XiaoMi-AI文件搜索系统
World File Search System实时环境
使用 ANN 预测动态互联装配系统中基于 AI 的在线调度的性能指标
摘要 由于产品频繁变化，大规模定制要求缩短制造系统的响应时间。系统动态性的增加对灵活性提出了更高的要求，尤其是对装配过程，因为复杂性在价值创造的最后一步不断积累。与传统的专用装配线方法相比，灵活且动态互连的装配系统可以满足日益增长的需求。这类系统中的高复杂性和动态环境导致对实时在线控制和调度解决方案的需求。在在线调度的决策中，预测可用操作后果的能力至关重要。在实时环境中，运行大量离散事件模拟来评估操作如何展开需要太多的计算时间。人工神经网络 (ANN) 是一种可行的替代方案，可以快速评估生产状态的潜在未来性能价值，以进行在线生产规划和控制。它们可以预测性能指标，例如在当前生产状态下的预期完工时间。利用人工智能 (AI) 游戏算法的最新进展，创建了一个基于 Google DeepMind 的 AlphaZero 的装配控制系统。具体来说，ANN 被纳入到该方法中，它建议有利的工作路由决策并预测行动的价值。结果表明，训练后的网络预测有利行动的准确率超过 95%，估计完成时间的误差小于 3%。
量子飞行自组织网络中的能量高效路由（q...
量子飞行自组织网络 (Q-FANET) 提供了一种独特的通信范式，利用量子原理实现安全高效的数据传输。然而，由于动态拓扑变化和有限的通信资源，Q-FANET 中的路由带来了重大挑战。本文提出了一种利用 Mamdani 模糊推理增强型 Dijkstra 算法 (MFI-EDA) 的新型路由方法，该方法专为 Q-FANET 环境量身定制。MFI-EDA 的工作机制涉及将模糊逻辑与 Dijkstra 算法相结合，以根据环境条件（例如节点移动性和能量水平）和网络动态（例如链路质量和流量拥塞）智能地调整路由决策。这种混合方法通过结合模糊逻辑来增强传统路由算法，从而为 Q-FANET 提供稳健性和适应性。其主要贡献在于模糊推理的无缝集成，这使 MFI-EDA 能够根据实时环境反馈动态调整路由路径，从而提高能源效率和可靠性。通过大量模拟实验评估了 MFI-EDA 在 Q-FANET 场景中的性能，证明了其在实现节能和可靠路由方面的有效性。结果表明，MFI-EDA 优于传统路由方法，为量子自组织网络中的高效通信提供了良好的前景。关键词：量子网络、Q-FANET、Mamdani 模糊推理、Dijkstra 算法、路由 1. 引言
Nimbro@Home 2024开放平台联盟团队描述
Nimbro团队在各种机器人比赛中取得了良好的成绩，包括Robocup成人联盟中的人形足球等各种机器人比赛，诸如2016年DARPA大挑战之类的非结构化环境到自动垃圾箱，以及自主垃圾箱采摘挑战，例如亚马逊采摘挑战。最近，2022年，Nimbro团队赢得了Ana Avatar Xprize挑战赛。球队已经成功参加了Robocup@主联盟，并连续三场国际Robocup@主场比赛（2011年 - 坦布尔[22]，2012年，2012年墨西哥城[21]，2013年Eindhoven [20]，还赢得了许多Robocup@Home Derman Derman Open挑战。我们专注于演示中的两臂操作和工具用法。重新定位我们的家庭服务机器人活动后，我们参加了Robocup@Home 2023 Bordeaux，并最终排在第四位。图1中给出了我们在Bordeaux的Robocup@Home 2023期间的表现的摘录。我们开发了用于实时环境和对象感知的方法，使用激光扫描仪和RGB-D摄像机等3D传感器的3D对象姿势和掌握估计。我们进一步描述了对象分割，映射和导航，抓握，音频和自然语言处理以及行为控制的方法。在本文中，我们简要概述了预期的机器人平台。此外，我们描述了我们针对Robocup@Home Task的建议方法，并对我们的行为控制进行了粗略的概述。最后，我们总结了我们的家庭服务机器人技术相关研究。
海洋天然产品营救了眼睛
摘要：物联网（IoT）彻底改变了世界，连接了数十亿个设备，这些设备在用户日常生活的各个方面提供了帮助。上下文感知的物联网应用程序利用实时环境，特定于用户或情境数据，以动态适应用户的需求，提供量身定制的体验。特别是基于位置的服务（LBS）利用地理信息以适应环境设置或根据用户和节点的职位提供建议，从而提供高效和个性化的服务。为此，对在科学界建立物联网定位系统的兴趣越来越大。此外，由于精确位置信息固有的敏感性和隐私，LBS引入了新的安全挑战。为了确保一个更安全和可信赖的系统，研究人员正在研究如何从LBS授权的物联网应用程序的早期设计阶段来防止脆弱性并减轻风险。这项研究的目的是对IoT的本地化技术进行深入研究，并重点介绍了信号处理的设计和安全性方面。调查主要集中在主动无线电定位技术上，将其分类为基于范围和无范围的算法，同时还探索了混合方法。接下来，深入探讨了安全考虑因素，检查了每种本地化技术的主要攻击，并将其链接到文献中提出的最有趣的解决方案。通过强调进步，分析挑战并提供解决方案，该调查旨在指导研究人员浏览复杂的物联网本地化格局。
Nimbro@Home 2024开放平台联盟团队描述
Nimbro团队在各种机器人比赛中取得了良好的成绩，包括Robocup成人联盟中的人形足球等各种机器人比赛，诸如2016年DARPA大挑战之类的非结构化环境到自动垃圾箱，以及自主垃圾箱采摘挑战，例如亚马逊采摘挑战。最近，2022年，Nimbro团队赢得了Ana Avatar Xprize挑战赛。球队已经成功参加了Robocup@主联盟，并连续三场国际Robocup@主场比赛（2011年 - 坦布尔[22]，2012年，2012年墨西哥城[21]，2013年Eindhoven [20]，还赢得了许多Robocup@Home Derman Derman Open挑战。我们专注于演示中的两臂操作和工具用法。重新定位我们的家庭服务机器人活动后，我们参加了Robocup@Home 2023 Bordeaux，并最终排在第四位。图1中给出了我们在Bordeaux的Robocup@Home 2023期间的表现的摘录。我们开发了用于实时环境和对象感知的方法，使用激光扫描仪和RGB-D摄像机等3D传感器的3D对象姿势和掌握估计。我们进一步描述了对象分割，映射和导航，抓握，音频和自然语言处理以及行为控制的方法。在本文中，我们简要概述了预期的机器人平台。此外，我们描述了我们针对Robocup@Home Task的建议方法，并对我们的行为控制进行了粗略的概述。最后，我们总结了我们的家庭服务机器人技术相关研究。
引用此文件：Zidan，F。和Febriyanti，D。E.通过基于人工智能的气候适应策略优化农业产量。
面对气候变化，农业生产力受到不可预测的天气模式和环境条件的严重威胁，强调了对增强农业弹性的创新解决方案的关键需求，并优化了产量。这项研究深入研究了人工智能（AI）的潜力，特别是通过使用机器学习和深度学习技术，以开发旨在增强农业结果的气候适应策略。通过将AI与气候数据相结合，该研究通过使用机器学习和深度学习模型的结合来预测并减轻气候对作物产量的不利影响，以分析历史气候数据以及作物表现。这些模型在包括温度，降雨，土壤水分和作物遗传信息在内的数据集中进行了培训，擅长预测各种气候场景下未来的农业结果，并提出最佳的适应性策略，从而显着提高作物产量。因此，这些基于AI的模型是农民和农业决策者的强大工具，使他们能够做出与预期的气候条件保持一致的明智决定。调查结果不仅强调了AI在将数据转换为可行的见解中的功效，从而提高了农业生产力，还通过提供一种技术先进的气候适应方法来促进农业科学领域。此外，这项研究为未来的研究铺平了关于AI与实时环境感应技术的整合的方式，从而为农业管理提供动态框架，以支持可持续的农业实践和全球粮食安全，这是由于气候挑战而在气候挑战中。
人工智能推动的中耳炎诊断进展：系统评价
摘要中耳炎 (OM) 主要影响儿童，是全球重大的健康问题，全球每年估计有 3.6 亿例儿童病例。OM 会导致轻度和中度传导性听力损失，这可能会使幼儿致残，特别是在大脑快速生长的前三年，导致言语和语言发育不良、沟通能力差以及入学时更加脆弱。因此，OM 增加了全球全因听力损失的负担。本系统评价旨在在 OM 背景下对预先训练的人工智能 (AI) 模型进行全面评估，包括经典机器学习 (ML) 和深度学习 (DL)。本评价提出了六个研究问题，并总结了多个领域的研究主体，包括用于训练和测试模型的源材料的多样性和数量，包括耳镜图像、视频和鼓室测量，以及用于评估实时环境中质量和有效性的方法。此外，本综述旨在深入了解人工智能在改善中耳炎诊断方面的影响和潜力，并阐明现有的挑战，例如模型的可解释性、有限的医学专家参与以及知识发现和未解答问题的需要，包括该领域中耳炎诊断的不断发展。本系统综述的结果强调了开发更具可解释性的人工智能模型的重要性，这些模型结合了鼓膜的静态图像和视频记录（具有多帧），以最大限度地提高模型的灵敏度和特异性。此外，需要与消费者和多个专业的医疗专业人员（全科医生、儿科医生、听力学家和耳鼻喉 (ENT) 外科医生）合作，以确保这些诊断数字支持系统在现实世界的医疗保健环境中的适用性和可信度。
deepriver：数据流的深度学习库
在当今快速发展的景观中，机器学习（ML）算法在基于可用数据的决策过程中起着关键作用。这些算法虽然加速分析，但仍需要对动态数据结构进行连续适应，因为模式可能会迅速发展。要解决这种命令，采用在线学习和连续的ML技术变得至关重要。虽然深度学习技术在静态，预定义的数据集上表现出了出色的表现，但它们在动态和不断发展的数据流中的应用仍未得到充满激光。在实时决策中，深度学习中没有广泛的集成到在线，流媒体和持续的学习方案中妨碍了这些高级算法的全部潜力（Kulbach等，2024）。Deepriver Python软件包的出现填充了数据流的深度学习领域的关键空隙。利用河流的能力（Montiel等，2021）和Pytorch（Paszke等，2017），Deepriver为监督和无人看管的学习提供了统一的API，为您提供了无缝的桥梁，从而提供了深入的深度学习技术与动态数据流构成的挑战之间的无缝桥梁。此外，该软件包为从业人员提供了用于数据流预处理的基本工具，并在动态的实时环境中评估深度学习模型。此类功能已应用于流动异常检测（Cazzonelli＆Kulbach，2022）。此软件包是一项宝贵的资产，可以解锁深度学习技术在在线，流媒体和持续学习方案中脱颖而出的潜力。随着对机器学习系统对发展数据结构的有效和有效适应的需求不断增长，因此将深层的整合到景观中变得至关重要。在寻求动态不断变化的环境中利用机器学习的全部力量，确保我们的决策过程在面对不断发展的数据景观时保持准确，相关和敏捷性。
环境影响评估报告 新核...
AGIR 电离辐射咨询小组 ALARA 尽可能低。这是一个国际公认的缩写，要求尽可能减少因接触放射性物质而对人员造成的辐射剂量，除非进一步减少剂量措施的额外成本或不切实际与采取这些措施所获得的额外剂量减少相比是不合理的。ALARA 原则也逐渐用于环境问题。阿尔法/贝塔/伽马发射源 发射阿尔法、贝塔或伽马类型电离辐射的核 AOO 预期运行发生 含水层 含水层是地下一层含水的透水岩石或松散材料（砾石、沙子、淤泥或粘土），可以使用水井从中提取地下水。ASKRO 永久实时环境和卫生控制系统的一部分。该系统的目的是向民众通报辐射安全情况。背景污染 环境中的有害物质水平，这些物质要么是自然产生的，要么来自场外来源，要么是该地区一般污染的结果。巴 压力单位。1 巴 = 100 000 帕斯卡 (Pa)。大气压约为 1 巴。BDBA 超设计基准事故 Bq、贝克勒尔 SI 活性单位，相当于每秒一次转化。C-14、碳-14 除氡外，碳-14 同位素是铀燃料循环中最重要的辐射暴露源。云照 暴露于空气羽流中放射性物质的伽马辐射 集体剂量 暴露人群人数与人均剂量的乘积；单位为曼西弗特 [manSv] 冷凝器 冷凝器将通过涡轮机的蒸汽从气态转换并回收为液态 冷却水 冷却水是冷凝器中用于将来自涡轮机的蒸汽冷却回水的海水/湖水/河水。冷却水不会与核电站的工艺用水接触或混合。D&D 净化和退役 DBA 设计基础 事故 DCD 设计控制文档 氘 氢的同位素，其原子核包含一个质子和一个中子 直接冷却系统 (DC) 冷却水取自水库（例如湖），通过热交换器，加热的水排回水库。E.ON E.ON AG；总部位于德国的能源公司 EDF Electricité de France 有效剂量包括外部剂量（云层照射和地面照射）和内部剂量（吸入和摄入）
向国会提交的报告 - 联邦公路管理局
I. 执行摘要 本报告是根据《两党基础设施法》（BIL）第 13006(d) 节（颁布为《基础设施投资和就业法案》（Pub. L. 117-58，2021 年 11 月 15 日））的要求编写的，该法案指示交通部长制作一份关于先进数字化施工管理系统 (ADCMS) 技术的报告。它讨论了先进技术，例如电子施工 (e-Construction)、三维 (3D) 工程模型、无人机系统 (UAS) 和电子票务 (e-Ticketing)。该报告还包括将新技术发展整合到美国州公路和运输官员协会 (AASHTO) 和联邦公路管理局 (FHWA) 制定的国家设计指南中的建议，并提供了衡量 ADCMS 影响的路线图。联邦公路管理局的“每一天都很重要” (EDC) 计划和交通研究委员会 (TRB) 国家合作公路研究计划 (NCHRP) 制定的《交通部数字项目管理和交付技术能力》报告中的数据和统计资料用于说明各州采用、实施和开发 ADCMS 技术的程度。共收到来自 51 个州交通部 (State DOT) 的 42 份回复，其中 37 份报告称 ADCMS 技术用于建设，2 份报告称 ADCMS 技术用于项目支持，2 份报告称 ADCMS 技术用于其他项目工作。（州交通部包括服务于华盛顿特区的地区交通部）数据显示，几乎所有审查的技术和改进都处于开发或实施的某个阶段，或已被州交通部和交通机构采用。州交通部和交通机构几乎普遍要求进行额外的研究和广泛的现场测试，以展示和评估在实时环境中部署系统的好处和可行性。研究和测试结果对于准确确定最有效的 ADCMS 技术至关重要，这些技术将帮助州交通部和运输机构进行施工管理。还需要进一步研究，以确定部署不同 ADCMS 技术的最合适位置（即实现最大效益），并更好地了解如何将适当的技术与员工的具体能力和项目开发过程相匹配，以确保以最具成本效益的方式实现最大的安全影响。一旦准备好采用，这些技术可能会被纳入教育工作，包括提高州交通部对这些技术如何工作以及如何使用它们来改进施工管理过程的认识所需的推广计划。