XiaoMi-AI文件搜索系统
World File Search SystemIntrusive
地质与土壤报告
洛杉矶盆地的地质以显着断层，周围山脉的隆升以及盆地内大型结构块的水平和垂直运动的特征。在盆地内的各个位置，涵盖了7000万年的不连续沉积序列以及在过去一千万年内发生的沉降和沉积记录的连续记录。在盆地中已经确定了四个重要的结构块（图3）。“东北街区”位于项目地点下方，该项目位于街区的北边缘附近，就在圣加布里埃尔山脉的南部。构成东北块的“地下室”岩石是火成岩侵入岩和变质岩石的组合（其中一些是变质的沉积岩石）。该块的顶部在某些地方被多达11,000英尺的沉积物覆盖（尤其是圣加布里埃尔河谷），但是这些上覆的沉积物逐渐逐渐变细到圣加布里埃尔山脉的较薄序列（Yerkes等人。1965）。
海上风力涡轮机导管架支撑结构可靠性评估设计参数的灵敏度分析
海上风力涡轮机 (OWT) 支撑结构处于恶劣环境中，由高度随机的载荷和复杂的土壤-结构相互作用定义，因此需要采用概率方法进行设计。本文进行的研究通过专门开发的模块化非侵入式结构可靠性评估公式对这些固有随机变量施加在复杂的 OWT 支撑结构上进行了敏感性分析。这项研究的结果表明，对于极限状态 (ULS) 和疲劳极限状态 (FLS)，风速的不确定性是结构设计的驱动因素，而流体动力载荷效应是次要的，而它们对使用极限状态 (SLS) 的相对敏感性无法清楚区分，但被认为具有主导影响。此外，据推断，在 ULS 设计中，变量之间的相关性对结构的可靠性有显著影响。© 2022 由 Elsevier BV 代表韩国造船师协会制作和托管。这是一篇根据 CC BY-NC-ND 许可协议 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ ) 开放获取的文章。
基于 IMU 的人体下肢运动学估计及...
在过去的二十年中，使用可穿戴惯性测量单元 (IMU) 来替代传统的人体光学运动捕捉 (OMC) 技术引起了越来越多的关注。与传统的 OMC 相比，IMU 的侵入性较低，并且可以在感兴趣的环境中进行测量，而不仅仅是在人为的实验室空间中。这项工作的主要目标是通过提高 IMU 得出的人体骨骼关节角度的准确性，同时尽量减少使用基于 IMU 的人体运动捕捉系统所需的校准，来推进人机 IMU 运动建模和估计技术。这项工作的次要目标是展示基于 IMU 的运动捕捉系统在特定感兴趣的领域的实际应用：太空服设计和操作。在这个领域，IMU 提供了一种易于理解的方法来理解该领域适合或不适合的人体运动学。在相关环境中捕捉这些运动学可以让工程师更好地设计和维护太空服，以及模拟未来人类行星际太空飞行的操作范例。
黑暗天空照明代码
36.2 黑暗天空 – 照明规范 § 163-36.2-1 目的 以下规定旨在控制和规范整个村庄的室外照明，以促进村庄道路和高速公路的公共安全，保护土地所有者免受眩光和光侵入的侵扰，保护村庄的乡村特色，维护和恢复夜空的美丽。 过度、无遮挡和方向错误的室外照明有许多不利影响。它有损北黑文的乡村特色，使村庄看起来越来越郊区化和过度开发。这种照明产生的眩光对夜间村庄道路上的司机和行人来说很危险。此外，这种照明会干扰居民的隐私，浪费能源，并产生天光，使夜空的可见度降低，并破坏动植物的自然夜间环境。本部分规定的规定适当考虑了室外照明的合法用途，同时为业主提供指导和指示。 § 163-36.2-2 照明标准。
使用高压设备上的UHF传感器进行部分放电检测
高压传输对于电力系统中的有效能量传输至关重要，依赖于变压器和气体绝缘开关设备（GIS）等关键组件。检测部分放电（PD）对于防止绝缘失败并确保系统可靠性至关重要。这项研究通过使用超高频率（UHF）传感器来解决敏感的，无创的检测，解决了传统的PD检测方法的局限性，这些局限性通常是侵入性和嘈杂的。主要目标是使用UHF传感器在高压设备中研究部分放电，确定实验室环境中的绝缘缺陷并分析PD信号。HVAC测试以复制PD事件，并使用使用UHF天线测量电磁辐射。研究结果表明，UHF传感器有效地捕获了与PD相关的电磁信号，从而具有较高的灵敏度和准确性。这种非侵入性方法通过实现隔热缺陷的早期检测，从而提高了高压设备的可靠性和寿命，从而改善了维护和操作策略，从而获得了更一致的动力传递。
强迫症及其对记忆的影响
随着精神疾病的发病率逐年上升，越来越多的研究开始探讨其影响，例如强迫症对记忆的影响。强迫症最早在 20 世纪 80 年代的《精神疾病诊断和统计手册》中被描述。1 它分为 5 个主要类别：检查、污染、对称/排序、侵入性思维和囤积，可以使用 Y-BOCS 进行测量。强迫症是由遗传、神经生物学、行为和环境因素引起的。神经影像学研究显示眶额皮质和基底神经节过度活跃。科学家发现了强迫症对情景记忆和程序记忆的影响。2004 年，Robert M Roth 对 46 名参与者进行了一项 Pursuit Rotor Task。结果显示，强迫症组的程序记忆增强，这可能是由于大脑某些部位过度活跃所致。此外，2011 年，Mika Konishi 对 45 名参与者使用了“定向遗忘范式”方法。结果显示，强迫症患者的大脑检索抑制减少，选择性编码困难，导致记忆回忆能力下降。
使用能量热图的深度学习 NILM 方法
能源分解通过一个测量整个家庭用电需求的仪表来估计每个电器的用电量。与侵入式负荷监测相比，NILM（非侵入式负荷监测）成本低、易于部署且灵活。在本文中，我们提出了一种新方法，即 IMG-NILM，该方法利用卷积神经网络 (CNN) 分解以图像表示的电力数据。IMG-NILM 不是采用传统的将电力数据作为时间序列处理的方法，而是将时间序列转换为热图，将较高的电力读数描绘为“更热”的颜色。然后，CNN 使用图像表示从聚合数据中检测电器的特征。IMG-NILM 稳健而灵活，在各种类型的电器上均具有一致的性能；包括单一状态和多种状态。它在单个房屋的 UK-Dale 数据集上实现了高达 93% 的测试准确率，其中存在大量电器。在从不同房屋收集电力数据的更具挑战性的环境中，IMG-NILM 也达到了 85% 的非常好的平均准确率。
实践手册摄入调查和评估章
•儿童和年轻人的安全是最重要的考虑因素•必须应用原住民和托雷斯海峡岛民的儿童安置原则•及时，准确的信息收集和整体评估至关重要促进•寻求和考虑儿童和年轻人的观点•早期有效的干预对于维护儿童和年轻人的安全，福祉和文化认同至关重要负责任地使用，最少侵入性地确保儿童和年轻人的安全
通过与网格搜索超级参数使用深CNN的脑肿瘤MR图像分类的多类分类框架
活检标本的摘要组织病理学分析仍用于诊断和对当今脑肿瘤进行分类。可用的程序是侵入性的，耗时的，并且倾向于人为错误。要克服这些缺点，需要实施完全自动化的深度学习模型，以将脑肿瘤分为多个类别。将肿瘤分为五个类别，例如正常肿瘤，神经胶质瘤肿瘤，脑膜瘤肿瘤，垂体肿瘤和转移性肿瘤等五个类别，其精度为92.98％。使用网格搜索优化方法，立即分配了建议的CNN框架的所有关键超级参数。Alex Net，Inception V3，Res Net -50，VGG -16和Google -Net都是最先进的CNN模型的示例，这些示例与建议的CNN模型进行了比较。使用庞大的公开临床数据集，产生了令人满意的分类结果。医师和放射科医生可以使用建议的CNN模型来确认其首次筛查脑肿瘤多分类。关键词：多分类，CNN模型，网格搜索技术，超级参数优化