XiaoMi-AI文件搜索系统
World File Search SystemTechnics
EMD 和特征提取对脑电图分析的影响
摘要 — 脑机接口已被研究了 20 多年，并且具有巨大的开发应用潜力，可供医生诊断疾病或帮助患有严重神经系统疾病的患者恢复与社会互动。要达到这些目的，需要分析脑电图数据的技术以及训练模型以识别模式或控制设备的算法。TensorFlow 是 Google 团队为内部使用而开发的机器学习，于 2015 年向公众发布。由于它可以在深度学习神经网络上进行训练和测试，因此可以用于脑电图数据。该项目使用 TF-Keras 和 TensorFlow-DNN 来训练使用脑电图数据对大脑状态进行分类的模型。Neurosky Mindwave Mobile 耳机和由 Micro:bit 开发的新设备是该项目的脑电图信号记录器。采用了最小-最大归一化、集合经验模态分解 (EEMD)、提取等多种技术来分析记录的脑电图数据。结果表明，在对来自 Micro:bit 设备的 EEG 数据进行分类时，TensorFlow-Keras 和 TensorFlow - DNN 模型的准确率为 97%，而 XGBoost 的结果为 98%。结果证实了 TensorFlow 在识别 EEG 数据方面的应用能力。对上述结果有贡献的数据处理技术是最小最大规范化和数据提取。此外，我们还验证了记录数据中的低频漂移对于使用 EEG 数据识别大脑状态至关重要。结果还显示了使用 EEMD 技术生成的 IMF 作为特征来构建使用 EEG 数据对大脑状态进行分类的模型。索引词 —TensorFlow、EEG、XGBoost、TensorFlow-Keras (TF-Keras)、TensorFlow-DNN (TF-DNN)、集合经验模态分解 (EEMD)、Neurosky、Micro:bit、脑机接口 (BC I)
面向未来能源社区服务的建筑物数据机器学习
摘要 — 能源互联网的能源生产和传输需求分散化，实现实时点对点能源交换。间歇性可再生能源为消费者带来了消费灵活性的挑战。建筑物在这种新环境下具有重要意义，因为它们是世界上最大的能源消耗者，也可以为当地的可再生能源生产做出贡献。因此，在不久的将来，为了运营能源社区，将需要主动的建筑服务。本文讨论了通过社区光伏发电预测获得的能源灵活性。决策树技术应用于 3 年的历史每小时数据，以提前一周预测建筑物消耗、光伏发电和故障检测诊断。讨论了用于获得良好预测性能的特征工程和能源专业知识。本文还讨论了这些技术对未来能源社区服务的意义。
量子阱肖特基二极管参数
本文的主要贡献是对不同的提取方法进行了比较研究，并在很大的温度范围内进行了测试（从极低的温度 100 K 到室温 300 K）。更准确地说，已经开发了四种技术来解决这个问题，例如 Cheung [ 1 ]、PSO、ABC 和 DE。关于所使用的启发式技术，PSO 算法最初模仿生物的社会行为和运动，例如一群鸟或一群鱼。同时，ABC 算法模拟了自然界中蜜蜂的觅食行为。而最后一种算法，即 DE，是一种基于种群的算法，旨在解决实际的优化问题。该算法需要四个主要步骤，例如初始化、突变、重组和选择。有关这些算法的更多详细信息，请参阅参考文献 [ 5、11、12 ]。
运输业报告 - 缅因州立法机构
Matt Marks，AGC 缅因州（Cornerstone 政府事务） Tim Walton，缅因州骨料协会（Walton 对外事务） Mike O'Brien，Rowley Agency Glenn Adams，Sargent Corporation Andy Sturgeon，Hoyle Tanner Greg Scott，Scott Construction Eric Ritchie，Sargent Corporation Josh Marceau，Wyman & Simpson Jake Adams，CPM Constructors Todd Sawyer，Pike Industries Darryl Coombs，Reed & Reed Greg Schaub，Northeast Paving Andy Kittredge，CPM Constructors Tim Ouellette，CPM Constructors Mark Adams，Sebago Technics Jake Hall，Reed & Reed Travis Noyes，Haley WardKim Suhr，Wyman and Simpson Jack Parker，Reed & Reed Brett Plossay，Crooker Todd Sawyer，Pike Industries Aaron Lachance，Hoyle Tanner & Associates Wayne Berry，Northeast Paving Zach琼斯，Acorn Engineering 道格·莫里森，Sargent Corporation 乔丹·亨肖，Cianbro 威廉·萨维奇，Acorn Engineering 丹·肖，邵氏兄弟
人工智能和机器学习在 BIM 中的应用：综述
摘要。质量控制是建筑信息模型 (BIM) 工作流程中非常重要的方面。无论生命周期的哪个阶段，获取和遵循建筑指标都很重要。BIM 是一个非常耗费数据的领域，这些数据的分析需要从图像处理到大数据分析的高级数值工具。人工智能 (AI) 和机器学习 (ML) 已经证明了它们在不同行业中处理自动化流程和提取有用数据源的效率。除了指标跟踪之外，AI 和 ML 还可以很好地预测何时何地提供维护和/或质量控制。在本文中，将介绍 BIM 中的 AI 和 ML 应用。还将讨论进一步的建议和挑战。目的是提供有关当今建筑和景观设计领域需求的知识，并广泛了解这些技术将如何影响行业和未来研究。
空间和数字技术的生产
抽象阅读Henri Lefebvre与Bernard Stiegler一起，本文将探讨我们数字技术时代的空间生产所发生的变化。Lefebvre感受到通过实施组合技术在社会中发生的根本变化。他问了一个有先见之明的问题：如何产生这个空间？Lefebvre无法预见到第三工业革命带来的空间生产的实际机制的重大变化。这样做的思想家是伯纳德·斯蒂格勒（Bernard Stiegler），他对新数字技术如何通过大型Mnemotechnical设备（人体外部的内存存储设备）感兴趣。与Stiegler一起阅读Lefebvre似乎很不寻常，但是，我将证明，Lefebvre关于空间生产的论点隐含是记忆的，这是Stiegler在Stiegler关于技术外观化技术外观化的论点中隐含的。
加氢源站综合能源系统两层优化规划模型
摘要：随着全球环境污染问题的加剧和能源结构调整的需要，氢能作为一种高度清洁的资源逐渐成为世界各国研究的热点。面对分布式氢气在原有加氢站运输及其他用途中的应用需求，本文提出了一种加氢站综合能源系统规划模型，以获得加氢站所需的设备建设、设备容量决策以及各设备的最优运行行为。与传统规划模型中单一的制氢工艺相比，本文提出的模型融合了水电解和甲醇两种生产工艺，并针对该综合系统设计了两级优化模型。数值研究的结果表明，所提出的模型能对分布式制氢得到更好的最优解，并且考虑了当一种主要资源的价格高于另一种时单一生产的情形。
使用基于项目的学习来教授人工智能
摘要。本研究介绍了一种称为基于项目的学习 (PBL) 的主动学习方法，用于在本科工程学位的计算机视觉课程中开发人工智能 (AI)。该课程的目标是使用深度学习 (DL)/机器学习 (ML) 技术在实际问题中开发图像识别能力。PBL 学习方法帮助学生寻找现实世界的问题，开发复杂的解决方案，并在团队成员之间产生协同效应。教授的主要作用是在整个课程中为学生提供建议、指导和激励。主动学习方法的教学创新为教授提供了根据经验创建动态激励学习环境的机会。每个本科工程专业的学生都有机会发展他们的专业技能和技巧：团队合作、主动性、创新和领导力。学生团队取得的成果表明了解决问题的能力，包括使用带有人工智能的自动导航设备、检测疟疾寄生虫、识别非人类个体以控制车辆交通。
北非有机农业和农业生态学的知识中心（Khna）
在过去的十年中，埃及，突尼斯和摩洛哥的有机和农业生态部门表现出了很大的改善。作为例子，埃及与国际市场的联系有助于促进国家有机部门；突尼斯在全国范围内的有机部门发展中提高了其产量，由政府支持，橄榄，枣，水果和蔬菜的有机生产不断增长。摩洛哥的有机柑橘产量已显示出可产生的结果。但是，该地区有机和农业生态实践的扩展仍然需要广泛的知识传播。生产商在这种过渡过程中需要支持，通过能力开发，培训以及技术的适应，例如，在个人，地方和国家一级对堆肥，智能作物轮作和间歇性的土壤生育能力建筑。此外，该行业仍在孤立的利基市场中运作，需要努力与不同的利益相关者联系，例如价值链运营商，服务提供商，探索机构，政府机构和民间社会。这些参与者之间的联系和合作可以建立强大而有弹性的网络，以促进该行业的发展。