XiaoMi-AI文件搜索系统
World File Search System断机
撤回：癌症诊断机器学习模型的比较分析
“作者由于提交中的某些错误和错误，包括数据分析和权限，需要纠正。撤回手稿的主要原因是由于缺乏对执行工作的人的信用。审查了手稿后，我们决定在提交之前将其提取以进行必要的修订。因此，作者不希望将这项工作作为项目的参考。如果您有任何疑问，请联系相应的作者。”
电源电子学异常检测和诊断机器学习和深度学习方法：调查
电力电子与电子电路的概念，调节和利用有关，以熟练地管理和转换电能。电力电子设备在维持复杂生产系统的可靠性，效率和安全性方面起着至关重要的作用。此外，在可再生能源系统，电动汽车和工业自动化等各种应用中越来越重要。但是，由于信息和通信技术的整合，现代电力电子系统易受网络和物理异常的影响。到目前为止，已经使用了不同的方法来检测异常。本调查概述了使用机器学习和深度学习方法在电力电子中的最新目的。它突出了这些技术在解决电力电子系统日益增长的复杂性和脆弱性方面的潜力。
SmartCooper：自适应融合和判断机制的车辆协作感知
摘要 - 近年来，自动驾驶通过连接和自动驾驶汽车（CAVS）的协作感知来提高道路安全性的潜力，引起了人们的关注。然而，车辆传输环境中的时变频道变化需要传播资源分配。此外，在协作感知的背景下，重要的是要认识到并非所有骑士都贡献有价值的数据，而某些CAV数据甚至对协作感也有害影响。在本文中，我们介绍了SmartCooper，这是一个自适应的合作感知框架，该框架结合了通信优化和判断机制，以促进CAV数据融合。我们的方法始于在考虑通信限制的同时优化车辆的连通性。然后，我们训练一个可学习的编码器，以基于通道状态信息（CSI）动态调整压缩比。子分子，我们设计了一种判断机制来过滤由自适应解码器重建的有害图像数据。我们评估了我们在OpenCood平台上提出的算法的有效性。我们的结果表明，与非判断力计划相比，通信成本大幅降低了23.10％。与最先进的方案相比，我们对联合（AP@iou）的平均交叉点（AP@iou）的平均精度有了显着提高。