XiaoMi-AI文件搜索系统
World File Search SystemAutomatic
Junrong Xu和Bin Zhao。电动汽车的自动电池交换站的设计和实施：一项针对电池提升和传输机构的技术研究。 J数据SCI人工INT 2025，3（1）：000158。
随着技术发展的日益发展，人们的生活水平已经飙升，他们对环境保护的认识逐渐提高。这导致了运输偏好的重大转变，私人汽车所有权中电动汽车的比例不断增加。由新能源提供动力的电动汽车，由于其环保性质而提供了巨大的市场潜力。，尽管他们有希望的前景，但他们在中国广泛采用的道路并不顺利。仍然需要解决和优化许多挑战和缺点，例如电池寿命和充电基础架构等电池寿命和充电基础设施。在阻碍电动汽车开发的无数问题中，电池充电是一个关键问题。当电动汽车的电池用完时，所有者通常会给大量时间充电带来不便。为了减轻此问题，建立配备有可更换电池的电动汽车的自动电池交换站已成为可行的解决方案。这些电台将使电动汽车能够迅速，方便地更换电池，类似于
附录 5E 自动财务处罚计划...
解释性说明：根据 EMA 于 2022 年 10 月 26 日发布的“促进能源需求管理的监管沙盒”，将实施一项临时方案，其中对于偏离适用合规阈值的 REB LRF，将适用较低的合规阈值和处罚。临时方案的详细信息可在 EMA 于 2022 年 11 月 3 日发布的“使用需求侧管理沙盒增强需求响应 (DR) 和可中断负载 (IL) 计划”中找到。
从自动反馈中学习的强化学习...
摘要 - 软件测试是软件开发的至关重要但耗时的方面，最近，大型语言模型（LLMS）已广受欢迎，可以自动化测试案例生成。但是，由于LLM经过大量开源代码培训，因此它们通常会生成不遵守最佳实践的测试用例，甚至可能含有测试气味（反patterns）。为了解决这个问题，我们提出了从静态质量指标（RLSQM）学习的强化学习，其中我们利用强化学习来基于基于静态分析的质量指标来生成高质量的单元测试。首先，我们分析了LLM生成的测试，并表明LLMS经常会产生不良的测试气味 - 大约37％。然后，我们使用此奖励模型实施了基于静态分析的轻量分析奖励模型和训练有素的LLM，以优化五个代码质量指标。我们的实验结果表明，与基本LLM相比，RL优化的Codex模型始终生成更高的测试用例，将质量指标提高了23％，并生成了近100％的语法校正代码。RLSQM在所有代码质量指标上也均优于GPT-4，尽管培训了基本更便宜的法典模型。我们提供了有关如何可靠地利用RL来提高测试发电质量的见解，并表明RLSQM是提高自动软件测试的整体效率和可靠性的重要一步。我们的数据可在以下链接上获得：https：//doi.org/10.6084/m9.figshare.25983166。
探索使用自动语音识别对口语高焦虑的EFL大学学生的影响
摘要 - 这项研究探讨了自动语音识别（ASR）技术对英语作为外语（EFL）学生的影响。在中国的98名一年级大学生中进行了研究，该研究采用了混合方法方法，将来自说话焦虑问卷的定量数据与学生反思性期刊的定性见解相结合。在14周内，参与者从事基于ASR的说话任务，获得实时反馈以提高发音和说话能力。的发现表明，ASR大大减轻了口语焦虑，尤其是在没有准备好的口语任务中，并增加了学习者对英语的信心。但是，与同伴有关的焦虑持续存在，这表明ASR在减轻群体环境中的社会焦虑方面的局限性。该研究得出的结论是，尽管ASR是单个语言实践的有效工具，但应补充同伴互动策略，以更全面地解决焦虑。关键字 - 自动语音识别，英语作为外语（EFL）学习者，口语焦虑，混合方法，语言学习
自动有效发现量子内核
摘要 - 量词计算可以通过启用内核机器来利用量子kernels来代表数据之间的相似性度量来增强机器学习模型。量子内核能够捕获在经典设备上无法有效计算的数据中的关系。但是，没有直接的方法可以针对每个特定用例设计最佳量子内核。我们提出了一种方法，该方法采用了与神经体系结构搜索和自动化中使用的技术相似的优化技术，以启发式方式自动找到最佳内核。为此，我们定义了用于构建实现相似性度量作为组合对象的量子电路的算法，该算法是根据成本函数进行评估的，然后使用元效法优化技术进行了迭代修改。成本函数可以启用许多标准，以确保候选解决方案的有利统计属性，例如动态LIE代数的等级。重要的是，我们的方法独立于采用的优化技术。通过在高能物理问题上测试我们的方法获得的结果表明，在最佳情况下，我们可以相对于手动设计方法匹配或提高测试准确性，表明我们技术的潜力可以减少努力来提供卓越的结果。
自动植物浇水系统
自动植物浇水系统的创建旨在通过基于土壤湿度水平的自动灌溉来简化植物护理和维持植物健康所需的工作。该项目使用 Arduino Uno 微控制器作为系统的核心，集成了土壤湿度传感器、继电器模块和微型水泵，以监测土壤状况并在需要时供水。该系统使用在线购买的套件中的可用组件和在线找到的 Arduino 代码构建而成。主要目标是创建一种经济高效且易于组装的解决方案，以减少灌溉中对人为干预的需求并防止灌溉不足或过度。通过实时分析土壤湿度，系统仅在必要时启动水泵，确保最佳用水量。在开发过程中，通过反复试验以及额外的在线指南解决了传感器校准、泵控制和电路设计等挑战。结果表明，该系统可以可靠运行，准确响应不同的湿度条件。潜在的改进将包括一个可以取代插入计算机的系统。总的来说，这个系统表明自己是一个有价值的工具。关键词 自动化、Arduino-Uno、灌溉、DIY、湿度传感器、节水、园艺
使用深度学习模型
目的：脑硫在前婴儿中的分割对于监测其发育至关重要。虽然已将磁共振成像用于此目的，但颅内超声（CUS）是临床实践中使用的主要成像技术。在这里，我们介绍了第一项研究，旨在使用超声图像在前婴儿中自动化脑硫酸分割。方法：我们的研究集中于单个CUS平面中的Sylvian填充段（C3），尽管该方法可以扩展到其他硫和平面。我们在两种情况下评估了深度学习模型的性能，即特定于U-NET和RESU-NET，并在分割过程中自动化。首先，我们对从同一超声机获得的图像进行了交叉验证。第二，我们应用了调整技术来使模型适应从不同供应商中获取的图像。结果：在交叉验证实验中，RESU-NET方法分别达到了骰子和0.777和0.784的灵敏度得分。应用于外部数据集时，结果会根据与训练图像的相似性而变化。相似的图像产生了可比的结果，而不同的图像显示性能下降。另外，这项研究强调了Resu-net比U-NET的优势，这表明残留连接增强了模型学习和表示复杂的解剖结构的能力。结论：这项研究证明了使用深度学习模型自动分割CUS图像中的Sylvian finsure的可行性。脑硫的准确超声表征可以改善脑发育的不足，并有助于识别具有不同发育轨迹的婴儿，从而可能影响以后的功能结果。
监控技术使用情况审查自动车牌读取器 (ALPR) 巡逻 2023
每辆配备 ALPR 系统的 SPD 车辆都安装了三个摄像头，当车牌上的字母和数字进入视野时，它们会对其进行扫描 - 这些被称为读取。最初看起来与热门列表中的项目匹配的读取被称为未经验证的匹配 - 该热门列表的车牌信息来源于华盛顿犯罪信息中心、FBI 的国家犯罪信息中心、华盛顿州许可证管理部和 SPD 调查。这是因为匹配必须由警官和/或调度员验证为真正匹配。并非所有匹配都是真正匹配，需要警官确认。在某些情况下，ALPR 系统可能会误读数字（例如，将“1”误认为“I”或将“8”误认为“B”）。在其他情况下，车牌包含与已知被盗车辆相同的数字，但来自不同的州。因此，警官必须通过比较读取的内容和潜在匹配来目视确认每个匹配，以确保数字和发行州与热门列表中的记录完全匹配。读取、命中和误读的图像会自动存储在 ALPR 数据库中，SPD 会将其保留 90 天，然后再清除。
Hussein Mohammed，Mahdi Jampour，Jost Gippert与Generative AI的介绍：迈向自动破译Palimpsests
摘要：Palimpsests是已被刮擦或洗涤以重复使用的手稿，通常是另一个文档。恢复这些工具的不足文字对人文学者的学者具有重大兴趣。因此，学者经常采用多光谱成像（MSI）技术来渲染可见的无斑点。尽管如此，在许多情况下，这种方法可能不够，因为所得图像中的不足仍然被过度文字所掩盖。生成人工智能领域的最新进展为识别高度复杂的视觉数据中的模式并相应地重建它们的前所未有的机会。因此，我们提出将这一挑战作为计算机视觉中的一项介绍任务，旨在通过生成图像插入来增强未底文本的可读性。为了实现这一目标，我们设计了一种新的方法来生成合成的多光谱图像数据集，从而提供了大量的培训示例而无需手动注释。此外，我们还采用了该数据集来微调生成涂层模型，以提高palimpsest Undertext的可读性。使用来自西奈山的高加索阿尔巴尼亚底部文字的格鲁吉亚紫菜的彩色和MSI图像证明了这种方法的功效。
引用发布版本（APA）：Rehm，M.，Pontikis，I。，＆Hald，K。（2024）。来自工业人类运动数据的自动信任估计
摘要 - 自动化的信任通常会通过交互后问卷进行评估。对于人类机器人协作，评估在反应过程中的信任水平是有益的，以将机器人的协作行为调整为用户期望。在本文中，我们研究了是否可以从可观察到的行为（例如与大型工业操纵者的互动）中估计信任。为此，我们在协作悬垂期间报告了两个任务的数据收集，大型切割件的运输和实际悬垂过程非常接近机器人。数据用于训练和比较不同的深度学习模型。结果表明，自动信任估计是可行的，它可以使用信任作为通知与机器人交互的参数。