Amino Web中的聊天很小，这使其全屏显示 让Amino再次变得出色。 支持语言:English

Feedly的Google Reader阅读器 它从视觉上改变的大部分内容仅应用于列表（标题，压缩）视图。 它的作用：使布局稍微紧凑，可用空间更少打开时阅读文章的标题为灰色。freakenergy.ru的图片较小。RSS feed（我需要它，所以它会在这里:)）Favicons总是显示一些视觉修复程序“ v”在新的“背景”选项卡中打开文章 支持语言:English (United States)

当内容被自动滚动时，随页面一起流动 需要免提阅读体验？ 此扩展名将允许您在阅读时自动向下滚动内容的同时阅读任何页面。 出色的残障辅助工具。 支持语言:English

固定您的所有标签 使用“全部钉住”上下文菜单选项快速锁定所有打开的标签 支持语言:English

强调页面最重要的部分 使页面标题脱离页面的其余部分。 支持语言:English

说话文本将选定的文本转换为语音。选择 - 说 - 听。 语音文本是文本到语音的转换。 选择并说一声。 您只会听。 没有更多的阅读。 支持：-选择将收听的文本，然后右键单击该文本。 -单击“ SPEAK TEXT”以开始在上下文菜单中阅读。 -这是英文版本（加拿大，美国，英国，爱尔兰，澳大利亚，新西兰）。 支持语言:English

HTML5视频的速度控制器 只需使用键盘即可管理速度提升，减速，前进和后退。 观看视频时只需处理播放速度。 Video Speed Manager可让您在观看过程中加快或减慢任何视频。 没有标准或限制。 只需提高和降低播放速度，即可根据需要多次前进和后退视频。 您是否曾经想增加无聊的时刻或只是越来越多地倒带喜欢的视频时刻？ Video Speed Manager是运行视频的最佳工具。 设置控制台将有助于优化视频查看。 您只需要设置所需的快捷方式即可。 使用视频播放器左上角的速度指示器或使用键盘控制视频速度。 支持语言:English,polski,русский

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

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

感受一下手颤抖，诵读困难，低视力，认知功能障碍，肤色的人们如何体验网络。 与来自世界各地的无障碍专家和残疾人组织合作建立和开发。 我们现在已进入最后阶段，并提供高级版本的Disability Simulator。 这将使我们能够继续开发扩展程序，以提高可用性，并可能增加浏览器的数量。 支持语言:English