XiaoMi-AI文件搜索系统
World File Search SystemAvoidance
无人驾驶的自治障碍算法...
摘要 - 为了克服自动飞行中无人驾驶汽车（无人机）避免障碍物的挑战，本文提出了双重体验注意力卷积软卷积 - 批评者（DAC-SAC）算法。该算法与卷积网络集成了双重体验缓冲池，自我注意力的机制和软性批判性算法。由于缺乏成功的培训数据，双重体验缓冲池用于解决无效的无人机培训问题。为了克服处理图像数据中原始软演员 - 批评（SAC）算法的缺点，应用了卷积神经网络（CNN）来重建参与者和评论家网络，从而可以更好地提取图像特征提取和分类。此外，通过向网络添加卷积自我发项层来采用一种自我注意的机制。此修改可以根据不同输入图像特征对注意力重量进行动态调整，从而有效解决与焦点相关的挑战。进行了两个模拟实验，并且在处理未知环境时，DAC-SAC算法在已知环境中达到99.5％的成功率，成功率为84.8％。这些结果证实，即使将深度图像作为输入，提出的算法也可以避免无人机的自主障碍。
使用障碍物避免策略
摘要：导航水下环境提出了控制和本地化技术的严重挑战。未知领土的成功导航需要实现目标的自动操作，同时避免遇到障碍，并提出一个重大问题。使用传感器数据和避免障碍技术的基于检测的控制对于自主水下车辆（AUV）的自主权至关重要。本研究的重点是开发基于滑动模式控制（SMC）的控制方法，并利用成像声纳传感器进行避免障碍物。提出的方法包括用于俯仰和深度控制的控制器，以避免固定物体。采用高斯电位功能来指导AUV的助手并避免障碍物。许多模拟结果评估了AUV在现实模拟条件下的控制性能，从而评估了准确性和稳定性。模拟结果的实验表明，使用海底环境模拟模型，我们在导航各种障碍（例如柔和的上升，陡峭下降和水下壁）方面的表现出色。
清洁发展机制各部门减排方法
《公约》第 3 条第 2 款规定：“缔约方应采取预防措施，预测、防止或尽量减少气候变化的原因并减轻其不利影响。当存在严重或不可逆转的损害威胁时，缺乏充分的科学确定性不应成为推迟采取此类措施的理由，因为应对气候变化的政策和措施应具有成本效益，以确保以尽可能低的成本实现全球利益。
学习和先天威胁规避的全脑投射和前额叶神经元类别的差异编码
要了解大脑如何产生行为，我们必须阐明神经元连接与功能之间的关系。内侧前额皮质 (mPFC) 对决策和情绪等复杂功能至关重要。mPFC 投射神经元广泛侧支，但 mPFC 神经元活动与全脑连接之间的关系尚不清楚。我们进行了全脑连接映射和光纤光度测定，以更好地了解控制雄性和雌性小鼠威胁回避的 mPFC 回路。使用组织透明化和光片荧光显微镜 (LSFM)，我们绘制了投射到伏隔核 (NAc)、腹侧被盖区 (VTA) 或对侧 mPFC (cmPFC) 的 mPFC 神经元群的全脑轴突侧支。我们提出了 DeepTraCE（基于深度学习的追踪与综合增强）来量化透明组织图像中批量标记的轴突投射，以及 DeepCOUNT（基于深度学习的通过 3D U-net 像素标记进行物体计数）来量化细胞体。使用 DeepTraCE 生成的解剖图与已知的轴突投射模式对齐，并揭示了区域内类别特定的地形投射。使用 TRAP2 小鼠和 DeepCOUNT，我们分析了威胁回避背后的全脑功能连接。PL 是与 PL-cPL、PL-NAc 和 PL-VTA 目标位点子集具有功能连接的最高度连接的节点。使用光纤光度法，我们发现在威胁回避过程中，cmPFC 和 NAc 投射器编码条件刺激，但仅在需要采取行动避免威胁时才会编码。mPFC-VTA 神经元编码学习到的但不编码先天的回避行为。总之，我们的研究结果为定量全脑分析提供了新的和优化的方法，并表明解剖学定义的 mPFC 神经元类别在避免威胁方面具有特殊的作用。
RPAS 防撞系统评估的快速时间模拟简介
摘要 — 防撞系统对于 RPAS 集成至关重要，但比较它们的性能仍然很困难。我们认为使用快速时间模拟和标准评估指标将有助于比较它们，同时提供对它们的好处的洞察。然而，快速时间模拟通常被认为难以设置并且仅限于大规模演示。我们相信即使是小型实验也可以利用它们获得巨大的好处。这项工作的目的是通过提供对以前作品和免费软件的解释、示例和引用来简化对快速时间模拟的访问。我们还列出了用于防撞系统性能排名的常用评估指标。通过简化快速时间模拟实验的设置，我们相信未来的工作将能够以更详细和可比较的形式提供其结果。
影响垃圾填埋场甲烷减排和避免的新政策和计划
•可下载具有能源潜力的 LFG 能源项目或 MSW 垃圾填埋场的电子表格 •修订后的垃圾填埋场和项目国家地图，其中包含新的环境正义人口统计数据和部落地区数据图层
研究过程和影响在线糖尿病信息用户的回避行为的因素：定性研究
摘要：用户的避免健康信息的避免行为最近受到了越来越多的关注，但是对用户避免糖尿病信息的避免行为的研究仍然有限。本文旨在揭示避免在线糖尿病信息的过程和因素。采访，采用关键事件技术进行，日记方法被用来收集17名参与者的40起在线糖尿病信息避免的真实事件。基于主题分析方法和扎根理论，分析了数据以确定回避过程的关键阶段，并获得影响回避行为发生的因素。结果表明，在线糖尿病信息避免的宏观过程包括三个阶段：遇到后的前进，遇到和避免。首先，浏览，搜索或社交互动提供了遇到的上下文；其次，遇到的发生由三个步骤组成：对刺激，对刺激做出反应并检查内容；第三，为避免遇到的在线糖尿病信息，用户将采用回避策略，例如避免信息源，控制注意力，延迟访问，忘记信息和拒绝信息，这表现为一般避免和强烈的回避，并且对用户产生积极，负面的影响。将获得的回避行为的14个障碍因子分为四个集群。这些发现可以指导信息回避行为的干预。与用户相关的因素包括人口统计学特征，健康行为感知，感知的威胁，感知的控制和信息舒适效率；信息与信息相关的因素包括信息质量，信息过载和信息传播；与环境相关的因素包括上下文类型，行为地点，时间压力和社会因素，与情绪相关的因素包括前遇到的情绪状态。
关于DNA计算代码的设计：二级结构回避代码
摘要 - 在这项工作中，我们研究了一个具有挑战性的问题，这被认为是设计用于DNA计算目的的代码字的重要标准，即单链DNA分子中的二级结构避免。简而言之，二级结构是指单链DNA序列折叠自身的趋势，从而在计算过程中变得不活跃。Milenkovic和Kashyap（2006）提出了一些降低二级结构形成可能性的设计标准，但这项工作的主要贡献是提供明确的DNA代码结构，这些dna代码完全避免了任意茎长的二级结构。正式，给定代码字n和任意整数m⩾2，我们提供有效的方法来构建长度n的DNA代码，以避免任何茎长的二级结构大于或等于m。特别是当M = 3时，我们的构造产生了1.3031位/nt的DNA代码系列，而先前ART中发现的最高速率为1.1609 BITS/NT。此外，对于M⩾3log N + 4，我们提供了一个有效的编码器，该编码器仅产生一个冗余符号。
空中防撞 (MACA) 计划
低空导航和战术训练在超过 400 节（通常为 450-550 节）的空速下进行。 卢克航空通常以 500-1000 英尺 AGL 飞行，但根据航线结构可以超过 1,500 英尺 AGL。只有具有四位标识符的航线不包含高于 1,500 英尺 AGL 的航段（即IR1206、VR1207） 非参与飞机不禁止飞越 MTR。但是，在穿越或靠近 MTR 飞行时应格外警惕。 大多数 MTR 都是 VR 航线，军用飞机在这些航线上以 VFR 飞行，因此不受 ATC 控制 分区图上仅显示航线中心线。走廊通常宽 5-10 海里，但中心线两侧可达 20 海里 普雷斯科特 FSS 可能能够提供有关实时路线活动的信息
高度自动化汽车中的避障 - 南特 - LS2N
方法来协助驾驶员控制车辆。目前，该方法正在考虑用于制定手动和自动驾驶模式之间平稳过渡的策略。本文有两个目标。首先，它提出采用现有的触觉共享控制策略来实现手动和自动驾驶模式之间的转换，并在驾驶模拟器上对真实驾驶员评估这种方法。其次，它提出在避障环境中评估四种不同的过渡曲线。第一个曲线是从自动驾驶模式逐渐过渡到共享控制模式，然后在越过障碍物后从共享控制模式再次过渡到自动驾驶模式。第二个曲线是从自动驾驶模式逐渐过渡到手动模式。第三个曲线是从自动驾驶模式到手动模式的二元过渡。最后，在第四种条件下，驾驶员超越自动驾驶模式。这些过渡曲线在驾驶模拟器上以曲线和直线进行评估。结果首先验证了使用触觉共享控制策略来执行手动和自动驾驶模式之间的转换。自动化系统和驾驶员提供的扭矩分配与预期共享水平的进展相对应。其次，无论是在转向性能还是主观评价方面，渐进式过渡都比二元过渡和自动驾驶模式的覆盖更具优势。