XiaoMi-AI文件搜索系统
World File Search SystemMDPI
标准化北欧问卷的应用 - MDPI
摘要：可持续性寻求以环保的方式提供经济上可行的产品，同时尊重工人的权利。身体健康是这些权利的一部分。肌肉骨骼疾病 (MSD) 会降低生产力、导致缺勤、给公共卫生系统带来成本，并可能使人们对公司或产品的可持续性产生怀疑。本研究的目的是回顾北欧肌肉骨骼问卷 (NMQ) 在全球范围内的应用文献。在本研究中，NMQ 的使用已按知识类别、国家和年份进行分类。搜索使用“Web of Science-核心集合”。总共从科学期刊和会议中选择了 259 篇文章，根据标题和/或摘要，这些文章与问卷的实际应用有关。总之，NMQ 主要应用于三个领域：“与治疗人类健康和社会问题相关的活动”、“制造业”和“农业、畜牧业、渔业和林业”。NMQ 是一种间接方法，通常单独使用或与其他方法配合使用，以评估 MSD 以及可能相关的心理社会和劳工风险。使用 NMQ 可以帮助评估公司的可持续性。
基于跨参与者脑电图的认知评估... - MDPI
摘要：将深度学习方法应用于脑电图 (EEG) 数据以进行认知状态评估，与以前的建模方法相比取得了进步。然而，使用这些技术进行跨参与者认知工作量建模的研究代表性不足。我们研究非刺激锁定任务环境中的跨参与者状态估计问题，其中使用训练模型对训练集中未出现的新参与者进行工作量估计。使用来自多属性任务电池 (MATB) 环境中的实验数据，在计算效率、模型准确性、方差和时间特异性的权衡空间中评估了各种深度神经网络模型，得出三个重要贡献：(1) 在大多数序列长度下，单独训练的模型集合的性能在统计上与组训练方法没有区别。与组训练方法相比，这些集成训练所需的计算成本仅为其一小部分，并且能够更简单地更新模型。(2) 虽然增加时间序列长度可以提高平均准确度，但不足以克服个体脑电图数据之间的分布差异，因为它会导致跨参与者方差在统计上显着增加。(3) 与所有其他评估的网络相比，使用多路径子网络和双向残差循环层的新型卷积循环模型导致预测准确度在统计上显着增加，并降低跨参与者方差。
人工智能推动加密货币进化 - MDPI
密码学（简称 Crypto ）近年来成为研究热点 [1-3]。它是一门利用算法、数学问题和结构、密钥和复杂变换来在存储或传输过程中维护数据机密性的艺术和科学。密码学在身份验证 [4]、隐私 [5] 和信息隐藏 [6] 等安全相关场景中发挥着重要作用。这为其在众多技术环境中的应用打开了大门，从医疗技术 [7] 到物联网 (IoT) [8] 和云计算 [9]。现代密码学的生态系统中经常出现许多科学技术分支。例如，混沌理论 [10]、信息论 [11,12]、量子计算 [13]、硬件技术 [14]，尤其是人工智能 [15-17]。与密码学类似，人工智能近年来也引起了研究人员的极大兴趣 [18-20]。它利用计算机和复杂算法来模仿人类的决策和解决问题。人工智能已被用于各种各样的应用 [ 21 – 23 ]。近年来，密码学和人工智能形成了二分法，导致了它们的共同进化 [ 24 ]。密码学在人工智能进化中的作用已经被研究过 [ 25 ]。然而，据我们所知，人工智能在密码学进化中的作用尚未得到深入研究。这项研究试图弥补这一空白。在本文中，我们试图提供对人工智能在密码学进化中的作用的全面概述和全面理解。这一作用如图 1 所示。图 1 中重叠的平行四边形表示在人工智能的影响下进化后的密码学，在本文的其余部分我们将其称为受人工智能影响的密码学 (AIIC)。大多数密码系统都依赖于复杂的计算，而基于人工智能的方法已经被证明在任何计算密集型环境中都是有效的。此外，人工智能模型可以提供混沌[26]、随机性[27]和许多其他属性，所有这些都是密码系统所必需的[28、29]。上述事实为人工智能进入密码学开辟了道路，并凸显了人工智能互联网金融的重要性。此外，人工智能已经在区块链等一些新兴的密码学相关技术中找到了应用，可以在未来的研究中加以研究。
州际在线争端的和平解决 - MDPI
国际法始终以维护和平为其主要目的（Shaw 2008，第 1010 页）。这一目标在国际关系演变为国际法的历史中得到了清晰的体现。它也反映在《联合国宪章》中，根据该宪章，所有国家都有直接和明确的义务以和平方式解决争端。这一国际法指导原则旨在维护和平与国际安全，同时确保国际正义，以防单方面武装袭击或多边侵略危及国际正义。虽然所有国家间争端都属于国家友好解决的义务范围，但《联合国宪章》第六章规定，在争端直接危及国际和平与安全的情况下，应采取额外保障措施。根据《联合国宪章》第 33 条，
运输系统中的人机界面 - MDPI
摘要：本文概述了各种运输方式的商业或实验运行中的人机界面 (HMI) 设计和命令系统。它从车辆自动化设备和不同应用领域的模拟器的角度介绍和评论了不同的 HMI。考虑到认知和自动化领域，本研究根据工业和文献综述，重点介绍了人为因素和不同行业的经验。此外，为了更好地聚焦目标并扩展所研究的工业全景，分析涵盖了各种运输方式中最有效的模拟器，用于培训操作员以及安全和人机工程学领域的研究。特别关注可能适用于未来列车车厢的新技术，例如视觉显示和触觉共享控制。最后，提出了人为因素的综合及其在监控或驾驶辅助方面的局限性。
铰接式多体飞机的建模和控制 - MDPI
摘要：昆虫利用腹部和其他附肢的动态关节和驱动来增强空气动力学飞行控制。飞行中的这些动态现象有许多用途，包括保持平衡、增强稳定性和扩展机动性。生物学家已经观察和测量了这些行为，但尚未在飞行动力学框架中很好地建模。生物附肢通常相对较大，以旋转方式驱动，并具有多种生物功能。用于飞行控制的技术移动质量往往紧凑、平移、内部安装并专用于该任务。生物飞行器的许多飞行特性远远超过任何同等规模的技术飞行器。支持现代控制技术探索和管理这些执行器功能的数学工具可能会开启实现敏捷性的新机会。本文开发的多体飞机飞行动力学紧凑张量模型允许对具有机翼和任意数量的理想化附件质量的仿生飞机进行统一的动力学和气动模拟和控制。演示的飞机模型是一架类似蜻蜓的固定翼飞机。移动腹部的控制效果与控制面相当，腹部横向运动代替气动舵以实现协调转弯。垂直机身运动实现了与升降机相同的效果，并且包括上下潜在有用的瞬态扭矩反应。当控制解决方案中同时采用移动质量和控制面时，可实现最佳性能。一架机身驱动与传统控制面相结合的飞机可以通过使用本文介绍的多体飞行动力学模型设计的现代最优控制器进行管理。
数字孪生在医疗保健行业的应用 - MDPI
摘要：由于数字孪生具有前所未有的控制物理实体的能力，并通过集成多种技术来帮助管理复杂系统，因此各行业正在越来越多地采用数字孪生。最近，牙科行业取得了多项技术进步，但尚不确定牙科机构是否正在努力在其教育中采用数字孪生。在这项工作中，我们采用混合方法来研究数字孪生对牙科行业远程学习的附加值。我们研究了牙科机构在远程教育中采用数字孪生的程度，阐明了它带来的概念和好处，并为更广泛的采用提供了基于应用的路线图。我们报告了对医疗保健行业数字孪生的回顾，然后确定了用例并将其与其他学科的用例进行比较。我们比较了报告的好处、研究范围以及行业采用数字孪生的水平。我们从远程学习和其他学科中研究的数字孪生应用中提炼出可以为牙科行业增值的数字孪生特征。然后，受不同领域数字孪生应用的启发，我们提出了牙科机构远程教育数字孪生的路线图，其中包括日益复杂的示例。我们通过确定用于远程学习的牙科数字孪生的独特特征来结束本文。
基于数字孪生的故障诊断方法... - MDPI
摘要：卫星系统功能密度与复杂度的不断提升、恶劣的航天环境以及减少操作人员参与的成本控制措施，都日益推动着对故障诊断与健康监测（FD-HM）新方法的开发需求。数据驱动的FD-HM方法利用信号处理或数据挖掘获取系统运行状态的隐含信息，有利于对系统进行粗放而浅显的监控，有望减轻操作人员的工作负担。然而，这些卫星系统FD-HM方法主要以历史数据和一些静态物理数据为驱动，很少考虑仿真数据、实时数据以及二者之间的数据融合，不能完全胜任卫星在轨的实时监控与维护。为保障复杂卫星系统的可靠运行，本文提出了一种新的FD-HM物理-虚拟融合方法——数字孪生。此外，我们提出了卫星电力系统的 FD-HM 应用，以证明所提方法的有效性。
商用飞机变形的现状和前景 - MDPI
摘要：在之前的一篇论文中，作者讨论了当前阻碍变形系统商业应用的障碍。在这篇文章中，作者对所提出的架构的现状以及为使它们能够安装在商用飞机上而应满足的需求表达了批判性的看法。这种区别至关重要，因为军事和民用问题和需求非常不同，而且解决方案和要克服的困难也大不相同。然而，在民用领域，根据飞机的大小，可能还存在其他差异，从大型喷气式飞机到通勤机或通用航空，它们可分为旅游、特技、超轻型飞机等，每种飞机都有自己的特点。因此，本文旨在尽可能追踪一个共同的技术分母，并设想实际应用的未来前景。
驾驶员心理负荷等级划分 - MDPI
摘要：心理负荷 (MW) 表示执行并发任务所需的大脑资源量。鉴于 MW 与交通事故风险的相关性，对高级驾驶辅助系统而言，MW 的评估至关重要。在本研究中，在模拟环境中驾驶时对参与者进行了两项认知测试（数字广度测试 - DST 和 Ray 听觉言语学习测试 - RAVLT）。选择这些测试来调查驾驶员对预定认知负荷水平的反应，以对 MW 进行分类。同时使用红外 (IR) 热成像和心率变异性 (HRV) 来获取与受试者心理生理相关的特征，以便为机器学习 (ML) 分类器提供信息。基于单峰 IR/单峰 HRV/多峰 IR + HRV 特征比较了六类模型。基于多模态 IR + HRV 特征的分类器达到了最佳分类器性能（DST：准确度 = 73.1%，灵敏度 = 0.71，特异性 = 0.69；RAVLT：准确度 = 75.0%，平均灵敏度 = 0.75，平均特异性 = 0.87）。基于单模态 IR 特征的分类器也表现出高性能（DST：准确度 = 73.1%，灵敏度 = 0.73，特异性 = 0.73；RAVLT：准确度 = 71.1%，平均灵敏度 = 0.71，平均特异性 = 0.85）。这些结果证明了使用完全非接触式和非侵入式技术来高精度评估驾驶员 MW 水平的可能性，这代表了交通事故预防领域的最新进展。