XiaoMi-AI文件搜索系统
World File Search SystemModeling
基于二维稀疏心脏磁共振成像的三维双心室心脏形状重建和建模的神经变形模型
我们提出了一种新颖的神经可变形模型 (NDM)，旨在从二维稀疏心脏磁共振 (CMR) 成像数据中重建和建模心脏的三维双心室形状。我们使用混合可变形超二次曲面对双心室形状进行建模，该超二次曲面由一组几何参数函数参数化，能够进行全局和局部变形。虽然全局几何参数函数和变形可以从视觉数据中捕捉到总体形状特征，但可以学习局部变形（参数化为神经微分同胚点流）来恢复详细的心脏形状。与传统可变形模型公式中使用的迭代优化方法不同，可以训练 NDM 来学习此类几何参数函数、来自形状分布流形的全局和局部变形。我们的 NDM 可以学习以任意尺度加密稀疏心脏点云并自动生成高质量的三角网格。它还可以隐式学习不同心脏形状实例之间的密集对应关系，以实现准确的心脏形状配准。此外，NDM 的参数直观，医生无需复杂的后处理即可使用。大型 CMR 数据集上的实验结果表明，NDM 的性能优于传统方法。
使用人工神经网络对视觉障碍进行建模
我们提出了一种方法来弥合人类视觉计算模型与视觉障碍 (VI) 临床实践之间的差距。简而言之，我们建议将神经科学和机器学习的进步结合起来，研究 VI 对关键功能能力的影响并改进治疗策略。我们回顾了相关文献，目的是促进充分利用人工神经网络 (ANN) 模型来满足视障人士和视觉康复领域操作人员的需求。我们首先总结了现有的视觉问题类型、关键的功能性视觉相关任务以及当前用于评估两者的方法。其次，我们探索最适合模拟视觉问题的 ANN，并在行为（包括性能和注意力测量）和神经层面预测它们对功能性视觉相关任务的影响。我们提供指导方针，为未来针对受 VI 影响的个体开发和部署 ANN 的临床应用研究提供指导。
MATLAB/SIMULINK中的系列和平行电池组模型的建模和模拟
锂离子电池最近由于其许多优势而成为车辆应用研究的重点。锂离子电池具有比其他二级电池更高的特异性能量，更好的能量密度和更低的自我放电速率，这使其适合电动汽车和混合动力汽车。尽管如此，担心安全性，成本，充电时间和回收利用已阻碍了锂离子电池的商业用法，以进行自动应用。开发有效的电池系统需要在模拟平台上进行精确的电池模型。在这项研究中，电池模型是用MATLAB/SIMULINK内置的。有两个变体可用：一个具有串联的平行电池布置和一个无配置的单个型号。提供并详细说明了所提出的模型的结构。基于测试结果，已验证了开发的电池模型。一个比较表明，创建的模型可以准确预测电流，电压和功率性能。该型号是为Eaton机电电池锂离子18650电池设计的，但据说与其他类型的电池一起使用。模拟考虑了电池的充电状态，电流，电压和电源要求。
IITSEC 2022 - 空军建模与仿真机构
• 联系 AFAMS • FOIA • IG • 网站地图 • AF 网站 • 可访问性 • EEO • 链接免责声明 • 自杀预防 • SAPR • USA.gov • 无 FEAR 法案 • 退伍军人危机热线 • OSI 提示热线
考虑电池间差异的锂离子电池性能退化建模
摘要 电池组既表现出固有的电池间差异，也表现出温度和其他应力因素的时空差异，从而影响电池退化路径的演变。为了解释这些变化和退化或电池扩散的差异，我们提出了一种利用 3 参数非齐次伽马过程对锂离子电池退化进行建模的方法。该方法可预测任何电池架构的容量衰减或故障时间，并使用加速因子调整电池拟合退化数据的分布。在电池组级别，使用并联和串联配置的伽马分布变量组合对电池进行建模。将不同热条件下的容量衰减或故障时间的实际值与预测值进行比较，显示相对误差在 1 – 12% 范围内。我们还提出了一种通过分析样本量对估计不同电池组退化的影响来估计建模扩散和退化路径演变所需的最少电池数量的方法。这种采样策略对于降低设计电池组、电池管理系统和电池热管理系统所需的运行模拟的计算成本特别有用。
绩效评估和建模技术...
太阳能干燥机一直因其性能较低而受到批评。定义太阳能干燥系统性能的方法有很多种，例如热性能、干燥动力学、环境因素、经济评估和干燥产品的质量。还开发了不同的建模技术来设计和分析太阳能干燥机和干燥过程。本文系统、全面、最新地概述了用于评估和分析太阳能干燥机（尤其是家用和低成本太阳能干燥机）的各种性能指标和建模技术。环境分析具有严重的全球影响，产品质量是消费者最关心的问题之一。但据观察，文献中很少报道家用太阳能干燥机的环境影响和产品质量评估。建模技术在太阳能干燥中的应用改变了分析任何热系统的方式。本文试图建立家用太阳能干燥机的总体评估标准，并为世界各地的研究人员和用户提供一站式解决方案。
使用基于能量的模型进行隐式生成和建模
基于能量的模型 (EBM) 因其在似然建模中的通用性和简单性而具有吸引力，但传统上很难训练。我们介绍了在连续神经网络上扩展基于 MCMC 的 EBM 训练的技术，并展示了它在 ImageNet32x32、ImageNet128x128、CIFAR-10 和机器人手轨迹的高维数据域上的成功，获得了比其他似然模型更好的样本，接近当代 GAN 方法的性能，同时覆盖了数据的所有模式。我们重点介绍了隐式生成的一些独特功能，例如组合性和损坏图像重建和修复。最后，我们表明 EBM 是适用于各种任务的有用模型，实现了最先进的分布外分类、对抗鲁棒分类、最先进的持续在线类学习和连贯的长期预测轨迹推出。
使用脑机接口技术在 Blender 软件中建模 3D 对象
1. 简介 3D 建模是使用专门的计算机程序创建和修改三维对象的过程，该程序为用户提供了一组必要的工具。 3D 建模通常从基本形状（基元）开始，例如立方体、球体、圆环等。然后通过软件提供的不同功能修改这些形状。用户通常通过按下键盘上的组合键或从用户界面中选择它们来激活这些功能。如今，有许多功能强大的 3D 建模软件，可以创建 3D 资源、动画、特效和渲染图像。最受欢迎的付费应用程序是 Autodesk Maya、Autodesk 3ds Max 和 Cinema 4D。也有许多免费应用程序可用，但最受欢迎的应用程序是 Blender。Blender 是一个免费的开源 3D 计算机图形软件工具集。它用 C、C++ 和 Python 编程语言编写。Blender 基金会是一个负责 Blender 开发的非营利组织。 Blender 也是由社区开发的，社区创建了用 Python 编写的附加插件（称为附加组件）。附加组件为 Blender 添加了新功能或改进功能。由于 Blender 发展基金的成立，Blender 最近获得了 Epic Games、Nvidia 或 Intel 的大量资金支持。它使 Blender 基金会能够招募新的团队成员，从而更快地开发 Blender。
复合材料：建模，加工和表征
问题主机DOF 3D DOF主机/3D误差变量和收敛模式非均匀性动脉粥样硬化斑块 - 光束23529 761244 3％3％3％tranverse轴向应变，宿主 - > 3D复合cection cection cection spar - 光束89175 227675 2276739 4％25％25％25％25％25％25％的Edge Edge Ender-Ender 7 3D-3D-3D-3D-3D-3D-> - > 4560150 3% 30% Free-edge failure index, 3D -> HOST Composite notched specimen – Plate 10000 10000000 0.1% 3% Tensile peak stress, HOST -> 3D Multilayered beam – Beam 23595 63210 37% 0.4% Plastic strain, HOST -> 3D Double-swept blade – Beam 13200 203808 6% 1% Natural frequencies, HOST -> 3D Viscoelastic beam – Beam 5475 56400 10% 5% Modal loss factor, HOST -> 3D Randomly distributed RVE – Beam 13642 31524 43% 2% Local shear strain, HOST -> 3D Lattice structure – Beam 13584 617580 2% 1% Displacement, HOST -> 3D Three-point bending of a sandwich beam – Beam 14229 201504 1% 0% Transverse stress, HOST -> 3D Low-velocity impact on a bi-metallic plate – Plate 10659 856251 1% 16% Plastic strain, 3D -> HOST Large deflections in asymmetric cross-ply beams – Beam 5124 573675 1% 7% Shear stress, HOST -> 3D Disbonding in sandwich beams – Beam 41160 171888 24% 1% Peak load, HOST -> 3D Curing of a composite part –梁16569 599571 3％0％弹簧斜角，3D->主机
对表面质子耦合电子转移的反应性进行建模
Krauss，T。D.*; Bren，K。L.*; Matson，E。M*。 “通过多氧化烷层簇从CDSE量子点中增强光催化氢的活性”。 Commun。，2020，56，8762-8765。Krauss，T。D.*; Bren，K。L.*; Matson，E。M*。“通过多氧化烷层簇从CDSE量子点中增强光催化氢的活性”。Commun。，2020，56，8762-8765。