XiaoMi-AI文件搜索系统
World File Search System检测技术
使用卷积神经网络进行脑肿瘤检测技术的建议方法
摘要：脑肿瘤是由脑组织细胞不规则生长而成的颅内肿块。医学影像在发现和检查器官的精确功能方面起着至关重要的作用。利用深度学习的最新进展，物体检测的性能得到了显着提高。本文提出了一种基于卷积神经网络（CNN）架构模型的分类方法，用于从磁共振成像（MRI）图像中检测脑肿瘤。网络训练在原始数据集和增强数据集中进行。而整个脑部MRI图像被缩放以适合每个预训练CNN网络的输入图像大小。此外，在准确度、精确度、特异性、灵敏度和F1分数方面对所提出的模型与其他预训练模型进行了比较研究。最后，实验结果表明，无需数据增强，所提出的方法在分割率为80:20的情况下实现了96.35％的总体准确率。而添加数据增强功能可将相同分割率的准确率提高到 97.78%。因此，获得的结果证明了所提出的方法在协助专业人员进行自动医疗诊断服务方面的有效性。
从文献计量模式检测技术成熟度
摘要 对于行业和政府的决策者来说，根据易于获取的开源指标（例如出版物）识别新兴技术的能力非常重要。这项工作的科学贡献是提出了一种基于出版物数量检测新兴技术成熟度的机器学习方法。出版物数量的时间序列具有区分新兴技术和成长技术的普遍特征。我们根据这些特征训练了一个人工神经网络分类器（一种监督式机器学习算法），以预测任意技术的成熟度（新兴技术与成长技术）。通过由 22 种技术组成的训练集，我们对 6 种测试技术获得了 58.3% 到 100% 的分类准确率，平均准确率为 84.6%。为了提高分类器性能，我们用合成的时间序列技术生命周期曲线扩充了训练语料库，这些曲线是通过计算原始训练集中曲线的加权平均值形成的。在合成数据集上训练分类器可提高准确率，范围从 83.3% 到 100%，测试技术的平均准确率为 90.4%。我们的分类器的性能超过了文献中竞争的机器学习方法，后者报告的平均分类准确率最高仅为 85.7%。此外，与当前方法相比，我们的方法不需要专业知识来生成训练标签，并且可以自动化和扩展。
从文献计量模式检测技术成熟度
摘要 对于行业和政府的决策者来说，根据易于获取的开源指标（例如出版物）识别新兴技术的能力非常重要。这项工作的科学贡献是提出了一种基于出版物数量来检测新兴技术成熟度的机器学习方法。出版物数量的时间序列具有区分新兴技术和成长技术的普遍特征。我们根据这些特征训练了一个人工神经网络分类器（一种监督式机器学习算法），以预测任意技术的成熟度（新兴技术与成长技术）。通过由 22 种技术组成的训练集，我们对 6 种测试技术获得了 58.3% 到 100% 的分类准确率，平均准确率为 84.6%。为了提高分类器性能，我们用合成的时间序列技术生命周期曲线扩充了训练语料库，这些曲线是通过计算原始训练集中曲线的加权平均值形成的。在合成数据集上训练分类器可提高准确率，范围从 83.3% 到 100%，测试技术的平均准确率为 90.4%。我们的分类器的性能超过了文献中竞争的机器学习方法，后者报告的平均分类准确率最高仅为 85.7%。此外，与当前方法相比，我们的方法不需要专业知识来生成训练标签，并且可以自动化和扩展。
更广泛地利用故障检测技术来提高住宅暖通空调设备效率的障碍
本作品是作为美国政府机构赞助工作的记录而编写的。美国政府及其任何机构、其任何雇员、其任何承包商、分包商或其雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或任何第三方的使用或此类使用的结果做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构、其承包商或分包商对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构、其承包商或分包商的观点和意见。
边缘检测技术与...的比较研究
MRI 之所以能利用单个原子核的磁性，是因为图像处理现在是医学等许多生活方面的重要阶段。图像处理使用数学运算符来分析和处理数字图片。边缘检测是此过程中的关键阶段。这两组特征都将图片的数据描述为图像处理的输入。当图片出现突然的不连续性时，边缘检测就是识别和检测分隔它们的线的行为（L. Han, Y. 2020）。像素强度不连续性描述了图片中项目之间的边界。边缘检测几乎普遍使用一种运算符（二维滤波器），该运算符对图片中的大梯度敏感，同时在均匀区域返回零值。边缘检测运算符的数量惊人，每个运算符都针对检测某些类型的边缘进行了优化。边缘方向、噪声环境和边缘结构都是选择边缘检测运算符时要考虑的因素。灰度值的不连续性使边缘具有独特的外观。这意味着边缘表示一个项目结束而另一个项目开始的点。许多因素都会影响图像边缘的外观，包括：数字图像的亮度在某些点突然波动，并且对象的几何和光学特征以及边缘识别的数学算法用于识别这些点（或换句话说，具有不连续性）。近年来，研究人员对此产生了关注（R. Bausys，2020 年；M. Ravi Kumar 等人，2020 年；P. Kanchanatripop 和 D. Zhang，2020 年；SKT Hwa，2020 年；S. Bourouis、R. Alroobaea，2020 年；ZH Naji，2020 年；AK Bharodiya 和 AM Gonsai，2019 年；J. Mehena，2019 年）。
将机器学习异常检测技术应用于美国海军太空系统运营
估计此信息收集的公共报告负担平均为每份回应 1 小时，包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查此信息收集的时间。请将有关此负担估计或此信息收集的任何其他方面的评论（包括减轻此负担的建议）发送至国防部华盛顿总部服务处信息行动和报告局 (0704-0188)，地址：1215 Jefferson Davis Highway, Suite 1204, Arlington, VA 22202-4302。受访者应注意，尽管法律有其他规定，但如果信息收集未显示当前有效的 OMB 控制编号，则任何人均不会因未遵守信息收集而受到任何处罚。请不要将您的表格寄回上述地址。
阿尔茨海默病检测技术和方法
与阿尔茨海默病 (AD) 相关的大脑病理变化可以通过神经影像学测量。在过去的几年中，这些测量方法在分类框架的帮助下迅速融入到阿尔茨海默病 (AD) 的特征中，这些分类框架为诊断和预后提供了工具。这是一项基于神经影像学和认知障碍分类的阿尔茨海默病综述研究。这项工作是对 AD 领域特别是计算机辅助诊断领域已发表工作的系统综述。成像方式包括 1) 磁共振成像 (MRI) 2) 功能性 MRI (fMRI) 3) 扩散张量成像 4) 正电子发射断层扫描 (PET) 和 5) 淀粉样蛋白-PET。研究表明，基于特征的分类标准在诊断疾病方面显示出良好的效果，并有助于临床进展。用于 AD 诊断的最广泛使用的机器学习分类器包括支持向量机、贝叶斯分类器、线性判别分析和 K-最近邻以及深度学习。研究表明，深度学习技术和支持向量机在阿尔茨海默病的识别方面具有更高的准确性。本文还讨论了可能面临的挑战以及未来的发展方向。DOI：10.9781/ijimai.2021.04.005
基于多维结构特征的硬件木马检测技术
具体来说， Oya 等人 [ 3 ] 总结了 9 种木马特征并对 每种特征赋予特定的分值，通过分值的高低来确定 是否存在硬件木马。但该文并未阐述这些特征的性 质及与硬件木马触发机制的联系。 Yao 等人 [ 4 ] 基于 数据流图提出 4 种硬件木马特征，利用硬件木马特 征匹配算法来检测硬件木马，并形成了检测工具 FASTrust 。然而基于数据流图的木马特征构建方 法是从寄存器层面进行的，大量的组合逻辑被忽略， 误识别率较高。 Hasegawa 等人 [ 5 ] 提出了 LGFi, FFi, FFo, PI, PO 等 5 种硬件木马特征，并利用支持向量 机算法来训练并识别木马节点，然而在训练集中， 硬件木马特征集较少，训练集分布并不平衡，即便 是采用动态加权的支持向量机依然存在较大的误识 别情况。 Chen 等人 [ 6 ] 计算待测电路中两级 AONN 门 的分数，认为分数较高的门是硬件木马。该方法对 单触发型硬件木马有效，然而对于多触发条件的硬 件木马无能为力，且未考虑有效载荷电路及其功能。
使用异常检测技术进行机队健康监测
1 ONERA DTIS，图卢兹大学，图卢兹，法国；luis.basora@onera.fr (L.B.); paloma.bry@protonmail.com (P.B.); xavier.olive@onera.fr (X.O.)2 荷兰皇家航空公司，邮政信箱 7700，1117 ZL Schiphol，荷兰，Floris.Freeman@klm.com (F.F.)* 通信地址：luis.basora@onera.fr † 当前地址：2 avenue Édouard Belin, 31055 Toulouse CEDEX 4, France.‡ 这些作者对本作品的贡献相同。
平面内热波热成像作为飞机机身面板紧固件的数字检测技术
摘要：航空工业中铝接头紧固件的检查是一项耗时且成本高昂但却是强制性的任务。直到今天，肉眼手动检查程序仍无法对损坏行为进行时间跟踪或对不同检查进行客观比较。数字检查方法解决了这两个方面的问题，同时大大缩短了检查时间。这项工作的目的是开发一种基于平面热波热成像和板状结构热不规则干扰分析的数字化自动化检查方法。为此，进行了超声锁相热成像和扫描激光多普勒振动测量的比较研究，并在一个可维修的飞机机身面板上对所有三种方法进行了基准测试。所提供的数据证实了使用所讨论的方法检测和鉴定铝制飞机机身面板中的沉头铆钉和螺钉的可行性。结果建议采用一种完全自动化的检查程序，该程序结合了不同的方法，并进行了一项研究，研究了更多的样本，以建立指示完好和损坏的紧固件的阈值。