XiaoMi-AI文件搜索系统
World File Search SystemAccurate
TB318：NCO 作为稳定、精确的合成器 - 瑞萨电子
在通信和其他电路中，通常需要产生一个精确的参考信号，其频率和相位可以实时精确控制。数控振荡器 (NCO) 非常适合此目的。对于某些应用，输出参考信号是方波，因此倾向于仅使用 NCO 输出的 MSB。这在电机控制器等低频应用中很有用，但对于大多数通信任务而言是不够的。这是因为该信号的零交叉可以在一个脉冲与下一个脉冲之间相差一个输入时钟周期，这会在输出中产生不可接受的抖动量。例如，如果 NCO 的时钟频率为 30MHz，则抖动为 33ns。对于 1MHz 方波，这会导致 12 o 的相位抖动。最直接的解决方案是使用 NCO，其性能要高得多
高级机器学习技术，以准确预测
对原油（CPO）价格的准确预测对农业和金融领域的利益相关者至关重要，因为它直接影响与生产，交易和投资策略有关的关键决策。传统的时间序列模型虽然有价值，但通常在捕获CPO价格波动中固有的复杂的非线性动力学方面差不多。这项研究深入研究了尖端机器学习技术的应用，特别强调了变形金刚和混合体系结构等最先进的模型，以显着提高CPO价格预测的精度。本研究提供了有关传统CPO预测方法的现有研究的全面概述，同时还探索了该领域中机器学习应用的有希望的潜力。通过严格分析以前的研究并突出新兴趋势，这项初步研究旨在为CPO价格预测领域的未来研究建立基准。本文提出的发现旨在作为一个宝贵的参考点，阐明了迄今为止取得的进展，并确定了关键领域以进行进一步探索。
视觉 - 文本交叉模式融合，用于准确的视频字幕
摘要在本文中，我们介绍了基于视觉和文本数据的跨模式融合的新型端到端多模式字幕字幕框架。所提出的方法集成了模态意见模块，该模块使用互相关捕获视觉文本间模型的关系。此外，我们将时间关注集成到3D CNN获得的功能中，以使用面向任务的培训来学习视频中的上下文信息。此外，我们结合了一项辅助任务，该任务采用对比损失函数来增强模型的概括能力并促进对模式间关系和潜在语义的更深入的理解。任务涉及将视频转录的多模式代表与标题表示形式进行比较，从而促进了模型中改善的性能和知识转移。最后，变压器架构用于使用注意机制有效捕获和编码文本和视频信息之间的相互依赖性。在解码阶段，变压器允许模型在编码功能中关注相关元素，有效地捕获了长距离依赖性，并最终生成具有语义意义的字幕。在MSRVTT基准测试上进行的实验评估验证了提出的方法，该方法的实验方法分别达到了BLEU4，Rouge和流星得分分别为0.4408、0.6291和0.3082。与最先进的方法相比，所提出的方法显示出卓越的性能，在所考虑的三个指标中，性能的增长范围从1.21％到1.52％。
深度学习准确的鸟类鉴定
4 md.devendran@gmail.com摘要：鸟类鉴定在生物多样性保护和生态学研究中起着至关重要的作用，为栖息地健康和物种分布提供了见解。识别鸟类物种的传统方法是时间密集型，容易出现人为错误，因此需要自动解决方案。这个项目是使用深度学习的鸟类识别，提出了一个先进的系统，以利用深度学习的力量准确地从图像中识别鸟类。该系统利用卷积神经网络（CNN），以其在图像分类任务方面的熟练程度而闻名。一个包含多种鸟类图像的数据集进行了预处理并增强，以增强模型的鲁棒性和泛化。模型架构旨在提取复杂的特征，即使在诸如不同的照明条件，遮挡或类似物种的外观等挑战性的情况下，也可以准确识别。使用准确性，精度，召回和F1得分等指标评估模型的性能，以确保全面验证。结果表明，对传统机器学习方法的准确性改善了，这表明了物种识别中深度学习的潜力。该项目对野生动植物监测，生态研究和教育工具的应用有望，从而促进了意识和保护工作。未来的工作可能包括将系统集成到移动应用中，或将其部署在现场条件下的实时鸟类识别。
e CIENT和精确的电子结构模拟...
量子计算机具有执行准确且有效的电子结构量的潜力，从而实现了材料性质的模拟。然而，由于存在错误，今天的嘈杂，中等规模量子（NISQ）设备的量子和门操作数量有限。在这里，我们提出了一条可系统地改进的端到端管道，以减轻这些限制。我们提出的资源资源管道结合了问题分解技术，用于紧凑的分子表示，用于编译的电路优化方法，解决高级量子硬件上的特征值问题以及在处理后处理结果时采用的误解技术。使用密度矩阵嵌入理论进行紧凑的表示，并使用一个离子陷阱量子计算机，我们在电子结构计算中同样和明确地考虑了所有电子的10个氢原子的环。在我们的实验中，我们就通过完整的CI方法计算的总分子能在化学精度内类似化学计算机上最大的分子系统。我们的方法减少了当前工作中的数量级，从而减少了高准确量子模拟所需的量子数量，从而可以使用NISQ设备对较大的，更工业相关的分子进行模拟。随着设备的计算能力继续增长，它们在系统上进一步改进。
用于中级的小型高精度量子处理器...
在没有错误的情况下，根据量子力学处理信息的机器原则上可以解决超出任何传统计算机计算能力的问题。实际上，可扩展的通用量子计算机必须将纠错和容错作为其操作不可或缺的一部分，而这对底层量子硬件的要求可能在未来几年内都无法实现 [1]。因此，在当前嘈杂的中等规模量子 (NISQ) 设备时代 [2]，该领域的大部分努力都集中在看似不那么雄心勃勃的挑战上。位居榜首的是模拟量子模拟器的开发，这里将其定义为无需纠错的设备，但在建模复杂量子系统等任务上仍有潜力超越传统计算机 [3,4]。最近的例子包括使用捕获离子 [5 – 7]、里德堡原子 [8,9] 和超导量子比特 [10,11] 来模拟大（> 50）自旋系统中的相变和其他现象。这大致是目前在传统计算机上无法进行数值建模的规模。量子模拟通常需要访问相互作用的多体系统的高度纠缠态。人们早就知道，这样的系统也倾向于支持量子混沌，因为它们的时间演化对扰动高度敏感[12-14]。这表明了与量子模拟相关的两个不同的复杂性概念，一个与量子态的性质有关，另一个与系统动力学的性质有关。纠缠态之所以复杂，是因为预测粒子间相关性所需的信息会随着系统规模的扩大而呈指数增长，而混沌动力学之所以复杂，是因为预测量子轨迹所需的信息会随着时间的推移呈指数增长[15]。两者都会增加整体的复杂性和脆弱性
生成精确的平移运动以进行测试... - arXiv
图 2：平台调整前测量位移的示例图（a）和基本优化后测量位移的示例图（b）。前者和后者情况下测量信号与标称波形的偏差分别放大了 200 倍和 1000 倍。
rakshit poudel
摘要：本文介绍了一种用于健身运动形式检测的自动化系统，利用MediaPipe [1]进行实时姿势估计，而OpenCV [2]进行计算机视觉处理。该系统在练习中分析诸如下蹲，硬拉和二头肌卷曲等练习中的关键身体地标，从而立即提供了形式准确性的反馈。通过检测不正确的姿势，例如膝关节不当或背部曲率，该系统旨在降低受伤的风险并提高锻炼效率。所提出的方法旨在轻巧，易于访问且能够在消费级硬件上运行，从而使其可用于广泛使用。实验结果表明，检测常见形式错误的准确性很高，展示了该系统作为传统个人培训的一种具有成本效益的替代品的潜力。这项工作有助于自动健身监测的不断增长的领域，并突出了计算机愿景在改善运动安全性和性能中的作用。关键字：锻炼形式检测，媒体管，OpenCV，姿势估计，计算机视觉。
最准确的EV动力总成实时模拟
公司的核心软件RT-LAB和Hypersim使用户能够快速开发适合实时模拟的模型，同时最大程度地减少初始投资及其拥有成本。OPAL-RT还开发了数学求解器和专门用于精确模拟电力电子系统和电网的模型。rt-LAB，Hypersim和Opal-RT求解器以及模型与高级字段可编程栅极阵列（FPGA）I/O和处理板集成，以创建用于RCP和HIL测试的完整解决方案。
一种深度学习的方法，以实现高效而准确的珊瑚...
摘要。珊瑚礁是重要的生态系统，由于当地人类的影响和气候变化，其威胁越来越大。对珊瑚礁的有效，准确的监测对于它们的保护和管理至关重要。在本文中，我们提出了一个自动珊瑚检测系统，该系统只能使用一次（YOLO）深度学习模型，该模型是专门针对水下进化分析量身定制的。要训练和评估我们的系统，我们采用了一个由400个原始水下图像组成的数据集。，我们使用数据增强技术通过图像操纵将带注释的图像的数量增加到580，这可以通过提供更多样化的训练示例来改善模型的性能。数据集是从捕获各种珊瑚礁环境，物种和照明条件的水下视频中仔细收集的。我们的系统可以实现Yolov5算法的实时对象检测功能，从而实现有效而准确的珊瑚检测。我们使用Yolov5从带注释的数据集中提取区分特征，从而使系统能够概括，包括以前看不见的水下图像。在我们的原始图像数据集上，使用Yolov5成功实施了自动珊瑚检测系统，突出了先进的计算机视觉技术在珊瑚礁研究和保护中的潜力。进一步的研究将着重于完善算法以处理具有挑战性的水下图像条件，并扩展数据集以结合更广泛的珊瑚种类和时空变化。