XiaoMi-AI文件搜索系统
World File Search System感中
测量基于深度学习的压缩感中的鲁棒性
抽象的深神经网络为重建少量和嘈杂测量的图像重建图像提供了最新的准确性，例如在加速磁共振成像（MRI）中引起的问题。然而，最近的作品引起了人们的担忧，即基于学习的图像重建方法对扰动很敏感，并且比传统方法不那么易用：神经网络（i）可能对小而却对对抗性的扰动敏感，（ii）可能会在分配中表现不佳，并且（iii）可能会在覆盖小型的图像中表现出色，但可能会在一个图像中覆盖重要特征。为了理解对此类范围的敏感性，在这项工作中，我们测量了图像重建的不同方法的鲁棒性，包括训练有素和未经训练的神经网络以及传统的基于稀疏的方法。我们发现，与先前的作品相反，训练和未经训练的方法都容易受到副本扰动的影响。此外，针对特定数据集调整的经过训练和未经训练的方法都在分配转移中遭受的损失非常相似。fi-Nelly，我们证明了一种实现更高重建质量的图像重构方法在准确恢复细节方面的性能也更好。我们的结果表明，基于最新的深度学习图像重新构造方法比没有构成鲁棒性的传统方法提供了改进的穿孔方法。
人工智能 (AI) 在遥感中的应用
● 奥村敏夫 1972年出生。 1997年：金泽工业大学硕士课程（信息工学专业）毕业。 1997年加入遥感技术中心（RESTEC），先后在开发部、研发部工作，2021年起担任解决方案事业二部顾问。我们致力于利用遥感技术和跨学科技术解决许多领域的社会问题，包括对地观测卫星地面设备的开发，农业遥感、林业、渔业、灾害评估和城市规划的社会实施。电子邮件: okumura@restec.or.jp
基于单独混合结构的纳米传感器及其在室温下的气体传感中的应用 Vasile Postica 1* , ORCID: 0000-0003-3494-
1 摩尔多瓦技术大学微电子与生物医学工程系纳米技术与纳米传感器中心，168 Stefan cel Mare Av.，MD-2004，摩尔多瓦共和国基希讷乌 2 基尔大学材料科学研究所工程学院功能纳米材料，Kaiserstr。2，D-24143，基尔，德国 * 通讯作者：Oleg Lupan，oleg.lupan@mib.utm.md，Vasile Postica，vasile.postica@mib.utm.md 收到：04. 03. 2020 接受：05. 11. 2020 摘要。由于纳米传感器在气体传感领域的商业化尚处于起步阶段，因此人们做出了许多努力来开发有效的方法来提高其性能。特别关注的是使用不同策略提高基于单个微米或纳米结构的气体纳米传感器的灵敏度和选择性。在这项工作中，重点介绍和总结了摩尔多瓦技术大学纳米技术和纳米传感器中心与德国基尔大学合作的研究小组在高性能气体纳米传感器领域取得的最新成果。使用聚焦离子束/扫描电子显微镜 (FIB/SEM) 仪器将基于氧化锌的准一维 (1-D) 和三维 (3-D) 单个混合结构集成到纳米装置中。结果表明，单个 ZnO 结构的混合可显著提高气体响应，并改变对挥发性有机化合物和氨的选择性。具体来说，通过用 ZnAl2O4 纳米粒子进行表面功能化，氢气响应增加了约 2 倍，而分别用 Fe2O3 纳米粒子或巴克敏斯特富勒烯 (C60) 和碳纳米管 (CNT) 进行表面功能化，对乙醇蒸气和氨的选择性发生了变化。所获得的结果为通过使用具有增强的协同催化行为和势垒操纵的混合纳米材料系统合理设计气体纳米传感器提供了新途径。关键词：混合材料、纳米传感器、气体传感器、ZnO、室温。介绍纳米技术通过整合自下而上的方法而迅速发展，为基于纳米材料的高性能设备制造带来了真正的革命
遥感中的支持向量机：综述
人们不断提出和评估各种用于分析机载和卫星图像的方法。在本文中，我们回顾了支持向量机 (SVM) 的遥感实现，这是一种很有前途的机器学习方法。由于近年来发表的著作数量呈指数级增长，因此这次回顾非常及时。SVM 在遥感领域特别有吸引力，因为它们即使在有限的训练样本下也能很好地概括，这是遥感应用的常见限制。但是，它们也存在参数分配问题，这会严重影响获得的结果。提供了一百多篇已发表著作（截至 2010 年 4 月）各种应用的实证结果摘要。我们希望这次调查将为 SVM 的未来应用和可能的算法增强领域提供指导。© 2010 国际摄影测量与遥感学会 (ISPRS)。由 Elsevier B.V. 出版。保留所有权利。