XiaoMi-AI文件搜索系统
World File Search SystemAutomatic
红色帽子企业Linux 10-beta自动安装RHEL
第一部分。准备RHEL安装以准备RHEL安装环境的基本步骤，以满足系统的要求，支持的体系结构，并为安装媒体提供自定义选项。此外，它涵盖了用于创建可引导安装媒体，设置基于网络的存储库以及配置UEFI HTTP或PXE安装源的方法。指南。
人类诱导性多能干细胞在纳米纤维膜阵列单层上向同步神经网络自动分化
Boxin Huang、Yong He、Elrade Rofaani、Feng Liang、Xiaochen Huang 等人。人类诱导多能干细胞在纳米纤维膜阵列单层上向同步神经网络自动分化。Acta Biomaterialia，2022 年，150，第 168-180 页。�10.1016/j.actbio.2022.07.038�。�hal-03818522�
钙钛矿还是非钙钛矿？一种从 X 射线衍射图自动识别新型混合钙钛矿的深度学习方法
图 3. ML 方法对钙钛矿与非钙钛矿进行分类。a. 根据数据集中 XRD 模式范围（2 ）的 CNN 预测准确度，b. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵真阴性，c. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵假阳性，d. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵假阴性，e. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵真阳性，f. XRD 模式（d 间距（Å））对于随机森林分类的特征重要性（步长：2.18°（2 ））。
通过完全卷积网络基于Imaged-EEG信号的自动癫痫发作检测
癫痫发作检测是需要手动干预训练有素的专家的癫痫病中的常规过程。此过程可能广泛，效率低下且耗时，尤其是对于长期记录。我们提出了一种自动方法，使用IMAING-EEG表示脑信号来检测癫痫发作。为了实现这一目标，我们分析了来自两个不同数据集的EEG信号：CHB-MIT头皮EEG数据库和包括头皮和颅内记录的癫痫项目。我们使用完全卷积神经网络自动检测癫痫发作。对于我们的最佳模型，对于CHB-MIT数据集，我们的平均准确性和特异性值分别为99.3％和99.6％，癫痫患者的相应值为98.0％和98.3％。对于这些患者，颅内电极和头皮含量分别提高了平均准确性和特异性值，分别为99.6％和58.3％。关于其他指标，我们的最佳模型达到62.7％的平均精度，召回58.3％，CHB-MIT记录的F量为59.0％，AP为54.5％，相对较低的epilepsiae数据表的性能较低。对于两个数据库，对于92％的CHB-MIT患者，每小时的误报次数达到的值小于0.5/h，而80％的癫痫患者的误报量小于1.0/h。与最近的研究相比，我们的轻量级方法不需要对预选特征的任何估计，并且表现出高表现，并且在临床实践中引入这种自动方法的可能性很有可能。
FixDrive：自动修理自动驾驶汽车...
摘要 - 自治车辆（AVS）正在迅速前进，其中4级AVS已经在现实世界中运行。curland Avs仍然落后于人类驾驶员的适应性和表现，通常表现出过度保守的行为，偶尔违反交通法律。现有的解决方案（例如运行时执行）通过自动修复运行时的AV计划轨迹来减轻这种情况，但是这种方法缺乏透明度，应该是最后一个度假胜地的度量。，优先选择AV修复是概括超出特定事件并为用户解释的。在这项工作中，我们提出了Fix d Rive，该框架分析了违反违法行为或法律行为的驾驶记录，以产生AV驾驶策略维修，以减少再次发生此类事件的机会。这些维修是用µ驱动器捕获的，µ驱动器是一种高级域特异性语言，用于针对基于事件的触发器指定驾驶行为。为最先进的自主驾驶系统Apollo实施，Fi d rive识别和可视化驾驶记录中的关键时刻，然后使用零射门学习的多模式大语言模型（MLLM）来生成µ驱动程序。我们在各种基准方案上测试了F IX D Rive，并发现生成的维修改善了AV的性能，相对于以下交通法律，避免碰撞并成功到达目的地。此外，在实践中，修复AV（15分钟的离线分析和0.08美元）的直接成本在实践中是合理的。索引术语 - 自主车辆，自动驾驶系统，多模式大型语言模型，驾驶合规性
基于零化器的细分中指数多项式空间自动检测策略
指数多项式在细分中对于重建特定曲线和曲面系列（例如圆锥曲线和二次曲面）至关重要。众所周知，如果线性细分方案能够重现某个指数多项式空间，那么它一定是级别相关的，其规则取决于定义所考虑空间的频率（以及最终的多重性）。本文讨论了一种通用策略，该策略利用湮灭算子直接从给定数据中局部检测这些频率，从而选择要应用的正确细分规则。这是构建自适应细分方案的第一步，该方案能够局部重现属于不同空间的指数多项式。本文在一个涉及经典蝴蝶插值方案的例子中明确展示了所提策略的应用。这个特定的例子是对 Donat 和 L´opez-Ure˜na (2019) 中针对单变量情况所做工作的概括，这启发了这项研究。
自动机器人任务计划通过将大型语言模型与基因编程集成
摘要 - 准确的任务计划对于控制自主系统（例如机器人，无人机和自动驾驶车辆）至关重要。行为树（BTS）被认为是任务计划中最突出的控制政策定义框架之一，由于其模块化，灵活性和可重复性。为机器人系统生成可靠，准确的基于BT的控制策略仍然具有挑战性，并且通常需要域专业知识。在本文中，我们提出了利用大语言模型（LLM）和遗传编程（GP）的LLM-GP-BT技术，以使BTS的生成和配置自动化。LLM-GP-BT技术处理以人类自然语言表达的机器人任务命令，并以计算效率和用户友好的方式将其转换为基于BT的准确和可靠的任务计划。该提出的技术是通过仿真实验系统地开发和验证的，这表明了其简化自主系统任务计划的潜力。
基于时空信息的图像解释
大脑计算机界面（BCI）应用提供了一种直接的方法，将人脑活动映射到外部设备的控制上，而无需进行物理运动。这些系统，对于医疗应用至关重要，也对非医疗应用程序有用，主要使用非侵入性记录的EEG信号，用于系统控制，并需要算法将信号转换为命令。传统的BCI应用程序在很大程度上取决于针对特定行为范式量身定制的算法，并使用具有多个通道的EEG系统来收集数据。这使可用性，舒适性和负担能力复杂化。更重要的是，广泛的培训数据集的有限可用性限制了将收集到的数据分类为行为意图的强大模型的开发。To address these challenges, we introduce an end-to-end EEG classification framework that employs a pre-trained Convolutional Neural Network (CNN) and a Transformer, initially designed for image processing, applied here for spatiotemporal represen- tation of EEG data, and combined with a custom developed automated EEG channel selection algorithm to identify the most informative electrodes for the process, thus reducing data dimensionality, and放松主题的舒适性，并改善了脑电图数据的分类性能到受试者的意图。我们使用两个基准数据集（EEGMMIDB和OpenMiir）评估了我们的模型。与现有的最新脑电图分类方法相比，我们取得了卓越的性能，包括常用的EEGNET。这项研究不仅可以推进BCI领域，而且还为BCI应用程序提供了一个可扩展和负担得起的框架。我们的结果表明，OpenMiir的分类精度提高了7％，EEGMMIDB的分类为1％，平均值分别达到81％和75％。重要的是，这些改进是通过较少的记录渠道和较少的培训数据获得的，这证明了一个框架，可以从培训数据的量以及大脑信号所需的硬件系统的简单性方面支持更有效的BCI任务方法。
自动太阳跟踪系统
1-3 本科学者，电子与通信工程系，IFET 工程学院，维卢普拉姆，泰米尔纳德邦，印度。 通讯作者（Kabilan M.）电子邮件：kabilan2004.2@gmail.com * DOI：https://doi.org/10.38177/ajast.2025.9102 版权所有 © 2025 Kabilan M. 等人。这是一篇开放获取的文章，根据知识共享署名许可条款分发，允许在任何媒体中不受限制地使用、分发和复制，只要注明原作者和出处。 文章收到日期：2024 年 11 月 9 日 文章接受日期：2025 年 1 月 16 日 文章发表日期：2025 年 1 月 26 日