XiaoMi-AI文件搜索系统
World File Search SystemFBN
R4FBNT、R4FRNL、R4FSNL、R4FBFT、R4FRFL、R4FSFL
紧急情况：EM 灯具配备集成应急电池备份和 24 英寸导线远程测试开关。在应急操作期间提供至少 90 分钟的 6W 照明。
使用FTA-FBN型号对海上自动表面船舶碰撞的风险评估
海上自主地表船（质量）展示了海上运输的未来，引起了国际海事社区的越来越多的关注。对质量的碰撞风险分析揭示了未解决的挑战，如果没有适当的解决方案，将导致相关风险控制措施和政策的错误发展。在挑战中，现有文献中有两个重要的是缺乏实现定量风险评估的历史失败数据，以及2）相关风险因素之间复杂的因果关系。本文旨在开发新的故障树分析模糊贝叶斯网络（FTA-FBN）模型，以对数据的不确定性进行质量碰撞风险评估。首先，它通过FTA建立了风险因素之间的因果关系。其次，将获得的FTA图映射到BN中可以进行故障诊断，并识别影响质量碰撞的最重要因素。在此过程中，进行了一项调查，以收集用于配置相关影响力因素的条件概率的主要数据，并量化开发的BN以进行风险诊断和词典。最后，通过使用灵敏度分析和三个公理来验证新模型，然后应用于进行基于方案的风险预测和诊断以产生有见地的发现以指导大众导航安全。此外，BN向后推理确定了关键的碰撞风险，包括外部物理攻击，基于海岸的运营商的培训不足，船舶设备和系统的维护不足以及网络安全威胁。结果表明，FTA-FBN模型实现了专家评分过程的简化，降低了计算复杂性，并解决了由于历史事故数据缺乏历史事故数据而导致的大规模碰撞及其风险因素之间建立因果关系的挑战。改编后的新模型可以提供制定安全导航政策的参考，并为航运公司提供重要的见解，以确保其船舶和造船厂的安全导航以优化船舶设计。
fbnetgen：通过功能性脑网络生成
功能磁共振成像（fMRI）是研究大脑功能的最常见成像模态之一。最新的神经科学的研究压力由fMRI数据构建的功能性脑网络的巨大潜力，以进行临床预测。传统功能大脑网络是嘈杂的，并不意识到下游预测任务，同时也与深图神经网络（GNN）模型不兼容。为了完全释放GNN在基于网络的fMRI分析中的力量，我们开发了FBNet-Gen，这是一种通过深脑网络生成的任务感知和可解释的fMRI分析框架。尤其是我们制定（1）关注的关注区域（ROI）具有提取，（2）脑网络的生成，以及（3）在特定预测任务的指导下，在可端到端的可训练模型中，用GNNS进行了临床预测。随着过程，关键的新颖组件是图形生成器，该图形学会将原始的时间序列特征转换为以任务为导向的大脑网络。我们的可学习图还通过突出与预测相关的大脑区域来提供独特的解释。在两个数据集上进行了全面的实验，即最近发布且目前最大的公开利用FMRI数据集青少年脑认知发展（ABCD）和广泛使用的FMRI数据集PNC，证明了FBNETGEN的卓越有效性和可解释性。该实现可在https://github.com/wayfear/fbnetgen上获得。关键字：fMRI，大脑网络，图形生成，图形神经网络