XiaoMi-AI文件搜索系统
World File Search SystemAutomatic
配电变压器自动负荷分配（IOT）
VN Chatse 1、GD Shingade 2 电气工程系，MGM'S 大学 MGM 大学，Cidco，Chh. Sambhajinagar，马哈拉施特拉邦 印度 摘要：随着我们进入人工智能、自动化和创新基础设施的新时代，在过去一个世纪中，对电力的需求呈指数级增长。人口增加也是需求增长的主要原因。使用物联网实现配电变压器的自动负载共享 当今能源危机（如电力需求和变压器保护，最终可以解决配电系统保护）的方法之一。负载分配的主要目标是防止变压器过载。由于过载，变压器的效率会降低，结果经常发生电源故障，绕组过热并可能烧毁。结果变压器故障率增加。更换新变压器是一项主要任务，需要大量资金和人力。保护配电免受过载、维持对工业和家庭的可靠电力供应是配电公司要处理的重点任务。自动负载共享是最好的解决方案之一，这将通过使用微控制器来实现。两个配电变压器通过并联连接，包括微控制器的主动作用。微控制器将第一个变压器上的负载与参考值进行比较。当负载超过参考值时，第二个变压器将分担额外的负载。关键词：DHT11-数字湿度温度传感器，ESP8266微控制器
使用合成数据自动检测临床数据仓库中脑 T1 加权磁共振图像中的运动伪影
临床数据仓库 (CDW) 包含数百万患者的医疗数据，为开发计算工具提供了绝佳的机会。磁共振图像 (MRI) 对图像采集过程中的患者运动特别敏感，这将导致重建图像中出现伪影（模糊、重影和振铃）。因此，CDW 中的大量 MRI 被这些伪影破坏，可能无法使用。由于扫描次数太多，无法手动检测它们，因此有必要开发工具来自动排除（或至少识别）带有运动的图像，以充分利用 CDW。在本文中，我们提出了一种从研究到临床数据的新型迁移学习方法，用于自动检测 3D T1 加权脑 MRI 中的运动。该方法包括两个步骤：使用合成运动对研究数据进行预训练，然后进行微调步骤，以将我们的预训练模型推广到临床数据，这依赖于 4045 张图像的标记。目标是 (1) 能够排除具有剧烈运动的图像，(2) 检测轻微的运动伪影。我们的方法在第一个目标上实现了出色的准确率，平衡准确率几乎与注释者的准确率相似（平衡准确率 > 80 %）。然而，对于第二个目标，其表现较弱，远低于人类评分者。总体而言，我们的框架将有助于在医学成像中利用 CDW，并强调对基于研究数据训练的模型进行临床验证的重要性。
使用...
摘要：在大都市地区，交叉路口的交通拥堵对效率和安全性构成了重大挑战。本研究提出了一个实时交通管理系统，该系统利用计算机视觉和人工智能来优化基于动态车辆密度分析的交通信号时间。该系统在十字路口使用四架战略性放置的摄像机，从每种方法中捕获实时视频提要。使用广泛采用的计算机视觉库OpenCV进行实时车辆检测和跟踪。通过分析每个相机饲料中的预定义区域（ROI）中的车辆，系统为所有方法计算车辆密度。AI驱动的算法将所有相机的数据集成到动态调整交通信号时机，从而优先考虑具有较高车辆密度的道路的绿灯持续时间。主要目标是增强交通流量，最大程度地减少拥塞并提高整体交叉点效率。实验结果证明了系统的有效性和可行性，突出了其在智能城市基础设施中实施实施的潜力。关键词：计算机视觉，实时车辆检测，数据分析，感兴趣的区域，智能城市基础设施
采用非接触式卡支付可提高自动收费站的电力和等待时间效率
目前，自动收费站 (ATG) 中的一种电子收费 (ETC) 方法是使用射频识别 (RFID) 技术的非接触式交易。使用 RFID 跟踪和监控物体（汽车）是实时进行的，并且需要跟上物体（汽车）的速度。安装在汽车挡风玻璃上的车载单元 (OBU) 应答器和安装在 ATG 上的路侧单元 (RSU) 是专用短程通信 (DSRC) 系统的主要组成部分，该系统允许汽车和 ATG 相互通信并进行交易，包括在线支付通行费，而无需接触。进行这项研究的动机是通过比较汽车中的 OBU 和自动收费站的 RSU 之间的通信范围以及 OBU 中的电池电量来确定采用非接触式卡支付的自动收费站的功率和等待时间效率。此外，本研究旨在确定仍接触支付卡的 ETC 系统与不接触支付卡（非接触式）且已使用 RFID 技术的 ETC 系统之间的响应时间差异。据估计，与不接触支付卡且已使用 RFID 技术的 ETC 系统相比，仍接触支付卡的 ETC 系统的响应时间更长。本研究使用的方法是设计和制作 OBU 和 RSU 的原型，然后模拟和测量安装在汽车上的 OBU 的范围和响应时间，RSU 安装在 ATG 上。
自动检测，识别和计数深...
太平洋中的深海纹状会具有强大的商业，文化和娱乐价值，尤其是鲷鱼（Lutjanidae），这些价值（Lutjanidae）构成了大部分捕捞量。然而，由于数据的稀缺，管理这些遗迹是具有挑战性的。立体声诱饵的远程水下视频站（BRUV）可以提供有关鱼类股票的有价值的定量信息，但是手动处理大量视频是耗时的，有时甚至是不现实的。为了解决这个问题，我们使用了基于区域的卷积神经网络（更快的R-CNN），这是一种深度学习体系结构来自动检测，识别和计算BRUV中的深水鲷鱼。视频是在新喀里多尼亚（南皮林）收集的，深度为47至552 m。使用在6,364张图像中观察到的11个深水鲷鱼物种中的12,100个注释的数据集，我们为具有舒适注释的6种物种获得了良好的模型性能（F-Measures> 0.7，最高0.87）。视频中最大丰度的自动和手动估计之间的相关性很高（0.72 - 0.9），但较快的R-CNN显示出低估的偏见。一种半自动协议，我们的模型在处理BRUV镜头时支持手动观察者，改善了性能，与手动计数的相关性为0.96，对于某些关键物种，则具有0.96的相关性和完美的匹配（r = 1）。此模型已经可以帮助手动观察者半自动地处理BRUVS录像，并且当更多培训数据可用以降低假否定率时，肯定会改善。这项研究进一步表明，在海洋科学中使用人工智能是进步的，但对未来有必要。
在未标记的相机陷阱图像中自动识别非洲豹子
摘要 - 本文介绍了一种解决现实世界动物识别问题的算法，即确定panthera提供的非标记的非洲豹图像数据集中的K单个动物数量未知数量。为了确定豹子的ID，我们提出了一种有效的自动化算法，该算法包括从图像中分割豹子体，对图像对之间的相似性和群集进行了分割，然后进行验证。要执行聚类，我们采用了修改的三元搜索，该搜索使用了新型的自适应K -Medoids ++聚类算法。最佳聚类是使用Silhouette分数的扩展定义确定的。使用新的聚类后验证程序用于进一步提高聚类的质量。使用Panthera数据集评估了该算法，该数据集由1555张图像中拍摄的677个单独的豹子组成，并通过基线K -Medoids ++聚类算法算法的0.864进行了调整后的共同信息评分，与0.864相比进行了聚类。
在低成本眼动追踪装置中使用前庭眼反射自动检测瞳孔并估计凝视
摘要 — 自动眼动追踪对于与患有肌萎缩侧索硬化症的人互动、用眼睛控制电脑鼠标以及对葡萄膜黑色素瘤进行控制性放射治疗都具有重要意义。据推测，凝视估计的准确性可能通过使用前庭眼动反射来提高。这种不自主的反射会导致缓慢的补偿性眼动，与头部运动的方向相反。因此，我们假设在眼动追踪过程中让头部自由移动一定比保持头部固定、只让眼睛移动产生更准确的结果。本研究的目的是创建一个低成本的眼动追踪系统，通过保持头部自由移动，将前庭眼动反射纳入凝视估计中。所用的仪器包括一个低成本的头戴式网络摄像头，可记录一只眼睛。尽管用于记录的网络摄像头是低端的，并且没有直接照明，但瞳孔检测是完全自动和实时的，采用了简单的基于颜色和基于模型的混合算法。本研究测试了基于模型的算法和基于插值的算法。根据凝视估计结果中的平均绝对角度差，我们得出结论，基于模型的算法在头部不动时表现更好，而在头部移动时同样表现良好。当头部自由移动时，使用任一算法，凝视点与目标点的大多数偏差小于 1 ◦，可以得出结论，我们的设置完全符合文献中的 2 ◦ 基准，而头部不动时的偏差超过 2 ◦。所使用的算法之前未在被动照明下进行测试。这是首次研究考虑到前庭眼反射的低成本眼动追踪装置。
自动奖励从混杂的离线数据
抽象的奖励成型已被证明是加速增强学习过程（RL）代理的有效技术。虽然在经验应用方面取得了成功，但良好的塑形功能的设计原则上的理解较少，因此通常依赖于领域的专业知识和手动设计。为了超越这个限制，我们提出了一种新型的自动化方法，用于设计离线数据的奖励功能，可能被未观察到的混杂偏见污染。我们建议使用从离线数据集计算出的因果状态值上限作为对最佳状态价值的保守乐观估计，然后用作基于潜在的基于潜在的重新塑造（PBR）的状态电位。根据UCB原则，将我们的塑造功能应用于无模型学习者时，我们表明，它比学习者而没有塑造的学习者享有更好的差距遗憾。据我们所知，这是通过在线探索中限制PBR的第一个依赖差距的遗憾。模拟支持理论发现。
NSCLC中脑转移酶的机械建模提供了用于个性化预测结果的计算标记
尽管有希望的表现，但仅当隐含高风险时，很少使用加强学习（RL）。I型糖尿病中的糖症控制就是这样的一个例子：已证明各种RL药物可以准确调节胰岛素的递送，但无法看到现实生活中的应用。 对于此类应用程序，管理风险是关键。 在本文中，我们使用进化策略算法来训练一个用于血糖控制的政策网络：它具有最先进的结果，并且在没有任何先验知识的情况下恢复了胰岛素治疗和血糖管理的基础知识。 我们提出了一种将政策网络配备认识论不确定性度量的方法，这不需要进一步的模型培训。 我们说明了如何使用这种认知不确定性估计来提高设备的安全性，从而为现实生活中的临床试验铺平了道路。糖症控制就是这样的一个例子：已证明各种RL药物可以准确调节胰岛素的递送，但无法看到现实生活中的应用。对于此类应用程序，管理风险是关键。在本文中，我们使用进化策略算法来训练一个用于血糖控制的政策网络：它具有最先进的结果，并且在没有任何先验知识的情况下恢复了胰岛素治疗和血糖管理的基础知识。我们提出了一种将政策网络配备认识论不确定性度量的方法，这不需要进一步的模型培训。我们说明了如何使用这种认知不确定性估计来提高设备的安全性，从而为现实生活中的临床试验铺平了道路。
自动乳房的Pix-2-Pix神经网络建议...
1,2,3电气工程学院1,2,3Uberlândia联邦大学，Uberlândia，巴西摘要：在乳腺癌仍然是对医疗保健专业人员的全球挑战，每年有超过半百万的死亡人数，每年有超过半百万的死亡，早期发现疾病范围的障碍范围。通常与高辐射剂量有关的出色图像对比度质量的需求与在乳房成像检查期间降低患者和技术人员的辐射吸光度的不断努力相反，如Alara（相当可得到的）指南中所述。本研究提出了一个PIX-2-PIX神经网络实施作为图像对比度增强工具，该工具预计将在低剂量图像中重现高剂量对比度的质量，为适当的诊断实施了适当的条件，同时保留了患者和技术人员安全的Alara标准。使用Carneiro对比指数（CCI）进行定量评估，显示出显着的对比度改进而没有额外的辐射。此外，结果成功地验证了该技术支持更安全的乳腺癌筛查临床实践的潜力。进一步的工作包括不同的数据集验证和其他学习参数的优化。索引 - 2D乳房X线照片，人工智能乳腺癌，图像对比，神经网络