XiaoMi-AI文件搜索系统
World File Search SystemKaran
Love Desai
我的研究使用自然语言监督进行计算机视觉探讨。使用自然语言使我们能够超越固定标签本体，并扩展到更通用的互联网数据。朝向这个目标，我的论文探讨了四个问题 - （1）学习表征：我提出了一种使用图像字幕作为训练目标的语言监督视觉学习的第一个方法之一，显示了与Imagenet训练的方法相比，在下游任务（例如对象检测和段）上进行了效果。（2）缩放数据：我探索社交媒体作为高质量图像描述的丰富来源，并策划1200万图像文本对的数据集，同时确保负责任的策划实践。（3）理解数据：很难理解数百万图像文本对中存在的视觉概念的多样性。我认为，图像和文本自然地组织成类似树状的层次结构，并提出了一种学习表征的方法，该方法使用双曲线几何形状中的工具捕获该层次结构。（4）转移到下游任务：大型视觉语言模型在图像级任务（例如分类和检索）上显示出令人印象深刻的零射击传输功能。然而，它们对像素级任务（例如对象检测和分割）的转移性迄今依赖于昂贵的标记蒙版注释。i建议对象检测器有效地传输预训练的视觉模型，以分割和分类视觉对象而无需进行任何微调，这与现有的检测器不同，这些检测器使用使用数量的尺寸训练更标记的口罩以实现高性能。主席：贾斯汀·约翰逊教授总而言之，我的研究确认，使用语言监督可以推动计算机视觉进展的下一个飞跃，并且在实际应用中具有巨大的实用性。
这是发表的贡献的接受手稿版本，其发表为：Toepel，J.，Karande，R.，Klähn，S.，Bühler，B。（2023）：蓝细菌作为W
1摘要：蓝细菌作为光营养微生物具有很大的潜力，可以从Light和Co 2等可持续资源中产生化学物质。大多数研究都集中于应变工程或应对代谢约束。最近获得了有关内部电子和碳通量的知识，其调节为有效地将细胞资源传播到产品形成提供了新的机会。同时开发了新型的光生反应器概念，以确保足够的光供应。本评论总结了蓝细菌工程领域的最新发展，以最终建立基于光合作用的生产过程。一种整体方法可以平行解决遗传，代谢和生物化学工程，这对于将其应用转变为未来的绿色生物经济学的生态和经济可行的选择至关重要。
巴拉特地下河网络连通性分析...
摘要。需要知道Barat Cave Underground River系统的连通性以支持适当的环境管理的实施，以便可以可持续地维持水资源。但是，地下河路径的映射通常受到狭窄的洞穴通道的条件的阻碍，阻塞水流（虹吸管），深地下湖泊，地下瀑布以及充满水的路径。这项研究是在Karangbolong喀斯特地区Barat Cave进行的。这项研究的目的是确定地下河中的上游下游连接系统，并根据示踪剂测试结果对传输参数的定量分析来定义通道的特征。此地下河网络分析需要进行，因为以前的研究从未分析过这个地下河网络。本研究中使用的研究方法分为三个阶段，即田间阶段，现场阶段和后场阶段。野外步骤包括确定研究的位置，收集次要数据并研究文献。现场阶段由一项水文地质调查组成，以查找有关研究区域中洞穴，弹簧，下沉的河流利润或Luweng的信息，瞬时放电测量和示踪剂测试。后场阶段包括数据处理和分析。Barat洞穴的地下系统追踪的传输参数的对流值为86.528 m /小时，分散体为0.092 m 2 /秒，分散度为3.38米，回收率为63％。The results showed that the Barat underground river system originated from the Kalimas sinking stream, Mblabak Cave, Pendok Cave, and Pagilangan sinking streams, then merged into a single tunnel without a flow breaker to the Barat Cave, Pengantin Cave, and appeared in the Kalikarak springs to become a surface river, with a tunnel pattern in the form of curvilinear branchwork.跟踪测试参数的传输值受通道和地下河流条件的特征的影响。
人工智能在土木/建筑/建筑工程教育中的应用 Mohammed E. Haque 建筑科学系 德克萨斯 A&M 大学 Vikram Karandikar 建筑科学系 德克萨斯 A&M 大学 摘要 对于某些科学和工程教育领域来说，超越传统的院系课程界限变得越来越重要。人工智能 (AI) 就是这样一个领域；它的应用非常广泛且跨学科。应特别鼓励研究生学习当代计算技术的各种应用，包括人工神经网络 (ANN)、遗传算法 (GA) 等。土木/建筑/建筑工程对神经启发计算技术的应用兴趣日益浓厚。这种兴趣的动机是某些信息处理特性与人脑相似。软计算 (SC) 是一种新兴的计算方法，它与人类思维在确定性和精确性的环境中推理和学习的非凡能力相似。本文重点介绍了人工智能在土木/建筑/建筑工程尤其是 SC 领域的各种应用。作为毕业项目的一个例子，本文展示了一个基于 ANN 和 GA 的知识模型，其中研究了客户对大型多层公寓住宅方案的舒适性和安全性问题的偏好。建筑/工程是一门应用科学，可以从现有结构及其成功和失败中吸取许多教训，并将它们结合起来以找出更好的结构的新技术。这意味着设计师应该能够从每个以前的设计中得出一些定性值，特别是用户对建筑安全性和舒适度质量的认可，以确保设计成功。建筑师/设计工程师经常面临软数据的挑战，这些数据本质上是语言定性的，需要解释并融入他们的设计决策过程。他们应该非常了解客户的愿望和要求，尤其是客户在具体设计问题上的偏好。因此，后期
人工智能在土木/建筑/建筑工程教育中的应用 Mohammed E. Haque 建筑科学系 德克萨斯 A&M 大学 Vikram Karandikar 建筑科学系 德克萨斯 A&M 大学 摘要 对于某些科学和工程教育领域来说，超越传统的院系课程界限变得越来越重要。人工智能 (AI) 就是这样一个领域；它的应用非常广泛且跨学科。应特别鼓励研究生学习当代计算技术的各种应用，包括人工神经网络 (ANN)、遗传算法 (GA) 等。土木/建筑/建筑工程对神经启发计算技术的应用兴趣日益浓厚。这种兴趣的动机是某些信息处理特性与人脑相似。软计算 (SC) 是一种新兴的计算方法，它与人类思维在确定性和精确性的环境中推理和学习的非凡能力相似。本文重点介绍了人工智能在土木/建筑/建筑工程尤其是 SC 领域的各种应用。作为毕业项目的一个例子，本文展示了一个基于 ANN 和 GA 的知识模型，其中研究了客户对大型多层公寓住宅方案的舒适性和安全性问题的偏好。建筑/工程是一门应用科学，可以从现有结构及其成功和失败中吸取许多教训，并将它们结合起来以找出更好的结构的新技术。这意味着设计师应该能够从每个以前的设计中得出一些定性值，特别是用户对建筑安全性和舒适度质量的认可，以确保设计成功。建筑师/设计工程师经常面临软数据的挑战，这些数据本质上是语言定性的，需要解释并融入他们的设计决策过程。他们应该非常了解客户的愿望和要求，尤其是客户在具体设计问题上的偏好。因此，后期