XiaoMi-AI文件搜索系统
World File Search System池化
对乘用车市场不同电池化学的技术经济分析
摘要：全球市场上电池电动汽车的引入引发了汽车行业的持续动荡。在此过程中，电池电力功率的新属性导致了不同的中心要求，例如增加车辆电池的范围，寿命或快速充电能力。本文开发了一种自下而上的系统模型，以评估不同电池技术对车辆成本的当前和未来影响。为此，它总结了汽车电池化学的科学发现，并在新颖的专家访谈和拆除数据中倾斜，为它们提供了关键值。基于获得的数据，进行建模以证明已识别细胞化学的技术和经济适用性及其对电动汽车范围和总成本的影响。磷酸锂电池在小型车段中似乎可以在小型车段中节省高达21％的价格，前提是客户准备接受减少范围。同时，动力总成的进一步提高使我们期望，与未来的高能电池相结合，即使在中型车辆段中也可以达到超过800公里的范围。事实证明，根据车辆的焦点是成本，范围还是性能，将来可能会使用不同的电池技术。
多任务自适应池化使低分辨率表观转录组中跨组织、类型和物种的 RNA 修饰协同学习成为可能
宋逸游毕业于西交利物浦大学，获理学学士学位，现为利物浦大学计算机系博士生，研究方向为生物信息学和深度学习。王悦毕业于西交利物浦大学，获理学学士学位，现为利物浦大学计算机系博士生，研究方向为生物信息学、生物统计学和数据挖掘。王宣毕业于西交利物浦大学，获理学学士学位，现为西交利物浦大学生物科学系硕士生，研究方向为生物信息学和数据库。黄岱云毕业于利物浦大学，获博士学位，现为西交利物浦大学药学院研究助理，研究方向为深度学习、生物信息学和计算生物学。阮安是利物浦大学计算机科学系助理教授。他的研究领域为医学成像、医疗机器人和深度学习。孟佳是西交利物浦大学生物科学系的教授。他的工作重点是表观转录组、生物信息学和计算生物学。
使用深度卷积神经网络和全局平均池化对脑 MRI 图像中的肿瘤进行分类
摘要：如果检测不准确，脑肿瘤会引起严重的健康并发症并导致死亡。因此，早期检测脑肿瘤并准确分类脑肿瘤类型在诊断中起着重要作用。最近，基于深度卷积神经网络 (DCNN) 的方法使用脑磁共振成像 (MRI) 图像在检测和分类任务中表现出色。然而，DCNN 架构的准确性取决于数据样本的训练，因为它需要更精确的数据才能获得更好的输出。因此，我们提出了一种基于迁移学习的 DCNN 框架来对脑肿瘤进行分类，例如脑膜瘤、神经胶质瘤和垂体瘤。我们使用预先训练的 DCNN 架构 VGGNet，该架构之前已在大型数据集上进行训练，并用于将其学习参数迁移到目标数据集。此外，我们还采用了迁移学习方面，例如微调卷积网络并冻结卷积网络的各层以获得更好的性能。此外，此方法在输出端使用全局平均池化 (GAP) 层来避免过度拟合问题和梯度消失问题。在 Figshare 数据集上对所提出的架构进行了评估，并与基于深度学习的竞争性脑肿瘤分类方法进行了比较。我们提出的方法产生了 98.93% 的测试准确率，并且优于当代基于学习的方法。
利用可学习的 3D PE 加权池化对阿尔茨海默病诊断进行高效训练
摘要：三维卷积神经网络 (3D CNN) 已广泛应用于分析阿尔茨海默病 (AD) 脑图像，以更好地了解疾病进展或预测从认知障碍 (CU) 或轻度认知障碍状态的转变。众所周知，由于医学成像领域的样本量较小，训练 3D-CNN 的计算成本很高，并且有可能过度拟合。在这里，我们提出了一种新颖的 3D-2D 方法，通过使用可学习加权池化 (LWP) 方法将 3D 脑图像转换为 2D 融合图像，以提高训练效率并保持可比的模型性能。通过 3D 到 2D 的转换，所提出的模型可以轻松地通过预先训练的 2D 模型转发融合的 2D 图像，同时在不同的 3D 和 2D 基线上实现更好的性能。在实施过程中，我们选择使用 ResNet34 进行特征提取，因为它的表现优于其他 2D CNN 主干。我们进一步表明，切片的权重与位置有关，模型性能取决于 3D 到 2D 融合视图，冠状视图的结果最佳。与传统的 3D CNN 相比，使用新方法，我们能够减少 75% 的训练时间，并将准确率提高到 0.88，使用公开的阿尔茨海默病神经影像计划数据集对 CU 参与者的 AD 患者的淀粉样蛋白 PET 成像进行分类。这种新颖的 3D-2D 模型可能对未来在临床环境中及时诊断 AD 具有深远的影响。
替代电池化学和多样化清洁能源......
制造业的快速发展，在更广泛的经济增长中继续快速增长。目前，这些材料的产量不足以满足预计的需求，现有的供应链容易出现集中化、不公平的劳工行为、环境不可持续以及日益严重的供应链控制地缘政治问题。不出所料，锂离子电池的价格很容易受到大宗商品相关波动的影响。例如，2019 年，俄罗斯开采了全球 21% 的一级镍（纯度足够高，可用于电动汽车电池），使其成为全球最大的上游生产国。2 俄罗斯入侵乌克兰并因此受到制裁后，对供应冲击的担忧是导致伦敦金属交易所大幅波动的主要原因，导致价格在一天内上涨了 250%，这表明欠发达的金属市场存在固有的风险。3 在其他条件相同的情况下，这些挑战可能会阻碍紧急部署存储解决方案以支持净零目标。
基于深度第二代小波自动编码器的曲波池化脑病理分类
神经系统疾病代表与人类神经系统相关的异常。它们还包含中枢神经系统、脊髓或大脑的生化、解剖或电改变。这些疾病会引发不同的症状。及早诊断此类变化对于治疗是必要的，目的是限制疾病进展。本文介绍了一种精确的 CAD 系统来对脑 MRI 进行分类，该系统克服了模式分类中的关键问题，例如在训练阶段提取某些特征。我们的贡献是融合第二代小波 (SGW) 网络和深度学习架构，从而提出了用于模式分类的新型监督特征提取方法。我们的新型架构允许通过重建深度堆叠的第二代小波自动编码器来对数据集类别进行分类。将曲波池化 (CP) 与 Adam 梯度计算方法相结合可以提高自动编码器的准确性。在本研究中，我们利用 Haar 曲线波 (CurvPool-AH) 和 Shannon 曲线波 (CurvPool-AS) 构建了 Adam CP。该网络可以通过多个 SGW 自动编码器实现，最终在最后一层使用一个 Softmax 分类器。我们还发现 CurvPool 表现相当不错
电池化合物的制造。增加生产
actiflow散装固体激活剂Actiflow™散装固体激活剂是一种没有产品接触零件的设备，可可靠地防止流动较差和凝聚力材料在重量中损失的馈线中桥接。这个智能系统将温和的振动散发到料斗墙上，以最佳的振幅和频率小心地激活内部的散装材料。Actiflow控制模块与KCM馈线控制器连续通信，以实现料斗中的最佳材料流并保持非常高的馈线精度。
锂离子电池化学成分的比较分析...
本报告是由美国政府某个机构资助的工作报告。美国政府及其任何机构、巴特尔纪念研究所或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，或承担任何法律责任或义务，或保证其使用不会侵犯私有权利。本文中对任何特定商业产品、流程或服务的商品名、商标、制造商或其他方面的引用并不一定构成或暗示美国政府或其任何机构或巴特尔纪念研究所对其的认可、推荐或支持。本文中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的观点和意见。
使用子图池化改进逻辑公式的图神经网络表示
深度学习与自动定理证明相结合的最新进展主要集中在将逻辑公式表示为深度学习系统的输入。特别是，人们对采用结构感知神经方法来处理逻辑表达式的底层图形表示的兴趣日益浓厚。虽然基于图形的方法比字符和标记级方法更有效，但它们通常会做出表示权衡，从而限制其捕获输入的关键结构属性的能力。在这项工作中，我们提出了一种嵌入逻辑公式的新方法，旨在克服先前方法的表示限制。我们的架构适用于不同表达能力的逻辑；例如，一阶和高阶逻辑。我们在两个标准数据集上评估了我们的方法，并表明所提出的架构在前提选择和证明步骤分类方面都实现了最先进的性能。