XiaoMi-AI文件搜索系统
World File Search SystemVisualization
复杂晶粒边界局部振动的直接可视化
晶界 (GB) 中的局部原子排列与边界晶粒中的局部原子排列不同，以便能够调节相应晶格的取向误差。[1–8] 从结构上讲，局部排列包括沿边界重复的位错核和结构单元。从化学上讲，位错核和其他结构单元并不总是化学计量的，甚至可能具有复杂性。[9] 总之，GB 和晶粒的化学和结构差异导致局部 GB 振动，这在许多领域都引起了人们的兴趣。例如，在热传输 [4–7,10] 和红外光学中，[4,8] 声子频率和寿命决定了材料响应的关键方面。此外，局部振动的变化可以显著改变功能材料的自由能景观 [11–13] 或增加熵对自由能的贡献并影响相变。[14–16]
商业智能洞察航空事故的可视化
被认为是最安全的交通方式，至少从每英里行程的死亡率来看确实如此。民航局报告称，飞机每十亿公里的死亡率为 0.003，远低于火车旅行的 0.27 和汽车旅行的 2.57。尽管安全是过去一个半世纪以来航空业的首要关注点，但即使在今天，涉及飞机的事故仍然是令人恐惧的根源。因此，该项目的目的是找出导致航空业事故的主要原因，并开展研究、寻找、设计、构建和提出商业智能 (BI) 解决方案。在整个项目中，它将发现需要纠正或改变的基本问题和关键问题，以防止发生重大负面事件并以积极的方式改善当前情况。Tableau 将是此过程中使用的主要 BI 工具。数据可视化是信息和数据的图形描述。数据可视化工具提供了一种简单的数据分析方法，通过使用图表、图形和地图等视觉元素来观察和发现数据中的模式、异常值和模式。该项目还将涵盖 BI 解决方案的初始阶段到构建和部署阶段，以改进和防止进一步的事故。
糖尿病健康预测的商业智能数据可视化
摘要 - 在当今的环境中，商业智能（BI）正在以跨领域的快速发展世界。商业智能已经存在了很长时间，但是当与技术结合使用时，结果令人震惊。BI在医疗领域也发挥了重要作用。疾病控制与预防中心（CDC）是该国公共卫生保护的最大的基于科学的，数据驱动的服务提供商。已有70多年的历史了，一直在使用科学来抗击疾病，并保持家庭，企业和社区健康。但是，研究表明，美国糖尿病的患病率令人震惊。因此，如果未治疗糖尿病，它可能会导致危及生命的并发症，例如心脏病，感觉失调，失明，肾衰竭和截肢。因此，进行了这项研究以分析人们的健康状况和日常生活方式，以预测他们最有可能使用Tableau Dashboard实施商业智能的糖尿病类型。此外，对CDC进行了背景研究，以了解其工作，挑战和机遇。在项目结束时，获得和可视化的信息应能够增强业务选择，并在将来控制糖尿病方面做出更好的决定。
航空图可视化及...分析
bagus.primohadi38@gmail.com摘要上空观察结果的局限性是分析天气的障碍之一。数据模型的使用可以是一种解决方案。本研究的目的是确定数据模型在使用RAOB作为充气图和发声信息分析仪的可视化工具提供上部空气信息方面的准确性。所使用的数据是来自Cengkareng气象站的辐射观察数据，与原位观测值相同的位置，1000 - 100 MB ECMWF压力水平模型。选择的时间是在观察时间00 UTC发生的5个事件的雾兹和雾时。使用的方法是Pearson相关性和简单的视觉验证。获得的结果是，当雾发生时，显着点图数据图的相关性为0.76，而雾霾的发生率为0.67，并且从视觉上讲，整个模型数据非常接近观察数据。在发生雾气时，整体上59个响起信息的相关性总体产生0.85 - 0.99的值，当雾霾发生时值为0.89 - 0.99。希望这些结果可以用作使用数据模型来填补辐射观察数据中的空白的考虑。关键字：发声信息，RAOB，RadioSonde，ECMWF模型。1。引言天气是在有限的时间和空间内的大气条件。天气条件通常从表面层的大气和上方的层的动力学中可以看出。使用飞行员气球观测（PIBAL）和辐射仪（自然，1957年）进行上空或上空空气的观测。辐射观测，以获取不同空气高度层处的几个天气参数的数据。观察到的参数是温度，露点，地球电位高度（与压力有关）以及风向和速度。处理辐射观察数据将获得与空气稳定性和其他几个派生参数有关的各种指数值，后来对分析和天气预测的目的非常有用（Syaifullah，2018）。印度尼西亚的守恒观察结果通常每天在00 UTC和12 UTC同时进行两次。非常动态的天气条件使上层空气的最新条件非常必要，因此模型计算似乎可以填补空的观察时间。广泛使用的一种模型是ECMWF（欧洲中范围内天气预报中心）模型。与验证ECMWF模型有关上空参数的研究表现出非常良好的热带表现，尤其是在温度和风参数方面（Haiden et
使用 Inception U-Net 模型和 Grad-CAM 可视化实现印度道路上非结构化交通环境中自动驾驶汽车场景理解的可解释 AI
摘要：由于现代人工智能 (AI) 技术（尤其是深度神经学习）的大量工作，智能交通系统（尤其是自动驾驶汽车）引起了研究人员的极大兴趣。由于过去几十年来道路交通事故的增加，重要行业正在转向设计和开发自动驾驶汽车。了解周围环境对于了解附近车辆的行为至关重要，以确保自动驾驶汽车在拥挤的交通环境中安全行驶。目前有多个数据集可用于仅关注结构化驾驶环境的自动驾驶汽车。为了开发一种在本质上非结构化的真实交通环境中行驶的智能汽车，应该有一个专注于非结构化交通环境的自动驾驶汽车数据集。印度驾驶精简版数据集 (IDD-Lite) 专注于非结构化驾驶环境，于 2019 年 NCPPRIPG 作为一项线上竞赛发布。本研究提出了一种可解释的基于初始的 U-Net 模型，并结合 Grad-CAM 可视化进行语义分割，该模型结合基于初始的模块作为编码器以自动提取特征，并传递给解码器以重建分割特征图。深度神经网络的黑箱性质无法在消费者中建立信任。Grad-CAM 用于解释基于深度学习的初始 U-Net 模型，以增加消费者信任。提出的带有 Grad-CAM 模型的初始 U-Net 在印度驾驶数据集 (IDD-Lite) 上实现了 0.622 的交并比 (IoU)，优于最先进的 (SOTA) 基于深度神经网络的分割模型。
d5通过复杂的建筑可视化启用力量
英特尔致力于尊重人权并避免对侵犯人权的同谋。请参阅英特尔的全球人权原则。Intel®产品和软件仅用于不造成或违反国际公认的人权的应用程序。英特尔不控制或审核第三方数据。您应该查看此内容，咨询其他来源，并确认引用数据是否准确。Intel Technologies可能需要启用硬件，软件或服务激活。没有绝对安全的产品或组件。您的成本和结果可能会有所不同。©Intel Corporation。英特尔，英特尔徽标和其他英特尔商标是英特尔公司或其子公司的商标。其他名称和品牌可能被称为他人的财产。1222/bl/eng/pdf 351684-001US
将数据可访问性中心可访问性
在32年前的《美国残疾人法》签署时，乔治·H·W·布什总统指出，该法律将使“现在每个有残疾的男人，女人和儿童（现在）通过曾经被关闭的门进入一个平等，独立和自由的新时代。”这个诺言仍然未实现。残疾人在就业，医疗保健，运输途径等方面仍然为完全包容和平等而战。和当今数字化的时代，残疾人无法完全访问许多文件，报告，报纸，数据和数据可视化。本报告是帮助缩小这些差距，并为当今美国估计的6100万人[1]努力迈向更具包容性和公平世界的指南。
分子相似性在药物发现、靶标预测和化学空间可视化中的应用
摘要：相似的药物分子通常具有相似的特性和活性。因此，量化分子相似性对于药物发现和优化至关重要。在这里，我回顾了我所在跨学科网络 NCCR TransCure 内开发的使用分子相似性测量的计算方法，该网络研究离子通道和膜转运蛋白的生理学、结构生物学和药理学。我们设计了一种 3D 分子形状和药效团比较算法，通过骨架跳跃优化弱和非选择性抑制剂，并发现了离子通道 TRPV6 和 TRPM4、内源性大麻素膜转运以及二价金属转运蛋白 DMT1 和 ZIP8 的强效和选择性抑制剂。我们通过将不同分子指纹的分子相似性搜索与 ChEMBL 数据库中的靶标注释化合物相结合来预测脱靶效应。最后，我们创建了反映分子相似性的交互式化学空间图，以方便筛选化合物的选择和筛选结果的分析。这些不同的工具可在线获取，网址为 https://gdb.unibe.ch/tools/。
分子相似性在药物发现、靶标预测和化学空间可视化中的应用
摘要：相似的药物分子通常具有相似的特性和活性。因此，量化分子相似性对于药物发现和优化至关重要。在这里，我回顾了我所在跨学科网络 NCCR TransCure 内开发的使用分子相似性测量的计算方法，该网络研究离子通道和膜转运蛋白的生理学、结构生物学和药理学。我们设计了一种 3D 分子形状和药效团比较算法，通过骨架跳跃优化弱和非选择性抑制剂，并发现了离子通道 TRPV6 和 TRPM4、内源性大麻素膜转运以及二价金属转运蛋白 DMT1 和 ZIP8 的强效和选择性抑制剂。我们通过将不同分子指纹的分子相似性搜索与 ChEMBL 数据库中的靶标注释化合物相结合来预测脱靶效应。最后，我们创建了反映分子相似性的交互式化学空间图，以方便筛选化合物的选择和筛选结果的分析。这些不同的工具可在线获取，网址为 https://gdb.unibe.ch/tools/。
网上展览中的心理距离与用户参与：基于脑电信号的莫尔条纹可视化
COVID-19 疫情严重影响了博物馆和美术馆的艺术品展览。许多博物馆和美术馆将藏品展示在网上。在这种背景下，体验线上展览对于参观者欣赏和了解艺术品至关重要。与线下展览相比，线上展览的参观者往往无法与其他参观者交流他们的体验。因此，在本研究中，我们通过 Zoom 电话会议促进沟通，建立了一个允许两人通过 Google Arts and Culture (GA&C) 网站一起参观博物馆的系统。为了减少线上参观者之间的心理距离并帮助提高用户参与度，我们设计并开发了一种基于脑电图 (EEG) 信号莫尔条纹可视化的媒体设备。参与者被分成两组参观线上博物馆，通过 Zoom 进行远程交流。本研究的目的是测试实时脑电图信号可视化设备是否有助于拉近参与者之间的心理距离，以及它是否可以增加用户对线上展览的参与度。参与者被随机分配到正常线上展览体验 (NOEE) 组或脑电图信号可视化设备 (ESVD) 组。 NOEE组被试共同体验了四项在线展览（Task1、Task2、Task3和Task4）（每个测试单元两名被试）。ESVD组被试的条件保持不变，只是增加了一个媒体设备让他们能够可视化脑电信号。共有40名大学生参加了本研究。独立样本t检验显示，ESVD组被试感知到自己与对面被试之间的心理距离显著小于NOEE组（t=-2.699；p=0.008<0.05）。单因素方差分析显示，被试在Task3中的心理距离评估显著小于Task1（p=0.002<0.05）、Task2（p=0.000<0.05）和Task4（p=0.001<0.05）。重复方差分析显示，ESVD组参与者的整体用户参与度高于NOEE组参与者，但显著性较低（p=0.056<0.1）。因此，本研究表明EEG可视化媒体设备可以降低心理