XiaoMi-AI文件搜索系统
World File Search System识别方法
一种改进的电动执行器故障识别方法
摘要：航空航天业越来越多地采用机电驱动系统，因此需要可靠的诊断和预测方案来确保安全运行，尤其是在关键的安全关键系统（例如主飞行控制）中。此外，如果在预测性维护框架中实施预测方法，则可以提高系统在生命周期内的可用性，从而降低成本。在本文中，将介绍一种已经提出的算法的改进，该算法的范围是预测机电执行器中电机的实际退化状态，并提供温度估计。该目标是通过使用适当处理的反电动势信号和简单的前馈神经网络来实现的。可以以较小的误差实现对电机健康状况的良好预测。
基于深度学习的情绪识别方法，使用脑电图 (EEG) 信号，采用双向长短期记忆 (Bi-LSTM)
摘要：情绪是人类日常交流的重要组成部分。脑电图 (EEG) 信号可将大脑的情绪状态和动态联系起来，脑机接口 (BCI) 可利用这些信号提供更好的人机交互。在情绪识别领域已经进行了一些研究。然而，使用 EEG 信号的情绪识别过程面临的最重要问题之一是识别的准确性。本文提出了一种基于深度学习的通过 EEG 信号进行情绪识别的方法，包括数据选择、特征提取、特征选择和分类阶段。这项研究服务于医学领域，因为情绪识别模型有助于诊断心理和行为障碍。这项研究有助于提高情绪识别模型的性能，以获得更准确的结果，进而有助于做出正确的医疗决策。这项工作使用了标准的预处理生理信号情绪分析数据库 (DEAP)。从数据集中提取了统计特征、小波特征和赫斯特指数。特征选择任务通过二进制灰狼优化器实现。在分类阶段，使用堆叠双向长短期记忆 (Bi-LSTM) 模型来识别人类情绪。本文将情绪分为三大类：唤醒、效价和喜好。与过去研究中使用的方法相比，所提出的方法实现了较高的准确率，效价、唤醒和喜好的平均准确率分别为 99.45%、96.87% 和 99.68%，这被认为是情绪识别模型的高性能。
2022; 12(4): 1829-1854. doi: 10.7150/thno.68804 评论 天然活性产物无标记蛋白质靶标识别方法的更新
天然活性产物（NAPs）来源于自然界中发现的具有生物活性和药用潜力的化学物质。筛选和揭示NAPs的蛋白质靶点是NAPs药理学和毒理学认识中不可缺少的环节。蛋白质是执行细胞功能的主要因素，细胞依靠蛋白质的功能完成生命周期中的各种活动。药物的重要作用机制是通过与蛋白质等大分子相互作用来调节细胞生物活性。目前，筛选蛋白质靶点的经典方式是基于分子标记示踪法，该方法周期长，且会改变NAPs的分子结构和药理作用。由于分子标记方法的缺点，近年来，科学家尝试开发多种非标记的NAPs蛋白质靶点识别方法，并取得了一定的进展。本文对目前NAPs的蛋白质靶点识别方法进行综述，旨在为NAP蛋白质靶点研究提供参考。
基于几何模型的手势识别方法
摘要 — 通过技术手段进行手臂和手部跟踪可以收集可用于确定手势含义的数据。为此，机器学习算法主要被研究以寻找最高识别率和最短识别时间之间的平衡。然而，这种平衡主要来自于统计模型，而统计模型很难解释。与此相反，我们提出了 µC 1 和 µC 2，两种基于几何模型的手势识别方法，支持识别过程的可视化和几何解释。我们将 µC 1 和 µC 2 与两种经典机器学习算法 k-NN 和 SVM 以及两种最先进的深度学习模型 BiLSTM 和 GRU 进行比较，实验数据集包含意大利手语 (LIS) 的十个手势类别，每个类别由五名没有经验的非母语手语者重复 100 次，并通过可穿戴技术（传感手套和惯性测量单元）收集。最终，我们在高识别率（> 90%）和低识别时间（< 0.1 秒）之间实现了折衷，这足以满足人机交互的需要。此外，我们基于几何代数详细阐述了算法的几何解释，这有助于对识别过程有所理解。
一种人工智能增强模式识别方法来分析儿童的具体互动
摘要：本研究首先介绍了一种研究计算思维 (CT) 的方法，该方法是一种依赖于多模态转录本的创建和分析的具身现象。该方法结合了多模态的社会符号学方法，然后用于训练人工智能 (AI)，以识别参与者在教育机器人活动中反映其 CT 体现的行为模式。开发 AI 是为了减轻创建和分析多模态转录本的劳动密集型方面。研究结果表明，AI 增强的模式识别方法可以识别出与人类分析相似的活动集群，从而为儿童 CT 分析增加了一定程度的置信度，而这在人类分析中很难实现。
基于相关特征的同质低分辨率人脸识别方法
摘要 —人脸识别技术已广泛应用于人身识别、控制准入和移动设备访问等许多关键任务场景。安全监控是人脸识别技术的典型场景。由于监控视频和图像的低分辨率特点使得高分辨率人脸识别算法难以提取有效的特征信息，应用于高分辨率人脸识别的算法很难直接迁移到低分辨率情况。随着密集城市化时代安全监控中的人脸识别变得越来越重要，开发能够在处理低分辨率监控摄像机生成的视频帧时提供令人满意的性能的算法至关重要。本文研究了基于相关特征的人脸识别（CoFFaR）方法，该方法用于同质低分辨率监控视频，详细阐述了理论、实验细节和实验结果。实验结果验证了相关特征方法的有效性，提高了监控安全场景中同质人脸识别的准确率。
基于多分支深度学习融合模型的计算机辅助颅内脑电信号识别方法及临床验证
1 北京邮电大学泛网无线通信教育部重点实验室，北京市海淀区西土城路10号，100876，中国；ypwang@bupt.edu.cn（YW）；liuzimo@bupt.edu.cn（ZL）；guojinjie2@bupt.edu.cn（JG）；gpcao@bupt.edu.cn（GC）；baytest@bupt.edu.cn（MO）2 首都医科大学宣武医院神经外科，北京市西城区长椿街45号，100053，中国；yangdai@mail.ccmu.edu.cn（YD）；shanyongzhi@xwhosp.org（YS）3 北京航空航天大学机电工程与自动化学院机器人研究所，北京市海淀区学院路37号，100191，中国； drliuda@buaa.edu.cn 4 无锡北邮传感技术与工业研究所有限公司，无锡 214001，中国 * 通讯作者：gxkang@bupt.edu.cn (GK); ggzhao@xwhosp.org (GZ) † 这些作者对这项工作的贡献相同。
研究论文基于双向LSTM和注意力机制的表情脑电多模态情绪识别方法
由于人类情绪的复杂性，不同的情绪特征之间存在一定的相似性，现有的情绪识别方法存在特征提取困难、准确率不高的问题，为此提出一种基于双向长短期记忆和注意机制的表情脑电多模态情绪识别方法。首先基于双线性卷积网络（BCN）提取面部表情特征，将脑电信号变换为三组频带图像序列，利用BCN对图像特征进行融合，得到表情脑电多模态情绪特征。然后通过带有注意机制的长短期记忆在时序建模过程中提取重要数据，有效避免采样方法的随机性或盲目性。最后，设计一种具有三层双向长短期记忆结构的特征融合网络，将表情与脑电特征进行融合，有助于提高情绪识别的准确率。在MAHNOB-HCI和DEAP数据集上，基于MATLAB仿真平台对所提方法进行测试。实验结果表明,注意机制可以增强图像的视觉效果;且与其他方法相比,所提方法可以更有效地从表情和脑电信号中提取情感特征,情绪识别的准确率更高。
手语识别方法：综述
摘要：聋哑人士的翻译一直是人们面临的一个问题，因为他们主要依靠手语进行交流。尽管多个国家为聋哑人士提供了资源，例如新西兰就有一名手语翻译和新闻传播者，但聋哑人士社区的积极参与仍处于初级阶段。绑架、欺骗、火灾等令人不安的情况或任何其他普遍痛苦的情况可能会进一步加剧这种沟通障碍，因为哑巴尽了最大努力进行交流，但大多数人仍然不了解他们的语言。因此，弥合这两个世界之间的差距是至关重要的。本文旨在让读者简要了解手语交流的工作原理，并提出在该领域进行的研究，解释如何捕捉和识别手语，并尝试提出系统化的解决方案。关键词：希尔伯特曲线、支持向量机、随机森林、人工神经网络、前馈反向传播、霍夫变换、卷积神经网络、堆叠去离子解码器、多层感知器神经网络、自适应神经网络。
60–700 K CTAT和PTAT温度传感器，带4H- ... 肿瘤学中的抗体 - 药物结合物的概述... 癌症治疗中的药物组合 - 从鸡尾酒到共轭组合 使用新兴技术的未来宇航员设计程序执行工具 Cu掺杂的ZnO纳米颗粒用于非酶葡萄糖传感 晚期和转移性非小细胞肺癌的靶向治疗。有关最重要的可操作的致癌驱动因素改变的更新 研究文章是一种听觉诱发磁场的新识别方法 有条件令牌：通过在公共区块链中使用智能合约的新模型供应链融资
1个微技术国家研发研究所 - Imt Bucharest，126a，Erou Iancu Nicolae Street，077190，罗马尼亚布加勒斯特； cosmin.romanitan@imt.ro 2电子，电信和信息技术学院，布加勒斯特大学“ Politehnica”，罗马尼亚布加勒斯特，罗马尼亚布加勒斯特； gheorghe.pristavu@upb.ro（G.P.）; gheorghe.brezeanu@dce.pub.ro（G.B.）; florin.draghici@upb.ro（F.D.）; matei.serbanescu@stud.etti.upb.ro（M.S。）3罗马尼亚年轻学院，布加勒斯特大学研究所，布加勒斯特大学，030018，罗马尼亚布加勒斯特4中心4个中心de Microelectromectromectromectromectromecion，CNM-CSIC，CNM-CSIC，08193，西班牙巴塞罗那； philippe.godignon@cnm.s 55，加布里埃尔·伯特伦街，罗马尼亚阿尔巴伊利亚510009； aditulbure@uab.ro *通信：razvan.pascu@imt.ro