XiaoMi-AI文件搜索系统
World File Search SystemCompression
Robust Compression of Fixed-Length Housekeeping DataOverview of Space Communications Protocols
- 奥地利航天局（ASA）/奥地利。- 比利时科学政策办公室（BELSPO）/比利时。- 机器建筑中央研究所（TSNIIMASH）/俄罗斯联合会。- 北京跟踪与电信技术研究所（CLTC/BITTT）/中国/中国卫星卫星发射和跟踪控制将军/中国。- 中国科学院（CAS）/中国。- 中国太空技术学院（CAST）/中国。- 英联邦科学与工业研究组织（CSIRO）/澳大利亚。- 丹麦国家航天中心（DNSC）/丹麦。- deciênciae tecnologia Aerospacial（DCTA）/巴西。- 电子和电信研究所（ETRI）/韩国。- 欧洲剥削气象卫星（Eumetsat）/欧洲的组织。- 欧洲电信卫星组织（Eutelsat）/欧洲。- 地理信息和太空技术发展局（GISTDA）/泰国。- 希腊国家太空委员会（HNSC）/希腊。- 希腊航天局（HSA）/希腊。- 印度太空研究组织（ISRO）/印度。- 太空研究所（IKI）/俄罗斯联合会。- 韩国航空航天研究所（KARI）/韩国。- 通信部（MOC）/以色列。- 穆罕默德垃圾箱拉希德航天中心（MBRSC）/阿拉伯联合酋长国。- 国家信息与通信技术研究所（NICT）/日本。- 国家海洋与大气管理局（NOAA）/美国。- 哈萨克斯坦共和国国家航天局（NSARK）/哈萨克斯坦。- 国家太空组织（NSPO）/中国台北。- 海军太空技术中心（NCST）/美国。- 荷兰太空办公室（NSO）/荷兰。- 粒子与核物理研究所（KFKI）/匈牙利。- 土耳其科学技术研究委员会（Tubitak）/土耳其。- 南非国家航天局（SANSA）/南非共和国。- 太空和高中气氛研究委员会（Suparco）/巴基斯坦。- 瑞典太空公司（SSC）/瑞典。- 瑞士太空办公室（SSO）/瑞士。- 美国地质调查局（USGS）/美国。
通过归一化压缩距离评估的半球同源物的功能平衡
健康大脑的有效功能取决于两个半球同源区域之间的动态平衡。这种平衡是通过脊间抑制作用促进的，这是大脑组织的关键方面。本质上，一个半球的兴奋性预测激活了其对应物的抑制网络，从而有助于形成周围的侧面网络（Zatorre等，2012; Carson，2020）。这些网络的形成实现了“截然不见”机制在获得神经元皮质水平的新功能方面起着至关重要的作用。它支持运动控制的发展（Mahan和Georgopoulos，2013; Georgopoulos and Carpenter，2015年），并增强了感官感知敏锐度（Kolasinski等，2017; Grujic et al。，2022）。因此，同源半球区域之间的相互作用调节控制人体段的网络的抑制 - 激发平衡，这对于自适应可塑性和学习过程至关重要（Das和Gilbert，1999; Graziadio等，2010）。在诸如疲劳之类的慢性疾病中，半球间的平衡至关重要（Cogliati dezza等，2015； Ondobaka等，2022），它会影响中风的严重程度（Deco和Corbetta，2011; Pellegrino，2011; Pellegrino et al。，2012; Zappasodi et al。 Al。，2013）。尤其是，已经观察到旨在缓解疲劳的神经调节干预措施恢复了原发性运动区域的生理同源性（Porcaro等，2019）和皮质脊柱（Bertoli等，2023年）。
可再生能源存储和电转气应用的 H2 和 CO2 压缩技术经济优化
摘要：工业部门脱碳对于实现可持续的未来至关重要。碳捕获和储存技术是主要选择，但最近，使用二氧化碳也被认为是一种非常有吸引力的替代方案，可以实现循环经济。在这方面，电转气是一种很有前途的选择，可以利用可再生 H 2 ，将其与捕获的二氧化碳一起转化为可再生气体，特别是可再生甲烷。由于可再生能源生产或可再生能源生产与消费之间的不匹配不是恒定的，因此必须储存可再生 H 2 或二氧化碳，以正常运行甲烷化装置并生产可再生气体。这项工作分析并优化了系统布局和存储压力，并提出了年度成本（包括资本支出和运营支出）最小化。结果表明，需要适当的压缩阶段来实现最小化系统成本的存储压力。该压力略低于二氧化碳的超临界压力，低于氢气的较低压力，约为 67 巴。最后一个量与储存和分配天然气的通常压力一致。此外，即使质量较低，H 2 的储存成本也高于 CO 2 ；这是因为 H 2 的密度低于 CO 2 。最后，结论是，压缩机成本是 CO 2 压缩中最相关的成本，但储罐成本是 H 2 中最相关的成本。
Yolocs：基于特征空间固化的密集通道压缩的对象检测
在这项研究中，我们在特征纯化和逐渐反向传播过程中检查了通道特征与卷积内核之间的关联，重点是网络内的向前和向后传播。因此，我们提出了一种称为特征空间固化的称为密集的Channel压缩的方法。利用了该方法的中心概念，我们引入了两个用于主链和头部网络的创新模块：特征空间固化结构（DF）的密集通道压缩和不对称的多级压缩解耦头（ADH）。集成到Yolov5模型中时，这两个模块表现出了出色的性能，从而导致修改的模型称为Yolocs。在MSCOCO数据集，大型，中和小型Yolocs模型上评估的AP分别为50.1％，47.6％和42.5％。保持推理速度与
使用基于块的 Haar 小波变换和 COVIDOA 压缩用于 IoMT 系统的生物信号
摘要：背景：生物信号是智能医疗系统诊断和治疗常见疾病所需的基本数据。然而，医疗系统需要处理和分析的信号量非常大。处理如此大量的数据会带来很多困难，例如需要很高的存储和传输能力。此外，在应用压缩时，保留输入信号中最有用的临床信息至关重要。方法：本文提出了一种用于 IoMT 应用的生物信号高效压缩算法。该算法使用基于块的 HWT 提取输入信号的特征，然后使用新颖的 COVIDOA 选择最重要的特征进行重建。结果：我们使用两个不同的公共数据集进行评估：MIT-BIH 心律失常和 EEG 运动/意象，分别用于 ECG 和 EEG 信号。所提算法的 CR、PRD、NCC 和 QS 平均值分别为 ECG 信号的 18.06、0.2470、0.9467 和 85.366，EEG 信号的 12.6668、0.4014、0.9187 和 32.4809。此外，所提算法在处理时间方面比其他现有技术更高效。结论：实验表明，与现有技术相比，所提方法成功实现了高 CR，同时保持了出色的信号重建水平，并且处理时间更短。
基于 JPEG2000 标准的实时高光谱图像压缩 FPGA 加速器
Refka Ghodhbani 沙特阿拉伯北部边境大学计算机科学系、计算机与信息技术学院 | 突尼斯莫纳斯提尔大学科学学院电子与微电子实验室 refka.ghodhbani@nbu.edu.sa（通讯作者） Taoufik Saidani 沙特阿拉伯北部边境大学计算机科学系、计算机与信息技术学院 taoufik.saidan@nbu.edu.sa Layla Horrigue 突尼斯莫纳斯提尔大学科学学院电子与微电子实验室 layla.k-12@hotmail.com Asaad M. Algarni 沙特阿拉伯北部边境大学计算机科学系、计算机与信息技术学院 asaad.algarni@nbu.edu.sa Muteb Alshammari 沙特阿拉伯北部边境大学计算机与信息技术学院信息技术系 muteb.alshammari@nbu.edu.sa
通过扭转和压缩下的增材制造产生的晶格结构的机械表征
摘要在本文中，研究了晶格结构的扭转和压缩行为。PLA（聚乳酸）材料用于组装中，并通过增材制造方法产生。在实验研究中，通过数字图像相关系统（DIC）系统研究了结构和晶格行为。使用三个不同的单元电池模型创建的模型，作为trunch八浓度，trunch八光线，带有节点的身体对角线以及两个不同的，70 mm和140毫米，总长度大小。通过压缩和扭转实验研究了单位细胞模型的影响，细胞大小对结构的强度进行了研究。获得了最大压缩应力和最大扭转，并提出了其变形。由于细胞模型的结构与扭转兼容，因此在带有节点细胞模型的身体对角线和140 mM的身体对角线中确定了最高最大扭矩。在Trunch Octa Light细胞模型和140 mM细胞长度中确定最高的压缩应力。
cliz：使用自适应微调数据预测为气候数据集优化有损压缩
摘要 - 从尖端的超级计算机中获得支持极大的科学模拟，气候研究在过去几十年中取得了显着发展。，在有效地存储和传输大规模的气候数据之间，出现了新的关键挑战。在本文中，我们开发了CLIZ，这是一种有效的在线错误控制有损压缩方法，具有优化的数据预测和对气候数据集跨各种气候模型的编码方法。一方面，我们探索了如何利用气候数据集的特定属性（例如蒙版信息，维度置换/融合和数据周期性模式）以提高数据预测准确性。另一方面，Cliz采用了一种新型的多霍夫曼编码方法，可以显着提高编码效率。因此显着提高了压缩比。我们根据具有不同模型的多个实地世界气候数据集评估了CLIZ与许多其他最先进的错误控制损耗压缩机（包括SZ3，ZFP，SPERR和QOZ）。实验表明，Cliz在气候数据集上的表现优于第二好的压缩机（SZ3，SPERR或QOZ1.1）的压缩比的压缩率高20％-200％。cliz可以将两个远程Globus终点之间的数据传输成本显着降低32％-38％。索引术语 - 错误控制的损耗压缩，气候数据集，分布式数据存储库/数据库
汽油、柴油和均质压燃发动机人工神经网络综述
a 马来西亚马六甲技术大学机械工程学院，Hang Tuah Jaya, 76100 Durian Tunggal，马六甲，马来西亚 b 机械工程系，PA 工程学院（隶属于 Visvesvaraya 科技大学，Belagavi），Mangaluru 574153，印度 c 机械工程系，工程技术大学，新校区拉合尔，巴基斯坦 d HUTECH 大学工程学院，越南胡志明市 e 机械工程系，Mepco Schlenk 工程学院，Sivakasi，印度 f 机械工程，孔敬大学工程学院，孔敬，泰国 g 替代能源研究与开发中心，孔敬大学，孔敬，泰国 h 航空工程系，Sathyabama 科学技术学院，印度 i 绿色技术中心，悉尼科技大学工程与 IT 学院，悉尼，新南威尔士州 2007，澳大利亚 j 机械工程系，技术学院，Glocal 大学， Delhi-Yamunotri Marg, SH-57, Mirzapur Pole, Saharanpur District, Uttar Pradesh, 247121, India k 班哈大学本哈工程学院机械工程系，Benha 13512，埃及 l 江苏大学能源研究所，镇江市学府路 301 号，邮编 212013，中国 m 印度尼西亚桑波那大学机械工程研究项目 n 工程与计算机学院Science Universitas Buana Perjuangan Karawang Teluk Jambe, Karawang 41361, Indonesia o 脂质工程与应用研究中心 (CLEAR), Ibnu Sina 科学与工业研究所, UTM, 81310 Johor Bahru, Malaysia
从压缩效率的角度来改善尖峰神经网络的稀疏结构学习
人类大脑利用尖峰进行信息传输，并动态地重组其网络结构，以提高能源效率和认知能力的整个生命周期。从这种基于尖峰的计算中汲取灵感，已开发出尖峰神经网络（SNN）来构建模仿该效率的事件驱动的模型。尽管有这些进步，但在训练和推断期间，深SNN仍遭受过度参数化，与大脑自我组织的能力形成鲜明对比。此外，由于静态修剪比率保持最佳的修剪水平，现有的稀疏SNN受到挑战，导致下降或过度修剪。在本文中，我们为深SNN提出了一种新型的两阶段动态结构学习方法，旨在从头开始进行有效的稀疏训练，同时优化压缩效率。第一阶段使用PQ索引评估了SNN中现有稀疏子网络的可压缩性，这促进了基于数据压缩见解的突触连接的重新线的自适应确定。在第二阶段，这种重新布线的比率严格告知动态突触连接过程，包括修剪和再生。这种方法显着改善了对深SNN中稀疏结构训练的探索，从压缩效率的角度来动态地调整稀疏性。我们的实验表明，这种稀疏的训练方法不仅与当前的深SNNS模型的性能保持一致，而且还显着提高了压缩稀疏SNN的效率。至关重要的是，它保留了使用稀疏模型启动培训的优势，并为将AI授予神经形态硬件的边缘提供了有前途的解决方案。