XiaoMi-AI文件搜索系统
World File Search SystemPPR
机器学习方法估算食物卡路里
当前生活方式肥胖和不良节食习惯导致的健康问题使得监测卡路里摄入成为必要。例如，评估食物的卡路里值对于糖尿病患者控制体重和控制其他慢性疾病至关重要。相反，大多数常用的卡路里控制机制，如估算卡路里含量或在复杂膳食中使用营养图表，不仅繁琐，而且容易出错。这反过来证明了需要由技术和自动化驱动的系统，在这些系统中，卡路里估算几乎不需要用户付出任何努力。当今时代还见证了计算机视觉和深度学习的进步，这有助于更好地应对上述挑战。卷积神经网络是一种以图像识别而闻名的深度学习模型，其众多应用之一是从图像中识别食物，并取得了巨大的成果。CNN 有助于根据某些视觉特征（例如纹理颜色和形状）识别食物，结合食物的体积估计，它们甚至可以帮助计算各种盘子的卡路里含量。因此，出现了比节食系统更方便的卡路里估算应用程序，节食系统需要粘贴食物图片并查询食物的卡路里含量，而满盘没有分量，图像可用于估算卡路里。
已批准 - TBCG - 校园校长 - CIP
TBCG 是英格兰最大的 FE 提供商之一，在过去几年中发展迅速。最初以旧的贝德福德学院为基地，通过合并和收购，今年我们已经发展到在多个地点拥有约 18,000 名学习者。2018 年，它成功与 Tresham 学院合并，以发展区域集镇的概念为基础，创建了泛贝德福德郡和北北安普敦郡的课程，而中央贝德福德郡学院 (CBC) 决定于 2023 年 2 月加入该集团，这进一步推动了这一发展。该集团的 Ofsted 评价为“良好”，在合并后迅速提高了 Tresham 的质量评级。这些发展意味着 TBCG 在贝德福德、凯特林、科比、威灵堡、银石（设有专业赛车设施）、沙特尔沃思（陆上校园）和邓斯特布尔和莱顿巴扎德的 CBC 站点均设有地理位置。
使用图形神经网络在Web应用程序中检测漏洞检测的方法
由于开源软件包漏洞而引起的软件系统的复杂性日益增长，使软件漏洞检测成为关键的优先级。传统的脆弱性检测方法，包括静态，动态和混合方法，通常在高阳性速率和有限的效率方面挣扎。最近，基于图的神经网络（GNN）和变形金刚模型通过表示代码作为捕获语法和语义的图表来提高漏洞检测准确性。本文介绍了一个混合框架，结合了门控图神经网络（GGNN）和变压器编码器以利用多个图表表示：抽象语法树（AST），数据流程图（DFG），控制流程图（CFG）（CFG）和代码属性图（CPG）。GGNN提取图级特征，而变压器在图形编码数据中增强了顺序上下文理解。该模型使用这些功能来检测功能级代码段中的漏洞。评估我们在OWASP WebGoat数据集上的框架的评估证明了在五种主要漏洞类型中不同图形表示的有效性：命令注入，弱加密，路径遍历，SQL注入和跨站点脚本。实验结果表明，GGNN+CpG配置始终产生高度弱点的较高回忆，而GGNN+CFG在检测基于控制的基于控制的漏洞（例如命令注射）方面表现出色。这些发现突出了混合GNN-Transformer框架在增强网络安全应用程序的代码漏洞检测方面的潜力。GGNN和变压器模型的集成导致在所有漏洞类型中的准确性，精度，回忆和F1得分方面显着增强，每个图表表示对代码结构和脆弱性模式都有独特的见解。
预测使用外骨骼进行建筑工作的心理工作量：一种深度学习方法
摘要：外骨骼正在引起人们的注意，作为解决建筑行业背部受伤的潜在解决方案。但是，在施工中使用主动支持外骨骼会引发意想不到的后果，这可能会增加工人的心理工作量。长期增加心理工作可以影响工人的福祉和生产力。预测外骨骼使用期间的心理工作量可以为减轻触发因素提供依据。这项研究研究了两个机器学习框架，用于使用主动的背支持外骨骼进行施工工作来预测精神工作量。实验实验，其中脑电图（EEG）的数据是从戴着主动背支架外骨骼的参与者那里收集的，以执行地板任务。EEG数据接受了预处理，包括频带滤波，缺口过滤和独立的组件分析，以删除工件并确保数据质量。基于回归的长期记忆（LSTM）网络和卷积神经网络和LSTM的混合模型进行了培训，以预测处理后的脑电图数据的未来时间步骤。使用均方根误差和R平方评估网络的性能。平均均方根误差为0.162，R平方为0.939，表明LSTM网络在所有EEG通道上具有更好的预测能力。实际心理工作量和预测的心理工作量之间的比较结果还表明，实际心理工作负载中约有75％的差异是在预测的心理工作中捕获的。这项研究增强了对在建筑工作中使用外骨骼的意外后果的理解。结果强调了各种卷积神经网络方法在识别关键EEG数据特征的有效性，并为未来应用中的算法选择提供了指南。此外，该研究还确定了在使用外骨骼期间评估心理工作量的最合适的大脑通道，从而有助于EEG设备的开发，以优化成本效益，解释力和最少的通道。这项研究为利益相关者提供了宝贵的见解，以便在使用外骨骼并发现缓解机会的同时了解心理工作的影响。
机器学习方法是在火星上识别和分类的Rampart陨石坑。 J.M. Williams 1（Jwilliams4@unm.edu），A.C。Buie 1，D.P。梅森1，
简介：冲击壁是火星和许多其他行星体的无处不在地质过程，对于整个太阳系中岩石和冰冷体的表面相对年龄至关重要；在过去的数十亿年中，包括古代和现代火星都发生了这样的火山口事件[1]。这些陨石坑可以根据其形态和形成过程进行分类，包括作为斜坡型特征。在火星上对这些火山口形态的分类历史上已经证明了困难和耗时，这主要是由于1）缺乏质量，高分辨率图像和2）图像的巨大图像。我们的新方法试图通过使用基于机器学习的方法（ML）方法在MARS（32°N至32°S）中的较低纬度（32°N至32°S）内的准确分类的Rampart火山口数据库来纠正此问题。
普通拨款法案
H. 地区 IV-B（米马罗巴）...................................................................... 89 H.1 马林杜克州立学院............................................................... 89 H.2 民都洛州立大学............................................................... 91 H.3 西民都洛州立学院........................................................ 92 H.4 巴拉望州立大学....................................................................... 93 H.5 朗布隆州立大学....................................................................... 95 H.6 西菲律宾大学......................................................................... 96 I. 地区 V - 比科尔......................................................................... 98 I.1 比科尔州立应用科学与技术学院......................................................... 98 I.2 比科尔大学.................................................................... 100 I.3 北甘马粦州立学院............................................................. 101 I.4 甘马粦苏尔理工学院............................................................. 103 I.5 卡坦端内斯州立大学............................................................. 104 I.6 中央比科尔州立农业大学............................................................. 106 I.7 埃米利奥·B·埃斯皮诺萨博士纪念州农业技术学院................................................................................ 108 I.8 帕蒂多州立大学................................................................... 109 I.9 索索贡州立大学................................................................... 111 J. 第六区 - 西维萨亚斯................................................................... 112 J.1 阿克兰州立大学................................................................... 112 J.2 卡皮兹州立大学................................................................... 114 J.3 卡洛斯希拉多纪念州立大学...................................................... 115 J.4 中央菲律宾州立大学............................................................. 117 J.5 吉马拉斯州立大学................................................................... 118 J.6 伊洛伊洛科学技术大学............................................................. 119 J.7 伊洛伊洛州渔业科学技术大学................................................... 120 J.8 北伊洛伊洛州立大学................................................................... 121 J.9 北内格罗斯州立大学................................................................... 123 J.10 安蒂克大学................................................................... 124 J.11 西维萨亚斯州立大学................................................................ 126 K. 第七地区 - 中部维萨亚斯省.............................................................. 127 K.1 保和岛州立大学.............................................................. 127 K.2 宿务师范大学...................................................................... 129 K.3 宿务理工大学...................................................................... 130 K.4 内格罗斯东方州立大学.............................................................131 K.5 锡基霍尔州立学院.............................................................. 133 L. 第八区 - 东维萨亚斯群岛.............................................................. 134 L.1 比利兰省州立大学.............................................................. 134 L.2 东萨马州立大学.............................................................. 135 L.3 东维萨亚斯州立大学............................................................. 136 L.4 莱特师范大学......................................................................... 138 L.5 西北萨马州立大学......................................................................... 139 L.6 帕隆蓬州立理工大学............................................................. 141 L.7 萨马州立大学............................................................................. 142 L.8 南莱特州立大学............................................................................. 143 L.9 东菲律宾大学............................................................................. 145 L.10 维萨亚斯州立大学............................................................................. 146
批准的4s。锂（Lipo）电池列表。 ...
基于锂（Lipo）的电池在下面详细介绍，已批准用于各种EFRA电动类。节规则将详细说明适用的类型。在发布此列表之日，新的EFRA包装的可用日期尚不清楚。制造商已确认2025年3月最新。