Уважаемые коллеги, доброго времени суток! Представляем вам китайское научное издание Hsi-An Chiao Tung Ta Hsueh/Journal of Xi'an Jiaotong University. Журнал имеет четвёртый квартиль, издается в Xi'an Jiaotong University, его SJR за 2019 г. равен 0,203, печатный ISSN - 0253-987X, предметные области - Клиническая биохимия, Общие вопросы медицины, Общие вопросы технической разработки (инжиниринг). Вот так выгялдит обложка:
Редактором является Венгуан Тао, контактные данные - xuebao@xjtu.edu.cn, wqtao@mail.xjtu.edu.cn
Впервые журнал вышел в 1960 году. Сегодня это всеобъемлющее академическое периодическое издание естественных наук, курируемое Министерством образования Китая и спонсируемое Сианьским университетом Цзяотун. Целью журнала является своевременная публикация высококачественных рецензируемых статей, обеспечение платформы для осуществления академического обмена и обслуживания ученых и инженеров, демонстрация выдающихся научных достижений и превращение в авторитетный, высокорейтинговый журнал. К публикации принимаются статьи по механике, электронике и их приложениям с техническими, оригинальными и международными характеристиками. Языки публикации - английский, китайский.
Тематика публикаций включает, но не ограничивается следующими областями:
- Энергетика;
- Машиностроение;
- Электротехника;
- Электронная и информационная инженерия;
- Технология автоматизации и управления;
- Компьютерные технологии;
- Материаловедение и инженерия;
- Химическая инженерия и технология.
Пример статьи, название - A Precise Control Method for Brain-Computer Cooperation with Deep Reinforcement Learning. Заголовок (Abstract) - A precise control method for brain-computer cooperation with deep reinforcement learning is proposed to solve the problem that the lack of bidirectional information interaction between human and computer and the change of mental state in precise control seriously affect the precision and safety of limb control. First of all, combining the advantages of human in global planning and machine in fine control, a ‘double-loop’ information interaction mechanism composed of active control loop and passive control loop is established. Secondly, the idea of deep reinforcement learning is introduced, and a mathematical model of brain-computer cooperation is derived based on the Monte Carlo sampling principle, with the electroencephalogram(EEG)representing mental state feature as the input of the model and the robot speed instruction as the output. Thirdly, a mental state perception network with three fully connected layers is established, and the EEG of the last 1 000 ms in the real-time monitoring computer memory of brain-machine interface system is extracted as input signal, then a precise brain-computer cooperation algorithm is designed and developed. Finally, a virtual environment and task scene for trajectory tracking is created, and the precise brain-computer cooperation method is experimentally verified. Results and a comparison with a traditional method show that the proposed method improves both the accuracy and completion time of trajectory tracking control task by 36.55% and 22.81%, respectively. Keywords: brain-computer cooperation; deep reinforcement learning; brain-machine interface; trajectory tracking; precise control