XiaoMi-AI文件搜索系统
World File Search SystemAutomate
太空自动威胁情报共享（SATIS）
太空 ISAC 运营着一个监测中心，用于监测和向全球太空界报告所有威胁和危险信息。监测中心致力于分析、验证和融合来自不同来源的信息，以追踪对手在地面和太空中的活动。它通过从公开信息、政府合作伙伴共享的信息和成员提交的信息中提取和关联数据来实现这一目标。监测中心使用一组行业采用的框架来关联信息，特别是 MITRE ATT&CK、太空攻击研究与战术分析 (SPARTA) 和 STIX。
使用机器学习的自动脆弱性评估
在网络安全的迅速发展的景观中，传统的脆弱性评估方法努力地跟上加快潜在威胁的复杂性和数量的步伐。本文探讨了机器学习技术的整合，以增强自动化脆弱性评估。通过利用高级算法，例如监督学习，无监督的学习和强化学习，我们开发了一种能够以比传统方法更高的准确性和效率来识别，分类和优先级别的系统。我们的方法涉及有关历史脆弱性数据的培训机器学习模型，以预测新的和新兴的威胁，从而实现主动的安全措施。我们通过经验分析和案例研究评估系统的有效性，证明检测率的显着提高并降低了假阳性。结果表明，机器学习可以实质上增加自动化脆弱性评估过程，从而为现代网络威胁所面临的挑战提供了有希望的解决方案。
机器学习Clifford不变的Ade Coxeter元素
摘要。胸肌分割是乳腺磁共振成像（MRI）的各种计算机辅助应用中的关键步骤。由于胸部和乳房区域之间的伪影和同质性，胸肌边界估计并不是一项琐碎的任务。在本文中，提出了一种基于深度学习的全自动分割方法，以准确描述轴向乳房MR图像中的胸肌边界。提出的方法涉及两个主要步骤：胸肌分割和边界估计。对于胸肌分割，基于U-NET结构的模型用于从输入图像中分离胸肌。接下来，通过候选点检测和轮廓分割来估计胸肌边界。使用两个Real-World数据集，我们自己的私人数据集和一个公开可用的数据集对所提出的方法进行了定量评估。第一个数据集包括12名患者乳房MR图像，第二个数据集由80名患者乳房MR图像组成。所提出的方法在第一个数据集中达到了95％的骰子得分，第二个数据集的骰子得分为89％。在大规模定量乳房MR图像上评估该方法的高分割性能表达了其在将来的乳腺癌临床应用中的潜在适用性。
使用计算机视觉的结直肠息肉的自动化尺寸
消息结直肠息肉大小是影响管理决策的重要生物标志物，但目前使用的主观方法有缺陷。我们探索了两种计算机视觉（CV）技术，用于将息肉大小为≤5mm或> 5 mm的二进制分类。首先，我们使用了固定在猪结肠模型上的预先幻象息肉（22个这样的息肉的视频）来探索使用Motion（SFM）方法结构（SFM）方法的自动化尺寸的概念，并将其与10个独立的内窥镜医生进行比较：SFM System（85.2％）的总体，平均诊断精度（85.2％）是Onsos-eneros-Ondos-Copist-Copists-59.5％。第二，我们开发了一个基于卷积神经网络（CNN）的深度学习模型，并在10个人类息肉视频中发现了80％的精度。与人工智力（AI）相结合时，实时自动化息肉尺寸可以改善息肉管理策略。
加速器组件的自动视觉识别
本研究提出了计算机视觉技术的新应用，用于识别ALS拥挤的加速器隧道中的磁铁和磁铁组件。利用SAM2/YOLO跟踪，我们培训了一个系统，结合了CAD渲染和来自Advanced Light Source升级（ALSU）项目的组件的真实照片。我们的方法涉及创建一些手动标记的图像的综合数据集，这些图像源自CAD模型和现场手动标记的照片。我们在简化维护程序，增强安全协议并改善了复杂加速器环境中自动化视觉检查和库存管理方面的总体操作中显示了潜在的应用。
自动化脆弱性管理一起出
流动性的数字化正在迅速发展，但是这一进展带来了明显的网络安全风险。由OneKey提供动力的企业苏联分析解决了四个主要的汽车行业挑战：不断提高的车辆连接性和复杂性扩大了脆弱性，严格的法规（例如UN-R-R155/156，ISO/SAE 21434）的脆弱性增加了，增加了繁琐的供应链在众多潜在的弱点和在众多的范围中增加了耗时，并在适当的范围中提高了差异，并在适度的范围中逐渐增加。
自闭症中E/I不平衡的验证和分析
1,2`，Qiifan Yang 3`，HernánVargas1，Kevin Low Neda Jahanshad 3,4,5 *`这些作者同样作为手稿的第一作者贡献了同样的作者 *这些作者同样贡献了该手稿1。。西班牙马德里政治家大学。3。。4。。5。Department of Biomedical Engineering, Viterbi School of Engineering, University of Southern California, Marina del Rey, California, USA Corresponding authors: Yolanda Gil, PhD Research Professor of Computer Science Director of USC Center on AI Research for Health Director of AI and Data Science Initiatives Information Sciences Institute Viterbi School of Engineering University of Southern California 4676 Admiralty Way Suite 1001 Marina del Rey, CA 90292 gil@isi.edu Neda Jahanshad，博士神经病学和生物医学工程信息科学副教授，LOBES：ENIGMA CONSION CONSION CONSICAN副总监，Enigma Consortial，Enigma Consortium consortial，Imagtium Imagemitium Image centimics Image centration of Sutiage and Super of Susinia of Suinia of Suinia of Suinia of Suinia of Suinia of Suinia of suinia CA 90292 NEDA.JAHANSHAD@USC.EDU作者信息Daniel Garijo：orcid：0000-0003-0454-7145（daniel.garijo@upm.es）
使用可穿戴设备自动检测与FBD相关事件
并在对照组中产生了较高的ACC幅度与免疫后疗法和唤醒事件相关。在免疫疗法前后，患者的滋补和质量EDA升高，在治疗后平均和中位EDA活性下降，与缘缘激活相关。在HR和BVP中没有观察到显着变化。重大意义：发现使用可穿戴设备对FBD及其相关事件进行准确和自动检测的潜力，提供了一种非侵入性方法来量化征用负担和治疗功效。这种方法可以最大程度地减少院内监测的后勤挑战，并提供连续的，分散的手段，从而改善患者护理和临床决策。future研究应着重于将方法扩展到白天监控，并将其有效性与院内视频EEG和EMG聚书进行比较。
基于仿真的高速公路轨迹计划分析，使用高级多项式用于高度自动化驾驶功能
摘要 - 自动驾驶的基本任务之一是安全的轨迹计划，决定车辆需要驾驶的任务，同时避免障碍，遵守安全规则并尊重道路的基本限制。这种方法的实际应用涉及考虑周围环境条件和运动，例如车道变化，避免碰撞和车道合并。本文的主要重点是使用高阶多项式来开发和实施安全碰撞的高速公路车道变化轨迹，以高度自动化驾驶功能（HADF）。规划通常被认为是比对照更高的级别过程。行为计划模块（BPM）的设计旨在计划高级驾驶动作（例如Lane Change Maneuver），以安全地实现横向指导的功能，以确保车辆安全性和通过环境有效的运动计划。基于从（BPM）收到的建议，该函数将产生一个相应的轨迹。所提出的计划系统是特有的，具有基于多项式的算法的情况，对于两个车道高速公路方案。多项式曲线具有连续曲率和简单性的优点，可降低整体复杂性，从而可以快速计算。通过MATLAB模拟环境对所提出的设计进行了验证和分析。结果表明，本文提出的方法在车道变化动作的安全性和稳定性方面取得了显着提高。索引项 - BPM，HADF，MPC，车道变更，轨迹产生。