XiaoMi-AI文件搜索系统
World File Search SystemAdaDelta
提高脑卒中检测的准确性：带有 Adadelta、RMSProp 和 AdaMax 优化器的多层感知器
1 印度旁遮普邦奇特卡拉大学工程技术学院，2 印度加济阿巴德 KIET 机构集团，3 中国浙江嘉兴中大集团，4 黎巴嫩美国大学电气与计算机工程系，黎巴嫩比布鲁斯，5 印度韦洛尔韦洛尔理工学院信息技术与工程学院，6 中国嘉兴嘉兴学院信息科学与工程学院，7 印度帕格瓦拉洛夫利职业大学研究与开发部，8 埃及坦塔坦塔医学院公共卫生与社区医学，9 韩国首尔世宗大学数据科学系，10 韩国水原成均馆大学医学院
使用...的焦点和运动想象脑机接口
脑机接口是一种无需肌肉和声音，直接通过处理过的电信号从大脑操作设备的技术。该技术的工作原理是捕获大脑的电信号或磁信号，然后对其进行处理以获取其中包含的信息。通常，BCI 使用基于各种变量的脑电图 (EEG) 信号中的信息。这项研究提出了基于 EEG 信号信息的 BCI 来移动外部设备，例如无人机模拟器。从 EEG 信号中提取运动想象 (MI) 和焦点变量，使用小波。然后，通过循环神经网络 (RNN) 对它们进行分类。为了克服 RNN 记忆消失的问题，使用了长短期记忆 (LSTM)。结果表明，BCI 使用小波，而 RNN 可以驱动非训练数据的外部设备，准确率为 79.6%。实验表明，AdaDelta 模型在准确性和价值损失方面优于 Adam 模型。而在计算学习时间方面，Adam 模型比 AdaDelta 模型更快。
研究论文 以建筑绘画为例人工智能技术在美术教学中的应用
在当今的科技时代，人工智能发展迅速，已在各个领域确立了存在。人工智能的目的是减少人为干预，以更好的结果完成任务。在本研究中，我们将以建筑绘画为例，研究人工智能技术在艺术教学中的应用。建筑绘画是一种只关注建筑的绘画，包括建筑物的室内和室外景观。在早期阶段，建筑仅出现在以不同物体为主要主题的绘画背景中。后来，建筑本身成为绘画领域的主流流派。正如其他研究人员所表明的那样，互联网技术、无线传感器网络（WSN）和深度学习技术等人工智能等最新技术都已部署在艺术教学中。人工智能使教学变得更容易。本系统利用互联网技术、WSN、人工智能和轻量级深度学习模型在艺术教学领域。通过采用这项新技术，教学方法得到了增强。为了对所提出的系统进行分析，实施了有限 Broyden-Fletcher-Goldfarb-Shanno (L-BFGS) 艺术算法。该 L-BFGS 算法专注于在任何给定应用中寻找局部最小值。在建筑绘画艺术教学中，所提出的算法将有助于解释在创作艺术品时需要注意的细微工作。然后将所提出的算法与传统的梯度下降、Adam 和 Adadelta 算法进行比较。从结果可以看出，所提出的算法在训练和测试阶段分别实现了 97% 和 98% 的准确率。