XiaoMi-AI文件搜索系统
World File Search System平均误差
模拟南卡罗来纳州沿海和佐治亚州萨凡纳国家野生动物保护区附近河流和潮汐沼泽的水位和盐度
AI 人工智能 ANN 人工神经网络 ASA 应用科学协会 ATM 应用技术与管理 BEP 反向误差传播 BFHYDRO 边界拟合流体动力学模型 CRADA 合作研究与开发协议 DSS 决策支持系统 EFDC 环境流体动力学规范 EIS 环境影响声明 FCFWRU 佛罗里达州鱼类与野生动物合作单位 GaEPD 佐治亚州环境保护部 GPA 佐治亚州港务局 GUI 图形用户界面 LMS Lawler、Matusky 和 Skelly ME 平均误差 MLP 多层感知器 MSE 均方误差 M2M 模型到沼泽应用 NWIS 国家水信息系统 OLS 普通最小二乘法 PME 百分比模型误差 psu 实用盐度单位 Q 流量 RMSE 均方根误差 R 2 判定系数 SISO 单输入单输出 SNWR 萨凡纳国家野生动物保护区 SSE 误差平方和 SSR 状态空间重建 USACOE 美国陆军工程兵团 USFW 美国鱼类与野生动物管理局 USGS 美国地质调查局 WASP7 水资源评估与模拟程序 - 第 7 版 WES 水道美国陆军工程兵团实验站 WL 水位 XWL 潮汐范围
形状驱动的深神经网络，用于快速获取主动脉3D压力和速度流场
计算流体动力学（CFD）可用于模拟血管血流动力学并分析潜在的治疗选择。CFD已证明对改善患者预后有益。但是，尚未实现CFD的实施CFD。CFD的障碍包括高计算资源，设计模拟设置所需的专业经验以及较长的处理时间。这项研究的目的是探索使用机器学习（ML）以自动和快速回归模型复制常规主动脉CFD。用于训练/测试的数据该模型由对合成生成的3D主动脉形状进行的3,000个CFD模拟组成。这些受试者是由基于实际患者特异性主动脉（n = 67）的统计形状模型（SSM）生成的。对200个测试形状进行的推理导致压力和速度的平均误差分别为6.01％±3.12 SD和3.99％±0.93 SD。我们的基于ML的模型在 * 0.075秒内执行了CFD（比求解器快4,000倍）。这项概念验证研究表明，可以在自动过程中使用ML以更快的速度且准确性地使用ML复制常规血管CFD的结果。
多参数的心脏监视器设计
摘要 - 患有心脏病的患者需要护理和密切监测。在监测心脏中，有几个参数，包括心电图（ECG）记录心脏的电活动，phonocardiograph（PCG）记录心脏声音和颈动脉脉冲（CP），以记录颈动脉血液血压。本研究的目的是在具有Delphi编程的计算机上设计ECG，PCG和CP，并分析这些信号之间的关系。心脏监视器的主电路由仪器放大器，倒置放大器，高通滤波器，低通滤波器，Notch滤波器，非转移放大器，求和放大器和Arduino MicroController组成。这项研究涉及15名健康受访者。使用常规设备对心脏监护仪的设计进行了校准。计算后，统计数据表明，BPM的平均误差为2.42718％。颈动脉脉冲表明，颈动脉脉冲中的双齿缺口（D波）的模式与颈动脉脉冲的D波脉冲之前或在D波脉冲之前发生了相关性。我们发现S2和双齿缺口之间的间隔的平均值为±0.036 s。
基于最优信号分解的多阶段学习电池健康评估
摘要 — 电池健康评估对于确保电池安全和降低成本至关重要。然而，由于电池复杂的非线性老化模式和容量再生现象，实现准确的评估一直具有挑战性。在本文中，我们提出了 OSL，一种基于最佳信号分解的多阶段机器学习，用于电池健康评估。OSL 对电池信号进行最佳处理。它使用优化的变分模态分解来提取捕获原始电池信号不同频带的分解信号。它还结合了多阶段学习过程，以有效地分析空间和时间电池特征。使用公共电池老化数据集进行了实验研究。OSL 表现出色，平均误差仅为 0.26%。它明显优于比较算法，无论是没有还是具有次优信号分解和分析的算法。OSL 考虑了实际的电池挑战，可以集成到现实世界的电池管理系统中，对电池监控和优化产生良好的影响。索引词 — 锂离子电池、健康状态、信号分解、变分模态分解、优化。
基于微带陷波电路的RFID应变传感器信息融合新方法
摘要：从目前发展现状来看，无芯片射频识别（RFID）传感器在结构健康监测中的应用存在检测难、效果差、设计功能单一等缺点，限制了该技术的进一步发展。因此，提出一种新型RFID应变传感器，实现小型化无芯片RFID编码标签结构紧凑、功能分离。集成圆盘单极子天线使无线测量成为可能。通过单参数应变仿真分析，确定了6个线性度较好的特征参数。采用时间序列数据增强算法和背景噪声数据增强算法对训练集进行扩充。然后利用BP神经网络进行数据融合，训练误差最终收敛到0.0005。设计了有线与无线对比实验，并通过有线实验对无线实验进行优化。无线测量实验结果表明，结合多参数信息融合技术，所提出的传感器与实际应变的平均误差为6.04%，最小误差为0.25%，应变传感器多参数融合监测方法修正了单参数测量的误差，提高了其准确性和鲁棒性。
心脏病发作分析与预测：一种神经网络方法
摘要：心脏病发作分析和预测数据集是全球死亡的主要原因。早期检测和干预对于改善积极结果的机会至关重要。本研究提出了一种新的方法，可以预测使用神经网络模型患有心力衰竭的人的可能性。数据集包含304个样品，具有11个功能，例如年龄，性别，胸痛类型，TRTBP，胆固醇，空腹血糖，静息心电图结果，最大的心率，达到的最大心率，运动诱导的心绞痛，Oldpeak，ST_SLOPE和心脏疾病。在数据集中对具有四层（1个输入，2个隐藏，1个输出）的神经网络模型进行了训练，并达到了88％的精度，平均误差为0078296。发现心力衰竭预测中最有影响力的因素是Oldpeak，ST_SLOPE，性别，禁食库，ChestPainType，锻炼，胆固醇，胆固醇，Restingbp，Maxhr，Maxhr，静林BP，静林BP和年龄。这项研究为早期发现和干预心力衰竭提供了宝贵的工具，从而为健康和医学领域做出了贡献。
使用Dijkstra算法在服务机器人上使用Dijkstra算法
摘要。移动机器人中机器人技术的进步正在迅速发展，并在工业，军事，医学和公共服务等各个部门中使用。挑战包括感知，本地化，运动控制和路径计划。Dijkstra算法的目的是一种贪婪的算法，是优化计划计划以提高运动效率。Dijkstra的算法是图理论中的一种有用的方法，可以利用迭代方法在加权图中找到两个节点之间的最短路径来计算距离。所建议的算法通过同时确定从起点到所有其他点的最短途径，利用各种路径或继续在相同的路径上到达其他节点，从而加快了初始过程的速度。尽管如此，它始于中央节点，利用不受所采用路线影响的数据。作者使用服务机器人对Dijkstra的算法进行了实验，并成功地导航了三个障碍而没有任何碰撞。机器人通过保持0.23 m/s的平均速度为0.23 m/s，X轴上的平均误差为0.021米，在Y轴上保持0.021米，在找到最短和最快的路径方面取得了成功。
心脏超声视图的现实世界视频导航
摘要。超声心动图（ECHO）通常用于协助诊断心血管疾病（CVD）。但是，通过操纵探测器需要手动进行标准化的回声视图获取，需要对超声检查员进行大量的经验和培训。在这项工作中，我们提出了一个用于心脏超声视图计划的视觉导航系统，旨在帮助新手超声波检查员准确获取CVDS诊断所需的视图。系统引入了视图功能提取器，以探索源框架视图之间的空间关系，学习不同框架之间的相对旋转以进行网络回归，从而促进了转移学习以提高识别特定目标平面的准确性和鲁棒性。另外，我们会提出目标一致性损失，以确保在同一扫描中回归到同一目标平面内的帧。实验性销售表明，顶部四腔视图（A4C）中的平均误差可以降低至7.055度。此外，实际临床验证的结果表明，在视觉导航系统的指导下，获取A4C视图的平均时间至少可以减少3.86次，这对新手超声波师的临床实践有启发性。
ginet：整合顺序和上下文感知...
摘要 - 电池的飙升需求需要高级电池管理系统，其中电池容量建模是关键功能。在本文中，我们旨在通过从电池动力学的历史测量中学习来实现电池容量的预测。我们提出了一个封闭式的复发单元G i n et，以预测电池的容量。G I N等的新颖性和竞争力在于它的能力，可以从原始电池数据中捕获顺序和上下文信息，并以时间动力和长期依赖性来反映电池的复杂行为。我们根据公开可用的数据集进行了一项实验研究，以展示G I N等人对电池行为的全面了解并准确预测电池容量的力量。g i n et达到0.11的平均绝对误差，用于在不知道历史电池容量的情况下以一系列未来的时间插槽预测电池容量。与知情人相比，它的表现也胜过最新算法，平均误差降低了27％。有希望的结果强调了算法和电池知识的定制和优化集成以及对其他行业应用的启示的重要性。索引术语 - 电池能力，充电状态，机器学习，工业人工智能
分析不同类型的粘粘器，设计，材料和技术
对不同类型的粘刀，设计，材料和技术的分析S. Aruna，G。Shantha数学与人文科学系，Mahatma Gandhi技术研究所，海得拉巴通讯作者：Aruna_siripurapu@yahoo.com摘要简单且快速流动性评估的质量控制参数是一种简单的质量控制参数。粘度测量值既是用于液体产品质量保证的潜在血液动力学生物标志物，也很重要。为了测试煤油，乙醇和等离子体，制成的粘度计得出以下发现。分别为0.00134、0.0011和0.0034。这些值与各种文献密切相关，平均误差为5.9％。这表明生产的Viscoceter可靠且合规，可用于实验室，建筑，食品加工和教育目的。即使经过如此多的发展，最佳生产系统的选择，尤其是简化流程，成本和时间的选择也是微富富设备开发面临的持续挑战之一。这是印刷的3-D电流式粘度计（EMV）。通过自动评估样品流体的运输时间与层流下的参考流体粘度，EMV测量了它。我们在本文中无视各种类型的粘粘器，设计，材料和技术。关键词：Viscometer，材料，3D打印，技术