XiaoMi-AI文件搜索系统
World File Search SystemUGM
用于移动学习的实时人工智能增强现实：推动教育技术进步
3.1 移动设备层 AI-AR 教育系统建立在利用先进硬件功能的现代移动设备之上。根据对教育领域移动增强现实的深入调查，当前一代设备必须有效管理各种感官输入，同时保持学习应用的最高性能。研究表明，对设备功能（例如处理速度、内存管理和电池使用模式）进行全面评估对于成功的移动 AR 应用是必不可少的。通过证明精心设计的增强现实应用程序可以维持长达三个小时的稳定性能，同时每小时消耗的电池容量不到 15%，该研究强调了优化移动资源以延长教育使用时间的重要性 [5]。
增强现实手机
增强现实 (AR) 是可用于提高 4.0 革命时代教育质量的交互式技术之一。本研究的目的是在动力传动课程中开发基于移动设备的交互式媒体增强现实 (ACRMobi)。此外，它还分析了讲师和学生对实施 ACRmobi 作为 21 世纪现代职业教育媒体的反应。4D 模型用作媒体产品开发模型，而使用的工具是对所开发媒体的验证和响应问卷。它使用描述性定性和定量分析技术通过查看结果标准来计算平均分数。以 ACRmobi 媒体形式获得的研究结果基于专家评估有效，并基于讲师的反应和学生的反应在其中一个职业教育机构实施后具有实用性。作为验证者的专家报告说，ACRMobi 是一种可以应用于职业教育的交互式媒体。ACRMobi 包含可以提高学生积极性的元素，因为它是基于技术的。综合学习ACRMobi更有激励性，应用也更灵活。
使用机器学习算法的差异建模和物理模型
为了在高维空间中实现项目的目标，这项工作将利用域分解技术，特别是Pinn-PGD [2]，以识别缺失的偏微分方程（PDE）项。此方法可以增加物理模型，从而通过求解修改后的PDE进行后续验证。该方法在源自非线性模型的数据上显示，而假定已知的物理模型是线性的。结果展示了提出的技术如何用非线性术语对线性模型进行补充，以发现原始的非线性公式。所提出的方法可用于表征船只与物理测量的结构建模的偏差，并增强原始材料建模公式。
人工智能
生理学和膜生物学系助理教授 Theanne Griffith 博士被授予阿尔弗雷德·P·斯隆基金会颁发的 2024 年斯隆神经科学研究奖学金。该奖学金为期两年，金额为 75,000 美元，旨在表彰美国和加拿大的杰出研究人员，他们的创造力、创新精神和研究成就使他们脱颖而出，成为下一代领导者。该奖学金是年轻研究人员可获得的最具声望的奖项之一，部分原因是许多往届研究员后来成为科学界的杰出人物；迄今为止，已有 57 名研究员获得了诺贝尔奖。Griffith 是今年从 53 家机构中选出的 126 名早期职业研究人员之一。她的研究调查了本体感觉（我们对自我的内部空间意识）和其他体感模式背后的细胞和分子机制。她的研究采用了电生理学、转基因小鼠模型、行为、成像和分子分析的创新组合。
锂离子电池SOH预测，深度学习通过可解释的机器学习增强
本研究中使用的方法可以帮助电池开发人员将不同的操作策略与电池老化联系起来。We use inputs such as temperature (T), current (I), and state of charge (SOC) and utilize a feature transforma- tion technique which generates histogram-based stressor features representing the time that the battery cells spend under operational conditions, then investigate the performance of DNN models along with explainable machine learning (XML) techniques (e.g., SHapley Additive exPlanations) in predicting LiB SOH.比较分析利用了广泛的开源数据集来评估LSTM，GRU和FNN等深度学习模型的性能。预测以两种不同的模式执行：一个将预测的周期限制为520，另一个将预测扩展到了电池第一寿命的结束（SOH = 80％）。
使用增强
doi no：10.36713/epra16515抽象有效交流是人类互动的基石，促进了社会的凝聚力和发展。在整个历史上，沟通从原始图纸演变为复杂的语言，塑造了我们社会的结构。然而，在这种进步中，有言语和听力障碍的人通常在交流中面临重大挑战。尽管构成了少数族裔，但他们的需求至关重要，不得忽略。认识到语言分类为口头和非语言形式，很明显，非语言语言起着至关重要的作用，尤其是对于有听力和语音障碍的人（IWSHI）（IWSHI）。这些人依靠非语言交流方法与周围的世界互动，但是由于缺乏理解和可及性，他们经常面临障碍。为了应对这一挑战，HSLR应用程序是一种变革性工具，使IWSHI能够自信地进行交流。利用诸如增强现实（AR）和机器学习（ML）之类的技术，我们的应用程序促进了对手势的实时识别，为无缝通信提供了瞬时的翻译。此外，AR技术的集成增强了用户体验，提供了沉浸式和交互式的标志性通信平台。由于我们提供的足够的数据集，实时使用的MediaPipe模型在识别手语方面具有很高的精度。关键词：手语言识别（HSLR），增强现实（AR），机器学习（ML），美国手语（ASL），计算机视觉，MediaPipe 1。引入言语和听力障碍的人遇到了相当大的互动障碍，尤其是那些不认识指示语言或动作的障碍。缺乏理解通常会给可靠的沟通带来障碍，从而防止社会融合和参与。创建一个选项，以帮助IWSHI与没有听力问题的人之间的平稳互动，这是一个很大的困难。对这一直接要求的反应，使用AR-ML（HSLR）工作是为了克服这些相互作用的障碍而产生的努力。
参考 - ETD UGM
Angelantonio，E.，Ingelsson，E.，Lawlor，D.A.，Selvin，E.，Stampfer，M.，Stehouwer，C.D.A.糖尿病，空腹血糖浓度和血管疾病风险：102项前瞻性研究的协作荟萃分析。柳叶刀，375（9733），2215–2222。https://doi.org/10.1016/s0140-6736(10)60484-9 Seiffert，C.，Khoshgoftaar，T.M.（2007）。采矿
研究数据增强技术对脑肿瘤的影响
脑肿瘤检测是医学图像分析中的一项重要任务。卷积神经网络 (CNN) 在各种计算机视觉任务中表现出色，包括脑肿瘤检测。然而，CNN 的性能在很大程度上取决于大量多样化训练数据的可用性。在医学成像中，由于道德和实际问题，获取大量数据集通常具有挑战性。数据增强是一种广泛使用的技术，它通过从现有数据集生成额外的训练样本来克服这一限制。在本研究论文中，我们使用深度学习方法研究了数据增强对脑肿瘤检测的影响。我们使用 BraTS 2019 数据集比较了基于 CNN 的模型在增强和非增强数据上训练的性能。实验结果表明，数据增强显著提高了模型的性能，在肿瘤检测中实现了更高的准确度、灵敏度、特异性和骰子系数。我们的研究结果表明，数据增强是一种有效的技术，可以提高基于 CNN 的模型在医学图像分析任务中的性能，特别是在没有大量多样化数据集的情况下。
公共场所中的增强现实
增强现实是通过眼镜或显示器将数字信息投射到物理空间。应用包括导航、工业中的装配说明投影，以及建筑项目的可视化、营销中的教育和娱乐内容或产品。除了工业和护理领域的初步试点项目（例如，在护理期间可以通过眼镜获取患者记录的数据）外，当今的 AR 应用大多基于智能手机或平板电脑。这至少使在公共场所永久使用变得困难。对于世界上几乎任何地方，原则上都可以检索无数信息。新 AR 设备的接受度可能在很大程度上取决于它们的使用提供的实际附加值的程度。在不久的将来，突破性应用的开发是否会使 AR 成为关注的焦点尚不确定，也很难评估。因此，我们描述了 AR 在公共场所使用的可能场景，
