XiaoMi-AI文件搜索系统
World File Search System算机
可编程逻辑控制器中计算机视觉算法的性能评估：工业案例研究
摘要：这项工作评估了Phoenix Contact的PLCNEXT生态系统的可编程逻辑控制器（PLC）作为图像处理平台。plcnext控制器提供了“经典”工业控制器的功能，但它们基于Linux操作系统，还允许使用通常与计算机关联的软件工具。使用OPENCV库中Python编程语言中的视觉处理应用程序在PLC中使用此功能实现。这项研究的重点是评估该PLC作为图像处理平台的使用，尤其是用于工业机器视觉应用。该方法基于使用标准图像处理算法将PLC与计算机的性能进行比较。此外，还提供了基于现实情况下的示范应用程序，以通过视觉检查进行质量控制。得出的结论是，尽管处理能力有重大限制，但同时将PLC用作工业控制器和图像处理平台对于低复杂性和不符合周期时间的应用是可行的，为对工业自动化和计算机视觉技术的融合感兴趣的科学社区提供了宝贵的见解和基准。
Sightsense：增强对盲人的视野，在其中，声音用计算机视觉和语音绘制世界
摘要 - 数据科学和机器学习已证明在包括教育在内的许多行业中都非常重要和有效。计算系统能够通过机器学习（人工智能的一部分）从数据学习和得出结论。通过数据挖掘和机器学习技术评估教育数据来预测学生成就的评估系统已由教育领域的最新发展引入。评估学生绩效是影响机构认证的重要教育指标。大学应使用咨询来为成绩不佳制定绩效改进计划，以解决这一问题。预测学术成就已成为众多教育机构的关键目标。帮助高风险的学生，确保他们留在学校，提供出色的学习材料以及提高大学的地位和声誉，这都取决于这一点。中小型大学可能会发现很难实现这一目标，尤其是当他们专注于研究生和研究生课程并缺乏可用于研究的学生数据时。该项目的主要目标是证明训练和建模微型数据集并产生具有合理准确性水平的预测模型是可行的。这项研究还介绍了如何使用可视化和聚类方法来在有限的数据集中找到重要的迹象。为了找到最准确的模型，许多机器学习算法接受了最佳指标培训。调查结果表明，可以使用聚类技术成功识别小型数据集中的关键指标
QUILT：使用多种量子分类器集合在量子计算机上进行有效的多类分类
介绍问题动机。量子算法已经在化学、密码学、机器学习和优化领域得到了发展（Lu 等人 2019 年；Shor 1999 年；Tiwari 和 Melucci 2019 年；Khairy 等人 2020 年）。一类称为量子变分算法的算法被设计用于优化和执行量子机器学习和分类工作负载（Benedetti 等人 2019 年）。虽然理论上很有希望，但现有的量子机器学习分类器是为未来大规模理想量子系统设计的。这是因为由于严重的硬件错误，在现有的近期中型量子 (NISQ) 计算机上加载数据、训练和测试样本具有挑战性（Schuld 和 Killoran 2019a；Jurcevic 等人 2021 年；Preskill 2018 年）。因此，现有的量子分类器已被证明仅对相对简单的二元分类任务有效（Schuld、Fingerhuth 和 Petruccione 2017；Grant 等人 2018）。正如我们的评估所证实的，现有的最先进方法对于多类分类无效（例如，八类图像分类的准确率不到 30%）。目前，缺乏在真实量子机器上执行多类分类任务的能力以供探索和改进。贡献。Quilt 通过向社区开源其框架和数据集，以便在 NISQ 量子机器上进行多类分类，专门弥补了这一空白。Quilt 做出了以下主要贡献：（1）Quilt 背后的一个关键思想是构建一组量子分类器来执行多类分类。
评论文章 利用代谢模型实现药物研发中计算机筛选的常规应用
目前，开发用于癌症治疗的新型有效药物不仅受到开发成本、药物疗效和药物安全性等因素的阻碍，而且癌症耐药性的迅速出现也阻碍了这一进程。因此，需要新的工具来研究癌症的潜在机制。在这里，我们讨论了当前使用代谢建模方法来识别癌症特异性代谢并寻找可能的新药物靶点和可重新利用的药物。此外，我们列出了重建癌症特异性模型所需的宝贵资源，这些资源是通过使用模型构建算法将各种可用数据集与基因组规模的代谢重建相结合而获得的。我们还讨论了如何使用基因必要性分析来确定新的药物靶点（一种在特定条件下（例如癌症）预测必需基因的计算机模拟方法），以及如何通过合成致死率研究建议副作用较小的药物组合，使癌症患者受益匪浅。
一种用于限制运动对齐的新技术，无计算机辅助设备的总膝关节置换术
运动学一致性总膝关节置换术（KA-TKA）旨在恢复自然的肢体比对和关节线倾斜，从而提高患者满意度。限制的KA-TKA（RKA-TKA）解决了异常的膝盖解剖学，并试图在安全对齐边界内复制自然解剖结构。这项研究引入了一种新型的设备和技术，该技术和技术可以无需计算机辅助手术（CAS）即可进行RKA-TKA。新设备允许精确的软骨厚度测量和截骨角度的调整，从而促进准确的比对。提出了一种用于胫骨截骨术的高跟力技术，提供了一种可再现的方法来确定截骨术的体积和角度。这些创新使KA和RKA-TKA在任何手术环境中都可行，避免了与CAS相关的高成本和有限的可用性。
QUILT：使用多种量子分类器集合在量子计算机上进行有效的多类分类
介绍问题动机。量子算法已经在化学、密码学、机器学习和优化领域得到了发展（Lu 等人 2019 年；Shor 1999 年；Tiwari 和 Melucci 2019 年；Khairy 等人 2020 年）。一类称为量子变分算法的算法被设计用于优化和执行量子机器学习和分类工作负载（Benedetti 等人 2019 年）。虽然理论上很有希望，但现有的量子机器学习分类器是为未来大规模理想量子系统设计的。这是因为由于严重的硬件错误，在现有的近期中型量子 (NISQ) 计算机上加载数据、训练和测试样本具有挑战性（Schuld 和 Killoran 2019a；Jurcevic 等人 2021 年；Preskill 2018 年）。因此，现有的量子分类器已被证明仅对相对简单的二元分类任务有效（Schuld、Fingerhuth 和 Petruccione 2017；Grant 等人 2018）。正如我们的评估所证实的，现有的最先进方法对于多类分类无效（例如，八类图像分类的准确率不到 30%）。目前，缺乏在真实量子机器上执行多类分类任务的能力以供探索和改进。贡献。Quilt 通过向社区开源其框架和数据集，以便在 NISQ 量子机器上进行多类分类，专门弥补了这一空白。Quilt 做出了以下主要贡献：（1）Quilt 背后的一个关键思想是构建一组量子分类器来执行多类分类。
量子自洽运动方程法用于在量子计算机上计算分子激发能、电离势和电子亲和力
为了估计嘈杂的中尺度量子 (NISQ) 时代设备上的分子基态特性，基于变分量子特征求解器 (VQE) 的算法因其相对较低的电路深度和对噪声的抵抗力而广受欢迎。9,10 这导致了一系列成功的演示，涉及在当今的量子设备和模拟器上计算小分子的分子基态能量。4,6,11 – 22 然而，仅仅估计分子基态能量不足以描述许多涉及某种形式的电子激发的有趣化学过程。23 例如，准确模拟化学现象，如光化学反应、涉及过渡金属配合物的催化过程、光合作用、太阳能电池操作等，需要准确模拟分子基态和激发态。此类系统的电子激发态通常具有很强的相关性，因此需要使用复杂的量子化学理论来准确描述它们。在过去的几十年里，在这方面已经开发了许多方法。 24 – 32 运动方程耦合团簇 (EOM-CC) 26 方法最初由 Stanton 和 Bartlett 开发，是一种常用的例子，通常用于计算分子激发态特性，例如激发能
原创文章 术中计算机断层扫描仪在现代神经外科手术中的作用——早期经验
然而，导航的重大限制在于假设大脑和颅骨是刚性结构[6,5,23]，但在手术过程中，由于 Kelly 等人 [8] 在 1986 年描述的脑移位现象，这限制了外科医生在术前图像和术中解剖结构之间能够实现的关联。 [14] 这是由于脑组织扭曲造成的，有几项研究记录了脑组织的手术操作、组织肿胀和脑脊液流失以及脑牵开器的使用 [4,13,17] 是造成这种与时间相关的动态时空事件的原因。 [25] 这会导致导航系统中的图像不正确，并可能使手术不准确。 脑移位现象可能发生在皮层和深层脑结构中 [5]，这可能导致大脑重要区域的损伤，例如在胶质瘤手术中。 [28] 外科界尚未就导航本身是否能够改善手术结果达成共识，但认识到需要一个更准确的解决方案，而这一解决方案可以通过术中成像方式提供的实时图像来解决。
juniq - Jülich统一基础架构用于量子计算
•均匀门户用于访问量子计算机模拟器和量子计算机技术的不同级别的成熟度•开发量子算法，协议，工具和原型用例用例•用户支持和QC使用中的用户支持和培训
引用：Fletcher‑Sandersjöö A、Tatter C、Yang L 等。轻度脑外伤后计算机断层扫描病变检测的斯德哥尔摩评分
摘要 简介 轻度创伤性脑损伤 (mTBI) 是急诊科 (ED) 就诊的最常见原因之一。一部分 mTBI 患者会出现颅内病变，可能需要医疗或手术干预。对于这些患者，快速诊断和治疗至关重要。已制定了多项指南来帮助指导 mTBI 患者进行头部 CT 扫描，但这些指南缺乏特异性，没有考虑风险因素之间的相互作用，也没有提供个体化的颅内病变风险评估。本研究的目的是建立一个模型，用于评估到急诊科就诊的 mTBI 患者的个体化颅内病变风险。 方法与分析 这将是一项回顾性队列研究，在瑞典斯德哥尔摩的急诊科医院进行。符合条件的患者是受伤后 24 小时内到急诊科就诊并进行了 CT 扫描的 mTBI 成年人 (≥15 岁)。主要结果是头部 CT 上的创伤性病变。次要结果将是任何具有临床意义的病变，定义为导致神经外科干预、因 TBI 住院 ≥48 小时或因 TBI 死亡的颅内发现。机器学习模型将用于创建预测主要和次要结果的分数。估计将包括 20 000 名患者。伦理与传播 该研究已获得瑞典伦理审查局 (Dnr: 2020- 05728) 的批准。研究结果将通过同行评审的科学出版物和国际会议演讲进行传播。试验注册号 NCT04995068。