动态评价和系统协调度的集成人工智能和实体经济

文摘

人工智能(AI)是一个重要的驱动力的新一轮技术革命和产业变化,和新一代的人工智能的发展有助于提高综合国力,促进健康和可持续的经济发展。人工智能可以通过四种方式促进经济发展。首先,人工智能代替劳动力,扩大劳动的内涵,增加劳动力供给,和丰富的劳动力财富;人工智能赋予劳动者,提高劳动生产率。第二,人工智能赋予三个产业和提高生产效率。第三,人工智能创造消费者剩余和改善社会福利。第四,AI赋予政府纠正政府失灵,提高政府效率,进而纠正市场失灵,提高经济效率。经济子系统涵盖了经济增长的定量和定性方面,经济结构,经济效率和经济支持。环境子系统分为环境质量、环境污染和环境保护。在使用人工智能,促进经济发展,同样重要的是要加强人工智能发展的研究和预防潜在的风险,确保人工智能是安全的,可靠的和可控的。

1。介绍

人工智能(AI)的一个主要驱动力的第四次工业革命,这是一种通用的技术,必须结合,使实体经济发挥作用类似于蒸汽引擎,电力,和电脑前三工业革命,推动可持续和健康的社会经济发展。人工智能技术的不断发展和成熟,很清楚如何集成人工智能和实体经济,促进科技创新革命身体的深度,实现社会生产力的跨越式发展,将直接影响国民经济发展的力量,以及世界经济发展的竞争力,并最终确定这个国家在世界上的地位的经济发展模式。

人工智能的概念首次引入在达特茅斯会议上,科学家们目前人工智能定义为一个新技术学科:使用机器模拟人类智能的行为和思想1]。具体地说,它指的是人类思维和行为的研究和开发为目的的模拟人类的作用[2]。科学家首次提出人工智能的概念2.0 (AI2.0) 2016年,有别于传统AI1.0;AI2.0数据情报的基础上创新发展的网络技术,属于新一代的人工智能3]。的快速发展和进步很多物联网等信息技术(物联网),云计算、互联网互动,和区块链,社会空间的网络已成为不可避免的;网络集成的物理空间和社会空间不可避免;人与人之间的互动,人与企业,企业与企业,和国家变得越来越快速和方便;社会生产力水平大大提高;人类社会已经打开门智慧经济时代(4- - - - - -10]。在不久的将来,人工智能的研究领域和发展空间非常广阔,研究,开发和应用人工智能技术是目前科学研究的主要方向和内容,甚至在未来很长一段时间。的目标,经过40多年的建设,AI从头取得了举世瞩目的成就和重大进展,从小型到大型,从弱到强11]。继续努力的信心是很重要的,依照国家人工智能发展战略和建立目标(12]。与此同时,同样重要的是要承认与发达国家的差距,前进。基金会而言,新的人工智能基础设施系统的国家基础设施建设,这是一个艰巨的任务,需要精心设计,逐步实现全面布局包括人工智能基础设施、技术建设、建设和应用,打下坚实的基础为充分实现全国人工智能发展的目标,建立一个强大的人工智能的国家(13]。在投资方面,政府提供了一个良好的投融资环境对人工智能基础设施建设和工业发展,发挥了重要作用在支持人工智能的发展(14]。然而,随着新时代的主要国家基础设施建设,国家需要提供更多的政策支持和金融投资新的人工智能基础设施提供根本保证中国的人工智能力量的增强。在工业方面,新的人工智能基础设施的重要任务之一是开发人工智能产业,实现人工智能的整个产业链的布局基本产业,科技行业,和应用行业,并为国家经济建设提供优质服务,社会发展和人们的生活15- - - - - -18]。在人才方面,高质量的AI各级人才是第一资源的新人工智能基础设施,并有必要培养AI各级人才在多种渠道和模式19]。

等所有经济实现活动材料,精神,产品,服务,甚至可以称为实体经济,物流可以分为交通、通信、农业、工业、制造业等,以及生产和服务的精神产品,如文化、体育、艺术、和教育。实体经济是一个宽泛的类别;所有与实际经济活动和经济组织的活动可以包括在生产和服务实体经济。实体经济是国民经济的基础,与人工智能的快速发展的新时代,网络技术的普及,AI和先进生产力的基础和条件,有效整合了实体经济,它可以帮助优化和升级的结构实体经济和推动实体经济的转型聪明,技术的发展。

2。人工智能和实体经济发展趋势

2.1。工业化推动这一趋势

已经有60多年的天介绍了人工智能的概念,已经进入了发展的快车道进入21世纪后,成为世界上的一个重要元素的技术革命,并已大量应用于经济和社会发展,发展和创新更多的新技术、新产品、新商业模式、新模式。人工智能的集成的发展趋势和实体经济主要反映在以下几个方面,如图1:首先,通过使用大数据,人工智能可以迅速、准确地处理巨大的信息和数据,以减少错误决策造成的错误数据分析,使经济发展更稳定(20.];其次,通过智能控制可以实现资源的有效配置生产精度和提高生产的效率和效益;第三,通过电能的有效利用,它可以实现商业生态,减少碳排放,实现节能和环保21]。事实上,人工智能的充分利用可以实现传统实体经济的转型升级,和人工智能的深度集成和传统实体经济可以实现通过使用大数据来促进产品元素和供应结构(22]。

经济体系已得到改进和市场经济发展迅速,但它仍然没有达到现代市场经济发展水平,它仍然需要建立和完善现代化的经济制度的基础上蓬勃发展的实体经济23]。国家经济安全和宏观经济发展稳定的基础建设现代化经济体系,而健全的工业系统的可用性是一个关键因素的建设一个现代化的经济体系。与此同时,我们还必须优化产业结构,合理布局的经济体系,这样我们才能真正培养一个成熟的市场经济来实现高质量的经济改善(24]。集成人工智能的关键实体经济有效地提高实体经济的情报内容,使它可以应用在农业、工业、制造业和第三产业集中的方式。这必须达到两个要求:第一,调整原有的产业结构从低级别到高级别实现创新产品价值;第二,优化和提升实体经济的增长方式,突破原有的想法扩大量化规模实现增长,但不断提升产品质量和性能达到增长和降低成本而获得最大的收益25]。

2.2。转变制造业发展

传统制造业OEM的起点,这是底部的“微笑曲线”的制造业,与落后的生产设备,生产成本高,低智商,最累又脏的工作,但收入最少、最没有技术含量,和许多关键技术和核心技术垄断企业在欧洲,美国,日本和其他发达国家。这使得传统制造业转型的发展面临许多困难和问题26]。与此同时,新兴制造业的发展仍处于小规模发展的早期阶段,这是很长一段路要走,成为现代制造业大国。从国际市场竞争的现状,可以看出,工业制成品的核心竞争力在国际市场上主要是低价格,削弱了制造业的整体盈利能力,如图2。事实上,制造业的更聪明,更有竞争力的实体经济,为了有机会不断提高其在全球产业价值链的地位。因此,加快转型升级的关键的制造业是实现智能转型升级的能力。

传统的服务行业如零售、旅游和餐饮服务行业占据很大一部分,但人工智能技术的应用在其中受到许多限制和并不常用。这种情况的主要原因是传统服务业相对落后的商业方法和服务手段。同时,物流,金融,商务,信息,和其他服务行业的服务行业占据一个相对较小的比例的人工智能的使用,这并不乐观。总之,服务行业的转型升级离不开AI技术的驱动力。虽然分享经济发展和促进物联网商务缓和了服务业的发展下行压力在某种程度上,等有限问题的存在弱的运营管理能力和职业标准的滞后发展这两个模型的发展影响了发展的质量。因此,转型发展的服务行业必须加快人工智能技术的使用,实现人工智能的集成和服务行业,以真正满足市场竞争的需要,实现现代服务业的转型和发展。

2.3。人工智能技术的发展

从人工智能技术的发展和应用,可以看出,人工智能行业的一线城市如北,广州,深圳,和其他较发达经济体更多的广泛分布和使用人工智能技术,形成一定的人工智能技术集中的效果。然而,人工智能的发展在这些一线城市仍处于低水平的普及;只有那些非常大的企业、龙头企业、骨干企业的使用,占企业总数85%以上的中小企业,很少涉及,这直接限制了人工智能设备的规模效应,降低无缝对接的优势和人工智能技术的顺利沟通。总之,实体经济的发展需要添加人工智能,人工智能的集成到实体经济也是经济发展的必然选择。艾城的深度集成和制造业应从四个方面,如产品开发、生产、销售和服务。能源的能源子系统分为三个方面,能源消费和能源效率、能源子系统的输入和输出的过程,消费和考虑了能源使用的效率。

从产品开发的角度来看,人工智能技术可以访问大量的国内外相关信息和数据,建立一个平台,加快产品开发,如图3。智能平台分析和学习后收集到的数据和信息,它可以快速研究和设计各种R & D文本以满足社会生产和生活的需要。从产品生产的角度来看,人工智能技术能深入检查产品和工作一天24小时不间断的同时确保产品的质量。从产品销售的角度,人工智能可以macroenvironment市场进行了分析和计算,确定最合理和有竞争力的价格的产品,并确保市场的竞争力,同时保证最大利润,提供高质量的产品制造商和客户的意见和建议。从产品的角度服务,人工智能的应用对企业智能服务,在某种程度上,实现24小时服务,给客户相应的智能技术支持。发展和增长的关键实体经济的制造业,和人工智能的深度集成技术和制造业能促进转型,制造业的升级和优化,实现制造业的健康和可持续发展。

人工智能技术完全适用于农业、林业、畜牧业、渔业、和其他广泛的农业产业开发相应的智能农业生产设备实现情报,技术,和传统农业的现代化。它是一个农业大国,几千年的农业文明,人类和semimechanized劳动是劳动的核心,和每年的收成取决于气候。随着社会主义市场经济的发展,越来越多的农村劳动力在城市工作,和农业劳动力大量减少。和人工智能技术的使用可以显著降低农业生产的人力需求,同时提高生产效率和有效性。事实上,macroenvironment大数据的时代已经到来,AI可以用于农业全面引进大数据技术进行综合分析市场需求,做出科学决策。农副产品的生产和畜牧业生产的量化,和点对点目标通过互联网进行销售,以优化农业生产和营销资源的分配在不同地区,实现农业生产和供销的集成。

3所示。结果和分析

3.1。系统协调评价模型

综合协调模型基于假设的三个子系统的能量,经济,环境同等重要的和有相同的影响。模型检查这三个子系统的协调发展从整体的角度来看。 在哪里E_我表示一个子系统我在3E系统,E₁,E₂,E₃表示能源子系统的发展水平,经济子系统和环境子系统,分别x_ij表示第j子系统的评价指标我,X是这个评价指标对应的重量。从方程(1),它本质上是容易计算,几何平均发展水平的三个子系统,并且没有具体要求的价值系统的综合发展水平是积极的,消极的,或零。它可以反映功能的整体的发展水平3E系统,但它不能反映子系统匹配的提交学位彼此的发展水平。

基于距离协调模型假定的前提下综合发展水平的能源、经济和环境子系统都必须积极和计算 在哪里表示之间的发展水平子系统的匹配度;表示功能的总体发展水平程度3E系统,它本质上是一个加权平均每个子系统的发展水平。

当评估之间的协调程度,能源子系统和经济子系统, 在哪里k(k> 2)是协调系数,通常为2;E₁和E₂分别表示子系统的权重。当测量三个系统之间的协调程度,也就是说,总协调程度的3E系统,和根据系统协方差方程扩展理论和离散化原理,分别为:

评价模型反映了两个子系统之间的匹配度和功能度的3E系统,计算相对简单。当每个子系统的综合发展水平相同的情况下,3E系统协调度U达到最大,这意味着3的发展现状E系统是高质量的协调,如图4。

基于更改的协调模型是一个动态的评价模型。这种动态评估反映在它评估整个3E系统协调度的相对变化的速度子系统和子系统的开发。系统协调度U_我计算子系统的 在哪里 是3E系统开发速度和表示3E系统开发水平。u_我值的范围内U_我属于(0,1)。总协调度U的3E系统计算

的方程,我们可以看到U需要的值范围U属于(0,1),更大的价值U,更好的协调状态3E系统。除了总协调程度的3E系统,评价也可以检查两个子系统之间的协调程度,更全面。然而,它使用一个微分算法计算两个子系统之间的协调程度,哪个更困难和复杂比上面提到的其他两个评价模型。与此同时,它关注子系统之间的匹配程度的发展速度,如图5缺少的功能,反映出系统的总体发展水平。

在本文中,我们将评价指标用于当前文献评价省级3E系统协调。(1)目标级别设置为省级energy-economy-environment (3E)系统协调度U。(2)标准水平分为三个类别的数量根据子系统,即能源子系统发展水平1E2,经济子系统发展水平E3,环境子系统发展水平E。环境子系统分为环境质量、环境污染、环保、评估环境发展水平的三个方面:当前状态的环境、污染、当前状态和输入保护环境。(3)按照subcriteria水平,代表评价指标是根据现有文献选择3E系统协调评估和咨询有关专家,如图6,9个指标评估能源子系统,11个指标评估经济子系统,和9个指标来评估环境子系统,共29个指标。

的评估和分析省级3E系统协调,为了消除维度的影响,确保评价结果的可比性,如图7本文使用偏振dequantize原始数据的方法x_ij。

Max (x_ij)和最小值(x_ij)是评价指标的最大值和最小值x_ij分别为,米评价指标的平均值吗x_ij。

为了计算三个子系统的发展水平的能源,经济,环境,本文使用变异系数加权法计算各指标的权重根据三个子系统的能量,经济,和环境。变异系数加权法的基本思想是,当一个指标的变异系数是不同于其他指标,该指标可以更好地反映评价对象之间的差距,并给出指标较大的重量;相反,它应该是给定一个较小的重量。从每一个指标的权重的比较,它可以推断出的指标更大重量对3的协调发展有更大的影响力E系统;相反,它有一个较小的影响3的协调发展E系统。

3.2。实验结果分析

有3能源子系统的指标权重大于平均值(11.11%),如图8按照降序排列:发电,能源行业的投资,并在能源行业固定资产投资的国有经济,权重为20.08%,18.58%,和18.55%,分别。这意味着这三个指标在能源子系统之间的相对不同的30个省和地区,而剩下的六个指标做30个省和地区之间的变化不大。结合3协调发展的意义E系统,提高能源使用效率和开发绿色能源需要金融支持,实现稳定的能源供应和需求从供给方面需要考虑。智能制造是越多,越有可能是实体经济。更有竞争力和有机会不断提高其在全球产业价值链的地位。这两个指标的能源产业投资和固定资产投资的数量在能源行业的国有经济,金融支持的来源,和发电的数量,这是主要的供应方面,30个省之间的显著差异。因此,上述能源子系统的权重指标层更客观、合理。因此,上述每个子系统指标层权重分配更客观、合理。

2010年同比增长率最高的是17.64%;这表明省级3的整体水平E系统协调是在上升,2010年是一个转折点,如图93,当E系统协调水平的变化从一个严重的障碍水平适度障碍水平。2010年是“十一五”规划的最后一年。2010年第11个五年计划的最后一年,因此可以得出结论,它是严格执行省的第11个五年计划,有效地促进了全省发展3E从定量到定性变化系统协调。如果维护的平均年增长率7.25%,省级3E系统协调将会达到一个转折点0.53,到2015年,和3E系统协调发展水平从中度障碍水平轻微障碍水平,而13五年计划的最后一年是2015年。2015年是关闭13年的五年计划。

在经济子系统,有六个指标与体重高于平均值(9.09%),如图10降序排列,即工业增加值、社会消费品零售总额、社会固定资产投资,第三产业增加值占国内生产总值的比例,人均地区生产总值(GDP)和地方一般预算收入占GDP的比例,权重为14.26%,13.20%,11.07%,10.63%,10.21%,和10.15%,分别。不同的算法来计算两个子系统之间的协调。这是更难和更复杂的比其他两个评价模型。

它表明这六个指标在经济子系统相对不同的30个省中,而其他剩余的5个指标少30个省之间的不同。结合3协调发展的意义E系统,实现经济发展目标需要坚实的政府财政支持,合理的产业结构,创新和推广相关的先进技术,和社会消费能力的稳步增长,上述6个指标高于平均体重的覆盖这些需求。因此,上述经济子系统的指标的权重也是客观、合理。类似地,有三个指标高于平均水平的环境子系统权重(11.11%),在降序排列,即人均水资源,总投资在环境污染控制,并完成了工业污染控制投资,权重为27.63%,19.84%,和18.79%,分别。这意味着这三个指标在能源系统的不同更多的30个省中,而其他6剩余指标30个省之间的差别并不是很大。这意味着这三个指标在环境子系统更不同的30个省,而剩下的6个指标比较不同的30个省之一。结合3的意思E系统协调发展,环境保护目标离不开环境污染的治疗,治疗,我们需要投资。目前,整体环境污染修复的努力正在增加,但区域之间的差异在投资的努力仍大,水资源问题一直是困扰经济社会可持续发展的因素,以及水资源地区之间的差异加剧了区域发展的不平衡。

协调程度的省3E系统已显示出增加趋势随着时间的推移,和其协调度值从2006年的0.28增加到2014年的0.49,增加约75%,平均年增长率为7.25%。可能的原因是,与2006年的第11个五年计划的实施的全面落实科学发展观,加快建设资源节约型、环境友好型社会的步伐,注意协调发展的能源、经济、环境已经加强,已经采取了有效的措施。有两个最低同比增长率,2009年和2014年,这两个是一样的。可能的原因主要如下:2009年受全球金融危机影响,经济发展是严重的挑战,而能源枯竭和环境污染的负面影响所产生的年的粗略的经济增长模式也出现了;2014主要是积极深化改革,这将不可避免地影响三个子系统的能量,经济,和环境。

4所示。结论

基于建设省级3E系统协调协调评价指标体系和评价模型,测量和分析的协调程度的省级3E系统通过使用30个省从2006年到2014年的年度数据,得出以下主要结论:(1)平均水平而言,3E系统协调省从2006年到2014年均呈增长趋势,大的大小;以2010年为转折点,3E系统协调水平的变化从一个严重的障碍水平适度障碍水平。(2)由省,从3的值E系统协调每个省、每个省的发展千差万别。山东省领导这个国家3的波动E系统协调;3的波动E系统协调五个省,即北京、山西、上海、江苏、广东,小;除了上述省份,3的波动E系统协调其余省份也相对较大。然而,从水平状态3E系统协调每个省(与中值作为参考),省级3E系统协调的障碍,和大多数省份的严重障碍。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

引用

1. 刘张h . x, x,“非洛地平/玉米蛋白的制备非晶固体分散体和体外评价使用动态胃肠道系统,”药品开发和技术,25卷,不。10日,1226 - 1237年,2020页。视图:出版商的网站|谷歌学术搜索
2. 问:Bian-bian, z中正大学、z . Zai-xiang和回族,“建立一个动态的工效学评价指标体系对复杂产品设计基于产品生命周期理论,“国际工业工效学杂志》上卷,69年,第162 - 153页,2019年。视图:出版商的网站|谷歌学术搜索
3. 任,k .他、r . Girshick和j .太阳,“快R-CNN:对与地区建议网络实时目标检测,”IEEE模式分析与机器智能,39卷,不。6,1137 - 1149年,2017页。视图:出版商的网站|谷歌学术搜索
4. m·f·伯恩n . Chapados f .苏丹et al .,“实时分化腺瘤和增生性小结直肠息肉在一成不变的视频标准的结肠镜检查使用的分析深度学习模式,”肠道,卷68,不。1,第100 - 94页,2019。视图:出版商的网站|谷歌学术搜索
5. o . Abdeljaber o . Avci s Kiranyaz m . Gabbouj d·j·曼,“实时vibration-based结构损伤检测使用一维卷积神经网络,”杂志的声音和振动,卷388,不。388年,第170 - 154页,2017年。视图:出版商的网站|谷歌学术搜索
6. 人类活动a . Ignatov“实时识别使用卷积神经网络,从加速度计数据”应用软计算卷,62年,第922 - 915页,2018年。视图:出版商的网站|谷歌学术搜索
7. d . Tegunov p·克莱默,“实时低温电子显微镜与经数据预处理,”自然方法,16卷,不。11日,第1152 - 1146页,2019年。视图:出版商的网站|谷歌学术搜索
8. c·f·鲍姆加特纳k . Kamnitsas j·马修et al .,“SonoNet:胎儿的实时检测和本地化标准在徒手超声波扫描飞机,”IEEE医学成像,36卷,不。11日,第2215 - 2204页,2017年。视图:出版商的网站|谷歌学术搜索
9. e . Romera j·m·阿尔瓦雷斯l . m . Bergasa和r·阿罗约”ERFNet:事先实时语义分割,有效剩余映像”IEEE智能交通系统,19卷,不。1,第272 - 263页,2018。视图:出版商的网站|谷歌学术搜索
10. j .张和s·辛格“低漂移和实时激光雷达测程法和映射,”自主机器人第41卷。。2、401 - 416年,2017页。视图:出版商的网站|谷歌学术搜索
11. y, g . j . Mendis和j·魏、“假数据注入攻击的实时检测在智能电网:深上优于智能机制,“IEEE智能电网,8卷,不。5,2505 - 2516年,2017页。视图:出版商的网站|谷歌学术搜索
12. j . DelPreto a . f . Salazar-Gomez s .吉尔·r·Hasani f·h·德·d·罗斯,“即插即用监控使用肌肉和大脑信号实时姿态和错误检测,”自主机器人,44卷,不。7,1303 - 1322年,2020页。视图:出版商的网站|谷歌学术搜索
13. r . Maini和g . Dhiman”人工智能对现实问题的影响。”国际期刊的预先研究和教育创新理念,4卷,不。1,第295 - 291页,2018。视图:谷歌学术搜索
14. a . Ebigbo r·孟德尔Probst a . et al .,“实时使用的人工智能评估癌症的巴雷特食管,”肠道,卷69,不。4、615 - 616年,2020页。视图:出版商的网站|谷歌学术搜索
15. 工程学系。公园,小时。公园,K.-R。门敏,小时。安,i . y . Lee,通用汽车的儿子,“基于人工智能的腹腔镜结直肠手术实时微循环分析系统,”世界胃肠病学杂志》上,26卷,不。44岁,6945 - 6962年,2020页。视图:出版商的网站|谷歌学术搜索
16. d . Tang w·杜·l·Shekhtman et al .,“真实时间网络的可预测性,”国家科学评论,7卷,不。5,929 - 937年,2020页。视图:出版商的网站|谷歌学术搜索
17. 美国德维托·e·埃斯波西托,m . Salvato et al .,“校准化学多重感受装置对于真实世界的应用程序:深入比较量化的机器学习方法,“传感器和执行器B:化学卷,255年,第1210 - 1191页,2018年。视图:出版商的网站|谷歌学术搜索
18. 问:黄和z .曾回顾实时三维超声成像技术,”生物医学研究的国际卷,2017篇文章ID 6027029, 20页,2017年。视图:出版商的网站|谷歌学术搜索
19. y森信息。荣誉,m .三泽et al .,“实时使用人工智能识别小在结肠镜检查中,息肉,”内科医学年鉴,卷169,不。6,357 - 366年,2018页。视图:出版商的网站|谷歌学术搜索
20. c . Sanchez-Sanchez和d Izzo,“实时通过深层神经网络最优控制:研究着陆问题,“杂志的指导、控制和动力学第41卷。。5,1122 - 1135年,2018页。视图:出版商的网站|谷歌学术搜索
21. w ., a . Chatterjee m . Zollhofer et al .,“Mo2Cap2:实时移动3 d动作捕捉与cap-mounted鱼眼相机,“IEEE可视化和计算机图形学,25卷,不。5,2093 - 2101年,2019页。视图:出版商的网站|谷歌学术搜索
22. d·戴c . Sakaridis美国赫克,l . Van干傻事”课程模式适应合成和真实数据语义模糊的场景理解,“国际计算机视觉杂志》上,卷128,不。5,1182 - 1204年,2020页。视图:出版商的网站|谷歌学术搜索
23. y z . b . Zhang l . Wang Wang俏,和h·王,“实时动作识别与深深转移运动向量cnn,“IEEE图像处理,27卷,不。5,2326 - 2339年,2018页。视图:出版商的网站|谷歌学术搜索
24. n . Krishnaraj m . Elhoseny m . Thenmozhi m·m·斯莱姆和k . Shankar“深度学习模型实时图像压缩在互联网水下的东西(IoUT)”实时图像处理》杂志上,17卷,不。6,2097 - 2111年,2020页。视图:出版商的网站|谷歌学术搜索
25. 问:窦,l·魏d·r·麦基和a·g·科恩,“双曲线实时识别和探地雷达数据中拟合”,IEEE地球科学和遥感,55卷,不。1,51 - 62,2017页。视图:出版商的网站|谷歌学术搜索
26. c . Kapeller h . Ogawa g . Schalk et al .,“视觉感知的实时检测和歧视使用electrocorticographic信号,”《神经工程,15卷,不。3,p。36001年,2018年。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Boxun李。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。