XiaoMi-AI文件搜索系统
World File Search System空中的
基于视觉的导航系统使卫星能够接近或避开太空中的其他物体
GNC 测试设施的 Joris Belhadj 补充道：“实验室的模型卫星（称为 BlackGEO）的制造包含了地球静止卫星地形的典型元素，并采用了包括多层绝缘和太阳能电池在内的典型卫星表面材料，以增强其光学代表性。这颗卫星也是由 Blackswan 根据 ESA 合同生产的，我们实验室的任何客户现在都可以使用它。”
逻辑机动：检测和缓解太空中的对抗性硬件故障
摘要 — 卫星极易受到太空中敌对故障或高能辐射的影响，这可能导致机载计算机出现故障。过去几十年来，人们探索了各种辐射和容错方法，例如纠错码 (ECC) 和基于冗余的方法，以缓解软件和硬件上的临时软错误。然而，传统的 ECC 方法无法处理硬件组件中的硬错误或永久性故障。这项工作引入了一种基于检测和响应的对策来处理部分损坏的处理器芯片。它可以从永久性故障中恢复处理器芯片，并利用芯片上可用的未损坏资源实现连续运行。我们在目标处理器的芯片上加入了基于数字兼容延迟的传感器，以便在发生故障之前可靠地检测到芯片物理结构上的传入辐射或故障尝试。在检测到处理器算术逻辑单元 (ALU) 的一个或多个组件出现故障后，我们的对策采用自适应软件重新编译来重新合成受影响的指令，并用仍在运行的组件的指令替换这些指令，以完成任务。此外，如果故障范围更广，并妨碍了整个处理器的正常运行，我们的方法将部署自适应硬件部分重新配置来替换故障组件并将其重新路由到芯片的未损坏位置。为了验证我们的说法，我们在 28 nm FPGA 上实现的 RISC-V 处理器上部署了高能近红外 (NIR) 激光束，通过部分损坏 FPGA 结构来模拟辐射甚至硬错误。我们证明我们的传感器可以自信地检测到辐射并触发处理器测试和故障恢复机制。最后，我们讨论了我们的对策带来的开销。
2306-英国航空中的氢用途 - 最终副本脚踏到地球全蒸汽向前
为具体性，该报告评估了正在考虑的提案之一（由欧盟和日本提出），该提案将引入海上燃料的温室气体强度标准。根据该标准，船舶运营商消耗的每单位燃料的平均生命周期排放量必须降至预定的阈值以下，随着时间的流逝，这将变得越来越严格。这种性质的政策旨在支持利益相关者的长期计划并促进对清洁燃料技术的投资；已经实施了排放标准，以涵盖德国，瑞典和加拿大国家以及美国许多州的国家一级的公路运输。在欧盟，Fueleu海事法规对运输运营商的排放强度标准施加了往返欧盟港口的航行。
太空中的分布式卷管理
摘要 - 本文解决了基于延迟耐耐受性网络（DTN）的分布式空间任务（DTN）的分布式空间任务的关键改进（SABR）标准（SABR）标准。侧重于卷管理，定义为有效地分配和利用网络联系人的数据传输能力，我们探索了分布式和计划的DTN的增强功能。我们的分析首先要识别和审查SABR框架内的卷管理中现有差距。然后，我们引入了一种新颖的概念所创造的接触分段，该触点细分简化了传输量的管理。我们的方法通过将先前独立的方法（例如有效体积限制（EVL），最早的传输机会（ETO）和排队 - 列表（QD）统一到单个程序中，均跨越了所有网络触点（初始和后续）。最后，我们提出了一个用于SABR中音量管理的精制通用接口，从而增强了系统的可维护性和灵活性。这些进步纠正了卷管理中的当前局限性，并为将来更具弹性和适应性的空间操作奠定了基础。索引条款 - 接触图路由，延迟耐耐净作品，计划 - 意识捆绑布路由
太空中的微生物
2019 年 7 月 25 日，微生物从佛罗里达州卡纳维拉尔角升空，前往距离地球约 400 公里的国际空间站。它们的任务是：大胆开采低地球轨道上的玄武岩，此前从未有生物开采过那里的玄武岩。 起飞五天后，宇航员卢卡·帕米塔诺 (Luca Parmitano) 打开装有微生物的盒子，并将其放入培养箱中。细菌被注入液体生长培养基和冰岛玄武岩，地球上的实验者希望从中提取有价值的稀土元素 1 。当帕米塔诺这位驻扎在德克萨斯州休斯顿的欧洲航天局宇航员想到微生物时，他主要担心的是它们会如何伤害他，以及如何防止它们污染月球等没有生命的环境。但随着航天机构将目光投向空间站的低地球轨道之外，
航空中的空气源土壤粉尘危害-AMS期刊
摘要：机载矿物灰尘对航空构成了安全挑战。由于可见性降低，强烈的风和风剪，在尘埃空气中发生了几次致命事故。粉尘引起的糖霜也至少造成了两次致命事故。此外，由于飞机表面上的腐蚀和磨损以及发动机热截面组件的熔化降低，大气灰尘对飞机工作条件有长期和短期影响。联合影响可以增加运营和维护成本并增加所有权成本。尽管科学界已经开始根据大气尘埃建模和观察来准备和提供产品，但基本科学中仍然存在重要的数据和信息差距。其中包括（i）不足的数据，这些数据不足以了解灰尘对飞机以及地面系统和操作的影响（例如，尘埃矿物学的四维信息，成本 - 纤维纤维分析对航空沿着飞行路线的影响的成本效益分析）工作流程以及（iii）尘埃危害在法规和操作程序以及飞行员的培训，技能和知识基础中的不发达，不清楚或不存在的作用。本次审查针对的是学术和航空利益相关者，并在尘埃危害，航空安全的交汇处以及对飞行运营和飞机维护的影响方面介绍了最先进的知识。
宇航员在太空中的DNA会发生什么？
J. Sebastian Garcia-Medina, Karolina Sienkiewicz, S. Anand Narayanan, Eliah G. Overbey, Kirill Grigorev, Krista A. Ryon, Marissa Burke, Jacqueline Proszynski, Braden Tierney, Caleb M. Schmidt, Nuria Mencia-Trinchant, Remi Klotz, Veronica Ortiz, Jonathan Foox, Christopher Chin, Deena Najjar, Irina Matei, Irenaeus Chan, Carlos Cruchaga, Ashley Kleinman, JangKeun Kim, Alexander Lucaci, Conor Loy, Omary Mzava, Iwijn De Vlaminck, Anvita Singaraju, Lynn E. Taylor, Julian C. Schmidt, Michael A. Schmidt, Kelly Blease, Juan Moreno, Andrew Boddicker, Junhua Zhao, Bryan Lajoie, Andrew Altomare, Semyon Kruglyak, Shawn Levy, Min Yu, Duane C. Hassane, Susan M. Bailey, Kelly Bolton, Jaime Mateus, and Christopher E. Mason (2024) Genome and clonal hematopoiesis stability contrasts with immune, cfDNA，线粒体和端粒长度在短时间太空飞行中变化。精确临床医学。https://academic.up.com/pcm/article/7/1/pbae007/7642247
航空中的未来远见
欢迎进入第20版调查员，我们在其中探索关键主题，塑造了航空安全和调查的未来。随着航空的进步，我们必须努力应对新兴挑战并利用新技术来提高行业安全。此版本的特点是思想上的文章，内容涉及从航空安全的心理方面到人工智能和无人系统在事故调查中的作用。我们探索了人工智能在调查中识别盲点的使用，这标志着调查实践的变革性转变。此外，我们研究了航空的未来，重点是自主系统和城市空气流动性时代的安全。我们还讨论了太空碎片所带来的挑战，以及无人机在革新空气事故调查中所扮演的角色。其中一篇文章解决了航空中的创伤，心理健康和道德伤害等关键问题，强调了对全面支持系统的需求。另一个致力于突出人为因素，例如视觉扫描期间的盲目性和偏见，因为它继续挑战运营安全性。该版本包含了有关阿联酋托管的航空安全和飞机事故研讨会，第六次MENA飞机事故事故调查区域合作机构会议的摘要以及第四次区域飞机事故和事件调查组织合作平台会议，旨在增强事故调查中的合作。在一起，我们正在朝着航空业的更安全，更先进和有希望的未来发展。我想借此机会真诚地感谢我们的贡献者，读者以及热情地从事航空安全工作的专业专业人员。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析