XiaoMi-AI文件搜索系统
World File Search SystemDataset
使用...
在过去的几十年中，在网络威胁的频率和复杂性的上升驱动下，计算机和信息安全的重要性呈指数增长。尽管入侵技术和安全技术都取得了迅速的进步，但许多组织仍在继续依靠过时的网络安全策略，使它们容易受到日益复杂的网络攻击的影响。常规防御措施，例如基本的防火墙和基于签名的检测系统，通常不足以抵抗使用高级方法（包括零日漏洞利用和多态性恶意软件）来逃避检测的现代攻击者。政府网络服务器容纳大量敏感的公民数据，是恶意演员特别有吸引力的目标。响应这些不断发展的威胁，部署入侵检测系统（IDS）已成为保护网络基础架构的关键组成部分，为未经授权的访问和数据泄露提供了必不可少的防御层。本研究探讨了六种基于机器学习的分类方法的功效；随机森林，梯度提升，Xgboost，catboost，Logistic回归和LightGBM在处理复合物，高维数据时都选择了其特定优势。这些算法应用于综合数据集以检测恶意活动，重点是实现分类性能的高精度和鲁棒性。值得注意的是，所有六个模型均表现出很大的有效性，达到0.98的准确率，AUC值达到1.00，突显了它们在增强IDS功能方面的潜力。结果强调了利用高级机器学习技术在增强网络安全防御方面的重要性，尤其是在关键领域（如政府数据保护）等关键领域，而精确性和可靠性至关重要。
Brainlat项目，...
拉丁美洲脑健康研究所（Brainlat）发布了来自拉丁美洲的780名参与者的独特多模式神经影像学数据集。数据集包括530例神经退行性疾病患者，例如阿尔茨海默氏病（AD），行为变异额颞痴呆（BVFTD），多发性硬化症（MS），帕金森氏病（PD）和250个健康对照（HCS）。该数据集（62.7±9.5岁，年龄范围21-89岁）是通过在五个拉丁美洲国家进行的多中心努力来收集的，以满足较大不平等区域中负担得起，可扩展和可用的生物标志物的需求。Brainlat是临床和认知评估，解剖磁共振成像（MRI），静息状态功能性MRI（fMRI），扩散加权MRI（DWI）和高密度静息态电脑术（EEG）的第一个区域收集。此外，它还包括有关统一招聘和评估方案的人口统计信息。该数据集公开可用，以鼓励基于多模式神经影像学的神经变性的工具和健康应用的进一步研究和开发，从而促进了区域可变性的评估并纳入了代表性不足的参与者研究中。
TiMREX 质量控制高空探测数据集...
During the Terrain-Influenced Monsoon Rainfall Experiment (TiMREX), which coincided with Taiwan's Southwesterly Monsoon Experiment—2008 (SoWMEX-08), the upper-air sounding network over the Taiwan region was enhanced by increasing the radiosonde (‘‘sonde'') frequency at its operational sites and by adding several additional sites (three that were land based and two that were ship基于）和飞机Dropsondes。在Timrex的特殊观察期（2008年5月15日至6月25日）中，2330辐射观测成功地从增强的网络中获取。处理来自13个Upsonde站点的数据的挑战的一部分是，使用了四种不同的SONDE类型（Vaisala RS80，Vaisala RS92，Meisei和Graw）。对SONDE数据的后期分析表明，在许多SONDES中，尤其是在Vaisala rs80 rs80 sondes的数据中存在显着的干偏见，这些数据在四个地点使用。此外，船舶结构对SONDE数据的污染导致在关键海洋部位的低质量低级热力学数据。本文研究了用于质量控制SONDE数据的方法，并在可能的情况下纠正它们。特别注意校正湿度场及其对各种对流措施的影响。对校正后的SONDE湿度数据与独立估计的比较表明良好的一致性，表明校正有效地消除了许多SONDE湿度错误。检查对流的各种措施表明，使用湿度校正的SONDES对TIMREX期间对流的特征有很大不同的观点。例如，在RS80站点，使用校正的湿度数据的使用增加了平均斗篷； 500 j kg 2 1，平均对流率（CIN）降低80 j kg 2 1，并使中级对流质量流量增加了70％以上。最终，这些校正将为诊断分析和建模研究提供更准确的水分领域。
气候变化参数数据集（CCPD）
摘要。人类的姿势估计是不断观察一个人的动作和运动以跟踪和监视一个人或物体活动的过程。人类姿势估计通常是通过限制描述一个人姿势的关键点来完成的。一个指导练习框架，使人们能够在没有私人教练的帮助的情况下远程准确地进行远程准确的人类识别来学习和运动等活动。这项工作提出了一个框架，以检测和认识到各种瑜伽和锻炼姿势，以帮助个人正确实践。流行的Blaze Pose模型从学生端提取了关键点，并将其与讲师的姿势进行比较。提取的关键点被馈送到人姿势并置模型（HPJT），以将学生姿势与讲师进行比较。该模型将通过比较提取的关键点来评估姿势的正确性，并在需要进行任何校正时向学生提供反馈。提出的模型经过40+瑜伽和运动姿势训练，并通过地图评估了模型的性能，该模型的精度为99.04％。结果证明，任何人都可以实时使用拟议的框架来练习锻炼，瑜伽，舞蹈等。在没有精确和准确性的物理讲师的帮助下，在他们的位置，导致健康的生活。
诊断成像数据集统计发布
简介 诊断成像数据集 (DID) 是一个月度数据收集，涵盖了英格兰 NHS 患者的诊断成像测试数据。它包括全科医生直接使用癌症关键诊断测试的估计值，例如胸部成像、非产科超声和脑部 MRI。引入 DID 是为了监测“改善结果：癌症战略 1 ”的进展情况。该战略阐述了政府、NHS 和公众如何帮助预防癌症、提高癌症服务的质量和效率，并朝着实现与最佳结果相媲美的方向迈进。其中一个方面是确保全科医生能够获得正确的诊断测试，以帮助他们更早地诊断或排除癌症。因此，DID 报告了成像活动、转诊来源和及时性。这些数据是从放射信息系统 (RIS) 中整理出来的，放射信息系统是用于管理放射科工作流程的医院管理系统，并上传到 NHS Digital 维护的数据库中。 1.1 常用首字母缩略词
诊断成像数据集统计发布
简介 诊断成像数据集 (DID) 是一个月度数据收集，涵盖了英格兰 NHS 患者的诊断成像测试数据。它包括全科医生直接使用癌症关键诊断测试的估计值，例如胸部成像、非产科超声和脑部 MRI。引入 DID 是为了监测“改善结果：癌症战略 1 ”的进展情况。该战略阐述了政府、NHS 和公众如何帮助预防癌症、提高癌症服务的质量和效率，并朝着实现与最佳结果相媲美的方向迈进。其中一个方面是确保全科医生能够获得正确的诊断测试，以帮助他们更早地诊断或排除癌症。因此，DID 报告了成像活动、转诊来源和及时性。这些数据是从放射信息系统 (RIS) 中整理出来的，放射信息系统是用于管理放射科工作流程的医院管理系统，并上传到 NHS Digital 维护的数据库中。 1.1 常用首字母缩略词
机载海上监视环境数据集
I. 引言 海上监视是许多国家的重要活动。它对于确保海洋运输和贸易的安全使用至关重要。它允许控制渔业，以保证资源和生态系统的保护。海上监视还可以确保环境法规得到实施，防止石油泄漏和舱底倾倒，这些会对动植物群和沿海人口造成严重影响。尽管是一项重要活动，但至今仍是一项艰巨的任务。它意味着通常以互补的方式使用船舶、飞机和卫星。所有这些平台都有各自的局限性，因此需要额外的技术。在过去十年中，无人机 (UAV) 不仅在部署方面而且在能力方面都有了巨大的增长。目前，无人机提供了有前途的技术来协助遥感和海洋监视。虽然传统飞机配备了重型雷达，但无人机通常只配备轻型无源电光传感器。在传统飞机中，机组人员会分析收集到的数据，而在无人机中，系统需要额外的智能。额外的智能用于取代机上的人员，或至少帮助地面上的操作员。随着计算机视觉和其他领域的发展，已经开发出几种方法来提高处理能力。
诊断成像数据集统计发布
简介 诊断成像数据集 (DID) 是一个月度数据收集，涵盖了英格兰 NHS 患者的诊断成像测试数据。它包括全科医生直接使用癌症关键诊断测试的估计值，例如胸部成像、非产科超声和脑 MRI。引入 DID 是为了监测“改善结果：癌症战略 1 ”的进展情况。该战略阐述了政府、NHS 和公众如何帮助预防癌症、提高癌症服务的质量和效率，并朝着实现与最佳结果相媲美的结果迈进。其中一个方面是确保全科医生能够获得正确的诊断测试，以帮助他们更早地诊断或排除癌症。因此，DID 报告成像活动、转诊来源和及时性。这些数据是从放射信息系统 (RIS) 整理而来的，放射信息系统是用于管理放射科工作流程的医院管理系统，并上传到 NHS Digital 维护的数据库中。 1.1 常用首字母缩略词
Berkeley DeepDrive无人机数据集和共识 -
在建筑环境中的导航，例如驾驶，循环和步行，是跨越驾驶和人类机器人相互作用的关键领域。能够在结构化环境中运行的自主剂的驱动是一个公认的领域，根部延伸到控制理论和机器人技术的早期。在运输的背景下，研究人员在结构化环境中进行了广泛研究的导航，例如自由流高速公路和信号的城市街道。但是，与结构化道路的导航相比，由于缺乏经验数据和问题的复杂性，在没有明确定义的通行权法规的道路上（没有明确定义的通行权法规的道路）进行了相比。理解不良导航的第一种基本要素是经验数据。为此，相机视频特别有效，因为1）他们以相对较低的成本捕获了在道路上的丰富动态，2）它们允许通过直接检查进行Quantative评估，3）3）它们可以通过现代计算机视觉实现定性分析。尽管过去进行了广泛的研究，但大多数现有的视频数据集仅着眼于结构化环境中的驾驶行为。在未建筑的道路环境中的行为，例如经常合并和未信号交叉点的拥挤的高速公路，很少受到调查。这个问题的数据稀缺无疑阻碍了对这种环境中导航的理解。为了弥合经验数据中的这一差距，我们提出了伯克利deepdrive无人机（B3D）数据集。这个谈判这个惯性框架的数据集记录了在未结构化的道路环境中驾驶行为的丰富动态，包括未信号的十字路口，未信号的回旋处，带有煤矿的高速公路，带停下来的高速公路，带有停车场的高速公路，以及与合并瓶颈的高速公路，据我们所知，这是迄今为止第一个广泛涵盖未结构化驾驶行为的无人机数据集。难题的另一部分是合适的建模范式。自动驾驶汽车中的常规控制和规划结构由从上到下的四层抽象组成：1）路由，2）行为决策，3）运动计划，以及4）车辆控制[14]。尤其是在第二个行为层中，经常采用预测模式来预测周围车辆的运动，然后在该动作计划范围内计划避免碰撞。在结构化环境中，这种经典的预测范式虽然有效地驾驶，但在未结构化的道路环境中不足。例如，在一个未信号的十字路口，驾驶员动态地谈判通行权：当两辆冲突的车辆在相似的时间接近交叉点时，一个被认为更为aggressive的人通常会“赢得”通行的优先级。
新闻稿：RARE Power 数据集
在 GridLab 的支持下，Catalyst Cooperative 将托管和分发可再生能源数据集。该数据包括按县级发布的每小时太阳能、陆上和海上风电生产情况，汇总了美国本土的 3 公里数据。首次发布包含 2019-2023 年的数据，而 2025 年第一季度的进一步发布将包含 2014-2018 年的数据。该数据集的基础是美国国家海洋和大气管理局的高分辨率快速刷新 (HRRR) 操作数值天气预报模型生成的天气变量。该方法已用于指导现实世界的进程，例如在 2020 年为 Midcontinent Independent System Operator (MISO) 开发数据集。