双目竞争

本研究探讨了价值和唤醒对意识视觉感知的影响，采用双目竞争任务，开展了三项实验： 实验1：名人面孔 实验2：政治家面孔 实验3：IAPS图像 (国际情感图片系统; Lang等人, 1997) 研究人员 Tom Salomon，特拉维夫大学神经生物学系 Yael Solar Priel，特拉维夫大学Sagol神经科学学院、心理科学学院神经生物学系 Yarden Shir，特拉维夫大学Sagol神经科学学院 Keren Shoval，特拉维夫大学Sagol神经科学学院 Rinat Kiperman，特拉维夫大学Sagol神经科学学院 Liad Mudrik，特拉维夫大学Sagol神经科学学院、

在梅德里夫长期冥想者项目中，我们设计了一套专门用于双目竞争的预处理管道和统计分析代码。

这里提供了使用Matlab实现双目图像恢复场景深度图的代码，已经验证可行，供大家参考。

Matlab 的布线竞赛项目，还挺有意思的，涉及 GUI、并行计算、优化算法一整套流程，玩法多样，练手也不错。wiringGUI.m 是前端操作的主界面，按钮滑块一应俱全，配置布线方便；solver.m 是参赛选手的主力代码，可以试着加点算法优化，比如用动态规划或者遗传算法提升得分。runcontest.m 就像比赛的调度器，把各种流程都串起来了，读数据、算结果、评估性能一步到位。visualize.m 也别忽视，能把结果图形化展示出来，调试的时候一眼就能看出哪里出问题。测试套件用的是.mat格式，结构清晰，适合反复调试，蛮实用的。

这里提供了使用matlab编写的双目图像处理代码，能够有效地恢复场景的景深图，已经经过实际验证，供大家参考使用。

matlab 的 Bivis 分时代码，专为双目图像的独立分量而来，配合 Hunter 和 Hibbard 那篇 2015 年 JOV 的论文一起食用效果更佳。结构清晰，一共四个功能文件夹，从生成 ICA 分量到拟合 Gabor 函数都有涉及。用calculateICAcomponents.m打头阵，逐步搞定 ICA 建模。里面的fillInNaNs.m也挺贴心，能补齐数据空洞，省你不少麻烦。嗯，如果你之前碰过 Gabor 拟合，这套代码上手应该还挺快的。

双目相机高清标定板图

执行M文件，这是Kohnen竞争学习神经网络的学习算法。

临床预测模型里的竞争风险模型，是那种看着有点吓人但其实上手挺快的工具。练习数据也好了，直接可以动手试试。你要做生存、风险建模啥的，这模型就蛮合适。尤其那种存在多个“结局”的情况，比如病人会因为不同原因住院，搞清楚谁的影响大，靠它就挺稳。 数据过程中，经常不是只看一个结果，比如一个病人肿瘤复发也死于其他原因，这时候竞争风险模型就派上用场了。它比传统 Cox 模型更细致，能帮你判断不同风险事件的影响力。用起来不复杂，关键是搞清楚哪个事件算“终点”。 如果你想再深入一点，推荐几个关联内容：像R 语言的可视化优化，这篇讲得比较通俗，还有NRI 评估方法，可以帮你判断模型预测效果是不是真有提升。类似项目

确定系统运行缓慢的原因：从v$session_wait视图中选择等待事件不是'client message'且不包含'%NET%'的会话，等待时间为0且会话ID大于5。