XiaoMi-AI文件搜索系统
World File Search System通用性
精准度与泛化度的结合：通过预训练的 DenseNet 结合全局平均池化和超参数调整来增强脑肿瘤分类
脑肿瘤死亡率高，治疗选择有限，是全球重大健康问题。这些肿瘤是由脑内细胞异常生长引起的，大小和形状各异，因此，对于医疗专业人员来说，通过磁共振成像 (MRI) 扫描手动检测它们是一项主观且具有挑战性的任务，因此需要自动化解决方案。本研究探讨了深度学习（特别是 DenseNet 架构）自动化脑肿瘤分类的潜力，旨在提高临床应用的准确性和通用性。我们利用了 Figshare 脑肿瘤数据集，该数据集包含 233 名患者的 3,064 张 T1 加权增强 MRI 图像，这些患者患有三种常见肿瘤类型：脑膜瘤、神经胶质瘤和垂体瘤。使用来自 ImageNet 的迁移学习评估了四种预训练的深度学习模型——ResNet、EfficientNet、MobileNet 和 DenseNet。DenseNet 实现了最高的测试集准确率 96%，优于 ResNet（91%）、EfficientNet（91%）和 MobileNet（93%）。因此，我们专注于提高 DenseNet 的性能，同时将其视为基础模型。为了增强基础 DenseNet 模型的通用性，我们实施了一种微调方法，该方法采用了正则化技术，包括数据增强、dropout、批量归一化和全局平均池化，并结合了超参数优化。这种增强的 DenseNet 模型实现了 97.1% 的准确率。我们的研究结果证明了 DenseNet 结合迁移学习和微调对脑肿瘤分类的有效性，凸显了其在临床环境中提高诊断准确性和可靠性的潜力。
正式方法交集中的自主系统，...
1300小时LR7，IEB摘要：自主系统正在成为无数应用程序的驱动技术。 许多学科应对使这些系统值得信赖，适应性，用户友好和经济的挑战。 另一方面，现有的纪律界限延迟，甚至可能阻碍进步。 我认为，设计和验证自主系统在学习，正式方法和控件的交集时需要混合解决方案。 我将在顺序决策过程中学习中的这种混合解决方案的示例。 这些结果提供了有效地将基于物理，上下文或结构性的先验知识整合到数据驱动的学习算法中的新颖手段。 它们通过对系统以前没有经历的环境和任务的几个数量级和通用性提高了数据效率。 我将在一些有希望的未来研究方向上发表评论。1300小时LR7，IEB摘要：自主系统正在成为无数应用程序的驱动技术。许多学科应对使这些系统值得信赖，适应性，用户友好和经济的挑战。另一方面，现有的纪律界限延迟，甚至可能阻碍进步。我认为，设计和验证自主系统在学习，正式方法和控件的交集时需要混合解决方案。我将在顺序决策过程中学习中的这种混合解决方案的示例。这些结果提供了有效地将基于物理，上下文或结构性的先验知识整合到数据驱动的学习算法中的新颖手段。它们通过对系统以前没有经历的环境和任务的几个数量级和通用性提高了数据效率。我将在一些有希望的未来研究方向上发表评论。
新兴技术演进中的架构方法
CAS 的最高级别是将企业级目标应用于企业内系统系列的架构方法中。企业内所有系统的要求都遵循此企业级架构。除了 FACE 技术标准之外，陆军 PEO 航空部门还使用了许多标准。在这些演示中使用 FACE 技术标准可以实现通用架构和软件资产共享。使用 FACE 领域特定数据模型 (DSDM) 也具有重要价值，可以带来与使用相同数据模型的其他国防部系统一致的新功能。从将机组任务站 (CMS) 架构部署到越来越多的演示者和项目中的观察表明，可以推荐其他架构方法来提高通用性。
STARLUX 订购 A350F 和更多 A330neo 宽体飞机
“我们很高兴与星宇航空合作建设和加强其机队，”空客商用飞机销售执行副总裁 Benoît de Saint-Exupéry 表示。“同时运营最新一代空客单通道和宽体飞机为该航空公司带来了巨大的好处。它显著降低了燃料消耗和碳排放，并提供了无与伦比的技术通用性、维护和培训优势。A350F 是唯一一款新一代大型货机，将无缝融入这个全空客机队，使星宇航空能够与主要货运市场的领先企业有效竞争。”
系统方法分析欧盟空间监视和跟踪的性能
在该框架内，欧盟 SST 联盟成员一方面负责整合欧盟成员国的现有资产（传感器和运营中心），另一方面负责设计中长期架构方案。为了按照最佳性价比方法确定升级和改进的优先顺序，同时避免不必要的重复，需要分析不同架构方案在预期观察太空物体的能力方面的性能，并确定和预测它们的轨道以支持其服务（避免碰撞、再入分析、碎片分析）。本文提出的方法具有通用性和灵活性，足以纳入可能在欧盟空间法规框架内加入欧盟 SST 伙伴关系的其他成员国的资产 [2]。
多中心胎儿脑组织注释 (FeTA) ...
摘要 — 分割是分析发育中的人类胎儿大脑的关键步骤。过去几年，自动分割方法有了很大的改进，胎儿脑组织注释 (FeTA) 挑战赛 2021 帮助建立了胎儿脑分割的优秀标准。然而，FeTA 2021 是一项单中心研究，算法在不同成像中心之间的通用性仍未解决，限制了现实世界的临床应用。多中心 FeTA 挑战赛 2022 专注于提高磁共振成像 (MRI) 胎儿脑分割算法的通用性。在 FeTA 2022 中，训练数据集包含来自两个成像中心的图像和相应的手动注释多类标签，测试数据包含来自这两个成像中心以及另外两个未见过的中心的图像。来自不同中心的数据在许多方面有所不同，包括使用的扫描仪、成像参数和应用的胎儿脑超分辨率算法。16 支队伍参加了挑战赛，评估了 17 种算法。这里提供了挑战赛结果的详细概述和分析，重点关注提交内容的普遍性。无论是在领域内还是领域外，白质和脑室的分割准确度都最高，而最具挑战性的结构仍然是大脑皮层，因为解剖学复杂性。FeTA Challenge 2022 能够成功评估和提高 MRI 多类胎儿脑组织分割算法的普遍性，并继续对新算法进行基准测试。由此产生的新方法有助于改善对子宫内大脑发育的分析。1
二进制全聚合物太阳能电池，带有perhalate -...
摘要：全聚合物混合物的形态控制在制造高充分性有机太阳能电池方面是典型但充满挑战的。最近，已批准固体添加剂（SAS）能够调整聚合物的形态：小分子融合了设备的性能和稳定性。Herein, three perhalogenated thiophenes, which are 3,4-dibro- mo-2,5-diiodothiophene (SA-T1), 2,5-dibromo-3,4-diio- dothiophene (SA-T2), and 2,3-dibromo-4,5-diiodothio- phene (SA-T3), were adopted as SAs to optimize the performance of all-polymer organic太阳能电池（APSC）。对于PM6和PY-IT的混合物，受益于孔素化的硫烯和聚合物之间的分子间相互作用，在引入这些SAS之后，可以对分子填料特性进行细微的调节。原位紫外线/VIS测量表明，这些SA可以帮助全聚合物混合物中的形态学演化，从而导致其最佳形态。与PM6：PY-IT的AS-cast设备相比，所有经过处理的二进制设备都显示出增强的功率连接效率，为17.4-18.3％，明显含有的短路电流密度和填充因子。据我们所知，SA-T1处理的二进制二进制排名为18.3％，迄今为止所有二进制APSC中最高。 同时，在其他全聚合物混合物中，SA-T1的通用性得到了一致改进的设备性能。 这项工作为实现高性能APSC提供了新的途径。据我们所知，SA-T1处理的二进制二进制排名为18.3％，迄今为止所有二进制APSC中最高。同时，在其他全聚合物混合物中，SA-T1的通用性得到了一致改进的设备性能。这项工作为实现高性能APSC提供了新的途径。
D5.1 住宅、工业建筑和桥梁的 SHM 数字孪生要求
在此基础上，需要根据特定资产特征有意义地收集基于传感器、图像和远程传感器的数据并将其嵌入 DT 平台中。因此，可以建立全自动 SHM 系统，然后在建筑项目中实施。需要指出的是，不同的数据收集方式为任何 SHM 系统提供了通用性、适用性和稳健性。为了实现这一目标，我们开发了此交付成果，概述了最先进的 SHM 技术。该文件的重点是数据结构、数据格式及其与数值方法的对应匹配方面需要考虑的具体要求，以便进行进一步分析。这些要求的描述以及对最先进 SHM 系统的概述是本交付成果的内容。
利用微生物进行固体废物管理。
固体废物管理是现代社会的关键问题，因为产生的废物的数量继续增长，不当废物处置的负面影响变得越来越明显。固体废物管理的一种有希望的解决方案是使用微生物分解并将废物转化为有用的产品。微生物，例如细菌和真菌，具有难以置信的通用性，并且具有分解各种有机和无机材料的能力。在固体废物管理的背景下，微生物可用于将有机废物（例如食物废料和院子废物）分解为堆肥，可将其用作植物的肥料。它们也可以用来将塑料和其他非生物降解材料分解为可以回收或重复使用的更简单化合物[1]。