XiaoMi-AI文件搜索系统
World File Search System自动识别
基于CNN网络的运动意图脑电信号自动识别（端到端）
摘要：基于运动的脑机接口 (BCI) 很大程度上依赖于运动意图的自动识别。它们还允许患有运动障碍的患者与外部设备进行通信。提取和选择判别特征通常会增加计算机的复杂性，这是自动发现运动意图的问题之一。这项研究介绍了一种利用脑电图数据自动对二类和三类运动意图情况进行分类的新方法。在建议的技术中，原始脑电图输入直接应用于卷积神经网络 (CNN)，而无需提取或选择特征。根据先前的研究，这是一种复杂的方法。建议的网络设计包括十个卷积层，后面是两个完全连接的层。由于其准确性高，建议的方法可用于 BCI 应用。
学习融合多个大脑功能网络以实现自闭症的自动识别
摘要：功能连接网络（FCN）已成为识别脑功能障碍（如自闭症谱系障碍（ASD））潜在生物标志物的常用工具。由于其重要性，研究人员提出了许多从静息态功能磁共振（rs-fMRI）数据估计FCN的方法。然而，现有的FCN估计方法通常仅捕获大脑感兴趣区域（ROI）之间的单一关系，例如线性相关、非线性相关或高阶相关，因此无法对大脑中ROI之间的复杂相互作用进行建模。此外，此类传统方法以无监督的方式估计FCN，并且估计过程独立于下游任务，这使得难以保证ASD识别的最佳性能。为了解决这些问题，本文提出了一种基于rs-fMRI的ASD分类多FCN融合框架。具体而言，对于每个受试者，我们首先使用不同的方法估计多个FCN，以从不同角度编码ROI之间的丰富相互作用。然后，我们使用标签信息（ASD 与健康对照 (HC)）来学习一组融合权重，以衡量这些估计的 FCN 的重要性/区分度。最后，我们将自适应加权融合 FCN 应用于 ABIDE 数据集，以从 HC 中识别出患有 ASD 的受试者。提出的 FCN 融合框架易于实现，与传统和最先进的方法相比，可以显著提高诊断准确性。
在未标记的相机陷阱图像中自动识别非洲豹子
摘要 - 本文介绍了一种解决现实世界动物识别问题的算法，即确定panthera提供的非标记的非洲豹图像数据集中的K单个动物数量未知数量。为了确定豹子的ID，我们提出了一种有效的自动化算法，该算法包括从图像中分割豹子体，对图像对之间的相似性和群集进行了分割，然后进行验证。要执行聚类，我们采用了修改的三元搜索，该搜索使用了新型的自适应K -Medoids ++聚类算法。最佳聚类是使用Silhouette分数的扩展定义确定的。使用新的聚类后验证程序用于进一步提高聚类的质量。使用Panthera数据集评估了该算法，该数据集由1555张图像中拍摄的677个单独的豹子组成，并通过基线K -Medoids ++聚类算法算法的0.864进行了调整后的共同信息评分，与0.864相比进行了聚类。
AI-Track-tive：使用计算机视觉（人工智能）自动识别和计算地面半轨迹的开源软件
摘要。本文描述并介绍了一种自动计数矿物中蚀刻裂变径迹的新方法。训练了深度神经网络和计算机视觉等人工智能技术来检测图像上的裂变表面半径迹。深度神经网络可用于名为“AI-Track-tive”的半自动裂变径迹测年的开源计算机程序。我们定制训练的深度神经网络使用 YOLOv3 对象检测算法，该算法是目前最强大、最快的对象识别算法之一。开发的程序成功地在显微镜图像中找到了大多数裂变径迹；然而，用户仍然需要监督自动计数。所提出的深度神经网络对磷灰石（97%）和云母（98%）具有很高的精确度。磷灰石（86%）的召回率低于云母（91%）。该应用程序可以在 https://ai-track-tive.ugent.be 在线使用（最后访问时间：2021 年 6 月 29 日），也可以作为 Windows 的离线应用程序下载。
文章 使用 2 型模糊和深度卷积网络的组合从脑电信号中自动识别情绪
摘要：情绪是人类生活中不可分割的一部分。自动情绪识别可广泛应用于脑机接口。本研究提出了一种基于深度学习和模糊网络相结合的脑电信号自动情绪识别新模型，可以识别两种不同的情绪：积极和消极。为了实现这一目标，我们编制了一个基于脑电信号音乐刺激的标准数据库。然后，为了处理过拟合现象，使用生成对抗网络来扩充数据。生成对抗网络的输出被输入到所提出的模型中，该模型基于具有 2 型模糊激活函数的改进深度卷积网络。最后，在两个单独的类中，对两种积极情绪和两种消极情绪进行分类。在这两类的分类中，所提出的模型实现了 98% 以上的准确率。此外，与以前的研究相比，所提出的模型表现良好，可用于未来的脑机接口应用。
人工智能和非接触式红外热成像技术的实现，用于预测和个性化自动识别不同阶段的橘皮组织
摘要背景橘皮组织是发达国家 85% 至 98% 的青春期后女性会出现的真皮、表皮和皮下组织常见生理状况。红外 (IR) 热成像技术结合基于人工智能 (AI) 的自动图像处理可以检测出早期和晚期橘皮组织，从而实现可靠的诊断。虽然橘皮组织病变的严重程度各不相同，但每个女性的生活质量，无论是在身体还是情感方面，始终是个人关注的问题，因此需要以患者为中心的治疗方法。目的这项研究的目的是制定一种基于红外成像的客观、快速且经济有效的自动识别不同阶段橘皮组织的方法，可用于预筛查和个性化治疗。材料和方法 在本研究中，我们使用定制开发的图像预处理算法自动选择橘皮组织区域，并将总共 9 种特征提取方法与 9 种不同的分类算法相结合，以基于从 212 名年龄在 19 至 22 岁之间的女性志愿者拍摄的热成像图像确定橘皮组织阶段识别的效果。 结果 方向梯度直方图 (HOG) 和人工神经网络 (ANN) 的组合能够确定橘皮组织的所有阶段，平均准确率高于 80%。对于橘皮组织的主要阶段，平均准确率超过 90%。 结论 使用红外成像实现计算机辅助自动识别橘皮组织严重程度对于可靠诊断是可行的。这种组合可用于早期诊断，以及以客观的方式监测橘皮组织进展或治疗结果。红外热成像与人工智能相结合，有望成为评估脂肪团发病机制和分层的有效工具，这对于在预测、预防和个性化医疗 (PPPM) 中实施红外热成像至关重要。
人工智能与嵌合抗原受体T细胞...
人工智能是一种人工智能技术，其特点是使用算法和统计数据来自我改进程序。机器学习的一个子集是神经网络，它是基于相互连接的神经元或节点的结构，分层结构包括输入层、隐藏层和输出层。这些节点通过基于前一层激活或激活不足的加权连接将信息从一个节点传递到另一个节点。通过操纵神经网络，神经网络可以自动识别和处理来自输入层、隐藏层和输出层的信息。这些节点通过基于前一层激活或激活不足的加权连接将信息从一个节点传递到另一个节点。通过操纵神经网络，神经网络可以自动识别和处理来自输入层、隐藏层和输出层的信息。
机构知识库 - 研究门户 机构知识库
摘要 ................................................ ...................................................... ...................................... 2 摘要............ …………………………………… …………………………………… ................................................. 2 前言 ................................................. ……………………………… ……………………………… .... 3 台面材料................................................... ...................................................... ...................................... 5 图表................................................ ……………………………… ...................................................... 8 表格表....... …………………………………… …………………………………… ...................................... 9 术语表........................ …………………………………… …………………………………… ...... 10 总体介绍 ................................................................. …………………………………… ...................... 12 部分我................................................. ................................................. ................................. 14 简介................................ ...................................................... ...................................................... .. 14 第一章 自动识别...................................................... ...................................... 15 1.自动识别技术...................................................... ...... 15 1.1 接触式自动识别....................................... ...................................... 16 1.2 非接触式自动识别....................................... ...................................... 16 2.RFID 的起源和演变......................................................... . ...................................... 18 2.1 从电磁波到无线电技术....................... ...................................... 18 2.2 无线识别芯片的初步工作和应用....................................... 19 2.3 无线识别芯片进入商业领域...... 20 2.4 无线识别芯片的倍增...................................... ................................. 21 2.5 出现一种新的通信范式...................................... 22 第二章 RFID 系统的架构......................................... ................................................. ... 24 1.RFID 系统的组件....................................................... ...................................... 25 1.1 标签的组成部分............ ……………………………… ...................... 25 1.1.1 处理逻辑 ................................................ …………………………………… . 26 1.1.2 内存................................................ ...................................................... ................. 27 1.1.3 电源....................................................... ……………………………… ...... 28 1.1.4 无线电设备....................................................... ……………………………… ... 29 1.1.5 天线...................................................... ……………………………… ...... 29 1.1.6 支持...................................................... ……………………………… 30 1.2 阅读器组件....................................... ...................................................... 31 1.2.1 无线电接口...................................................... ...................................................... .... 32 1.2.2 控制单元................................................ ……………………………… ...... 32 1.3 RFID 系统的工作原理 .................................................. ...... .. 33 1.3.1 频率类型................................................ ................................................. 33 1.3.2范围和耦合................................................................ ................................... 35