XiaoMi-AI文件搜索系统
World File Search SystemAutomatically
基于CNN网络的运动意图脑电信号自动识别（端到端）
摘要：基于运动的脑机接口 (BCI) 很大程度上依赖于运动意图的自动识别。它们还允许患有运动障碍的患者与外部设备进行通信。提取和选择判别特征通常会增加计算机的复杂性，这是自动发现运动意图的问题之一。这项研究介绍了一种利用脑电图数据自动对二类和三类运动意图情况进行分类的新方法。在建议的技术中，原始脑电图输入直接应用于卷积神经网络 (CNN)，而无需提取或选择特征。根据先前的研究，这是一种复杂的方法。建议的网络设计包括十个卷积层，后面是两个完全连接的层。由于其准确性高，建议的方法可用于 BCI 应用。
文章 TuSeSy：用于自动跟踪飞机和降落伞的智能转盘伺服系统
摘要：空投试验中飞机与降落伞的跟踪至关重要，需要研究降落伞的打开状态和飞行轨迹，如何高效准确地获取降落伞的形变数据和轨迹数据成为越来越多学者的研究方向。目前实际的数据采集主要由实验人员手持高清高速摄像机对降落伞进行跟踪拍摄，获得空投过程中降落伞的图像序列，但这些方法无法获得降落伞的运动轨迹，且易受人为因素的干扰。本文设计了TuSeSy智能转台伺服系统，可自动跟踪空投试验中的飞机与降落伞，具体而言，TuSeSy根据实际拍摄图像与跟踪算法推断图像的差异生成控制指令（从而真正跟踪目标）。此外，我们提出了一种基于图像帧差和光流的有效多目标跟踪切换算法，实现了空投试验中从飞机到降落伞的实时切换。为了评估TuSeSy的性能，我们进行了大量的实验；实验结果表明，TuSeSy不仅解决了错误目标跟踪的问题，而且还降低了计算开销。此外，与其他跟踪切换方法相比，多目标跟踪切换算法具有更高的计算效率和可靠性，确保了转台伺服系统的实际应用。
TuSeSy：用于自动跟踪飞机和降落伞的智能转盘伺服系统
摘要：跟踪飞机与降落伞在空投试验中起着至关重要的作用。研究降落伞的打开状态和飞行轨迹是十分必要的。如何高效准确地获取降落伞的形变数据和轨迹数据，越来越多的学者开始研究。目前，实际的数据采集主要由实验人员手持高清高速摄像机对降落伞进行跟踪拍摄，获得降落伞在空投过程中的图像序列。但这些方法无法获得降落伞的飞行轨迹，且易受人为因素的干扰。本文设计了一种智能转台伺服系统TuSeSy，可自动跟踪空投试验中的飞机与降落伞。具体来说，TuSeSy根据实际拍摄图像与跟踪算法推断图像之间的差异生成控制命令（从而真正跟踪目标）。此外，我们提出了一种有效的基于图像帧差异和光流的多目标跟踪切换算法，实现了空投试验中从飞机到降落伞的实时切换。为了评估TuSeSy的性能，我们进行了大量实验；实验结果表明，TuSeSy不仅解决了错误目标跟踪的问题，而且还降低了计算开销。此外，与其他跟踪切换方法相比，多目标跟踪切换算法具有更高的计算效率和可靠性，确保了转台伺服系统的实际应用。
AI-KG：人工智能自动生成的知识图谱
摘要：科学知识传统上是通过在期刊、会议论文集和在线档案中发表的研究文章来传播和保存的。然而，这种以文章为中心的范式经常受到批评，因为它不能自动处理、分类和推理这些知识。另一种愿景是生成语义丰富、相互关联的研究出版物内容描述。在本文中，我们提出了人工智能知识图谱 (AI-KG)，这是一个自动生成的大规模知识图谱，描述了 820K 个研究实体。AI-KG 包含从 333K 个人工智能领域的研究出版物中提取的大约 14M 个 RDF 三元组和 1.2M 个具体化语句，并描述了由 27 种关系链接的 5 种类型的实体（任务、方法、指标、材料、其他）。 AI-KG 旨在支持各种智能服务，用于分析和理解研究动态、支持研究人员的日常工作以及帮助资助机构和研究政策制定者做出决策。AI-KG 是通过应用自动管道生成的，该管道使用三种工具提取实体和关系：DyGIE++、Stanford CoreNLP 和 CSO Classifier。然后，它使用深度学习和语义技术的组合来集成和过滤生成的三元组，以生成高质量的知识图谱。该管道根据手工制作的黄金标准进行了评估，获得了具有竞争力的结果。AI-KG 在 CC BY 4.0 下可用，可以作为转储下载或通过 SPARQL 端点查询。
使用从时间序列数据中自动提取的特征进行商用车聚类分析
时间序列聚类分析的标准实践方法涉及仔细的特征工程，通常利用专家输入来手动调整和选择特征。在许多情况下，专家输入可能不容易获得，或者社区可能尚未就给定应用程序的理想特征达成共识。本文比较了几种聚类分析方法的结果，这些方法使用手动选择的特征和自动提取的特征，应用于来自商业卡车车队的大型地理空间时间序列远程信息处理数据。探讨了特征选择、降维和聚类算法选择对聚类结果质量的影响。该分析的结果证实了先前的结果，即在聚类质量指标方面，领域无关特征与手工设计的特征具有竞争力。这些结果还为识别大型非结构化车辆远程信息处理数据中的结构的最成功策略提供了新的见解，并表明在手动选择的特征不可用的情况下，使用自动特征提取进行时间序列聚类可以成为从大规模地理空间时间序列数据中提取结构的有效方法。
从...中自动提取程序性知识
程序性知识是执行某些任务所需的知识，是专业知识的重要组成部分。程序性知识的主要来源是自然语言指令。虽然这些可读的指令是人类有用的学习资源，但它们无法被机器解释。由于其在过程自动化中的潜在应用，从指令中自动获取机器可解释格式的程序性知识已成为一个越来越受欢迎的研究课题。然而，它还没有得到充分解决。本文介绍了一种方法和一个实现的系统，以帮助用户自动从指令中获取结构化形式的程序性知识。我们引入了一种用于分析指令的程序的通用语义表示，使用该表示，自然语言技术可以自动从指令中提取结构化程序。在三个领域对该方法进行了评估，以证明所提出的语义表示的通用性以及实现的自动系统的有效性。关键词：程序性知识，信息提取，指导性文本