XiaoMi-AI文件搜索系统
World File Search SystemAdapted
适应农作物和土壤（VACS）行动研究的视觉
我非常感谢那些从一开始就成为Vacs Partners的人，包括AU，FAO，非洲孤儿作物财团，Agmip，Havos.ai，Cgiar和Rockefeller Foundation。VAC的定义特征之一是它不是项目或程序；顾名思义，这是一种“愿景”，现在是一种运动。关键区别在于，运动需要集体行动和责任才能进步。没有人拥有VACS探索和促进的概念。无需正式会员才能参加其工作。我希望任何人（无论他们是决策者还是研究人员，公司执行官或民间社会领袖，公职人员，私人公民或农民）都可以从VACS中汲取灵感并将其原则应用于自己部门的工作。在一起，个人行动有很大的不同。只有我们可以一起催化我们全球食品系统所需的变化。感谢您成为该运动的一部分！
适用于动态窗口方法的速度障碍法
该论文项目是视觉行为实习的一部分。该公司旨在生产用于机器人技术的计算机视觉模型，从而帮助机器通过相机眼更好地了解世界。图像具有深度学习模型能够提取的许多功能：可导航区域，深度推理和对象检测。最近进步的示例是筏立体模型[1]，从立体声图像推断或完善深度特征，或端到端对象检测模型DETR [2]。自主导航领域可以从这些高级功能中受益，以提出更好的路径计划方法。特别是，要帮助在人拥挤的环境中部署地面机器人，机器人行为不仅必须安全，而且还必须看起来很聪明，以激发信任。本文使用来自速度障碍方法[4]启发的评分函数[4]提出了基于动态窗口方法[3]的局部路径计划者，以便从第一个的灵活性和第二个的长期预期中受益。与DW4DO方法启发的较密切的策略相比，提出的方法可以通过长期将机器人设置在安全轨道上，而不会增加达到位置目标的时间[5]。这提高了机器人应对几个移动障碍并避免参与已经占领的走廊的能力。本论文中产生的代码使用ROS和凉亭模拟器，可在以下GIT页面https://github.com/flocoic oi/fc_thesis以及最小的指令中运行安装并开始快速运行演示。
域距离适应1.5T MR脑图像的超分辨率重建
摘要。快速磁共振成像（MRI）序列在临床环境中高度要求。但是，成像信息不足会导致诊断困难。MR图像超分辨率（SR）是解决此问题的一种有希望的方法，但是由于获取配对的低分辨率和高分辨率（LR和HR）图像的实际困难，其性能受到限制。大多数现有的方法都使用倒数采样的LR IMENES，由于俯瞰域距离或由未知和复杂的降解引起的近似差而可能不准确。在这项研究中，我们提出了一个基于真实但未配对的HR/LR图像的1.5T MR脑图像的域距离调整SR框架。我们的框架工作利用了学习任意未配对图像的抽象表示并适应域间隙的能力，从而使其可行，以证明现实的下采样。此外，我们提出了一个新颖的生成对抗网络（GAN）模型，该模型集成了包含编码器，骨干和解码器的发电机，以及一个基于UNET的歧视器和多尺度感知损失。这种方法产生了令人信服的纹理，并成功地恢复了众所周知的公共数据集上过时的1.5T MRI数据，在感知和定量评估中的最先进的SR方法表现优于最先进的SR方法。
火灾前规划帮助社区更好地适应火灾
每个社区都有自己的风险。使用可下载的社区野火保护计划模板 (https://www.usfa.fema.gov/downloads/pdf/publications/ creating_a_cwpp.pdf) 来识别和减轻这些危害，并帮助社区更好地适应火灾。
鸡肉胚胎成纤维细胞的免疫原性和安全性适应性禽疫苗
。cc-by 4.0国际许可（未经Peer Review尚未获得认证）是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。它是制作
西非气候变化和改编的西非科学服务中心
1.0简介：尼日利亚尼日利亚尼日尔州联邦技术大学（FUT Minna）在西非科学服务中心的气候变化中心和改编的土地使用（WASCAL）下，呼吁申请其在气候变化和人居中的第二批博士研究计划。WASCAL是一个完全西非国际组织，专注于学术和跨学科研究，建立研究生水平的科学能力以及西非的政策制定者，并针对适应气候变化影响和土地使用管理的科学建议。它与该地区的许多机构和大学合作，为其合作伙伴提供了卓越的知识平台。WASCAL由联邦教育与研究部（BMBF），德国及其11个西非成员国，分别：贝宁，卡波·佛得角，布尔基纳·法索，科特·迪瓦·迪瓦，加纳，加纳，加纳，几内亚，马里，马里，尼日尔，尼日利亚，塞内加尔，塞内加尔，divo
DDASR：域距离自适应超分辨率重建 MR 脑图像
摘要 — 临床环境对高细节和快速磁共振成像 (MRI) 序列的需求很高，因为成像信息不足会导致诊断困难。MR 图像超分辨率 (SR) 是一种很有前途的解决此问题的方法，但由于获取成对的低分辨率和高分辨率 (LR 和 HR) 图像的实际困难，其性能受到限制。大多数现有方法通过下采样 HR 图像来生成这些对，这个过程通常无法捕获复杂的退化和特定于域的变化。在本研究中，我们提出了一个域距离自适应 SR 框架 (DDASR)，其中包括两个阶段：域距离自适应下采样网络 (DSN) 和基于 GAN 的超分辨率网络 (SRN)。DSN 在下采样过程中结合了未配对 LR 图像的特征，从而能够生成域自适应的 LR 图像。此外，我们提出了一种具有增强注意力 U-Net 和多层感知损失的新型 GAN。所提出的方法产生了视觉上令人信服的纹理，并成功恢复了来自 ADNI1 数据集的过时 MRI 数据，在感知和定量评估中均优于最先进的 SR 方法。代码可在 https://github.com/Yaolab-fantastic/DDASR 上找到。
DDASR：域距离自适应的 MR 脑图像超分辨率重建
摘要 — 临床环境对高细节和快速的磁共振成像 (MRI) 序列有很高的要求，因为成像信息不足会导致诊断困难。MR 图像超分辨率 (SR) 是解决此问题的一种有前途的方法，但由于获取成对的低分辨率和高分辨率 (LR 和 HR) 图像的实际困难，其性能受到限制。大多数现有方法通过下采样 HR 图像来生成这些对，而这个过程通常无法捕捉到复杂的退化和特定于域的变化。在本研究中，我们提出了一个域距离自适应 SR 框架 (DDASR)，其中包括两个阶段：域距离自适应下采样网络 (DSN) 和基于 GAN 的超分辨率网络 (SRN)。DSN 在下采样过程中结合了未配对 LR 图像的特征，从而能够生成域自适应的 LR 图像。此外，我们提出了一种具有增强注意力 U-Net 和多层感知损失的新型 GAN。所提出的方法可产生视觉上令人信服的纹理，并成功恢复 ADNI1 数据集中过时的 MRI 数据，在感知和定量评估方面均优于最先进的 SR 方法。代码可在 https://github.com/Yaolab-fantastic/DDASR 上找到。
苏丹麻疹疫苗犹豫量表的心理测量特性
1 苏丹恩图曼阿法德女子大学卫生科学学院公共卫生系，2 荷兰马斯特里赫特大学健康促进系、护理与公共卫生研究所 (CAPHRI)，3 加拿大魁北克省魁北克市魁北克国立公共卫生研究所 (INSPQ)，4 沙特阿拉伯王国吉赞大学应用医学科学学院教育发展与质量部门，5 英国伦敦凯佩尔街伦敦卫生与热带医学院疫苗信心项目，6 美国华盛顿大学西雅图华盛顿分校健康指标科学系，7 荷兰马斯特里赫特大学社会医学系、护理与公共卫生研究所 (CAPHRI)
用于单次试验识别运动相关皮质电位的非线性自适应时空滤波器
摘要：动作的执行或想象由皮质电位反映，可通过脑电图 (EEG) 记录为运动相关皮质电位 (MRCP)。从单次试验中识别 MRCP 是实现脑机接口 (BCI) 自然控制的一项具有挑战性的可能性。我们提出了一种基于最佳非线性滤波器的 MRCP 检测新方法，处理包括延迟样本在内的不同 EEG 通道（获得时空滤波器）。通过改变时间滤波器的顺序和输入数据的非线性处理，可以获得不同的输出。这些滤波器的分类性能通过对训练集进行交叉验证来评估，选择最佳滤波器（适应用户）并从最佳三个滤波器中进行多数投票，以使用测试数据获得输出。将该方法与我们团队最近推出的另一种最先进的滤波器进行比较，该滤波器应用于 16 名健康受试者记录的 EEG 数据，这些受试者执行或想象 50 次自定步调的上肢手掌抓握。新方法对整个数据集的平均准确率为 80%，明显优于之前的滤波器（即 63%）。对于具有异步、自定步调应用程序的在线 BCI 系统设计，它是可行的。