XiaoMi-AI文件搜索系统
World File Search SystemVOG
用于近红外光电探测器的锗异质结
摘要：二维石墨烯薄膜和石墨烯衍生物在光电应用方面有巨大的潜力，引起了广泛的兴趣。然而，提高基于石墨烯薄膜和石墨烯衍生物的光电探测器性能仍然是一个巨大的挑战。通过用垂直取向石墨烯 (VOG) 替换石墨烯薄膜，然后用石墨烯量子点 (GQDs) 功能化，在锗 (Ge) 异质结 (指定为 GQDs/VOG/Ge) 上组装一个功能性 VOG，用于近红外光探测。GQDs 和 VOG 在光吸收和电子传输方面的协同效应增强了光电探测器的性能。对 VOG 进行功能修饰是调控 VOG 费米能级、增加肖特基结的内建电势以及促进光生电子和空穴对分离的有效方法。制成的光电探测器在波长 1550 nm 处表现出优异的响应度 (1.06 × 10 6 AW − 1 ) 和探测度 (2.11 × 10 14 cm Hz 1/2 W − 1 )。对光响应的研究表明，响应速度具有微秒的上升/下降时间，并且具有优异的可重复性和长期稳定性。结果揭示了一种制造高性能石墨烯基光电探测器新结构的简单策略。关键词：GQD、垂直取向石墨烯、锗、协同效应、内置电位、光电探测器■简介
vog云计算和IoT集成在机器人技术中启用了AI的自主系统
雾云计算和物联网通过授权支持AI的自主系统来改变机器人技术。这项研究分析了此整合的好处，缺点和用途。支持AI的自主机器人可以使用边缘计算和云资源来实时数据处理和决策，从而提高其性能和适应性。在生态系统中检查了通信协议，数据管理，安全性和可扩展性。案例研究揭示了这种融合如何影响机器人的应用。这项研究表明了FCC，IoT和AI如何提高机器人系统的效率，智能和自主权。本文涵盖了运输，制造，医疗保健，农业和智慧城市中支持AI的自治系统。这些技术可以提高许多领域的生产力和安全性，从自动驾驶汽车到手术机器人。整合这些技术会提高安全性，道德决策，数据隐私和安全问题。该报告强调了透明和道德的AI算法，无偏见的决策以及监管框架，以使负责任的集成和减轻危险。将来，支持AI的自主系统将由改进的AI算法，多模式传感，人类机器人协作和边缘智能来塑造。它强调了跨学科合作和负责技术发展中的道德考虑的必要性。这项研究以机器人技术的雾/云计算，物联网和AI的详细分析结束，揭示了启用AI支持自主系统的巨大希望和问题。负责任的发展和协作可以帮助我们谈判这种变革型边界，并使用AI驱动的自主系统创造一个更安全，更高效，更具创新性的社会。
用于虚拟现实应用的新型混合脑机接口，采用基于稳态视觉诱发电位的脑机接口和基于眼电图的眼动追踪来提高信息传输速率
基于脑电图 (EEG) 的脑机接口 (BCI) 近来在虚拟现实 (VR) 应用中引起越来越多的关注，成为一种有前途的工具，可以“免提”方式控制虚拟物体或生成命令。视频眼动图 (VOG) 经常被用作一种工具，通过识别屏幕上的注视位置来提高 BCI 性能，然而，当前的 VOG 设备通常过于昂贵，无法嵌入到实用的低成本 VR 头戴式显示器 (HMD) 系统中。在本研究中，我们提出了一种新颖的免校准混合 BCI 系统，该系统结合了基于稳态视觉诱发电位 (SSVEP) 的 BCI 和基于眼电图 (EOG) 的眼动追踪，以提高 VR 环境中九目标基于 SSVEP 的 BCI 的信息传输速率 (ITR)。在以 3×3 矩阵排列的三种不同频率配置的模式反转棋盘格刺激上重复实验。当用户注视九种视觉刺激中的一种时，首先根据用户的水平眼球运动方向（左、中或右）识别包含目标刺激的列，并使用从一对电极记录的水平 EOG 进行分类，该电极可以很容易地与任何现有的 VR-HMD 系统结合使用。请注意，与 VOG 系统不同，可以使用与记录 SSVEP 相同的放大器来记录 EOG。然后，使用多元同步指数 (EMSI) 算法的扩展（广泛使用的 SSVEP 检测算法之一）在选定列中垂直排列的三个视觉刺激中识别目标视觉刺激。在我们对 20 名佩戴商用 VR-HMD 系统的参与者进行的实验中，结果表明，与 VR 环境中基于传统 SSVEP 的 BCI 相比，所提出的混合 BCI 的准确度和 ITR 均显着提高。
基于离散小波变换的眼睛状态识别
在近几十年中，由于它们在临床诊断或人机界面（HMI S）等新兴地区的直接含义，因此眼目光分析和眼科识别构成了一个具有研究的研究领域。用户及其目光移动的眼部状态可以揭示其认知状况的重要特征，这对于医疗保健目的至关重要，也对日常生活活动的分析至关重要。因此，它已经在多个领域进行了研究和应用，例如驾驶员嗜睡检测[1-3]，机器人控制[4]，婴儿睡眠 - 灭绝状态识别[5]或癫痫发作检测[6]等[7，8]。已经提出了用于研究眼睛凝视和眼状态的不同技术，例如视频摄影（VOG），电学（EOG）和脑电图（EEG）。在VOG [9，10]中，几个相机记录了用户眼睛的视频或图片，并且通过应用图像处理和人工视觉算法，可以准确地分析用户的眼睛状态。在EOG [11 - 15]中，将一些电极放在用户的皮肤附近，以捕获眼部活动产生的电信号。另一方面，在脑电图技术[16，17]中，使用放置在用户头皮上的电极来测量大脑产生的电信号。由于分析和分类多个图像的昂贵过程，与基于图像的方法（例如VOG）中使用的算法相关的计算复杂性高得多[18]。），这可能是实施实际应用程序的关键信息。EOG方法似乎是基于眼动或眨眼构建HMI的有趣技术，但是在用户脸上的电极放置可能不舒服，并且在实践应用中不可用[19]。因此，脑电图技术是开发新界面的有吸引力的解决方案，基于用户的眼睛状态，可以分析和推断其认知状态（放松，压力，入睡等。
人类眼球追踪及相关问题：综述
1 电子与通信工程系，DAV 工程技术学院，贾朗达尔（印度） 2 电子与通信工程系，Beant 工程技术学院，古尔达斯普尔（印度） 摘要 - 眼动追踪是指追踪眼球运动并确定用户注视点的过程。本文旨在介绍用于眼动追踪的各种技术。测量眼球运动有许多原理，包括测量电信号和光电信号、跟踪眼球图像中的许多视觉特征、测量红外 (IR) 光的相对反射以及使用机械或光学杠杆或磁场。本文还介绍了选择特定眼动追踪方法所涉及的因素。最后，本文介绍了眼动追踪技术的一些应用。索引词 - 眼动追踪、眼电图 (EOG)、视频眼动图 (VOG)、红外眼动图 (IROG)、巩膜搜索线圈。
人类眼球追踪及相关问题：综述
摘要 - 眼动追踪是指追踪眼球运动并确定用户注视点的过程。本文旨在介绍用于眼动追踪的各种技术。测量眼球运动有许多原理，包括测量电信号和光电信号、跟踪眼球图像中的许多视觉特征、测量红外 (IR) 光的相对反射以及使用机械或光学杠杆或磁场。本文还包括选择特定眼动追踪方法所涉及的因素。最后，它介绍了眼动追踪技术的一些应用。索引术语 - 眼动追踪、眼电图 (EOG)、视频眼动图 (VOG)、红外眼动图 (IROG)、巩膜搜索线圈。