XiaoMi-AI文件搜索系统
World File Search System视觉感知
人造视觉 - Yolov8算法...
Coimbatore，泰米尔纳德邦，印度摘要：失明是一种残疾或无法看见的形式。缺乏视力仅是一个需要视线的人进行的活动，这只是一个劣势。盲人可能仅由于无法进入的基础设施和社会挑战而面临麻烦。在地方周围浏览并使用行人访问标志是盲人的最大挑战之一，尤其是视力为零的人。对于一个受到身体挑战的人来说，获得独立性可能最有价值的资产和视觉障碍的人可以在设计有必要适应的环境中过着独立的生活。本文使用Yolo（您只看一次）的实时对象检测系统，基于深度学习算法，以帮助视觉受损的人在日常生活中。cobotic眼镜是专为视障个体设计的剪边产品。使用Yolo算法无缝集成面部运动识别，对象识别和文本检测功能。Yolo使用卷积神经网络（CNN）和单个正向传播通过神经网络进行实时的对象检测。在此提议的系统中，Yolov8是一种在上下文（可可）数据集中对公共对象训练的实时对象检测算法，用于识别在对象识别中产生高准确性的人面前存在的对象。系统通过合成的语音传递输出，从而增强视觉感知。索引术语 - 视觉障碍，对象检测，Yolov8，文本，语音，CNN面部运动识别模块促进了改善的社会互动，而对象识别会提高环境意识。此集成解决方案结合了边缘处理和基于云的分析，以实时处理和计算效率。cobotic奇观使视觉障碍的个体能够提供最先进的智能眼镜系统，从而增强视觉感知，促进独立性并改善其整体生活质量。
人工智能在交通运输中的作用
尽管人工智能 (AI) 并不是一个新概念，但计算能力的提高、海量数据存储和算法创新等一系列技术趋势正在重新引起人们的兴趣 (Vasudevan 等人，2020 年)。根据 Smith (2023) 的说法，人工智能是指在机器中模拟人类智能，这些机器被编程为像人类一样思考和学习。人工智能涉及开发能够处理和分析数据的计算机系统，例如视觉感知、语音识别、决策和语言翻译，其规模和速度如果没有技术是不可能实现的 (Smith，2023 年) (Cambridge Systematics and ITS America，2023 年)。通过快速处理、分类和整理数据，人工智能有可能从大量交通数据中提供有意义的见解 (Cambridge Systematics and ITS America，2023 年)。
神经符号架构接近类人人工智能
任务和类型 要实现抽象的视觉推理解决方案，需要在算法（80%）和实现（20%）层面克服多项挑战。这些挑战包括开发新颖的视觉感知网络、符号推理引擎及其交互。我们诚邀学生申请就这一激动人心的新主题开展硕士论文工作。所开展的工作可能涵盖高级算法开发，直至在新兴硬件平台上实现高效实现。它还涉及与 IBM 研究部门的几位研究人员的互动，他们专注于该项目的各个方面。理想的候选人应具有多学科背景、强大的数学能力和编程技能。具备机器学习和人工智能方面的先验知识将是一个加分项。
“自由形式室内设计：对……的分析与批评”
1- 引言 本文讨论了最近开始出现并明显蔓延的一种现代室内设计趋势，无论是公共空间还是私人空间，这种趋势就是自由形式的设计。空间的概念不再只是传统的立方体，因为它不适合现代设计思想，在现代设计思想中，形状和材料的使用多样化是必需的，尤其是随着高科技的发展，从先进的计算机程序到 3D 打印，所有工具都可以在设计中自由发挥想象力。自由形式是空间视觉感知的不同概念，因此我们可以通过分析和批评来讨论这种哲学。研究分为以下几点：第一：自由形式的形成哲学及其对第四维（时间）的影响。第二：自由形式与参数化和极简主义趋势的关系。
人工智能 (AI)、机器人、传感器 摘要
人工智能 (AI) 是一种能够执行需要人类智能的任务的技术，例如语音识别、决策和视觉感知。人工智能技术可用于各种不同的应用，包括废物管理、回收和清洁。人工智能废物管理的引入在火车站等公共基础设施中变得越来越普遍，因为它为废物的收集和分类提供了一种更有效的方法。具体来说，用于此目的的人工智能包括“垃圾桶机器人”，它们是可以在车站内指定区域内移动的移动机器人垃圾箱，用于检测地板上的废物和想要处理废物的人。这些垃圾桶机器人包含可以测量其隔间中废物量的系统，并在隔间装满时自动将废物运送到车站垃圾桶收集中心。
alpha节奏的开发与视觉白质途径和视觉检测性能有关
alpha是静止人体中最强的电生理节奏。尽管在脑电图信号中占主导地位，但在发育过程中可以观察到α性质的巨大变化，并且在儿童期和成年期间α频率的增加。在这里，我们检验了以下假设：α节奏中的这些变化与视觉白质途径的成熟有关。我们以大型扩散MRI（DMRI）-EEG数据集（DMRI n = 2,747，EEG N = 2,561）的儿童和青少年（年龄范围5-11岁）的儿童和青少年进行了大写，并显示出特定于Alpha频率的发育范围。行为分析还证实了α频率的变化与视觉感知的成熟变化有关。目前的发现证明了白质组织特性，电生理反应和行为之间的发育变化之间的密切联系。
通过深度学习实现远程控制 - NSF PAR
摘要 — 人类遥控 (RC) 飞行员能够仅使用第三人称视角视觉感知来感知飞机的位置和方向。虽然新手飞行员在学习控制遥控飞机时经常会遇到困难，但他们可以相对轻松地感知飞机的方向。在本文中，我们假设并证明深度学习方法可用于模仿人类从单目图像感知飞机方向的能力。这项工作使用神经网络直接感知飞机姿态。该网络与更传统的图像处理方法相结合，用于飞机的视觉跟踪。来自卷积神经网络 (CNN) 的飞机轨迹和姿态测量值与粒子滤波器相结合，可提供飞机的完整状态估计。介绍了网络拓扑、训练和测试结果以及滤波器开发和结果。在模拟和硬件飞行演示中测试了所提出的方法。
Leonardo AW189，G-MCGT - GOV.UK
在完成其他计划中的训练后，机组将直升机设置为 FMS 引导的扇区搜索模式，并重新讲解了可能导致意外飞行路径振荡的开关选择。建议后方机组系好安全带以防万一。飞机在水面 1,000 英尺以上高度，已捕获高度保持 (ALT) 并配置了扇区搜索和 NGSPD。PM 选择 TD 模式后，飞机开始俯仰振荡。机组报告说，感觉“不舒服”，有较低的“g”力，但无法确定俯仰变化的程度，也无法确定主飞行显示器 (PFD) 上显示的模式，因为他们在事件发生时正在向外看。但是，根据他们的视觉感知，他们估计是机头上仰 20°，然后机头下俯 40°。在识别出飞机的异常飞行路径行为后，PF 取消了自动驾驶模式并让飞机恢复正常稳定飞行。
简历
我的研究兴趣围绕认知过程的神经基础，主要关注从非人类灵长类动物大脑高级皮质区域（尤其是前额叶和顶叶皮质）的神经元群体记录中探究有意识的视觉感知机制。我经常使用最先进的电生理方法（长期植入的犹他阵列，神经像素）和信号处理/机器学习工具，在多个时空尺度上记录和分析神经元群体。我的研究揭示了前额叶皮质在有意识的视觉感知中的作用（Panagiotaropoulos 等人，Neuron 2012、认知科学趋势 2020；Kapoor 等人，Nature Communications 2022、Bellet 等人，意识神经科学 2022、Panagiotaropoulos Neuron 2024）、内在皮质状态与有意识内容表征的相互作用（Dwarakanath 等人，Neuron 2023），以及预测和抽象处理背后的神经群体机制（Bellet 等人，Cell Reports 2024；Kapoor 等人，Communications Biology 2018）。我对意识的本质（认知理论与非认知理论）很感兴趣，为此，我参加了研究联盟，测试人类和动物模型中意识理论的预测（Cogitate Consortium bioRxiv 2023，已被《自然》接受发表）。此外，我还研究了麻醉过程中前额叶和顶叶皮质失去意识的机制。我还通过记录人类内侧颞叶的概念细胞来探索陈述性记忆表征（Rey，Panagiotaropoulos 等人，Cell Reports 审查中）。过去，我通过结合行为、分子和神经内分泌学方法来研究新生儿经历对成年空间学习和记忆以及对压力的反应的影响（Panagiotaropoulos 等人，神经内分泌学 2004，学习和记忆的神经生物学 2009）。我曾担任认知神经科学学会、视觉科学学会组织的会议以及艾伦脑科学研究所、加州理工学院、美国国立卫生研究院等组织的研讨会/研讨会的特邀发言人。学术和研究经历