XiaoMi-AI文件搜索系统
World File Search SystemAutomatic
mitgcm-ad V2：自动分化工具塔tape of
马萨诸塞州技术研究所通用循环模型（MITGCM）被气候科学界广泛使用，以模拟行星氛围和海洋循环。MITGCM的一个定义特征是它已开发为与算法二元组合（AD）工具（TAF）兼容，可以使切线线性和伴随模型的产生。这些提供了梯度信息，该信息可以基于动态的灵敏度和归因研究，状态和参数估计以及严格的不确定性定量。重要的是，梯度信息对于计算全面敏感性和执行E ffi cient大规模数据同化至关重要，确保可以从卫星和原位测量工具中收集的观察结果可以用来优化大型不确定的控制空间。因此，MITGCM构成了物理海洋学研究界采用的关键数据同化产品的动态核心：估计海洋的循环和气候（ECCO）国家估计。尽管MITGCM和ECCO在研究社区中广泛使用，但AD工具TAF是专有的，因此很大一部分用户无法访问。此处介绍的新版本2（MITGCM-AD V2）框架是基于源代码广告工具thaus的，该工具最近是开源的。tap的另一个功能是，默认情况下它存储了所需的变量（而不是重新计算它们），从而简化了e ffi cient，与AD兼容的代码的实现。该框架已与MITGCM模型的主分支集成在一起，现在可以免费使用。
一种用于自动手语识别和学习的智能Android系统
摘要 - 本文提出了一种智能的Android系统，旨在自动识别阿拉伯语和美国的标志语言，以及这些符号语言的教学和学习。它包含两个子系统。第一个子系统，即感觉智能手套系统（SSG-sys），基于物联网（IoT），是为自动手语识别而设计的。它包括一个配备了五个弹性传感器的智能手套，根据所执行的手势测量手指的弯曲，以及一个MPU-6050加速度计的传感器，可在三个轴（X，Y，Z）上跟踪手的位置。感应的数据由Arduino Nano微控制器处理，并且通过HC-05蓝牙模块将识别手势的文本传输到Android手机。此手机显示文本，并使用Android应用程序将其转换为可听见的语音。SSG-SYS结果表明阿拉伯语手语（ARSL）（98.42％）和美国手语（ASL）（98.22％）的识别准确率很高。第二个子系统是移动增强手语学习系统（MASLL-SYS）。这是一个移动教育应用程序，利用基于标记的增强现实技术，增强和使手语学习过程更现实和有效。它由五个主要模块组成：注册，学习，增强学习，测试和学生模块。总的来说，一群专家评估了拟议的智能系统的性能，他们透露，这是一种有前途的手语识别和学习工具。关键字 - 手语（SL），美国手语（ASL），阿拉伯语手语（ARSL），智能手套，增强现实（AR）
深度学习的自动纤维结构组织分割在乳腺磁共振成像筛选
摘要。鉴于乳腺癌病例的全球增加以及纤维球组织（FGT）密度在评估风险和预测疾病过程中的关键重要性，FGT的准确测量是诊断成像中的重大挑战。 当前的研究重点是使用深度学习模型在MRI扫描中自动分割乳腺组织。 的目的是为开发纤维球组织精确定量的方法建立坚实的基础。 为此，系统地处理了公开可用的“杜克乳腺癌MRI”数据集，以利用NNU-NET（“ No-New-NET”）框架训练深层神经网络模型，然后进行定量评估。 结果显示以下具有标准偏差的宏观平均指标：骰子相似系数0.827±0.152，准确性0.997±0.003，灵敏度0.825±0.158和特异性0.999±0.001。 我们模型在分割FGT中的有效性是由骰子系数，准确性，灵敏度和特异性的高值强调的，这反映了我们结果的精确性和可靠性。 这项研究的结果为开发自动化方法量化FGT的基础是坚实的基础。 我们的研究工作，尤其是在奥格斯堡大学医院的临床研究的驱动下，重点是进一步探索和验证这些潜力。鉴于乳腺癌病例的全球增加以及纤维球组织（FGT）密度在评估风险和预测疾病过程中的关键重要性，FGT的准确测量是诊断成像中的重大挑战。当前的研究重点是使用深度学习模型在MRI扫描中自动分割乳腺组织。的目的是为开发纤维球组织精确定量的方法建立坚实的基础。为此，系统地处理了公开可用的“杜克乳腺癌MRI”数据集，以利用NNU-NET（“ No-New-NET”）框架训练深层神经网络模型，然后进行定量评估。结果显示以下具有标准偏差的宏观平均指标：骰子相似系数0.827±0.152，准确性0.997±0.003，灵敏度0.825±0.158和特异性0.999±0.001。我们模型在分割FGT中的有效性是由骰子系数，准确性，灵敏度和特异性的高值强调的，这反映了我们结果的精确性和可靠性。这项研究的结果为开发自动化方法量化FGT的基础是坚实的基础。我们的研究工作，尤其是在奥格斯堡大学医院的临床研究的驱动下，重点是进一步探索和验证这些潜力。
使用提示自动生成建模元素...
智能技术系统（ITS）的开发需要高级方法，以满足不断增长的系统复杂性和各种利益相关者要求的种类。基于模型的系统工程（MBSE）已被证明是一种有前途的开发方法，可以应对不断增长的系统复杂性和提高企业敏捷性（Friedenthal 2023）。通常，系统工程（SE）致力于开发整体解决方案和集成系统组件以满足客户需求和功能（Hitchins 2007）。se首先定义系统要求，然后设计系统元素，合成和复杂系统验证（Walden 2023）。MBSE是基于文档的SE的扩展，其中有关系统的信息在系统模型中被形式化。这种以模型为中心的方法可以为跨学科系统开发所需的一致且可追溯的系统设计（Friedenthal 2023）。系统模型有助于更深入地了解系统需求与系统新兴属性，内部结构和行为之间的联系。建模使整合易于管理的不同观点的复杂性。系统模型是在研讨会中设计的，其中随后将模型数字化，或者使用建模工具直接以数字形式进行数字化（Tschirner 2016）。正式的建模语言，例如Sysml（Delligatti 2014），用于以正式的方式捕获系统设计。
股票投资推荐的自动降级时间相关建模
股票投资建议对于指导投资决策和管理投资量至关重要。最近的研究表明，时间相关模型（TRM）的潜力以产生过多的投资回报。然而，在完整的金融生态系统中，当前的TRM遭受了低信噪比（SNR）（SNR）的固有时间偏见，以及利用不适当的关系倾向和传播机制所引起的关系偏见。此外，分布在宏市场场景后面转移，使基础I.I.D.假设并限制TRM的概括能力。在本文中，我们先驱对上述问题对时间相关模式的有效学习的影响，并提出一种自动偏见的时间关系模型（ADB-TRM）对股票推荐。具体而言，ADB-TRM由三个主要成分组成，即（i）元学习的雅典形成了一个双阶段训练过程，内部部分可以缓解时间依赖性偏置和外部meta-learnernernernernernernernernernernernernernernernerner的分布，（II）自动抗逆向型的型号，（ii）自动化的型号的型模型，以适应性的型号的型模型，以适应性型号的型号，并介绍了对逆向型号的型号。对手培训和（iii）全球局部互动有助于从本地和全球分配的角度寻求相对不变的库存嵌入，以减轻分歧转移。在不同股票市场的三个数据集上进行的实验表明，ADB-TRM在累积和风险调整后的收益方面占28.41％和9.53％的最新技术。
自动检测和警报系统
摘要。在印度，有80％的死亡是由于事故造成的，以防止这种车辆到车辆技术。这种V2V技术不仅可以防止事故，而且可以检测到它们。此V2V是其的子集。v2v是车辆到车辆通信，在该通信中，车辆交换有关速度，位置和旅行方向的信息，从各个方向近距离靠近驾驶员的车辆对车辆的全面意识。当前系统既包括预防（通过振动传感器）和检测（通过Google Maps Integration）。在拟议的论文中解决了预防和检测。在预防方面，DSRC是用于通信的无线网络。V2V的操作范围为250m。这项技术在丘陵地区特别有用，在丘陵地区，驾驶员可能无法检测到盲点中的车辆。而不是DSRC，我们可以使用Zigbee或蓝牙进行通信。使用UV传感器检测到障碍物，并由蜂鸣器提醒；当它超出范围时，车辆会自动停止。在检测方面，这主要基于检测事故的加速度计。将使用GPS和GSM来实现事故位置的识别和创建以及消息和位置的发送。该系统的主要优点是成本效益，确保安全性，能够迅速挽救受害者的生命，有效的时间消耗的能力以及减少人为错误的可能性。
使用带有EEG信号的SVM技术自动癫痫发作检测
在癫痫的预测中，根据脑电图的目视检查，使用了自动癫痫发作检测系统，该系统充当医生的第二意见工具。使用带有EEG信号的SVM技术提出了一种自动癫痫发作检测，以准确预测癫痫发作检测。所提出的技术在节之后完成概述构想。第2节处理具有不同技术的可用方法。第3节用提出的方法处理以克服已经可用的系统中的问题。第4节通过SVM分类器管理提出的系统的完整过程。第5节通过使用带有EEG信号的SVM技术自动癫痫发作检测获得了结果。提议方法的结论遵循第6节。
技术规范：自动生成控制，SCADA调度说明和快速启动设施操作行为
Figure 1 Example automated start from look-ahead signals ......................................................................... 20 Figure 2 Example Fast Start Dispatch Inflexibility Profile .............................................................................. 21 Figure 3 Example FSIP Dispatch ...................................................................................................................... 21 Figure 4 AGC Dispatch Examples .................................................................................................................... 30 Figure 5 Linear Ramping Example – Energy Only .......................................................................................... 34 Figure 6 Linear Ramping Example – Energy and Regulation ....................................................................... 36 Figure 7 Illustrates the usage of the different ramp rate setpoints .................................................................................................................................................. 37图8间歇性或持续的通信失败事件.......................................................................................................
国际会议自动学和信息学'2024（...
自2020年以来，会议组织者是约翰·阿塔纳索夫（John Atanasoff）自动与信息学协会，瓦尔纳技术大学，保加利亚大学IEEE和保加利亚科学工程联盟的联合会。ICAI'24的会议计划包括：全体会议，邀请研讨会和讲习班，科学会议，年轻研究人员学校，公司演讲和展览。会议的目的是将对自动化，信息，计算机科学，人工智能等现代技术的开发和实施感兴趣的国际研究人员和工业从业人员汇集在一起。
推荐引用 推荐引用 Farrar, Christopher，“使用人工智能进行实时自动文本更正”，技术披露共享，（2020 年 9 月 2 日） https://www.tdcommons.org/dpubs_series/3575
本作品根据 Creative Commons Attribution 4.0 许可协议授权。本文由 Technical Disclosure Commons 提供给您，供您免费和开放访问。它已被 Technical Disclosure Commons 的授权管理员接受纳入防御性出版物系列。