XiaoMi-AI文件搜索系统
World File Search System使用改进
在 Nakagami-q/n 衰落信道中使用改进的能量检测器和多天线进行能量高效协作频谱感知的分析
如今，空气和噪音污染的持续增加已成为一种长期的滋扰，同时也是一个令人担忧的问题。在本期刊中，我们将提供一个系统来测量和监控环境参数，并在空气质量和噪音水平超过安全水平时发出警报。该系统使用必要的传感器来检测大气中的气体以及特定区域的噪音水平，并将其传输到微控制器 NodeMCU。现在，通过 Wi-Fi 凭证连接到 Node MCU 的云平台 Blynk 会获取数据并通过与被视为安全水平的值进行比较来处理数据。当每个空气质量和噪音污染变量超过允许水平时，这个基于云的监控应用程序 Blynk 还会提供一个警报系统。它通过向 Android 设备发送电子邮件或消息来通知用户，甚至可以激活蜂鸣器作为警报。这些数据被连续传输，并被存储以供进一步解释。这种基于云的污染监测系统是最经济、最可靠、最具成本效益的，并且可以增强以应对即将到来的挑战。2021 Elsevier Ltd. 保留所有权利。由第二届国际创新技术和科学会议 (iCITES 2020) 的科学委员会负责选择和同行评审。
使用改进的 YOLOv8 进行脑肿瘤识别
摘要 — 确定脑肿瘤的范围是脑癌治疗中的一项重大挑战。主要困难在于对肿瘤大小的近似检测。磁共振成像 (MRI) 已成为一种重要的诊断工具。然而，从 MRI 扫描中手动检测脑肿瘤的边界是一项劳动密集型任务，需要广泛的专业知识。深度学习和计算机辅助检测技术已导致机器学习在这方面取得了显着进步。在本文中，我们提出了一种改进的 You Only Look Once (YOLOv8) 模型来准确检测 MRI 图像中的肿瘤。所提出的模型用检测头中的实时检测变压器 (RT-DETR) 取代了非最大抑制 (NMS) 算法。NMS 会滤除检测到的肿瘤中的冗余或重叠的边界框，但它们是手工设计和预设的。RT-DETR 删除了手工设计的组件。第二项改进是通过用鬼卷积替换正常卷积块进行的。 Ghost Convolution 降低了计算和内存成本，同时保持了高精度并实现了更快的推理速度，使其成为资源受限环境和实时应用的理想选择。第三项改进是在 YOLOv8 的主干中引入视觉变换器模块来提取情境感知特征。我们在提出的模型中使用了公开的脑肿瘤数据集。所提出的模型比原始 YOLOv8 模型表现更好，也比其他物体检测器（Faster R-CNN、Mask R-CNN、YOLO、YOLOv3、YOLOv4、YOLOv5、SSD、RetinaNet、EfficientDet 和 DETR）表现更好。所提出的模型实现了 0.91 mAP（平均精度）@0.5。
文章 - 使用改进的视觉几何组 (IVGG) 深度学习对胶质瘤进行工程、技术和技巧检测和分割
摘要：胶质瘤脑肿瘤具有与其他肿瘤相似的纹理模式，因此检测和分割胶质瘤脑肿瘤是一项具有挑战性的过程。本研究提出了一种改进的肿瘤检测系统 (MTDS) 方法来从健康脑图像中识别和分类胶质瘤脑图像。空间 Gabor 变换 (SGT)、特征计算和深度学习结构构成了建议的 MTDS 技术的训练工作流程。从胶质瘤脑图像数据集图像和正常脑图像数据集图像计算特征，并将这些特征输入到分类架构中。在本文中，提出的 IVGG 架构源自现有的视觉几何组 (VGG) 架构，以提高所提系统的检测率并降低计算时间复杂度。所提系统的测试工作流程还包括 SGT、特征计算和 IVGG 架构，以产生将源脑图像分类为正常或胶质瘤的结果。此外，形态分割技术已用于查找此胶质瘤图像中的肿瘤位置。本研究使用了两个独立的脑成像数据集来评估和验证建议的 MTDS 的性能效率。数据集是 BRATS Imaging 2020 (BI20) 和 Kaggle Brain Imaging (KBI)。已经根据 Jaccard 指数、召回率、准确率和检测率对性能效率进行了分析。
使用改进的 WEEC 通用模型通过电池存储缓解光伏电源间歇性
摘要：光伏和风能系统等可再生能源越来越多地融入电网，这凸显了对可靠控制机制的需求，以缓解这些能源固有的间歇性。据巴西电网运营商 (ONS) 称，近年来可再生能源分布式系统 (RED) 出现了连锁断开现象，凸显了对稳健控制模型的需求。本文通过使用 WECC 通用模型验证光伏电站与电池储能系统 (BESS) 相结合的有功功率上升率控制 (PRRC) 函数来解决这一问题。所提出的模型在一段较长的分析期内经过了严格的验证，使用均方根误差 (RMSE) 和 R 平方 (R 2 ) 指标对连接点 (POI) 注入的有功功率、光伏有功功率和 BESS 充电状态 (SOC) 显示出良好的准确性，为中长期分析提供了宝贵的见解。爬升率控制模块在工厂功率控制器 (PPC) 中实现，利用西部电力协调委员会 (WECC) 开发的第二代可再生能源系统 (RES) 模型作为基础框架。我们使用 Anatem 软件进行了模拟，将结果与以 100 毫秒到 1000 毫秒为间隔从巴西配备 BESS 的光伏电站收集的实际数据进行了比较。所提出的模型经过了长期的严格验证，所呈现的结果基于两天的测量。用于表示此控制的正序模型表现出良好的准确性，这由均方根误差 (RMSE) 和 R 平方 (R 2 ) 等指标证实。此外，本文强调了在计算爬升率时准确考虑功率采样率的关键作用。
使用改进的机器学习
尽管许多研究都集中在海洋事故的可能性上，但很少有人专注于分析后果的严重程度，甚至更少的预测严重程度。为此，在本研究中提出了一个新的研究框架，以准确预测海洋事故的严重性。首先，开发了一种新颖的两阶段特征选择（FS）方法，以选择和对风险影响因素（RIF）进行排列，以提高MA Chine学习（ML）模型的准确性（ML）模型和FS的解释性。第二，提出了一种全面的评估方法，以根据稳定性，预测性能改善和统计检验来衡量FS方法的性能。第三，使用了六个完善的ML模型，并比较了不同预测因子的性能。发现光梯度提升机（LightGBM）具有对海洋事故的严重性词典的最佳预测性能，并被视为基准模型。最后，LightGBM根据提出的FS方法选择的RIF来预测事故严重程度，并从定量的角度对风险控制措施的效果进行了反作用。这项有关改进ML方法使用的创新研究可以有效地分析和预测海洋事故的严重性，为在安全评估和预防事故预防研究中使用人工智能（AI）技术提供新的方法，并触发了新的方向。源代码可公开可用：https：//github.com/fengyinleo/pgi-sdmi。
如何引用：Venu, K., Natesan, P. (2023)。使用改进的 Whale 优化算法对 EEG 信号分类进行优化的深度学习模型。
脑机接口 (BCI) 是一种利用脑电图 (EEG) 信号在人的心理状态和基于计算机的信号处理系统之间建立联系的技术，该系统无需肌肉运动即可解码信号。无需实际移动身体部位即可想象身体部位运动的心理过程称为运动想象 (MI)。MI BCI 是一种基于运动想象的脑机接口，允许运动障碍患者通过操作机器人假肢、轮椅和其他设备与周围环境互动。特征提取和分类是 MI BCI 脑电信号处理的重要组成部分。在这项工作中，提出了具有改进互利阶段的鲸鱼优化算法，以找到最佳卷积神经网络架构，用于对运动想象任务进行分类，具有高精度和较低的计算复杂度。Neurosky 和 BCI IV 2a 数据集用于评估所提出的方法。实验表明，对于 Neurosky 和 BCI 数据集，所提出的技术在分类准确率方面分别优于其他竞争方法，分别为 94.1% 和 87.7%。
OPF使用改进的CHG优化算法
©版权所有美国糖尿病协会。2023。这是以艾哈迈德（Ahmed），A。等人的最终形式发表的文章的非预定版本。（2023）“遗传证据也强烈支持控制体重和血压，除了血糖控制以防止2型糖尿病患者的血管并发症'，糖尿病护理，2023，0（PRING PRINT），DC230855-DC230855。doi url https://doi.org/10.2337/dc23-0855 ..（请参阅：https：//diabetesjournals.org/journals.org/journals/pages/pages/ada-journalnalnal-policies#authorreuse）。
使用改进的 UNET 架构对医学图像进行语义分割的回顾
摘要：在生物医学图像分析中，肿瘤和病变的位置和外观信息对于帮助医生治疗和确定疾病的严重程度是必不可少的。因此，对肿瘤和病变进行分割至关重要。MRI、CT、PET、超声和X射线是获取此信息的不同成像系统。众所周知的语义分割技术用于医学图像分析以识别和标记图像区域。语义分割旨在将图像划分为具有可比特征的区域，包括强度、同质性和纹理。UNET 是分割关键特征的深度学习网络。然而，UNET 的基本架构无法准确分割复杂的 MRI 图像。本综述介绍了适合提高分割精度的 UNET 的修改和改进模型。
使用改进的面积高效华莱士树乘法器...
摘要：乘法器在数字信号处理应用和专用集成电路中起着重要作用。华莱士树乘法器提供了一种具有面积高效策略的高速乘法过程。它使用全加器和半加器在硬件中实现。加法器的优化可以进一步提高乘法器的性能。提出了一种使用 NAND 门改进全加器的华莱士树乘法器，以实现减小的硅片面积、高速度和低功耗。用 NAND 门实现的改进全加器取代由 XOR、AND、OR 门实现的传统全加器。提出的华莱士树乘法器包含 544 个晶体管，而传统的华莱士树乘法器有 584 个晶体管用于 4 位乘法。