XiaoMi-AI文件搜索系统
World File Search SystemKine
Kinetica-1固体运载火箭发展现状及主要应用进展 Kinetica-1固体运载火箭发展现状及主要应用进展
部署在酒泉卫星发射中心，配备机动式环境保障装置，具有快速反应、灵活使用、高效发射、批量储存、滚动备份等特点。2022年7月27日北京时间12时12分，Kinetica-1火箭从酒泉卫星发射中心成功将6颗卫星发射至500公里的卫星轨道。首飞载荷1068.63千克，全部卫星总重899千克。飞行过程中，各级固体发动机、伺服跟踪指令、级间分离、星箭整流罩均正常，6颗卫星准确送入预定轨道，获得过载、振动、冲击、噪声等完整遥测数据。本次首飞任务
在存在二苯或terthihiophene的存在下硫代的电化学聚合：聚合的动力学和机制。
镍磷酸催化剂，遵循Tamao等人报告的程序。34电化学合成和环状伏安法（CV）在EG＆G PAR 273型Potentiostat/galvanostat上进行。用饱和的钙胶电极（SCE）用作参考和铂金箔作为工作和反电极，用饱和的钙胶电极（SCE）用作。 用铬酸洗涤工作电极，然后用水洗涤，并将其抛光至CA的最终平滑度。 0.1 PRM，含氧化铝抛光粉，然后用蒸馏水和乙腈彻底冲洗。 在Perkin-Elmer 1610 FTIR光谱仪上记录了聚合物-KBR颗粒的红外光谱。 使用测量电导率。用铬酸洗涤工作电极，然后用水洗涤，并将其抛光至CA的最终平滑度。0.1 PRM，含氧化铝抛光粉，然后用蒸馏水和乙腈彻底冲洗。在Perkin-Elmer 1610 FTIR光谱仪上记录了聚合物-KBR颗粒的红外光谱。使用
使用 Kinect 的手势控制人工智能机器人
摘要 — 人机交互中的手势识别是人工智能和计算机视觉领域的一个活跃研究领域。为了估计现实环境中的手势识别性能，我们收集了考虑到杂乱背景、机器人的各种姿势和运动的手势数据，然后评估机器人的性能。这涉及骨架跟踪，其中骨架数据是由通过 Microsoft Kinect 传感器获得的深度图像生成的。Kinect 捕获 3D 空间中的人体手势，并由机器人处理和复制。Arduino 控制器用于控制机器人的运动，它将来自 Kinect 传感器的关节角度输入并将其反馈给机器人电路，从而控制机器人的动作。手势识别研究的主要目标是创建一个可以识别特定人体手势并将其用于设备控制的系统。手势控制机器人将在未来节省大量的劳动力成本。这种机器人的基本优势是它具有成本效益并且不需要远程控制。
布氏鲸的提示速率和运动学 - navfac exwc
该团队将把他们的 PAM 工具应用于跨越十年的 PMRF 数据集，以研究布氏鲸的发声和提示率，并比较随时间和运动行为状态的提示率。工作将包括手动验证先前在数据集中识别的布氏鲸叫声。分析结果还将与已发布的提示率进行比较，以评估随时间、位置或种群的稳定性。将根据环境变量（例如一年中的时间、季节、风和波浪数据）以及其他情境数据（例如与最近的呼叫布氏鲸的距离）检查轨迹运动学。
溶液中配体交换的动力学
配体对于调整溶液中金属复合物的反应性至关重要。1,2不稳定或半比例的配体可能发挥作用，以增强3 - 5个直接，6 - 8或抑制9金属中心的反应性，从而影响更多的效率和更多的选择性催化。研究不稳定配体的物种和交换动力学对于了解金属配合物在溶液中的反应至关重要。通常通过紫外可见或核磁共振（NMR）光谱法监测配体与金属中心的结合和交换。10 - 14这些方法提供了有关复合物配体交换和旋转状态的信息。但是，他们通常仅报告溶液中的主要物种，并且不能有效地跟踪低丰富的复合物。此外，NMR对顺磁复合物的分析需要复杂的方法。15相反，质谱法（MS）与电喷雾电离（ESI）相结合，具有高灵敏度，并使得可以监测次要物种。它用于研究与不稳定配体的金属配合物的形态，无论金属的性质或自旋状态如何，或遵循由金属 - 有机络合物催化的反应。16 - 23
可解释的机器学习利用蛋白质组学来改善心血管疾病风险预测和生物标志物识别
。CC-BY 4.0国际许可证可永久提供。是作者/资助者，他已授予Medrxiv的许可证，以显示预印本（未通过同行评审证明）预印版本的版权所有者，该版本发布于2024年2月20日。 https://doi.org/10.1101/2024.02.18.24303003 doi：medrxiv preprint
Kinetis K81-150 MHz HW加密处理器，抗tamper和Quadspi微控制器（MCUS）基于ARM®Cortex®-M4 Core
Kinetis®K81MCU扩展了Kinetis MCU投资组合，具有高级安全功能，包括防僵局外围设备，启动ROM，以支持加密的固件更新，外部串行闪存闪存，AES加速器，AES加速器的自动解密，以及对公开密钥密钥的硬件支持。K81 MCU可用于满足销售点（POS）应用程序的安全标准。
学习如何使用基于BCI的学习环境来生成动力学运动图像：基于指导或试验方法的比较研究
摘要 - Kinesthetic Motor图像（KMI）是一项心理任务，如果正确执行，则在运动训练或康复中使用脑部计算机界面（BCI）可能非常相关。不幸的是，这项心理任务通常很复杂，并且可以导致其执行情况高度可变性，从而减少其潜在的好处。KMI任务如此困难的原因是因为没有标准化的方式来指导该主题在这项心理任务中。这项研究提出了一种创新的BCI，称为Grasp-It，以支持KMI任务的学习，并评估两种不同的学习方法：（i）第一个由实验者和渐进率指导的，基于渐进率的概念，（ii）第二个学习者是单独的，并且通过试验和错误进行了学习和练习。基于脑电图分析的发现和主观问卷调查验证了grasp-it bci的设计，并为KMI学习方式开辟了观点。索引项 - Kinesthetic Motor图像；大脑计算机界面； grasp-it;中风康复； BCI学习环境；人类计算机相互作用
评估kinect，openpose和blazepose，用于下腰痛的人体运动分析物理康复数据集
分析人类运动是一个活跃的研究领域，具有各种应用。在这项工作中，我们使用机器人教练系统进行身体康复的背景下关注人类运动分析。计算机辅助评估的体育康复评估需要评估患者绩效，以完成基于用感官系统捕获的处理运动数据（例如RGB和RGB-D摄像机）完成规定的Reha-BiLitation练习。作为RGB图像的2D和3D人姿势估计取得了极大的改进，我们旨在使用从RGB-D摄像头（Microsoft Kinect）获得的运动数据和RGB视频（OpenPose和Blazepose算法）进行比较进行体育康复练习的评估。从位置（和方向）特征采用了高斯混合模型（GMM），其性能指标基于GMM的对数可能性值定义。评估是在临床患者的医学数据库上进行的，该数据库进行了较低的背痛康复运动，以前由机器人罂粟指导。
![运动学：描述航天器的动作[1]](/simg/d/d8cebefeddb0c20967f1027ea728bbc6868f5a37.webp)
运动学：描述航天器的动作[1]
必须先精确地预测和控制空间中的物体（例如航天器，卫星和太空站），以确保安全性和有效性。运动学是一个在3D空间中对这些身体运动的描述和预测的领域。运动学课程涵盖了四个主要主题领域：粒子运动学介绍，深入研究了两个部分的刚性身体运动学（从使用定向余弦矩阵和欧拉角的经典动作描述开始，并以现代描述仪的综述，例如Quaternions和quaternions and Classical and Classical and Modified Rodrigues参数）。课程以查看静态态度的确定结束，使用现代算法来预测和执行太空中身体的相对取向。