XiaoMi-AI文件搜索系统
World File Search SystemSensors
用于环境监测的人工智能增强型可生物降解传感器
摘要：在电子垃圾日益成为全球关注的时代，可生物降解传感器的开发代表着朝着可持续环境监测迈出的关键一步。由不可生物降解材料制成的传统传感器是电子垃圾日益增多的重要原因。本文探讨了人工智能 (AI) 与可生物降解传感器的集成，这不仅可以减轻电子垃圾对环境的影响，还可以提高环境监测系统的精度、实时决策和效率。虽然这些 AI 增强型传感器提供了有希望的进步，但数据隐私、基础设施成本及其部署对环境的影响等挑战仍然存在。此外，本文还讨论了 AI 伦理和偏见缓解的关键问题，强调在开发 AI 驱动技术时需要透明、包容和跨学科的方法。讨论为 AI 增强型可生物降解传感器的未来可能性提供了见解，包括扩大应用、可生物降解材料的进步以及这些技术的道德部署。该论文强调了跨学科合作的必要性，以充分利用这些创新的潜力，同时确保它们符合可持续性和道德目标。
传感器和诊断 - 数字 CSIC
纳米生物传感器和生物分析应用小组（NanoB2A）、加泰罗尼亚纳米科学与纳米技术研究所（ICN2）、CSIC、BIST 和 CIBER-BBN，贝拉特拉，08193，巴塞罗那，西班牙。电子邮件：maria.soler@icn2.cat b 大分子结构系，国立生物技术中心，高级科学研究委员会（CNB-CSIC），Darwin 3，Campus Cantoblanco UAM，28049 Madrid，西班牙 c 微生物生物技术系，国立生物技术中心，高级科学研究委员会（CNB-CSIC），Darwin 3，Campus Cantoblanco UAM，28049 Madrid，西班牙 d 综合系统生物学研究所（I2SysBio），瓦伦西亚大学-CSIC，46980，瓦伦西亚，西班牙 e 国家传染病研究所“L. Spallanzani”IRCCS，Via Portuense 292，00149，罗马，意大利 † 当前隶属关系：圣卡米勒国际健康科学大学，意大利罗马 Sant'Alessandro 大街 8 号，00131； IRCCS Sacro Cuore Don Calabria 医院，地址：via Don A. Sempreboni 5, 37024, Negrar di Valpolicella（维罗纳），意大利。
第二届智能传感器、信号处理和通信技术进步国际会议（ICASSCT-2024）日期和时间 22 – 23 日
ICASSCT 2024 会议的主要目标是推动传感器、信号处理和通信领域各方面的创新。会议遵循广泛的盲审流程，选出最佳论文进行演讲，其中包括专门为推进技术、系统和基础设施而设计的技术论文、教程、研讨会和行业会议。会议旨在从通信和信息理论到使用信号处理技术实现、评估和改进实际通信系统的性能。
传感器显示了印度农村地区购买的改进的厨师的长期疾病，而调查完全是
单独的用户调查不能准确测量现场改进的烹饪炉的实际使用。我们介绍了在印度马哈拉施特拉邦的两项监测研究中比较调查报告和传感器录制的烹饪事件或使用持续时间的结果。第一个是向159个家庭提供的伯克利 - 印度炉子（BIS）的免费试验，我们平均监视厨师炉灶的使用时间为10天（SD = 4.5）（称为“自由审判研究”）。在第二项研究中，我们以91个家庭对BIS的使用平均468天（SD = 153），他们以大约三分之一的家庭月收入（称为“购买后研究”）购买的价格购买了BI（SD = 153）。研究从2019年2月到2021年3月。我们发现，在自由审判研究中，有34％的家庭（n = 88）过度报告了双BIS的使用，分别在第一次（n = 75）和第二次（n = 69）的调查中，在允许后期研究的第一个（n = 75）和第二个家庭中使用了46％和28％的家庭。两项研究中的平均过度报告均在询问家庭使用二元问题格式的使用情况下减少，但是这种方法提供了较少的粒度。值得注意的是，在购买后的研究中，传感器表明，即使他们用自己的钱购买了大多数家庭，他们也会分离厨师炉灶。调查未能检测到库克炉使用情况的长期下降趋势。实际上，调查表明，在研究期间，CookStoves的采用率保持不变。一些传感器记录使用零的家庭报告了库克炉燃料节省，快速烹饪和更少的烟雾。家庭倾向于报告使用标称使用的响应，例如每周0、7或14个烹饪事件（对应于每天0、1或2次），这表明一周内召回精确使用天数的困难。此外，我们发现调查还可能在不支持传感器数据的情况下对用户报告的CookStove福利提供误导性的定性发现，从而导致我们高估了影响。这些发现表明，根据炉子减少对健康损害或减少现实世界实施中的排放的能力，调查可能不可靠或不足以为补贴提供稳固的基础数据。
特刊 - 纳米材料
数十年来，研发旨在将数据转换为信息（什么，何时，何时何地，谁），知识（如何）和洞察力（为什么）。当前的AI模型主要集中于大量数据进行培训和测试，这是一个过度简化的学习模型。本质上，多模式传感是所有生物基础的智力的一部分。是感知目标，意识到情况并适应变化的能力。基本算法包括传感器融合，信号注册，可视化，相互作用和推理。多模式感觉智能是当今生成的AI和深度学习范式中缺少难题的一部分，对自主系统，人类机器人互动和网络物理系统产生更大的影响。我们预计，感官智能将需要更少的数据，更快地执行，适应更改，并且在算法上更简单，并具有定性物理学以及语义或视觉解释的推理。总的来说，它将能够解决盛行的数据科学所无法的问题。
特刊 - 传感器
数十年来，研发旨在将数据转换为信息（什么，何时，何时何地，谁），知识（如何）和洞察力（为什么）。当前的AI模型主要集中于大量数据进行培训和测试，这是一个过度简化的学习模型。本质上，多模式传感是所有生物基础的智力的一部分。是感知目标，意识到情况并适应变化的能力。基本算法包括传感器融合，信号注册，可视化，相互作用和推理。多模式感官智能是当今生成的AI和深度学习范式中缺少难题的一部分，它们对自主系统，人类机器人互动和网络物理系统产生更大的影响。我们预计，感官智能将需要更少的数据，更快地执行，适应更改，并且在算法上更简单，并具有定性物理学以及语义或视觉解释的推理。总的来说，它将能够解决盛行的数据科学所无法的问题。
特刊 - 传感器
This Special Issue of the journal Sensors will focus on “Network security and IoT Security”, with a broad focus on the following (but not exhaustive) list of topics: - IoT security threats and mitigation - Access management - Improved authentication - Wireless security - Firewalls and honeypots - Endpoint security - Digital piracy - Biometrics in security - Malware detection - Information security - Cloud security - Ransomware - Risk management - Digital forensics - Challenges in remote访问 - 数据存储安全性 - 数据丢失预防系统 - 社交媒体安全 - 密码学 - 区块链 - 移动应用程序安全
特刊 - 传感器
近年来，在自动驾驶中取得了巨大进展，并取得了重大的研究结果和公共道路部署，包括实施系列生产车辆和乘车服务，提供负担得起的自主游乐设施。因此，使用感知传感器以及在存在意外的车辆和脆弱的道路使用者的情况下，使用感知传感器以及控制和导航算法需要进行更多的研究，除了建立安全的方法和开发这种基于感知的情境意识和导航算法外，还需要进行安全操纵。本期特刊旨在收集有关使用相机，激光雷达和雷达等传感器的研究的研究，并用于检测自动驾驶汽车与其他道路使用者之间的罕见和极端相互作用；在这种罕见和极端的相互作用中，控制和导航方法可以安全地操纵自动驾驶汽车（AV）；现实有效的评估方法；以及在公共道路部署之前在安全环境中开发此类算法。我们欢迎您对本主题的本期贡献。
与...
Devendra Deshpande 6 Vishwakarma信息技术学院Pune，印度摘要：在本文中，一种压电鞋系统，该系统存储并利用行走动力的能量来产生电流，以进行电流测量和充电智能手机。它通过行走，利用压电传感器的机械应力来捕获通过27mm压电磁盘通过压电传感器进行电能的力。主要组件包括：压电纸，硅胶胶，1N4007二极管和3.7V可充电锂离子电池。因此，这款智能鞋具有独立使用而无需太多努力维护的潜力。初步测试承诺，智能鞋确实能够为用户提供可持续性的来源，尤其是在偏远或室外设置中。关键字：压电传感器，能量收集，智能鞋，手机充电，可穿戴技术，27毫米压电磁盘，1N4007二极管，电源库模块。
使用惯性传感器
摘要 - 监控运动员运动对于提高性能，减轻疲劳并减少受伤的可能性很重要。高级技术，包括计算机视觉和惯性传感器，在对运动特定运动进行分类方面已广泛探索。将自动体育行动标签与运动员监控数据相结合提供了一种有效的方法来增强工作量分析。关于对运动特定运动进行分类的最新研究表明，基于个别运动员的训练和评估方法的趋势，使模型可以捕获每个运动员特有的独特功能。这对于运动员之间技术差异很大的运动特别有益。当前的研究使用受监督的机器学习模型，包括神经网络和支持向量机（SVM），以使用从上下背包惯性测量单元（IMU）传感器中提取的功能来区分跑步表面，即田径轨道，硬砂和软砂。主成分分析（PCA）用于特征选择和降低维度，增强模型效率和解释性。我们的结果表明，与运动员无关的方法相比，运动员依赖的训练方法可大大提高分类性能，从而达到更高的加权平均精度，召回，F1得分和准确性（p <0.05）。