XiaoMi-AI文件搜索系统
World File Search SystemCERES
Ceres HoloFlekt® 技术
我们精心设计的 HOE 无缝嵌入挡风玻璃，与 LED 投影仪系统搭配使用，巧妙且经济高效地集成在车厢内，使这一创新解决方案适合大规模采用。HoloFlekt ® 技术可以将任何挡风玻璃或其他玻璃结构转变为超亮、全彩和紧凑的平视显示器，无论外部光线条件如何，安全、操作、导航和信息娱乐内容都可以清晰、无干扰地显示。
Energies -CERES研究存储库
摘要：沙特阿拉伯王国（KSA）的经济和社会发展导致电力消费迅速增加，而住宅部门的消耗约占总发电量的50％。KSA很大程度上取决于不可再生能源，政府已经产生了沙特愿景2030。该计划旨在减少该国对化石燃料的依赖，并减少相关问题，例如空气污染。沙特愿景2030结合了可再生能源和新的建筑设计，例如，计划中的Neom城市将是零净能源。本研究介绍了如何通过屋顶建筑物中的屋顶光伏发电量最大程度地减少Neom对国家电网的依赖。该研究开发了一种屋顶PV的技术经济模型，其电池存储适用于可能在Neom City（别墅，传统房屋和公寓）建造的现有住宅建筑类型，并评估PV面板的最佳PV尺寸，电池存储容量和最佳方向。该研究使用Homer Pro来计算净现在成本，水平的能源成本，PV面板的方向以及最佳的PV系统尺寸。VILLA的PV系统的最佳尺寸为14.0 kW，传统住宅为11.1 kW，公寓为10.3 kW，每个容量为12 kWh。
传感器 - CERES研究存储库
脑电图（EEG）是一种广泛认识的非侵入性方法，用于囊化脑生理活性。在大多数医院环境中，它的成本效益，可移植性，易移，管理便利性和广泛可用性而脱颖而出。与其他关注解剖结构（例如MRI，CT和fMRI）的神经影像模式不同，EEG擅长提供超高的时间分辨率，这是对脑功能的深入了解的重要资产[1]。脑电图数据的经验解释主要依赖于不同生物学状态（例如，觉醒与睡眠[2]）和阵发性和形态学特征[3]的鉴定（例如，觉醒与睡眠[2]）以及常见的放电[4]。对外部刺激和激活程序的反应性，例如间歇性的光刺激或过度换气，在EEG分析中也起着显着的作用[5，6]。尽管这些实际方法在许多情况下很有价值，但它们通常没有捕获大脑网络各种解剖成分之间的复杂，动态和非线性相互作用。这些相互作用经常隐藏在脑电图记录中，超过了训练有素的医生的观察能力。这种监督得到了各种神经疾病的大量证据的支持，包括癫痫，神经退行性痴呆症，神经精神病学和运动障碍以及正常的认知范式[7]。此外，脑电图数据本质上是非平稳的，并且易受噪声来源的敏感，尤其是频率干扰。因此，从原始脑电图数据中有效删除噪声是要提取有意义的信息，以准确反映大脑活动和状态[8]。近年来，基于机器学习的方法吸引了相当大的关注，因为它们在嘈杂的脑电图记录中针对各种应用程序揭示了基本模式的特殊能力。本期特刊是传播EEG信号预处理，建模，分析及其应用中原始高质量研究的平台，特别关注机器学习和深度学习技术的利用。所涵盖的申请范围包括以下内容：•医疗保健申请，包括癫痫（贡献1-3）和麻醉（贡献4）； •与情感有关的研究（贡献5-7）； •运动图像研究（贡献8-10）； •研究外部刺激（贡献11-13）； •有关心理工作量的研究（贡献14-15）； •满意度的研究（贡献16）。
航空航天 - CERES 研究资料库
摘要：飞机维护已被确定为航空业许多高风险领域的一个关键关注点；仍然是商业航空运输业中许多事故和严重事件的偶然/促成因素。本研究的目的是回顾和分析 2003 年至 2017 年期间发生的与飞机维护相关的事故和严重事件，以更好地了解因果因素和促成因素。为此，编制了与维护相关的事故和严重事件数据集，然后通过主题分析方法进行定性分析。使用 NVivo 软件对这些事件进行编码可以开发分类法 MxFACS。然后由主题专家评估编码输出，并确定评分者间一致性值以证明研究过程的严谨性。随后，根据事件与已知事故类别（如失控、跑道偏离）的关系对事件进行了评估。发现最常见的维护事件后果是跑道偏离和空中返航，第二级类别与发动机和起落架系统故障有关。最大的维护因素问题是“维护程序不足”和“检查未发现缺陷”。在死亡人数方面，“碰撞事件”是最突出的后果，“发动机相关事件”是最重要的事件，“维护程序不足”是最令人担忧的维护因素。该研究的结果可以与现有的风险分析方法结合使用，并使利益相关者能够开发通用或定制的领结。这可能识别系统中现有的障碍以及弱点，从而能够在组织和行业范围内制定缓解策略。
电池 - CERES研究存储库
摘要：将电池保持在特定温度范围内对于安全性和效率至关重要，因为极端温度会降低电池的性能和寿命。此外，电池温度是电池安全法规的关键参数。电池热管理系统（BTMS）在调节电池温度方面是关键的。虽然当前的BTMS提供实时温度监测，但缺乏预测能力却构成了限制。本研究介绍了一种新型混合系统，该系统将基于机器学习的电池温度预测模型与在线电池参数识别单元相结合。标识单元不断实时更新电池的电气参数，从而提高了预测模型的准确性。预测模型采用自适应神经模糊推理系统（ANFIS），并考虑了各种输入参数，例如环境温度，电池电流温度，内部电阻和开路电压。该模型通过基于实时数据动态调整热参数来准确地在有限时间范围内准确预测电池的未来温度。实验测试是在一系列AMB温度范围内对锂离子（NCA和LFP）圆柱细胞进行的，以在不同条件下验证系统的准确性，包括电荷状态和动态载荷电流。提议的模型优先考虑简单，以确保实时的工业适用性。
1- 简介 - CERES 研究资料库
技术转让涉及知识从技术开发者或拥有者流向从知识中受益的技术获取者。本文提出了一个模型，用于评估发达国家向发展中国家的复杂技术转让项目中的知识流。所提出的知识流模型是通过将知识粘度和速度的概念与架构和组件知识的概念相结合而建立的。该模型基于这样的理念：向资源有限的组织（例如发展中国家的组织）转移知识，一方面需要在粘度和速度之间取得平衡，另一方面需要在架构和组件知识之间取得平衡。知识流模型已在三个地球观测小型卫星合作项目的数据上进行了测试，阿尔及利亚利用这些合作项目来从国外获取小型卫星技术并建立本地能力。该模型的实施表明，合作项目只能获得脱离当地环境的浅层架构知识。研究结果反映了合作项目机制的局限性以及技术获取者在实现适当的组件/架构和粘度/速度平衡方面面临的挑战。关键词：小型卫星技术转让；技术转让建模；发展中国家；复杂技术转让；知识流。
PLOS气候 - CERES研究存储库
1牛津可持续基础设施系统计划（OPSIS），环境变化研究所，牛津大学，牛津大学，牛津大学，英国牛津大学，2 ihcantabria，Instiatuto de Hidraulica Ambiental de la la la la la la la de la de Cantabria，西班牙桑坦德，西班牙桑坦德，西班牙桑坦德，3，3 3，苏黎世，Zurich，Zurich，switerd，switser，switerd，switem，Zurich，4阿姆斯特丹，荷兰，剑桥大学5号工程系，剑桥大学，英国剑桥市，6，6座航空运输管理中心，克兰菲尔德大学，克兰菲尔德，英国克兰菲尔德，7地理和地理知识科学，乔治·梅森大学，美国费尔法克斯，弗吉尼亚州，美国，美国，美国8号。苏黎世，瑞士
塞浦路斯航天领域发展研究 (CERES)
• 需要提高技术就绪水平（TRL） • 改善空间研发基础设施 • 需要增加合作（国内和国际） • 加强劳动力（即创造激励性的工业环境以避免人才流失）