XiaoMi-AI文件搜索系统
World File Search SystemOMNI
全向多旋翼航空车辆姿势优化：一种新型物理层安全的方法
摘要将多转飞机（MRAV）集成到5G和6G网络中，增强了覆盖范围，连通性和拥堵管理。这促进了通信意识到的机器人技术，探索了机器人技术与通信之间的相互作用，但也使MRAV易受恶意攻击（例如干扰）。对抗这些攻击的一种传统措施是在MRAV上使用横梁来应用物理层安全技术。在本文中，我们探讨了姿势优化，作为反对对MRAV攻击的替代方法。该技术旨在全向MRAVS，它们是能够独立控制其位置和方向的无人机，而不是无法独立控制其位置的更常见的低估MRAV。在本文中，我们考虑了一个全向MRAV作为合法地面节点的基站（BS），受到恶意干扰的攻击。我们优化了MRAV姿势（即位置和方向），以最大程度地比所有合法节点上的最小信噪比加上噪声比（SINR）。
TELKOMNIKA 电信计算电子和控制
这项工作开发并使用了智能手杖，帮助盲人更安全地行走并避免危险。本研究论文涉及为盲人开发智能手杖，帮助他们通过避开障碍物安全行走，并在紧急情况下将其位置发送给医生或亲属等负责人，以相应地帮助他们。在所提出的设备架构中使用了三个超声波传感器，以检测三种不同高度的障碍物，即低、中、高障碍物，并使用扬声器向盲人发出警报。每当触摸设计的智能手杖的紧急按钮或将手杖放下时，都会通过移动应用程序向医生或负责人发送带有盲人手机位置的紧急消息。Arduino Uno 平台、蓝牙模型、MPU-6050 3 轴陀螺仪作为位置传感器和 microSd 卡模块已被用于有效地实现手杖。在测试阶段，该设备取得了良好的效果。当智能手杖检测到前方的物体或障碍物时，用户会以语音消息和振动的形式收到通知。此外，尽管他们无法直接启动它，但自动紧急情况已经被检测并启动。
Telkomnika电信计算电子和控制
高光谱成像和人工神经网络（ANN）的结合可以预测果实的成熟度。这项工作调查了使用K折的交叉验证方法的高光谱成像和ANN模型的应用，用于成熟度预测油棕新鲜水果束（FFB），以进行内部分类和分级机器视觉。粗棕榈油（CPO）是印度尼西亚和马来西亚等国家的出口商品。油棕FFB成熟度决定了CPO的质量。FFB的独特形状和颜色需要创新的方法来代替繁琐而繁琐的手动分类和分级。这项研究中使用的油棕FFB样品先前是根据颜色和果实的果实分类的。，我们在用于ANN模型和混淆矩阵之前，应用了高光谱数据集的Savitzky-Golay（SG）平滑滤波器和7倍的交叉验证，以找到ANN模型的精度。我们从523个数据点中获得了SG过滤器后的72个数据点。预测结果显示平均准确度为79.48％，其中三个折叠为2、5和7的倍数给出了90％的最高精度。结果证实了高光谱成像的潜在用途，k折交叉验证和ANN模型以进行油棕FFB的成熟度预测。
Telkomnika电信计算电子和控制
在这项研究中，作者提出了一种对黑色素瘤皮肤癌（MSC）进行分类的深度学习方法。他们引入了一个由27层组成的卷积神经网络（CNN）模型，该模型经过精心设计，旨在从皮肤病变图像中提取特征并将其分类为黑色素瘤和非黑色素瘤类别。提出的CNN模型包括多个卷积层，这些卷积层将过滤器应用于输入图像以提取诸如边缘，形状和图案之类的特征。批发层将卷积层的输出归一化以加速学习过程并防止过度拟合遵循这些卷积层。在皮肤病变图像的公开数据集上评估了所提出的CNN模型的性能，并且发现表明，它的表现优于黑色素瘤分类的几种最新方法。作者还进行了消融研究，以分析每层对模型整体性能的贡献。所提出的DL方法有可能协助皮肤科医生早期检测MSC，这可能导致更有效的治疗并改善患者的预后。它还证明了DL技术在医学图像分析中的有效性，并突出了仔细设计和优化CNN模型以进行高性能的重要性。提议的系统的准确性为99.99％。
活动菜单-Omni Grove Park Inn
所有早午餐自助餐都可以选择橙汁，姿势常规和脱咖啡因的咖啡，Numi有机热茶或冰茶餐桌。基于1.5小时服务的价格。夏洛特街（Charlotte Street）需要的厨师服务员每位厨师150，每人75人一名厨师。自助餐至少需要30人。
TELKOMNIKA 电信计算电子和控制
关于脑肿瘤分割的研究已经取得了长足进步，从基于阈值的方法到使用深度学习算法。在本研究中，我们提出了一种基于区域的脑肿瘤分割方法，即活动轮廓模型 (ACM)。使用从多模态脑肿瘤图像分割基准 (BRATS) 2015 数据集（包含 86 幅图像）中获得的流体衰减反转恢复 (FLAIR) 模态磁共振成像 (MRI) 图像数据进行肿瘤分割。我们的分割方法的初始阶段是使用多级 Otsu 阈值为 ACM 算法找到初始初始化点/区域，本研究中使用的级别为 3 级。获得初始初始化区域后，继续使用 ACM 进行分割过程，探索肿瘤区域以获得完整准确的肿瘤区域结果。本研究的结果显示，我们的研究的骰子相似度 (DS) 为 0.7856，总时间为 28.080722 秒，这比我们与之比较的其他方法要好，DS 为 0.75 比 0.78。
塑料Omnium与EDF组联合使用法国塑料Omnium的可再生能源覆盖其一半的电力需求
塑料Omnium与EDF组联合使用，在法国塑料Omnium的可再生能源覆盖其一半的电力需求，已与EDF可再生能源签署了一份合同，到2025年，其低碳电力将覆盖其约50％的电力需求。可再生电力将在由EDF Renewables及其Luxel子公司在法国开发，建造和运营的五个新的光伏电厂生产。这种战略选择是，塑料全能达到了在范围1和2到2025年范围1和2的碳中立性道路的新里程碑。20年的电力购买协议（PPA 1）将直接购买可再生电力，包括每年的生产能力为45 gwh的电力2，足以满足20,000人口的需求。五个光伏电厂将为法国塑料Omnium的14个地点提供电力。塑料Omnium成功地从其内部活动（范围1）及其能源使用（范围2）削减了26％的削减（范围2）。这些努力构成了其顶级行星计划的一部分，该计划于2006年首次推出，目的是减少其工厂生产的环境影响。塑料Omnium首席执行官Laurent Favre说：“这种低碳电力的新生产能力将使塑料综合物在其能源混合中显着提高可再生能源的份额。EDF集团及其子公司涵盖了完整的PPA价值链，EDF可再生能源开发，构建和运营的光伏发电厂以及汇总可再生电力生产的Clasegio Solutions，并将其纳入提供给客户的电源。我们今天与EDF Group签署的具有里程碑意义的合同是提供我们雄心勃勃的碳中立性路线图的主要里程碑，同时还锁定了我们的长期能源成本。”作为塑料综合的能源供应商，EDF集团对其活动和过程有深入的了解，以帮助塑料综合目标达到其脱碳目标，这为汽车行业的能源过渡设定了标准
Telkomnika电信计算电子和控制
许多系统，包括数字信号处理器，有限脉冲响应（FIR）过滤器，特定于应用程序的集成电路和微处理器，请使用乘数。在当前技术趋势中，对低功率乘数的需求每天逐渐上升。在这项研究中，我们基于携带选择加法器（CSA）的4×4华莱士乘数，该乘法器使用的功率较少，并且比现有乘数具有更好的功率延迟产品。HSPICE工具用于模拟结果。与传统的基于CSA的乘数相比，功耗为1.7 µW，功率延迟产品（PDP）为57.3 fj，结果表明，Wallace Multipleer设计采用了CSA，其CSA具有首先零查找逻辑（FZF）逻辑的CSA，其功率最低1.4 µW和PDP的功率最低。
Telkomnika电信计算电子和控制
这项研究旨在开发脑部计算机界面，该界面可以使用脑电图（EEG）信号来控制电动轮椅。首先，我们使用Mind Wave Mobile 2设备从头皮表面捕获原始的EEG信号。使用快速傅立叶变换（FFT）将信号转换为频域，并过滤以监视注意力和放松的变化。接下来，我们执行了时间和频域分析，以识别五个眼手势的特征：打开，闭合，每秒眨眼，双眨眼和查找。基本状态是开放的眼球手势，我们将其余四个动作手势的特征与基本状态进行了比较，以识别潜在的手势。然后，我们构建了一个多层神经网络，将这些功能分类为控制轮椅运动的五个信号。最后，我们设计了一个实验轮椅系统，以测试所提出的方法的有效性。结果表明，脑电图分类高度准确且计算上有效。此外，不同个体的脑控制轮椅系统的平均性能超过75％，这表明这种方法的可行性。