我们研究了 X 射线微断层扫描在实现最佳分辨率、最小化测量不确定性、抑制 3D 图像重建中的伪影形成以及总体优化微断层扫描测量方法方面的局限性。我们探索了通过选择目标材料(钨、钼)控制减速辐射和特征辐射的比率来改变产生的 X 射线辐射光谱组成的可能性、X 射线辐射光谱组成对光束硬化效应的影响以及通过过滤 X 射线管的加速电压来影响 X 射线光谱的可能性。进一步开发和改进了用于测量微米范围内尺寸和使用球形标准测量材料孔隙率的 X 射线微 CT 校准方法。取得的最重要的成果包括为材料研究、工程、矿物学、生物学、考古学和文化遗产保护领域的微 CT 测量和无损检测的新方法提出建议。在材料研究领域,设计并优化了用于对 MgB 2 基超导体进行无损成像的微层析成像方法(由电气工程研究所 SAS 的 Kováč 博士开发),从而能够对各种结构不均匀性进行成像,并无损测量沿预制件拉出的导体的有效超导体横截面积。在成像技术在生物学和古生物学中的应用领域,已经提出了具有优化测量条件的方法,以提高对比度,并开发了用于对图像数据进行数字处理的方法。这可以大大增加结构在其整个体积中的可见性的复杂性,并补充了对结构选定尺寸的定量分析,同时可以实现较低的测量不确定度。
其他引用(上面未列出)(3.1,4.1)2190评论(5,6)14 Count 4724 AAA科学专着在国外出版的AAA01BALáž,Vladimír。Erawatch国家报告2009年:斯洛伐克共和国:分析政策组合以促进研发投资,并为该时代做出贡献[ElektronickýZdroj]。卢森堡:欧洲社区官方出版物办公室,2009年。46 p。 názovZobrazovky。 požadujesa acrobat读者。 dostupnénainternete:。 ISBN 978-92-79-1339-8。 ISSN 1018-5593 OHLASY:1。 [1.1] Mieszkowski,Krzysztof。 企业家发现过程对中欧和东欧成员国创新政策的权力下放的影响。 在《智能专业》中,2017年,第1卷。 106,no。,pp。 201-225。,Registrované诉:Richard的WOS AAA02FILčák。 生活在苍白之外:环境正义和罗姆人的少数群体。 布达佩斯;纽约:中欧大学出版社,2012年。 237 p。 ISBN 978-615-5225-13-0 OHLASY:1。 [1.1] Sika,Peter,Vidova,Jarmila,Rievajova,Eva。 对斯洛伐克共和国边缘化的罗姆人口的住房的区域观点。 可持续性,ISSN 2071-1050。 2020,第1卷。 12,否。 14,文章编号:5597。 [1.2]伯内特,马克·桑顿。 哈姆雷特和世界电影院。 新Zork,纽约:剑桥大学出版社,2019年。 292 p。 ISBN 978-131647170-8。 4。46 p。 názovZobrazovky。požadujesa acrobat读者。dostupnénainternete:。ISBN 978-92-79-1339-8。 ISSN 1018-5593 OHLASY:1。 [1.1] Mieszkowski,Krzysztof。 企业家发现过程对中欧和东欧成员国创新政策的权力下放的影响。 在《智能专业》中,2017年,第1卷。 106,no。,pp。 201-225。,Registrované诉:Richard的WOS AAA02FILčák。 生活在苍白之外:环境正义和罗姆人的少数群体。 布达佩斯;纽约:中欧大学出版社,2012年。 237 p。 ISBN 978-615-5225-13-0 OHLASY:1。 [1.1] Sika,Peter,Vidova,Jarmila,Rievajova,Eva。 对斯洛伐克共和国边缘化的罗姆人口的住房的区域观点。 可持续性,ISSN 2071-1050。 2020,第1卷。 12,否。 14,文章编号:5597。 [1.2]伯内特,马克·桑顿。 哈姆雷特和世界电影院。 新Zork,纽约:剑桥大学出版社,2019年。 292 p。 ISBN 978-131647170-8。 4。ISBN 978-92-79-1339-8。ISSN 1018-5593 OHLASY:1。[1.1] Mieszkowski,Krzysztof。企业家发现过程对中欧和东欧成员国创新政策的权力下放的影响。在《智能专业》中,2017年,第1卷。106,no。,pp。201-225。,Registrované诉:Richard的WOS AAA02FILčák。 生活在苍白之外:环境正义和罗姆人的少数群体。 布达佩斯;纽约:中欧大学出版社,2012年。 237 p。 ISBN 978-615-5225-13-0 OHLASY:1。 [1.1] Sika,Peter,Vidova,Jarmila,Rievajova,Eva。 对斯洛伐克共和国边缘化的罗姆人口的住房的区域观点。 可持续性,ISSN 2071-1050。 2020,第1卷。 12,否。 14,文章编号:5597。 [1.2]伯内特,马克·桑顿。 哈姆雷特和世界电影院。 新Zork,纽约:剑桥大学出版社,2019年。 292 p。 ISBN 978-131647170-8。 4。201-225。,Registrované诉:Richard的WOS AAA02FILčák。生活在苍白之外:环境正义和罗姆人的少数群体。布达佩斯;纽约:中欧大学出版社,2012年。237 p。 ISBN 978-615-5225-13-0 OHLASY:1。 [1.1] Sika,Peter,Vidova,Jarmila,Rievajova,Eva。 对斯洛伐克共和国边缘化的罗姆人口的住房的区域观点。 可持续性,ISSN 2071-1050。 2020,第1卷。 12,否。 14,文章编号:5597。 [1.2]伯内特,马克·桑顿。 哈姆雷特和世界电影院。 新Zork,纽约:剑桥大学出版社,2019年。 292 p。 ISBN 978-131647170-8。 4。237 p。 ISBN 978-615-5225-13-0 OHLASY:1。[1.1] Sika,Peter,Vidova,Jarmila,Rievajova,Eva。对斯洛伐克共和国边缘化的罗姆人口的住房的区域观点。可持续性,ISSN 2071-1050。2020,第1卷。12,否。14,文章编号:5597。[1.2]伯内特,马克·桑顿。哈姆雷特和世界电影院。新Zork,纽约:剑桥大学出版社,2019年。292 p。 ISBN 978-131647170-8。4。[3.1]Kanioková,Miriam。少六年。在边缘化罗姆人社区居民的预期寿命差异的脚步中。布拉格:论坛人权,2020年,第65页。 ISBN 978-80-89851-21-8。[4.1]Krokusová,Juliana,Pasternák,Tomáš。
自动驾驶汽车能解决目前所有的交通问题吗?自动驾驶汽车 (AV) 的引入不仅可能提供新的令人兴奋的出行方式,而且还能确保在庞大的城市网络和高速公路上更安全、更方便、更高效的导航。乘客可能有机会在旅途中放松身心,甚至可以将旅行时间高效地转化为工作时间。一个关键的风险是,AV 的所有这些优势可能会增加对个人机动交通的需求。AV 旅行的便利性可能会吸引个人更频繁地使用私人自动驾驶汽车 (PAV),甚至改变他们的长途旅行行为(例如,用 PAV 代替火车或飞机旅行)。因此,更多、更长的行程、更多的人能够无人驾驶出行(例如,残疾人、老年人或没有驾照的人)、空车驾驶(如果允许,例如,用于寻找停车位)和交通方式的转变(例如,用 PAV 代替自行车、火车或飞机出行)可能导致年人均车辆行驶里程大幅增加,并最终导致交通更加繁忙和道路更加拥挤。8,9
该组织的主要活动是开展以下科学和技术学科的研究:凝聚态物理和声学(010304)、量子电子学和光学(010309)、无机化学(010402)、电工技术和材料(020205)、微电子学(020211)、金属和非金属材料的制备和加工(020409)、物理工程(020404)、纳米材料(021101)、纳米工艺(021102)、纳米电子学(021103)、纳米技术和分子电气工程(021104)、其他相关领域的纳米技术(021199)、层和薄膜(020602)、复合材料(020603)、陶瓷和玻璃(020601)、大分子化学(010409)、生物化学(010403)、有机化学(010410)、材料化学(010407)、大分子技术物质(020506)、回收技术(020507)、生物材料(021005)、生物塑料(021006)、新型生物材料(021009)、分子生物学(010613)、细胞生物学(010602)、肿瘤学(010618)、遗传学(010608)、病毒学(010621)和微生物学(010612)。
1。引言目前是关于自动武器系统定义的广泛讨论。这次讨论的开端可以追溯到21世纪的第一个设备,包括自主武器的支持者(Arkin 2009),以及警告他们的人(Sparrow 2007)。讨论在2012年之后加剧了,当时美国国防部(美国国防部)发布了关于武器系统自治的3000.09指令,该指令已获得此类武器的定义。与《人权:人权观察》(HRW)的杀手机器人(HRW)的案件一起,这些文件对自主武器的定义以及与这些武器相关的道德和法律问题进行了广泛讨论。许多领域的军事和政府专家,科学家和专家都参与了讨论。自主武器系统的主题已成为红十字国际委员会(ICRC),联合国研究研究所(UNIDIR)的重要议程。
SAS社会和心理科学的简介中心是在2015年10月1日建立的,合并了三个学院:斯洛伐克科学学院实验心理学研究所,KošiceSlovak Science ofKošice学院的社会科学和预测研究所。从法律角度来看,继任机构是SAS森林研究所(SAS SAS)。所有三个原始机构都已成为中心的平等组织力量,同时在科学,专业和人员领域保持了高度独立性。基于SAS组装的解决方案,每个组织部门继续在SAS组装中拥有其代表。宪法还保留了他们的姓名和徽标,并有权与公众联系。在建立中心的权威(科学委员会,委员会和先生)时,通常会观察到所有三个组织单位的同样代表的原则。该中心的工人和学术界的第一次会议于2015年10月19日在Košice的MKC Science和SVU的场所举行,该连接由视频提供。作为会议工作部分的一部分,学术界批准了科学委员会和选举春季法规的提议。根据他们的基础,该中心的学术村选择了一个新的科学委员会。科学委员会成员当选教授。 V. Bacova,DRSC。来自úep。新科学委员会已在确定该中心的另一个科学研究概况方面发挥了其专业职能。
已通过分析调度方法和仿真研究了共享的自动驾驶汽车(SAV)。一个普遍的兴趣问题是,每个SAV可以为多少客户提供服务,这必然取决于网络特征,旅行需求和派遣政策。我们确定了描述如果选择适当的调度策略可以提供的最大要求集的方程式。然后,我们提供一项派遣策略,以实现乘客吞吐量的预测水平。这是针对一般的SAV行为的一类,其中可能包括乘车共享,电动SAV充电,与公共交通或其组合的集成。我们通过定义马尔可夫链排队模型来实现这一目标,该模型接受了一般的SAV行为。我们说,如果等待时间保持界限,网络是稳定的,这相当于以与他们要求服务相同的速率为所有客户提供服务。我们给出了表征稳定区域的方程式 - 任何派遣政策都可以满足的要求。我们证明,外部的任何需求均不能完全满足。我们进一步证明,我们的调度策略使用Lyapunov Drift稳定了稳定地区的任何需求网络,并确立了可以满足的最大需求集。数值结果使用仿真验证了我们的计算,我们为大型城市网络计算𝜦计算𝜦提供了初始结果。
公众接受对于在运输部门采用共享的自动驾驶汽车(SAV)至关重要。主要依赖于结构方程建模(SEM)的传统接受模型可能无法充分捕获受影响技术接受的因素之间的复杂的非线性关系,并且通常具有有限的预测能力。本文介绍了一个将机器学习技术与和弦图可视化相结合的框架,以分析和预测公众对技术的接受。使用SAV接受为案例研究,我们采用了一种随机的森林机器学习方法来模拟心理因素受到验收的心理因素之间的非线性关系。和弦图来提供单个图中因子和项目水平的这些因素的相对重要性和相互作用的直观可视化。我们发现的态度确定为SAV使用意图的主要预期,然后是感知的风险,可感知的有用性,信任和可感知的易用性。该框架还揭示了SAV采用者和非管理员之间的不同看法,从而提供了量身定制的策略来增强SAV接受的见解。这项研究为技术接受话语贡献了一个数据驱动的观点,证明了将预测性建模与视觉分析的效率相结合,以了解因素在预测公众接受新兴技术方面的相对重要性。
预期杂合性(HE)值范围从0.031(Marker MBO56)到0.571(Marker MBO35)。使用这些标记,对遗传多样性的分析(表4)表明,在微卫星基因座检测到的多态性标记数量从8个(togbin and Malanville的地点)到10(Savè,Agoua,Pendjari,Pendjari,Pingou和TroisRivières),并具有9±0.865的范围。除了Savè,Hounviatouin和Malanville之外,在大多数采样位置都观察到目标微卫星基因座的1至3个私人等位基因。关于遗传参数,有效等位基因(NE)的数量范围为1.447至2.069,平均数为1.761。从0.263(Hounviatouin)到0.451(SAVè),平均值为0.354,而观察到的杂合性(HO)的平均值为0.234(togbin)到0.405(pingou),平均值为0.335。 固定指数(F)的负值为从0.263(Hounviatouin)到0.451(SAVè),平均值为0.354,而观察到的杂合性(HO)的平均值为0.234(togbin)到0.405(pingou),平均值为0.335。固定指数(F)的负值为
SAV系统的动态性质也很重要。例如,时间需求的浓度可能会给乘客带来较长的等待时间,并且系统管理员必须通过为乘客的费用充电或提供激励措施来为其提供措施,或者提供激励措施,以提高系统的性能(就像当前的乘车系统一样(Yang等人。,2020))。为了找到这种措施的最佳解决方案,需要对SAV系统进行动态分析。然而,据作者的知识而言,对此问题的数学可触犯分析非常有限。现有关于SAV系统动态操作管理的研究采用了复杂的方法,例如深厚的增强学习(Xie等人,2023),贝叶斯优化(Liu等人,2024),非平衡模型(Ramezani&Valad-Khani,2023)。它们对于特定情况的最佳解决方案非常有用,但是它们可能不方便地发现一般的理论意义。