论文分享（一）

Functional connectome fingerprinting: identifying individuals using patterns of brain connectivity

1. Research objective

通过Fmri图像识别每个被试
使用连接矩阵预测认知行为

2. Background

来自HCP的126个被试，每个被试扫描2天，6种条件（静息态1和2，工作记忆、情绪、运动、语言）

基于一个含268个节点的图谱，每个被试得到6×(268×268)的功能连接矩阵

3. Methods

原文地址：https://www.cnblogs.com/zwrAI/p/12623879.html

时间： 2024-08-30 16:45:03

论文分享（一）的相关文章

论文分享摘要生成 Paper Abstract Writing through Editing Mechanism

论文标题:Paper Abstract Writing through Editing Mechanism 作者:Qingyun Wang, Zhihao Zhou, Lifu Huang, Spencer Whitehead, Boliang Zhang, Heng Ji , Kevin Knight 原文地址:https://www.cnblogs.com/lexinAILab/p/9806386.html

AAAI 2020论文分享：通过识别和翻译交互打造更优的语音翻译模型

2月初,AAAI 2020在美国纽约拉开了帷幕.本届大会百度共有28篇论文被收录.本文将对其中的机器翻译领域入选论文<Synchronous Speech Recognition and Speech-to-Text Translation with Interactive Decoding>进行解读. 一.研究背景语音翻译技术是指利用计算机实现从一种语言的语音到另外一种语言的语音或文本的自动翻译过程.该技术可以广泛应用于会议演讲.商业会谈.跨境客服.出国旅游等各个领域和场景,具有重要的研究

DNN论文分享 - Item2vec: Neural Item Embedding for Collaborative Filtering

前置点评: 这篇文章比较朴素,创新性不高,基本是参照了google的word2vec方法,应用到推荐场景的i2i相似度计算中,但实际效果看还有有提升的.主要做法是把item视为word,用户的行为序列视为一个集合,item间的共现为正样本,并按照item的频率分布进行负样本采样,缺点是相似度的计算还只是利用到了item共现信息,1).忽略了user行为序列信息; 2).没有建模用户对不同item的喜欢程度高低. ------------------------------------------

写论文的几个神网站

学而不已,阖棺乃止. 撰写学术论文已成为当今高材生们的必修课,除了大名鼎鼎的中国知网之外,你还知道哪些好用的论文网站呢? 这次我就给大家推荐几个超nice的论文网站,方便大家在撰写论文时能更快地获得相关资料,用于借鉴参考. ① OALib 免费论文搜索引擎链接:http://www.oalib.com/ OALib是一个学术论文存储量超过420w篇的网站,其中涵盖数学.物理.化学.人文.工程.生物.材料.医学和人文科学等领域,而且所有文章均可免费下载. 目前该网站也和国内外很多大学的图书馆有合

数学建模竞赛“爱你不容易，爱你不后悔”

2011年6月份高中毕业,就读本科,2013年暑假8月份,参加学校为期一个月的数学建模培训,然后9月份的第二个周末在东南大学参加为期三天的全国大学生数学建模竞赛,"意外"获得全国大学生数学建模竞赛二等奖:2015年6月份本科毕业,攻读硕士研究生,2016年暑假,因实习没有参加学校组织的数学建模培训,9月份的第三个周末在南京邮电大学参加为期4.5天的全国研究生数学建模竞赛,"如愿"获得全国研究生数学建模竞赛一等奖,随后在重庆大学参加"华为杯"第十三

ST第一次作业

作为一名不太合格的程序员,在写程序的过程中经常会遇到很多的障碍,即使在别人的帮助下修改了,但还是难免会遇到很多从一开始就不太对的地方.其中让我印象最深的是WEB大作业中遇到的bug. WEB大作业,我的项目是“论文分享系统”,我先简单描述一下这个系统的功能.登陆注册是必不可少的,在每个用户注册时会给予10积分,下载论文需要扣除相应的积分,上传论文可以设定其他人下载时所应花费的积分,同时他将会得到相应积分.在实现这个功能时,我遇到一些小bug,例如传参出现故障,在同学的帮助下修正错误后,我建了几个

Python 入门、量化策略、量化知识总结贴

Ricequant 量化社区的初衷让各位爱好量化的人士可以碰撞思维,在分享和争辩中学习到有用且实战的量化知识.有赖于各位在社区中贡献满满的干货以及有质量的讨论,从编程入门教学到技术指标再到多因子选股.财务数据分析等,囊括了很多方面的知识. 我在此组织整理了下社区所发的内容.并分类出来,方便大家更容易找到相应的知识点.此贴会不断地更新在此感谢很多很多的大大贡献了很多有趣的讨论,由于篇幅原因就不一一列出了.它的成长,有赖于大家的贡献与努力! 下面开始放毒了: Python 入门- Python

半监督学习（五）——半监督支持向量机

半监督支持向量机(S3VMs) 今天我们主要介绍SVM分类器以及它的半监督形式S3VM,到这里我们关于半监督学习基础算法的介绍暂时告一段落了.之后小编还会以论文分享的形式介绍一些比较新的半监督学习算法.让我们开始今天的学习吧~ 引入支持向量机(SVM)相信大家并不陌生吧?但是如果数据集中有大量无标签数据(如下图b),那么决策边界应该如何去确定呢?仅使用有标签数据学得的决策边界(如下图a)将穿过密集的无标签数据,如果我们假定两个类是完全分开的,那么该决策边界并不是我们想要的,我们希望的决策边界是

使用latex撰写博士,硕士学位论文(浙大博士经验分享)

使用latex撰写博士,硕士学位论文(浙大博士经验分享) 浙大博士: 个人感觉,还是要用latex来写.因为之前发过几篇word排版的中文论文,在参考文献的引用.文字格式调整上,实在是难受.如果坚持用word,请一定用endnote结合word来管理参考文献,否则100多个参考文献的调整一定会浪费你很多时间的. latex不难,就几个简单功能,稍微适应一下就好. 言归正传,我们开始: 1. 模板请采用http://zjuthesistex.googlecode.com/files/rookie