XiaoMi-AI文件搜索系统
World File Search SystemLearns
人工智能败血症预测算法学会说话
保留所有权利。未经许可不得重复使用。（未经同行评审认证）是作者/资助者，已授予 medRxiv 永久展示预印本的许可。此预印本的版权持有者此版本于 2021 年 5 月 13 日发布。；https://doi.org/10.1101/2021.05.06.21256764 doi：medRxiv 预印本
变分自动编码器学习更好的特征表示，用于基于脑电图的肥胖分类
摘要 — 肥胖是当今现代社会的一个常见问题，可导致各种疾病并显著降低生活质量。目前，已经开展了研究以调查静息状态脑电图 (EEG) 信号，目的是识别与肥胖相关的可能的神经系统特征。在本研究中，我们提出了一个基于深度学习的框架来提取静息状态脑电图特征，以对肥胖和瘦弱人群进行分类。具体而言，采用一种新颖的变分自动编码器框架从原始脑电图信号中提取受试者不变特征，然后通过一维卷积神经网络对其进行分类。与传统的机器学习和深度学习方法相比，我们证明了使用 VAE 进行特征提取的优势，这反映在特征表示中分类准确率的显著提高、可视化效果的改善和杂质测量的减少。未来的工作方向可以从神经学角度深入了解所提出的模型所学习的空间模式，以及通过允许其发现任何与时间相关的信息来提高所提出的模型的可解释性。索引术语——深度学习、EEG、分类、变分自动编码器
SIM到真实的移动机器人导航策略，从虚拟眼睛的视觉中学习
摘要 - 恰好在具有最小碰撞的无构建环境中引导软机器人仍然是软机器人的开放挑战。当环境未知时，可能无法用于模拟和操作的导航的事先运动计划。本文提出了一种新颖的SIM到真实方法，可在模拟开放框架体系结构（SOFA）下的静态环境中指导电缆驱动的软机器人。SCE-NARIO的目的是在简化的横向气管插管过程中类似于其中一个步骤，在该过程中，机器人气管管由灵活的视频辅助内窥镜/stylet引导到上层气管larynx位置。在沙发中，我们采用二次编程逆求器来获得基于机器人模型的内窥镜/Stylet操纵的无碰撞运动策略，并编码与眼睛的视觉。然后，我们使用闭环非线性自动回收前模型（NARX）网络将虚拟视觉和关节空间运动识别的解剖学特征与关节空间相关联。之后，我们将学习的知识转移到机器人原型中，期望它仅根据其眼睛的视觉自动自动地在新的幻影环境中导航到所需的位置。实验结果表明，我们的软机器人可以根据从虚拟环境中学到的知识，在最小的碰撞运动中有效地通过非结构化的幻影训练到所需的位置。结果表明，闭环NARX预测和由SOFA引用的机器人电缆和棱镜关节空间运动之间的平均R平均系数为0.963和0.997。眼神的视线还表现出机器人尖端和震颤之间的良好对齐方式。
参与重新连接的大脑
Sousa博士编辑了科学书籍，并发表了数十篇有关专业发展，科学教育和教育研究期刊的文章。 他对教育工作者最受欢迎的书籍包括大脑的学习方式，现在是第六版的。特殊需求如何学习，第二版；有天赋的大脑如何学习；大脑如何学习阅读，第二版；大脑如何影响行为； ELL大脑如何学习；分化与大脑，第二版（与Carol Tomlinson一起）；以及大脑如何学习数学，第二版，由独立书籍出版商协会选为最好的专业发展书籍之一。 领导力的大脑为教育工作者提出了更有效领导学校的方法。 他的书籍以法语，西班牙语，中文，阿拉伯语，韩语，俄语和其他几种语言出版。 他的书脑工作：我们如何领导他人的神经科学是为商业和组织领导者写的。Sousa博士编辑了科学书籍，并发表了数十篇有关专业发展，科学教育和教育研究期刊的文章。他对教育工作者最受欢迎的书籍包括大脑的学习方式，现在是第六版的。特殊需求如何学习，第二版；有天赋的大脑如何学习；大脑如何学习阅读，第二版；大脑如何影响行为； ELL大脑如何学习；分化与大脑，第二版（与Carol Tomlinson一起）；以及大脑如何学习数学，第二版，由独立书籍出版商协会选为最好的专业发展书籍之一。领导力的大脑为教育工作者提出了更有效领导学校的方法。他的书籍以法语，西班牙语，中文，阿拉伯语，韩语，俄语和其他几种语言出版。他的书脑工作：我们如何领导他人的神经科学是为商业和组织领导者写的。
运输工程师技术专家I
计划，监督和评估项目构建任务（例如小而简单的重新铺面项目，较小的桥梁维修和小型排水项目），审查测试认证并执行检查，审查项目成本和修订费用以及项目计划。有助于准备高速公路设计项目，以适当的路线位置，几何，设计负载，路面设计，挡土墙，排水结构，AASHTO和代理规范。计划，时间表和协调选择材料，安排人工和施工时间的维护操作，并确定维护成本。计划，时间表，坐标和审查符合AASHTO，ASTM和代理机构规格的现场和实验室测试计划。计划检查任务。学会审查计划，构建，维护或设计文档，以确保技术准确性，并遵守既定程序，标准规格，计划和/或合同文件。学会对拟议项目或现有项目的变化进行工程估算。在搬迁公用事业和铁路设施的搬迁中执行开始级别的现场检查和办公室工作。记录公司的人员和设备时间用于项目的工作时间。学习计划，时间表和协调运输计划数据的收集和分析，以用于映射，HPM，适用性评级，交通预测，铁路/高速公路交叉口和项目计划活动。检查最终账单和估计。学会准备和/或审查建筑项目的投标建议。记录调查和现场笔记。学会减少和检查调查和现场笔记。操作测量设备，例如水平和公交设备。收集，分析和报告基本技术数据。为子专业人员提供技术帮助和培训。协助作为桥梁检查团队的功能成员。学习与国家桥梁检查标准数据收集，检查报告汇编和数据传输有关的计算机和软件技能。协助维护和组织区域桥梁文件。学习桥梁组件，命名法和简单的桥梁力学。参加所需的下雨课。学会操作桥下检查起重机。学习计划，组织，协助和检查常规维护工作区的适当安装和安全性。
简历.pdf
● CNN：谷歌展示远大的 AI 研究项目。2020 年 1 月 ● VentureBeat：谷歌的机械手 AI 可以用最少的训练数据学会旋转保定球。2019 年 9 月 ● 纽约时报：谷歌重启机器人计划内幕。2019 年 3 月 ● 专栏：发明未来：计算机科学和工程的“新里程碑”。2019 年 2 月 ● NeuroHive：像人类一样使用手指的机器人2019 年 10 月 ● 纽约时报：机械手如何进化来做我们手上的事情。2018 年 7 月 ● New Atlas：弥合科学与虚构之间的差距。2016 年 12 月 ● ACM 通讯：Hand Jive：机械手学会旋转。2016 年 8 月 ● 路透社：机械手获得人类的触感。2016 年 5 月 ● Wired：这个灵巧的机器人可以自学旋转一管咖啡豆。 2016 年 5 月 ● Business Insider：研究人员创造了一种与人类极为相似且能自主学习的机械手。2016 年 5 月 ● MIT Tech Review：ADROIT 登上 TR35。2016 ● UW360：能像人手一样移动的机械手，2016 年 8 月 ● ScienceDaily：这种 5 指机械手可自行学习抓握物体。2016 年 5 月 ● Engadget：机械手可自行学习旋转物体。2016 年 5 月 ● GeekWire：华盛顿大学团队创造了一种机械手，它可以比你的更灵巧。2016 年 5 月 ● Gizmodo：这个机器人可自行学习旋转棍子。2016 年 5 月 ● UWToday：这种 5 指机械手可自行学习抓握物体。2016 年 5 月 ● UW CSE 新闻：UW CSE 机械手可自行学习操纵物体。 2016 年 5 月 ● CNN：能够从错误中学习的超人机械手。2016 年 5 月 ● Tech Insider：研究人员创造了一种与人类极为相似且可以自行学习的机械手。2016 年 5 月 ● 印度快报：五指机械手学会自行抓握。2016 年 5 月 ● 英国每日镜报：令人难以置信的五指机械手能够从自身的经验中学习。2016 年 5 月 ● 经济时报：五指机械手学会自行抓握。2016 年 5 月 ● ZDNet：五指机械手有自己的想法。2016 年 5 月 ● Kurzweil：这种五指机械手的功能接近人类。2016 年 5 月 ● 最重要的一点：熟练：熟能生巧的机械手。UW-CSE，2016 年夏季 ● 未来主义：这种五指机械手比你自己的还要灵活。 2016 年 5 月 ● Hackaday：机器人啦啦队只需一只手就能学会基本技巧。2016 年 5 月 ● 设计：可以自行学习任务的五指机械手。2016 年 5 月 ● 有趣的工程：可以自学移动的机械手。2016 年 5 月 ● FoxNews：炫酷的机械手可以边走边学。2016 年 5 月 ● IEEE Spectrum：模拟和现实中的下一代假肢。2015 年 2 月 ● UW CSE 新闻：人民选择奖。2013 年 10 月 ● 纽约时报：触感细腻的机器人。2012 年 9 月 ● 每日新闻：华盛顿大学程序员为灾难响应机器人开发软件。2012 年 11 月