XiaoMi-AI文件搜索系统
World File Search SystemSwarm
使用粒子群优化人工神经网络检测黑色素瘤
黑色素瘤是一种最可怕的皮肤癌，死亡率很高，最初是通过临床筛查、皮肤镜分析、活检和组织病理学检查进行目视诊断的。如果诊断和早期治疗延误，就会变得很危险。图像处理技术的最新发展有助于有效地检测黑色素瘤，因为由于病变的细粒度变化，检测黑色素瘤是一项艰巨的工作。本文研究了一种使用粒子群优化人工神经网络分析病变不规则性的新分类程序。在本研究论文中，提取病变的颜色特征并使用 PSO-ANN 分类器进行分类。通过标记假阳性率和真阳性率获得的接收者操作特性在分析计算机辅助诊断系统的诊断潜力方面起着至关重要的作用。应用于 ISIC 数据库的分类技术表明曲线下面积为 0.96853，特异性为 90.0%，灵敏度为 94.07%，准确率为 93.04%。
成功的成功：Starling完成了主要任务
“ Starling的最初任务的成功代表了小型航天器自主网络发展的一项具有里程碑意义的成就，” NASA在加利福尼亚硅谷NASA AMES研究中心的NASA小型航天器技术计划的项目经理Roger Hunter说。“团队在面对挑战时取得了实现我们的目标并适应我们的目标非常成功。”
机器人：机器人群的空中编程
摘要 - 空气编程（OTAP）是操作大型低功率无线部署（例如无线传感器或群机器人）时的重要功能。OTAP，以考虑到与网络的低功率无线性质相关的有限的通信带宽，不可靠性和较大的延迟，以及正在更新的微控制器的约束性质。本文介绍了一种针对机器人群的OTAP解决方案Robotap，可作为开源实现。Robotap设计为简约，OTAP模块和引导加载程序的闪光足迹分别低于1 kb / 4 kb。它被设计为快速：我们在不到2.3 s的时间内显示了18 kb图像的完整更新。最后，Robotap是安全的：我们在使用ARM CryptoCell-310硬件加速度，相同安全程序的软件实现或根本没有安全性的软件实现时，在NRF52840和NRF5340上进行了比较。索引术语 - otap，microcontroller，swarm，security，robotics
基因组分辨的元文字组学揭示了合成微生物群中保守的根定植决定因素
摘要：近年来，协作机器人已成为行业4.0的主要动力之一。与工业机器人相比，自动化的导向车辆（AGV）更具生产力，灵活，多功能和更安全。它们在智能工厂被用于运输货物。今天，许多工业机器人的生产商和开发商都进入了AGV领域。但是，他们在设计AGV系统（例如设计过程的复杂性和不连续性）以及定义分散系统决策的困难方面面临着一些挑战。在本文中，我们提出了一种基于群体机器人技术的新的集成设计方法，以应对功能，物理和软件集成的挑战。此方法包括两个阶段：一个自上而下的阶段，从需求规范到使用系统建模语言（SYSML）的功能和结构建模；在机器人操作系统（ROS）中进行模型集成和实现的自下而上阶段。选择了自动导向车辆（AGV）系统的案例研究以验证我们的设计方法，并说明了其对AGV的有效设计的贡献。这种提出的方法的新颖性是SYSML和ROS的结合，以解决AGV系统的不同设计级别之间的可追溯性管理，以实现功能，物理和软件集成。
通过数据驱动的共享控制方法降低机器人群的认知负载
摘要 - 多种机器人系统在医学，环境监测等各种领域的多种影响都增加了。尽管有明显的优势，但群体的协调对人类运营商带来了重大挑战，尤其是关于有效控制机器人所需的认知负担。在这项研究中，我们提出了一种新的方法，可以使人类操作员有效控制多个机器人的运动。利用共享控制数据驱动的方法，我们使单个用户能够控制与群体的姿势和形状相关的9度自由度。我们的方法是通过在模拟的3D环境中进行的实验运动进行了评估的，该环境具有狭窄的圆柱路径，可以代表例如血管，工业管道。使用经验后的问卷评估了认知载荷的主观测量，并比较了系统的不同级别的自主权。结果表明，与传统的远程操作技术相比，操作员认知负载的大幅减少，伴随着任务绩效的提高，包括减少完成时间和与障碍的接触实例更少。这项研究强调了我们方法在增强人类机器人相互作用和提高多机器人系统中运行效率方面的效率。
基于多尺度电流分布和粒子群优化的充电站规模优化：在电动助力自行车中的应用
摘要 — 电动自行车 (ebike) 的发展因其经济和环境优势而受到越来越多的关注。本研究基于粒子群优化对电动自行车充电站进行尺寸优化。它基于电动自行车电池的消耗情况、太阳能和风能以及组件的安装、更换和维护成本。第一步，使用二阶非线性电热模型确定电动自行车电池的消耗情况。然后，使用一年的太阳能和风能数据来确定充电站实施地点的能源可用性。最后，将成本定义为目标函数，同时考虑太阳能光伏板数量、风力涡轮机数量、蓄电池数量和年度充电需求的限制。研究了将在法国安纳西理工学院校园内实施的充电站的背景。结果表明，与未进行优化的尺寸相比，粒子群优化可使成本降低约 56.04%。
在并发设计标准下的机器人群的自动设计：基于迭代的F-Race
自动设计是实现机器人群的一种吸引人的方法。在这种方法中，设计师指定了群体必须执行的任务，而优化算法搜索了控制软件，该控制软件使机器人能够执行给定的任务。传统上，自动设计的研究集中在单个设计标准指定的任务上，采用基于单目标优化算法的方法。在这项研究中，我们研究是否可以适应现有的方法来解决并发设计标准指定的任务。我们专注于双标准案例。我们用一群E-Puck机器人进行实验，必须执行两个任务的序列：序列中的每个任务都是独立的设计准则，自动方法在优化过程中必须处理。我们考虑通过加权总和，超音速或l 2 -norm聚集并发标准的模块化和神经进化方法。我们将它们的性能与一种原始自动模块化设计方法的Cansarina进行了比较。普通话将迭代的F-race作为优化算法整合，以在不汇总设计标准的情况下进行设计过程。通过物理机器人进行现实的模拟和演示的结果表明，最佳结果是通过模块化方法以及设计标准未汇总的。
强化学习用于增强无人机群双基地 ISAC 系统中的感知估计
摘要 —本文介绍了一种新颖的多智能体强化学习 (MARL) 框架，以使用无人机 (UAV) 群作为传感雷达来增强综合传感和通信 (ISAC) 网络。通过将无人机的定位和轨迹优化构建为部分可观测马尔可夫决策过程，我们开发了一种 MARL 方法，该方法利用集中训练和分散执行来最大化整体传感性能。具体来说，我们实施了一种分散的合作 MARL 策略，使无人机能够制定有效的通信协议，从而增强其环境意识和运营效率。此外，我们通过传输功率自适应技术增强了 MARL 解决方案，以减轻通信无人机之间的干扰并优化通信协议效率。此外，还结合了传输功率自适应技术来减轻干扰并优化学习到的通信协议效率。尽管复杂性增加，但我们的解决方案在各种场景中都表现出强大的性能和适应性，为未来的 ISAC 网络提供了可扩展且经济高效的增强功能。索引术语 — 多智能体强化学习 (MARL)、综合传感和通信 (ISAC)、无人机 (UAV)。