变性的人类受试者中新近鉴定出的LD相关蛋白之一在NAFLD发育中的功能。从21例人类肝脏活组织检查样本中分离出来，包括9例肝组织学正常的患者（第1组）和12例单纯脂肪变性的患者（第2组）。 通过2D LC-MS / MS测定了来自第1组或第2组的三个肝脏样品的LD相关蛋白的完整集合。 通过比较有或没有NAFLD的受试者之间的LD相关蛋白谱，在NAFLD患者中发现了54个上调的LD相关蛋白和35个下调的LD相关蛋白。 其中，17β-HSD13代表以前未鉴定的LD相关蛋白，在NAFLD中有明显的上调。 由于17β-HSD家族在脂质代谢中起着重要作用，因此选择17β-HSD13来验证蛋白质组学发现并探索其在NAFLD发病机理中的作用。 在db / db（糖尿病）和高脂饮食喂养的小鼠中证实了肝17β-HSD13的增加及其LD表面的位置。 腺病毒介导的人17β-HSD13肝过度表达在C57BL / 6小鼠中诱导了脂肪肝
2021-03-04 09:06:53
1.62MB
1