XiaoMi-AI文件搜索系统
World File Search System施普林
基于微机械侧的折射率传感器 - 奥西奇tomasz：孔光纤，光电评论，施普林格，第1卷。 33，不。 1，2025，p
本文介绍了使用激光微机械侧孔光纤（S-H）的基于强度的折射率（RI）传感器。为了实现这一目标，将微腔切成S-H的侧面表面，从而可以进入其结构内的一个空气孔。然后将几何修饰的纤维在两端连接到单模纤维，以在包含超脑激光器和光学信号分析仪的系统中进行结构研究。在下一步中，将浸入液施加到微型腔内的RI值，范围为1.30至1.57，增量为0.02。功率损失测量。基于获得的结果，可以得出结论，RI传感器已成功地开发了生物化学中的潜在应用。
参考文献：Muddamsetty, SM、Jahromi, MNS 和 Moeslund, TB (2021)。对医学领域的解释性人工智能（XAI）方法的专家级评估。在 A. Del Bimbo、R. Cucchiara、S. Sclaroff、GM Farinella、T. Mei、M. Bertini、HJ Escalante 和 R. Vezzani (Eds.) 的《模式识别》中。 ICPR 国际研讨会和挑战（第 12663 卷，第 35-46 页）。施普林格出版公司。 https://doi.org/10.1007/978-3-030-68796-0_3
摘要。最近出现的可解释人工智能 (XAI) 领域试图以人类可以理解的术语阐明“黑箱”机器学习 (ML) 模型。随着多种解释方法的开发以及黑箱模型的不同应用，需要专家级评估来检查其有效性变得不可避免。这对于敏感领域（例如医疗应用）非常重要，因为专家的评估对于更好地了解复杂 ML 的结果的准确性以及在必要时调试模型至关重要。本研究的目的是通过实验展示如何利用医疗应用中的专家级 XAI 方法评估并将其与临床医生生成的实际解释保持一致。为此，我们从配备眼动仪的专家受试者那里收集注释，同时他们对医学图像进行分类，并设计一种方法将结果与从 XAI 方法获得的结果进行比较。我们通过多个实验证明了我们方法的有效性。
Kerdvibulvec, C. 和 Chen, L. (2020)。新冠疫情期间增强现实和人工智能的力量。在 C. Stephanidis、M. Kurosu、H. Degen 和 L. Reinerman-Jones (Eds.) 中，HCI International 2020 - 最新论文：多模态和智能：第 22 届 HCI 国际会议，HCII 2020，丹麦哥本哈根，2020 年 7 月 19-24 日，会议录 (第 12424 卷，第 467-476 页)。（计算机科学讲义（包括人工智能讲义和生物信息学讲义子系列）；第 12424 卷 LNCS）。施普林格国际出版公司。 https://doi.org/10.1007/978-3-030-60117-1_34 阿尔斯特大学研究门户中的出版记录链接
摘要。由严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 引起的 Covid-19 疫情给世界各地的科学界，包括计算机科学界带来了许多重大挑战。与此同时，随着社交媒体和智能手机在世界各地连通性的提高，计算机科学的兴起，增强现实 (AR) 和人工智能 (AI) 领域最近发展非常迅速。增强现实是一个新兴的物理场景领域，其中物理世界中的事物与虚拟世界混合在一起，而人工智能是一个流行的领域，用于机器模拟人类智能，即被编程为像人类一样观察、思考和理解。本文介绍了 Covid-19 疫情期间增强现实和人工智能的最新发展。首先，我们重点介绍一下最近使用增强现实应对 Covid-19 危机的工具。例如，我们回顾了基于增强现实的用于检测病毒症状的热成像眼镜，以及增强现实在教育任务中的方法，这些方法可以帮助人们有效地克服隔离，进行在线学习。其次，我们讨论了最近使用人工智能智能抗击 Covid-19 大流行的工具的概述。我们的讨论包括用于近似和让人们为预防病毒做好准备的人工智能方法，使用非线性回归网络 (NAR) 预测病毒的大小、长度和结束时间的 Covid-19 疫情预测方法，以及用于估计致命病毒爆发趋势的易感-暴露-感染-移除 (SEIR) 模型。最后，我们提出了增强现实和人工智能之间的优势和有希望的未来整合，以解决 Covid-19 危机后的研究问题。