XiaoMi-AI文件搜索系统
World File Search SystemPreprocessing
为节奏游戏 osu！创建 AI
4 方法 12 4.1 所用资源 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 4.3 播放节拍图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 17 号
微型 AI 应用的神经形态模拟实现
NASP 解决方案使用迁移学习的原理，其中负责原始数据预处理的神经网络的大多数层（1）在一定数量的训练周期后保持不变（固定模拟核心），并且只有最后几层（2）在接收新数据和重新训练时进行更新（灵活数字核心）。
文章基于视觉的飞机周转中入/出站和对接/解除对接节点的自动收集
摘要：飞机周转过程中关键里程碑节点的自动采集是机场协同决策发展需求中的重要内容。本文提出一种基于计算机视觉的框架，自动识别航班进出站、停靠/脱离站活动并记录相应的关键里程碑节点。该框架无缝集成了计算机视觉领域的最新算法和技术，包括预处理和关键里程碑采集两个模块。预处理模块从机场地面复杂背景中提取关键里程碑节点执行者的时空信息。第二个模块针对两类关键里程碑节点，即以路内和路外为代表的基于单目标的节点和以对接和解除对接楼梯为代表的基于双目标交互的节点，分别设计了两种关键里程碑的收集方法。构建了两个数据集用于所提框架的训练、测试和评估。现场实验结果表明，所提框架可以替代目前常规的手动记录方法，有助于自动收集这些关键里程碑节点。
使用深度学习和...
在现场水平上的作物产量预测（CYP）对于制定进出口策略的农产品计划并增强农民收入至关重要。作物育种始终需要大量的时间和金钱。CYP开发以预测农作物的产量更高。本文提出了有效的深度学习（DL）和降低尺寸（DR）方法（DR）用于印度地区作物的CYP。本文包括“ 3”阶段：预处理，DR和分类。最初，从数据集收集了南印度地区的农业数据。然后，通过执行数据清洁和归一化将预处理应用于收集的数据集。之后，使用基于指数内核的主组件分析（SEKPCA）进行DR。最后，CYP基于重量调节的深卷积神经网络（WTDCNN），该卷积神经网络可预测高作物的产量。模拟结果表明，与退出方案相比，所提出的方法的精度为98.96％。关键词：作物产量预测，深度卷积神经网络，机器学习，深度学习，主要成分分析。
文章 基于视觉的飞机周转中进/出站和对接/解除对接节点的自动收集
摘要：飞机周转过程中关键里程碑节点的自动采集是机场协同决策发展需求中的重要内容。本文提出一种基于计算机视觉的框架，自动识别航班进出站、停靠/脱离站活动并记录相应的关键里程碑节点。该框架无缝集成了计算机视觉领域的最新算法和技术，包括预处理和关键里程碑采集两个模块。预处理模块从机场地面复杂背景中提取关键里程碑节点执行者的时空信息。第二个模块针对两类关键里程碑节点，即以路内和路外为代表的基于单目标的节点和以对接和解除对接楼梯为代表的基于双目标交互的节点，分别设计了两种关键里程碑的收集方法。构建了两个数据集用于所提框架的训练、测试和评估。现场实验结果表明，所提框架可以替代目前常规的手动记录方法，有助于自动收集这些关键里程碑节点。
SpaceX Falcon9使用机器学习登陆预测
该项目工作的目的是使用数据科学和机器学习算法预测SpaceX Falcon 9火箭着陆系统的成功或失败。此项目所需的数据是从SpaceX API收集的。以下工具和技术用于数据预处理和分析：用于数据操作和分析的PANDA和NUMPY，用于探索性数据分析的数据可视化以及用于预测的机器学习算法。该项目涉及以下步骤：从SpaceX API中收集数据，使用Pandas和Numpy进行预处理数据，并使用数据可视化技术，功能工程来提取预测模型的相关功能，构建机器学习模型，以预测Falcon 9 Rocket登陆的成功或使用适当的模型的表现，并使用适当的Metrics进行了预测。该项目使用机器学习算法来预测Falcon 9火箭着陆的成功或故障。该模型对历史数据进行了培训，并对新数据进行了测试以评估其性能。该项目旨在洞悉导致Falcon 9火箭登陆的成功或失败的因素。
助理教授职位
中国农业大学（2015- 2019年）：我受雇于国际办公室，我的角色涉及管理部门和活动的预算（例如会议）并协助招聘。 Capgemini（中国），（2014-2015）：我曾在一个项目团队中担任助理顾问，开发了Petrochina的健康，安全和环境（HSE）系统。 在这个角色中，我负责使用Excel和系统测试进行数据预处理。中国农业大学（2015- 2019年）：我受雇于国际办公室，我的角色涉及管理部门和活动的预算（例如会议）并协助招聘。Capgemini（中国），（2014-2015）：我曾在一个项目团队中担任助理顾问，开发了Petrochina的健康，安全和环境（HSE）系统。 在这个角色中，我负责使用Excel和系统测试进行数据预处理。Capgemini（中国），（2014-2015）：我曾在一个项目团队中担任助理顾问，开发了Petrochina的健康，安全和环境（HSE）系统。在这个角色中，我负责使用Excel和系统测试进行数据预处理。
RnBeads – DNA 甲基化数据的综合分析
4 定制分析：RnBeads 模块 13 4.1 数据导入 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 4.4.2 细胞类型贡献的推断....................................................................................................................25
激光雷达图像中的军事目标检测
本报告介绍了用于在Ladar图像中进行预处理，分割和检测车辆大小对象的不同技术。提出了五种预处理策略； 1）中值过滤，2）级联反应中的两个1-D中值过滤器，3）辐条中值过滤器，4）甜甜圈过滤器，5）离群值检测和去除。辐条中值和甜甜圈过滤器几乎毫无价值。其他过滤器的运行良好。离群值检测器在持久边缘和小结构（以及图像噪声）的同时删除了外部。关于分割算法，我们已经实施并测试了四组基于区域的算法和一组基于边缘的算法。分割的输出是对象定义算法的输入。提出了两种策略；一种常规的聚集聚类方法和一种基于图的方法。本质上，它们都给出相同的结果。在预定义间隔内具有高度，宽度和长度的簇被认为是可能的对象。所有算法在不同场景中的各种车辆的实际数据上进行了测试。很难得出任何一般结论。但是，似乎基于区域的算法的性能优于基于边缘的算法。在基于区域的策略中，基于形态或过滤操作的策略在大多数情况下表现良好。