XiaoMi-AI文件搜索系统
World File Search SystemLoRa
使用机器学习的频道选择
摘要 - 该渠道在任何无线通信系统中都起着重要作用。如果发射器和接收器之间仅存在一个通道，如果链接失败，则无法建立通信。可以通过引入多个通信渠道来提高通信的可靠性。不仅通道的数量，而且所使用的通道类型也会影响系统。尽管在这个方向上完成的工作很少，但与长距离相关的作品并未具有重要意义。此外，手动频道切换是推荐的选择，但是手动切换受到该机构的人员的极大影响，并且可能始终不准确。遵循这些，本文提出了一种基于Wi-Fi和Lora（远程）技术的渠道选择机制。优势在于，该机制考虑了两种无线电技术，可以为给定条件选择最佳渠道。此外，引入了基于机器学习的技术，以根据历史数据学习最佳使用的渠道，这有助于实现自动频道选择。这将在动态环境中特别有用，在动态环境中，通道条件可以经常改变。为了验证所提出的概念，进行了各种实验，从实验结果中，可以观察到KNN算法可以实现良好的性能。
量子无线传感：原理、设计和...
摘要 近年来，无线传感引起了人们的极大兴趣，即利用无线信号代替传统传感器进行传感。非接触式无线传感已经使用各种射频信号（如 WiFi、RFID、LoRa 和 mmWave）成功实现，从而实现了大范围的应用。然而，受限于硬件热噪声，射频传感的粒度仍然相对较粗。在本文中，我们提出了第一个量子无线传感系统，该系统不使用宏观信号功率/相位进行感测，而是使用原子的微观能级进行感测，将感测粒度提高了一个数量级。所提出的量子无线传感系统能够利用宽频谱（例如 2.4 GHz、5 GHz 和 28 GHz）进行感测。我们用两种广泛使用的信号（即 WiFi 和 28 GHz 毫米波）展示了量子无线传感的卓越性能。我们表明量子无线传感可以将WiFi的感知粒度从毫米级推进到亚毫米级，将毫米波的感知粒度推进到微米级。
实时警报、动态 GPS 跟踪和监控...
船舶是大多数国家维持海洋经济最重要的交通工具。海岸巡逻是国家防止走私和其他危险沿海活动的重要任务。然而，船上人员和海岸警卫队人员在海中溺亡的不幸事故时有发生。为了挽救落海人员的生命，大多数国际搜寻是通过卫星搜寻、直升机救援和派遣船只进行的。这些不仅耗时而且效率低下。为此，我们在本文中提出了一种落水人员（MOB）实时报警、动态全球定位系统（GPS）跟踪和监控系统。该系统由可穿戴传感辅助设备、模块化远程接入点 (LoRa AP)、物理电围栏和中央控制系统四部分组成，以及三种检测和防范 MOB 的方法。这些方法包括使用可穿戴传感辅助设备实时通知 MOB、基于船舶大小的虚拟电围栏监控以及由船舶周围的物理电围栏触发的即时通知。如实验室测试和实际海上测试所示，本研究开发的三种 MOB 传感方法可以执行即时检测和通知操作。因此，我们展示了一种由失事船舶本身实时检测 MOB 并及时提出救援行动的方法。
适应植物表型的视觉基础模型
基础模型是对大量数据进行预训练的大型模型。通常可以以最小的努力来适应各种下游任务。但是，由于基础模型通常是在从互联网中提出的图像或文本上进行预培训的，因此它们在植物表型等植物域中的性能受到质疑。此外，完全调整基础模型是耗时的，需要高计算能力。本文研究了植物表型设置和任务的基础模型的有效适应。我们对三个基础模型（MAE，Dino和Dinov2）进行了大量实验，对三个必需的植物表型任务：叶子计数，实例阶段和疾病分类。特别是，预先训练的骨干被冷冻，同时评估了两种不同的调整方法，即适配器调整（使用lora）和解码器调整。实验结果表明，基础模型可以充分地适应植物表型任务，从而产生与针对每个任务的最先进的模型（SOTA）模型相似的性能。尽管在不同任务上表现出很高的传递能力，但在某些情况下，精细调整的基础模型的表现比SOTA任务特定的模型稍差，这需要进一步研究。
CS168：现代算法工具箱讲座＃9：单数值分解（SVD）和低级别矩阵近似
2。更新大型ML模型。低级矩阵近似的一种相当现代的应用是用于“微调”巨大模型。在大型语言模型（LLMS）的设置中，经常有一些现成的巨大模型，其中数十亿（或更多）。鉴于这种大型模型已在巨大但通用的语料库（网络文本）上进行过培训，因此经常执行“微调”。这个微调阶段是在特定于域的数据集上进行的第二轮训练的阶段，通常大小相当适度。微调任务的示例可能是客户服务交流，ED论坛问和答案，医疗报告等的数据集。微调的挑战是，更新如此庞大的模型在计算上非常昂贵。2021纸洛拉：大型语言模式的低排名改编[1]使得1）1）微调更新通常接近低级，因此2）因此，2）一个人可以明确地以1000x或10,000x的参数训练原始模型的这些更新对原始模型的培训，如果您有兴趣，请查看原始论文（或讨论它的博客文章的动物园）。
落水人员实时报警、动态GPS跟踪及监控系统
船舶是大多数国家维持海洋经济的最重要运输工具。海岸巡逻是国家防止走私和其他危险沿海活动的一项重要任务。然而，船上人员和海岸警卫队人员溺水身亡的不幸事故时有发生。为了挽救落海人员的生命，大多数国际搜救都是通过卫星搜救、直升机救援和派遣船只进行的。这些方法不仅耗时，而且效率低下。为此，我们在本文中提出了一种实时报警、动态全球定位系统 (GPS) 跟踪和监控落水人员 (MOB) 的系统。该系统由四部分组成：可穿戴传感辅助设备、模块化远程接入点 (LoRa AP)、物理电围栏和中央控制系统，以及三种检测和防范 MOB 的方法。这些方法包括使用可穿戴传感辅助设备实时通知 MOB、基于船舶大小的虚拟电围栏监控以及由船舶周围的物理电围栏触发的即时通知。实验室测试和实际海上测试表明，本研究开发的三种 MOB 感知方法可以执行即时检测和通知操作。因此，我们展示了一种由失事船舶本身实时检测 MOB 并及时提出救援行动的方法。
开发无人地面车辆的电力管理到
这项研究重点是设计无人地面车辆（USV）的电气系统，以确保在调查操作期间的最佳性能。这艘USV船是双体船型船，具有更深的深度传感器，可以了解水的深度，并配备了远距离（Lora）作为数据发射器。USV电气系统设计结合了4050 mAh 11.1 V Lipo电池和IMAX B6AC充电器的使用，评估涵盖了电池充电，功耗和电压稳定性。试验表明，电池以45.08瓦的功率负载支持USV的运行约47.8分钟。电池充电显示了两个主要阶段：恒定电流和恒定电压，充满充电时间约为2.7小时。在操作过程中，电压消耗显示出明显的波动，强调了对电气系统设计的需求，该设计保持了电压稳定性以提高性能。从测试结果中发现，电池效率为91.29％。这些发现强调了适当的组件选择和有效的功率管理以实现可靠有效的USV操作的重要性。深入了解充电特性和功耗，设计的电气系统可以确保在各种调查条件下更稳定的USV操作和更好的性能。
深度人工智能使无处不在的无线传感成为可能：一项调查
随着物联网 (IoT) 的发展，如今各种无线信号 (例如 Wi-Fi、LoRa、RFID) 充斥着我们的生活和工作空间。除了通信之外，无线信号在空间传播时会通过反射、散射和折射来感知周围物体的状态，即无线传感。在过去十年中，许多复杂的无线传感技术和系统被广泛研究用于各种应用 (例如手势识别、定位、物体成像)。最近，深度人工智能 (AI)，也称为深度学习 (DL)，在计算机视觉领域取得了巨大成功。一些研究初步证明深度人工智能也可以使无线传感受益，从而朝着无处不在的传感迈出了全新的一步。在这篇综述中，我们重点关注深度人工智能技术增强的无线传感的发展。我们首先介绍无线传感系统 (WSS) 的一般工作流程，包括信号预处理、高级特征和传感模型制定。对于每个模块，总结了现有的基于深度人工智能的技术，并与传统方法进行了进一步的比较。然后，我们介绍了深度人工智能与无线传感相结合所带来的问题和挑战。最后，我们讨论了深度人工智能实现无处不在的无线传感的未来趋势。
基于洛拉的智能农业监测和自动灌溉系统
农业是一个在确保粮食安全和可持续发展方面起着至关重要的作用的部门。然而，传统农业实践面临着诸如无效灌溉方法和缺乏实时监测之类的挑战，导致水浪费和农作物产量降低。几种试图解决这些挑战的系统，例如基于Wi-Fi，蓝牙和3G/4G细胞技术的系统；而且还会遇到困难，例如较低的传输范围，高功耗等。为了解决所有这些问题，本文提出了基于洛拉的智能农业监控和自动灌溉系统。该系统利用Lora技术用于远程线 - 无需通信，用于实时数据可视化和控制的Blynk平台以及用于数据存储，可视化和进一步的分析的ThingsPeak平台。系统包含多个组件，包括用于数据收集的传感器节点，数据传输的网关以及用于灌溉控制的执行器节点。实验结果表明，所提出的系统有效地监视了收集的数据，例如土壤水分水平，实时可视化数据，并根据传感器数据和用户命令自动控制灌溉。本研究中提出的系统为可持续农业实践提供了一种具有成本效益，有效的解决方案。关键字
国际电气与计算机工程杂志（IJECE）
泥炭地火灾对全球环境构成严重威胁。现有的泥炭地火灾早期探测系统通常探测空气温度、湿度、气体、烟雾和火势等参数。本文提出了一种利用树枝含水量参数的新型泥炭地火灾早期探测方法。与目前的泥炭地火灾早期探测系统相比，该方法采用了火灾脆弱性最重要的参数方法。具体来说，我们开发了一种基于物联网 (IoT) 的树枝干燥度传感器，以实现现场应用系统。我们提出了一种采用电阻传感方法的树枝干燥度传感器，该方法采用针状电极来测量树枝含水量。使用树枝干燥度传感器，可获得三种可燃性等级，即非常难燃（湿度高于 30%）、难燃（湿度在 5%-30% 之间）和易燃（湿度低于 5%）。该装置采用现成的紧凑型便携式材料。该仪器采用低功耗微控制器和长距离 (LoRa) 发射器进行数字控制，提供长寿命电池和长距离数据传输。传感器数据可视化以树枝干燥度值呈现，并根据火灾脆弱性等级进行分类。所提出的系统提供实时和可持续的测量。