XiaoMi-AI文件搜索系统
World File Search System自动识别
自动识别主要物理过程
识别局部和近似主导动态系统行为的过程，使理解和建模非线性微分动态系统取得了重大进展。主导过程识别的传统方法涉及零碎和临时（非严格、非正式）缩放分析，以识别控制方程项的主导平衡并描绘每个主导平衡的时空边界（空间和/或时间边界）。我们首次提出了一个客观的全局度量，以衡量主导平衡与观测值的拟合度，这对于自动化来说是理想的，而且以前是未定义的。此外，我们以优化问题的形式提出了主导平衡识别问题的正式定义。我们表明，优化可以通过各种机器学习算法执行，从而实现主导平衡的自动识别。我们的方法与算法无关，它消除了对专家知识的依赖，可以识别事先不知道的主导平衡。
使用带有元启发式优化非局部均值滤波器的小波变换自动识别和去除单通道脑电图中的肌肉伪影
摘要：脑电图 (EEG) 信号很容易受到肌肉伪影的污染，这可能导致脑机接口 (BCI) 系统以及各种医疗诊断的错误解读。本文的主要目标是在不扭曲 EEG 所含信息的情况下去除肌肉伪影。首次提出了一种新的多阶段 EEG 去噪方法，其中小波包分解 (WPD) 与改进的非局部均值 (NLM) 算法相结合。首先，通过预训练的分类器识别伪影 EEG 信号。接下来，将识别出的 EEG 信号分解为小波系数，并通过改进的 NLM 滤波器进行校正。最后，通过逆 WPD 从校正后的小波系数重建无伪影的 EEG。为了优化滤波器参数，本文首次使用了两种元启发式算法。所提出的系统首先在模拟脑电图数据上进行验证，然后在真实脑电图数据上进行测试。所提出的方法在真实脑电图数据上实现了 2.9684 ± 0.7045 的平均互信息 (MI)。结果表明，所提出的系统优于最近开发的具有更高平均 MI 的去噪技术，这表明所提出的方法在重建质量方面更佳并且是全自动的。
使用实时自动识别系统 (AIS) 数据进行扩展卡尔曼滤波器设计和船舶运动预测
摘要 — 本文使用来自自动识别系统 (AIS) 的实时数据和扩展卡尔曼滤波器 (EKF) 设计来解决船舶运动估计问题。AIS 数据由全球船舶传输，甚高频 (VHF) AIS 接收器以美国国家海洋电子协会 (NMEA) 指定的格式接收编码的 ASCII 字符信号。因此，必须使用解析器解码 AIS 语句以获取实时船舶位置、航向和速度测量值。状态估计用于碰撞检测和实时可视化，这是现代决策支持系统的重要功能。使用来自挪威特隆赫姆港的实时 AIS 数据验证了 EKF，并证明了估计器可以实时跟踪船舶。还证明了 EKF 可以预测船舶的未来运动，并在防撞场景中分析了不同的规避动作。索引词——卡尔曼滤波器、状态估计、运动预测、碰撞检测、无人水面舰艇、船舶
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。
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。
使用显微成像自动识别花粉......
∗ 通讯作者。电话：0034 915 616 800 电子邮件地址：jvmarcos@gmail.com (J. Victor Marcos)、urielrnv@uxmcc2.iimas.unam.mx (Rodrigo Nava)、gabriel@optica.csic.es (Gabriel Crist´obal)、rafa@optica.csic.es (Rafael Redondo)、 boris@servidor.unam.mx (Boris Escalante-Ram´ırez)、Gloria.Bueno@uclm.es (Gloria Bueno)、Oscar.Deniz@uclm.es (´ Oscar D´eniz)、avgonzalez@externas.jccm.es (Amelia Gonz´alez-Porto)、cpardo@farm.ucm.es (Cristina Pardo)、 francois.chung@inspiralia.com（弗朗索瓦·钟）， tomas.rodriguez@inspiralia.com（汤姆·罗德里格斯）
利用自动识别跟踪系统汇编作战现场和结构数据
16.摘要 马里兰州公路管理局 (SHA) 材料技术办公室 (OMT) 确保马里兰州道路系统上使用的材料质量符合批准的规范和标准，并经过适当设计、生产和建造。OMT 的材料质量部门分为沥青技术、混凝土技术、土壤和骨料技术以及结构材料和路面标记部门。每个部门负责运输设施建设中使用的材料的质量保证/控制测试、评估和许可。从现场对材料进行采样开始，这些材料的管理依赖于一系列密集的人工过程，包括样品收集和交付、书面报告和日志簿，以记录材料的实验室测试结果并跟踪物流信息。当材料在六个不同的实验室中移动时，材料信息被分别手动记录到本地网络数据库和材料管理系统 (MMS) 中。通过集成自动识别技术 (AIT)，可以简化当前生成样本报告和手动数据输入过程中所需的人力参与量。本研究调查了过去将 AIT 应用于土木工程和建筑应用的情况，以详细说明对 OMT 现有材料清关和 MMS 流程的必要修改；以及 AIT 系统硬件建议、软件开发和集成注意事项、估计投资成本和估计投资回报。17.关键词 自动识别、条形码、RFID、资产跟踪、资产监控、材料管理系统、材料清关流程
规划和物流中的 RFID 和自动识别
本书包含的信息来自可靠且备受推崇的来源。我们已做出合理努力来发布可靠的数据和信息，但作者和出版商不能对所有材料的有效性或其使用后果承担责任。作者和出版商已尝试追踪本出版物中复制的所有材料的版权所有者，如果未获得以这种形式发布的许可，我们向版权所有者道歉。如果任何版权材料未得到承认，请写信告诉我们，以便我们在将来的重印中纠正。
IALA 指南第 1028 号关于自动识别...
在通过 IMO 性能标准和 ITU 的 AIS 技术特性后，还有一项标准需要制定和通过。这就是 IEC 标准，名为“IEC 61993 第 2 部分：船载自动识别系统 (AIS)。操作和性能要求、测试方法和所需的测试结果”。主管部门将使用此标准对安装在适用 SOLAS 第 V 章的船舶上的 AIS 设备进行“型式批准”。IEC 技术委员会 80 工作组 8 (IEC/TC80/WG8) 开展了这项工作，该标准于 2001 年通过。例如，它包括以下内容：