XiaoMi-AI文件搜索系统
World File Search System行数据
模型课程
Terminal Outcomes: ● Use selected AI applications online to explore various types of AI ● Recognize AI applications in everyday life ● Identify the various types of problems that AI can solve ● Breakdown a human action into parts to identify learning requirements and processes involved ● Identify the various components of human learning ● Identify the use of data in various given activities and applications ● Recognize different types of data and explore how the same data can be represented in different ways ● Analyze and从表示数据，符号和图表中提取信息●调查数字系统如何表示二进制中的文本，图像和音频数据●解释代数，概率和统计信息在AI中的作用●解释在AI中进行数据可视化的需求●AI●解决问题的问题解决方案的解决方案●warge a I Seption beartion weartion beartion beart pocution beartion beartion beartion beard pocution beard pocution warry pocution beartion beartion warry pocution●培训现有的AII●培训AI II II●培训AI II●使用Python语言
CubeSat ADS-B 系统 - piADS-B/FM - SkyFox 实验室
一般描述 piADS-B/Flight 模型是世界上第一款太空友好型自动相关监视广播或 ADS-B 扩展脉冲发生器、模式 S 无源雷达接收系统，无需部署、超低轮廓和功率要求。带有集成 RHCP 贴片天线，该产品旨在以有限的功率和质量预算跟踪来自低地球轨道 (LEO) 卫星、高空气球 (HAB) 或无人机 (UAV) 的飞机。与允许永久数据输出的传统空间级 ADS-B 接收器相比，它只需要 10% 的功率。易于使用的 UART 串行数据接口输出提供标准化 ASCII 语句，再加上外部 ADS-B 天线，为所有类型的空间级或地面项目提供智能独立解决方案，这些项目需要精确的飞机位置、类型、速度、方向或 ICAO/客机信息。该装置使用带有冗余引脚的单个六针 PicoBlade TM 连接器与电源和数据输出连接。重量和尺寸非常轻，非常适合所有对空间要求高的项目。飞行模型由 ESA 认证人员组装。
使用人工神经网络预测公司破产。
本文提出了一个深度学习模型，挑战了公司破产这一金融领域的已知知识。具体来说，我们构建了一个用于预测公司破产的多层感知器 (MLP) 模型，并对其进行了分析，以直观地显示哪些输入参数对模型的准确性最重要。该模型使用大约 55,000 行数据、数据清理和超参数优化，在 120 个时期和 30 次试验后实现了 82.8% 的平均准确率和 0.0678% 的标准差，这是一个出色的结果。该模型优于两个进行比较的支持向量机 (SVM) 模型，并表现出良好的泛化能力。然而，非线性 SVM 模型产生了 20.48% 的假阳性，准确率为 71.96%，而 MLP 模型产生了 25.1% 的假阳性。因此，如果减少假阳性的数量更重要，那么尽管准确率较低，但 SVM 模型可能是更可取的。分析输入参数后发现，员工人数、离职组和股权比例是对破产预测影响最大的输入参数。由此得出结论，这些参数可能是分析一家公司是否会破产时最重要的因素。
具有纳米秒的原位训练能力的光学神经网络的电气更换光子记忆
抽象的光学神经网络（ONNS），可以使低潜伏期和无电磁干扰的高平行数据处理，已成为快速和节能处理和计算的可行参与者，以满足对哈希速率不断增长的需求。采用非易失性相变材料的光子记忆可以实现零静态功耗，低热横式谈话，大规模和高能量的光子神经网络。尽管如此，基于相位材料的光子记忆的开关速度和动态能量消耗使它们不适合原位训练。在这里，通过将一组相变薄膜与销钉二极管的微孔谐振器集成在一起，展示了双功能光子存储器，既可以启用5位存储和纳米秒挥发性调制。首次提出了与纳秒调制集成的电气变化材料驱动的光子记忆的概念，以允许在ONN中进行快速的原位训练和零静态功耗数据处理。ONNS具有由我们的光子存储器构建的光卷积内核在理论上构建的，当由MNIST手写数字数据库测试时，预测的准确性高于95％。这为构建具有高速原位训练能力的大规模非易失性ONN提供了可行的解决方案。
基于 FPGA 的闭环睡眠调节系统——...
摘要 — 闭环睡眠调节是一种治疗睡眠障碍和提高睡眠益处的新兴研究范式。然而，两大障碍阻碍了这一研究范式的广泛应用。首先，受试者通常需要通过有线连接到机架式仪器上进行数据采集，这会对睡眠质量产生负面影响。其次，传统的实时睡眠阶段分类算法性能有限。在这项工作中，我们通过开发一种支持设备闭环操作的睡眠调节系统来克服这两个限制。睡眠阶段分类是使用轻量级深度学习 (DL) 模型执行的，该模型由低功耗现场可编程门阵列 (FPGA) 设备加速。DL 模型使用单通道脑电图 (EEG) 作为输入。两个卷积神经网络 (CNN) 用于捕获一般和详细特征，双向长短期记忆 (LSTM) 网络用于捕获时变序列特征。使用 8 位量化来降低计算成本，同时不影响性能。DL 模型已使用包含 81 名受试者的公共睡眠数据库进行了验证，实现了最先进的 85.8% 的分类准确率和 79% 的 F1 分数。开发的模型还显示出可以推广到不同通道和输入数据长度的潜力。闭环同相听觉刺激已在测试台上得到演示。
检验医学大数据与人工智能简介
实验室医学中的大数据和人工智能简介 目前，由于计算能力的不断增长和数字数据的日益普及，数据科学在实验室医学的未来发展中发挥着重要作用。然而，大数据 (BD) 和人工智能 (AI) 的概念仍然可以以各种方式进行解释。临床实验室无疑是产生大量可视为 BD 数据的医疗保健组织之一，而且它们是首批在其工作流程中实施计算机系统的卫生组织之一，这绝非巧合。通过称为数据挖掘的过程，可以使用自动或半自动方法从 BD 中提取有用的信息，但必须先进行数据清理，以确保数据本身的清洁度和正确性。关于数据分析，可以使用多种基于不同算法或神经网络功能原理的机器学习或深度学习技术；对于这些技术的开发，R 和 Python 编程语言非常有用。尽管许多应用程序在实验室医学中很有用，但仍有一些障碍需要克服，包括数据协调性差或来源分散；此外，必须将患者的隐私作为优先事项来管理数据可访问性问题。最后，由于这些新方法的存在，人们对实验室医学领域在不久的将来必然会出现的创新的认识越来越担心。为了应对这些挑战，实验室医学的专业人员必须熟悉这些主题。本文件的目的是分享有关 BD 和 AI 的信息，以促进实验室医学领域这些方法的引入和发展。
摘要：本研究提出并计算了一个新指数，称为旅游和创意经济行业竞争力（TCEIC）指数或Parekraf
摘要：本研究提出并计算了一个新指数，称为旅游和创意经济行业的竞争力（TCEIC）指数或Parekraf指数，旨在确定印度尼西亚每个省的旅游业和创意经济的描述。然后将指数应用于研究COVID-19-19大流行效应，可用于未来的计划和评估旅游部门的相关方。本研究中使用的数据是次要数据来自旅游业统计和创意经济2020的出版，该数据是由旅游和创意经济部与2021年的BPS统计数据之间的合作所产生的。因素分析用于根据经济合作与发展组织（OECD）进行编译指数。针对2020年大流行数据的新Parekraf指数的实施发现，几个省的得分很低，即Sumatera和Sulawesi。这意味着中央政府应与这些地区的地方政府协同作用，并且应该对旅游业和创造性经济更加敏感和反应，尤其是在具有重大影响的指标上。关键字：Covid-19，因素分析，旅游业，创意经济，竞争性指数。历史文章：2022年11月15日提交|修订于2023年5月16日| 2023年6月25日接受：，E。Suwandana，E。（2023）。 印度尼西亚各省的旅游业和创造性经济竞争力指数的表述。，E。Suwandana，E。（2023）。印度尼西亚各省的旅游业和创造性经济竞争力指数的表述。国际旅游与活动应用科学杂志，7（1），16-26。 https://doi.org/10.31940/ijaste.v7i1.16-26简介
摘要：本研究提出并计算了一个新指数，称为旅游和创意经济行业竞争力（TCEIC）指数或Parekraf
摘要：本研究提出并计算了一个新指数，称为旅游和创意经济行业的竞争力（TCEIC）指数或Parekraf指数，旨在确定印度尼西亚每个省的旅游业和创意经济的描述。然后将指数应用于研究COVID-19-19大流行效应，可用于未来的计划和评估旅游部门的相关方。本研究中使用的数据是次要数据来自旅游业统计和创意经济2020的出版，该数据是由旅游和创意经济部与2021年的BPS统计数据之间的合作所产生的。因素分析用于根据经济合作与发展组织（OECD）进行编译指数。针对2020年大流行数据的新Parekraf指数的实施发现，几个省的得分很低，即Sumatera和Sulawesi。这意味着中央政府应与这些地区的地方政府协同作用，并且应该对旅游业和创造性经济更加敏感和反应，尤其是在具有重大影响的指标上。关键字：Covid-19，因素分析，旅游业，创意经济，竞争性指数。历史文章：2022年11月15日提交|修订于2023年5月16日| 2023年6月25日接受：，E。Suwandana，E。（2023）。 印度尼西亚各省的旅游业和创造性经济竞争力指数的表述。，E。Suwandana，E。（2023）。印度尼西亚各省的旅游业和创造性经济竞争力指数的表述。国际旅游与活动应用科学杂志，7（1），16-26。 https://doi.org/10.31940/ijaste.v7i1.16-26简介
使用SPSS
SPSS是社会研究中数据分析的主要软件。专为参与社交调查收集，处理和建模数据的研究人员而设计，本课程将教授如何使用SPSS输入和分析数据以及解释和呈现结果。该课程不仅是教授使用此软件的主要技能，而且还可以用具体示例来理解每个特定的分析过程。在为期两天的研讨会中涵盖了描述性和推论统计以及回归方法，这将构成学习者在社会研究中进行数据分析的坚实基础。该课程强调了现实世界实例的手工实践，以增强学习经验和对统计的理解。课程概述该课程分为两个部分。第I部分：主题1 - SPSS主题的数据输入2 - 描述性统计主题3 - 中心限制定理主题4 - 假设测试原理4 - 推理统计主题5 - 推理统计第II部分：主题1 - 双变量分析：跨交易主题2 - 双变量分析 - 双向分析：ANOVA主题3 - 二元分析4 - PEARSOR ERACERITS 4 - PEARER SOVIENT 4 - 多重分析 - 多重分析 - 多重分析 - 多重分析 - 有兴趣学习和理解使用SPSS的定量数据分析方法和概念的研究人员将在很大程度上受益于本课程。先决条件至少在任何学科中，偏爱社会科学和社区，以及在相关部门的工作经验至少一年。时间上午9点 - 下午6点
在映射城市环境中的街道视图图像的覆盖范围和偏见
街道视图图像（SVI）已成为城市研究中有价值的数据形式，从而为绘制和感知城市环境提供了新的方法。然而，关于SVI的代表性，质量和可靠性的基本问题仍然没有被解散，例如该数据在多大程度上可以捕获城市并进行数据差距导致偏见。这项研究位于空间数据质量和城市分析的交集中，通过提出一种新颖和e ff的方法来解决这些问题，以估计SVI在城市环境中的元素级别覆盖率。该方法整合了SVI与目标要素之间的位置关系，以及身体障碍的影响。将数据质量的域扩展到SVI，我们引入了一个指标系统，该系统评估了覆盖范围，重点是完整性和频率维度。作为一个案例研究，进行了三个实验，以确定SVI覆盖和代表城市环境因素的能力的潜在偏见，并以建筑物外墙为例。发现，尽管在城市道路网络沿线可用性很高，但Google Street View在案例研究区中仅覆盖62.4％的建筑物。每栋建筑物的平均立面覆盖率为12.4％。svi倾向于过分陈述非住宅建筑物，因此可能导致有偏见的分析，并且其对环境因素的覆盖范围依赖于位置。这项研究还强调了在不同数据采集实践下的SVI覆盖范围的可变性，并提出了SVI收集的最佳采样间隔范围为50-60 m。调查结果表明，虽然有价值的见解，但它不是灵丹妙药 - 它在城市研究中的应用需要仔细考虑