XiaoMi-AI文件搜索系统
World File Search SystemDense
激光粉末床熔合技术增材制造致密 WE43 镁合金
Holden Hyer 中佛罗里达大学材料科学与工程系，佛罗里达州奥兰多市 Le Zhou 中佛罗里达大学材料科学与工程系，佛罗里达州奥兰多市 中佛罗里达大学先进材料加工与分析中心，佛罗里达州奥兰多市 George Benson 中佛罗里达大学材料科学与工程系，佛罗里达州奥兰多市 Brandon McWilliams 美国陆军研究实验室武器与材料研究理事会，马里兰州阿伯丁试验场 Kyu Cho 美国陆军研究实验室武器与材料研究理事会，马里兰州阿伯丁试验场 Yongho Sohn 中佛罗里达大学材料科学与工程系，佛罗里达州奥兰多市 中佛罗里达大学先进材料加工与分析中心，佛罗里达州奥兰多市
使用密集欧洲几何改进射线几何...
目前，GPS观察允许使用断层扫描衍生4-D大气（对流层或电离层）模型。为此，GPS数据用于估计对流层的倾斜对流层延迟（STD）（例如，Pottiaux，2010年）和电离层的倾斜总电子含量（STEC）（例如Bergeot等，2010）。层析成像方法包括通过体素（代表对流层或电离层）的体素离散数量（体素为3D像素，图1）。这允许在断层网格分辨率下获取有关这些参数的分布变化的信息（Mitchell和Spencer，2003年）。在不久的将来，使用Glonass和Future Galileo系统以及增加地面GNSS网络增加了STD和STEC的观察结果，这将减少对先验信息的依赖，最终导致大气中的层析成像主要基于数据（Bust and Mitchell，Mitchell，2008; Bender and Rababe，2007年）。
使用无人机系统 (UAS) 在茂密森林地区进行图像处理
推荐引用 推荐引用 Bhatt, P., Edson, C., & Maclean, A. (2022)。使用无人机系统 (UAS) 在茂密森林地区进行图像处理。 http://doi.org/10.37099/mtu.dc.michigantech-p/16366 取自：https://digitalcommons.mtu.edu/michigantech-p/16366
热且致密的相对论费米子气体子系统中的量子重子数涨落
多体系统（微观和宏观）中的统计涨落对物理学有着非常重要的作用，因为它们编码了关于可能的相变、耗散和聚集现象的关键信息[1-6]。涨落的一个尚未开发的新特征是，在量子效应变得重要的情况下，小系统的涨落会增加。我们在最近的两篇论文[7、8]中定量分析了这种影响，在这些论文中，我们讨论了玻色子和费米子热气体中能量密度的涨落。我们的结果表明，在描述重离子碰撞时，相对论流体动力学中使用的流体元素概念存在局限性。当子系统的尺寸降至约0.5 fm以下时，能量密度涨落（对于温度和粒子质量的典型值）变得如此之大，以至于它们与它们的平均值相当。在这种情况下，具有明确能量密度的流体单元的物理图像变得不合理。我们
多代理的深入强化学习，用于密集的MMWave网络中的分布式切换管理
毫米波小细胞与定向光束形成的密集部署是一种有前途的解决方案，可增强当前无线通信的净工作能力。但是，毫米波通信链路的可靠性可能会受到严重的路径，阻塞和耳聋的影响。作为一种款项，移动用户受到频繁的交接，这会限制用户吞吐量和移动终端的电池寿命。为了解决这个问题，我们的论文提出了一个深层的多代理控制学习框架，用于分布式移交管理，称为Rhando（增强移交）。我们将用户建模为代理商，他们在考虑相关成本的同时，学习如何执行移交以通过网络优化网络。所提出的SOUTIOT已完全分布，从而限制了信号传导和计算开销。数值结果表明，与传统方案相比，所提出的解决方案可以提供更高的吞吐量，同时大大限制了移交的频率。
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
occ-vo：通过基于3D占用率的视觉探针的密集映射用于自动驾驶
摘要 - 视觉进程（VO）在自主系统中起关键作用，主要挑战是相机图像中缺乏深度信息。本文介绍了OCC-VO，这是一个新颖的框架，该框架利用了深度学习的最新范围，将2D摄像机图像转换为3D语义占用，从而规定了传统的同时估计自我姿势和地标地点的需求。在此框架内，我们利用TPV形式将环绕摄像机的图像转换为3D语义占用。解决了这种转换所带来的挑战，我们专门为姿势估计和映射算法定制，该算法结合了语义标签滤波器，动态对象滤波器，最后利用Voxel Pfilter来维护一致的全局语义映射。对OCC3D-NUSCENES的评估不仅展示了成功率提高了20.6％，并且针对ORB-SLAM3的轨迹精度提高了29.6％，而且还强调了我们构建全面地图的能力。我们的实施是开源的，可在以下网址提供：https：//github.com/ustclh/occ-vo。
通过纳米多孔石墨烯膜的致密液体传输，处于空间排除的极限
我们研究了使用分子动力学（MD）和有限元仿真的空间排除极限的密集流体通过纳米多孔膜的运输。仿真结果表明，对于简单的流体，桑普森流的偏差是滑动和有限原子尺寸效应之间竞争的结果。后者通过引入有效的孔径以及有效的膜厚度来表现出来。我们提出了一个解释所有这些因素的膜渗透性的分析模型。我们还展示了如何修改该模型以描述低分子量芳族烃在空间极限下跨这些膜的转运。通过Lennard-Jones流体渗透到单层和多层石墨烯膜的Lennard-Jones流体以及低分子量有机液体渗透到单层石墨烯膜的MD模拟进行了广泛的验证。
皮质微电路的密集计算机复制品揭示了听觉惊喜反应的细胞基础
摘要 神经系统因其对意外感觉输入的强烈反应而臭名昭著，但这种现象的生物物理和解剖学基础仅被部分理解。在这里，我们利用生物详细模型的新皮层微电路的计算机实验来研究听觉皮层中的刺激特异性适应 (SSA)，即神经元反应对重复（“预期”）音调有显著的适应性，但对罕见（“意外”）音调则无适应性。通过刺激投射到微电路的音调定位映射的丘脑皮层传入神经来模拟 SSA 实验；这些传入神经的活动是根据我们对单个丘脑神经元的体内记录建模的。建模的微电路自然地表达了许多实验观察到的 SSA 特性，表明 SSA 是新皮层微电路的一般特性。通过系统地调节电路参数，我们发现 SSA 的关键特征取决于突触抑制、尖峰频率适应和循环网络连接的协同作用。探索了这些机制在塑造 SSA 中的相对贡献，解释了与 SSA 相关的其他实验结果，并提出了进一步研究 SSA 的新实验。简介初级听觉皮层 A1 中的神经元表现出一种称为刺激的现象
深度基于模型的强化学习，用于对机器人系统的预测控制，并具有稀疏奖励
抽象的稀疏奖励和样本效率是增强学习领域的开放研究领域。在考虑对机器人技术和其他网络物理系统的增强学习应用时，这些问题尤其重要。之所以如此，是因为在这些领域中，许多任务都是基于目标的，并且自然而然地表达了二进制成功和失败，动作空间较大且连续，并且与环境的实际相互作用受到限制。在这项工作中，我们提出了深层的价值和预测模型控制（DVPMC），这是一种基于模型的预测增强学习算法，用于连续控制，该算法使用系统识别，值函数近似和基于采样的优化对选择动作。该算法是根据密集的奖励和稀疏奖励任务进行评估的。我们表明，它可以使预测控制方法的性能与密集的奖励问题相匹配，并且在样本效率和性能的指标上，在稀疏奖励任务上优于模型和基于模型的学习算法。我们验证了使用DVPMC训练在仿真的机器人上培训的代理商的性能。可以在此处找到实验的视频：https：//youtu.be/ 0q274kcfn4c。