XiaoMi-AI文件搜索系统
World File Search SystemVittori
Hugo Bruneliere、Vittoriano Muttillo、Romina Eramo、Luca Berardinelli、Abel Gomez 等人。AIDOaRt：用于 DevOps 的 AI 增强自动化，一种基于模型的网络物理系统持续开发框架。微处理器和微系统：嵌入式硬件设计，2022 年，94，第 104672 页。10.1016/j.micpro.2022.104672。hal-03769797
∗ 通讯作者电子邮件地址：hugo.bruneliere@imt-atlantique.fr（Hugo Bruneliere）、{vittoriano.muttillo,romina.eramo}@univaq.it（Vittoriano Muttillo、Romina Eramo）、luca.berardinelli@jku。 (Luca Berardinelli)、agomezlla@uoc.edu (Abel G´omez)、{alessandra.bagnato,andrey.sadovykh}@softame.fr (Alessandra Bagnato、Andrey Sadovykh)、antonio.cicchetti@mdu.se (Antonio Cicchetti)
通过语音情感识别和视频面部表情分类进行基于人工智能的癌症疼痛评估 Marco Cascella 1、*、Francesco Cutugno 2、Fabio Mariani 2、Vincenzo Norman Vitale 2、Manuel Iuorio 2、Arturo Cuomo 3、Sabrina Bimonte 3、Valeria会计 1 ，Francesco Sabbatino 1 ，Alfonso Maria Ponsiglione 2 ，Jonathan Montomoli 4 ，Valentina Bellini 5 ，Federico Semeraro 6 ，Alessandro Vittori 7 ，Elena Giovanna Bignami 5 ，Ornella Piazza 1
摘要 有效评估癌症疼痛需要对构成疼痛体验的所有组成部分进行细致的分析。实施自动疼痛评估 (APA) 方法和计算分析方法，特别关注情感内容，可以促进对疼痛的彻底描述。所提出的方法转向使用语音记录中的自动情感识别以及我们之前开发的用于检查疼痛面部表情的模型。对于训练和验证，我们采用了 EMOVO 数据集，该数据集模拟了六种情绪状态（大六）。由多层感知器组成的神经网络在 181 个韵律特征上进行了训练以对情绪进行分类。为了进行测试，我们使用了从癌症患者收集的访谈数据集并选择了两个案例研究。使用 Eudico Linguistic Annotator (ELAN) 6.7 版进行语音注释和连续面部表情分析（得出疼痛/无痛分类）。情绪分析模型的准确率达到 84%，所有类别的精确度、召回率和 F1 分数指标都令人鼓舞。初步结果表明，人工智能 (AI) 策略可用于从视频记录中连续估计情绪状态，揭示主要的情绪状态，并提供证实相应疼痛评估的能力。尽管存在局限性，但提出的 AI 框架仍表现出整体和实时疼痛评估的潜力，为肿瘤环境中的个性化疼痛管理策略铺平了道路。临床试验注册：NCT04726228。
维托里奥·法拉利博士
简略课程更新至 2023 年 9 月 Vittorio Ferrari，博士 意大利布雷西亚大学电子学教授 隶属关系和联系地址： 布雷西亚大学信息工程系（DII） Via Branze 38, I 25123 Brescia - 意大利 电话：+39 030 3715444 传真：+39 030 380014 电子邮件：vittorio.ferrari@unibs.it URL：http://vittorio-ferrari.unibs.it/ ORCID ID：0000-0002-3949-9975 Scopus ID：57194493639 Google 学者简介：https://scholar.google.com/citations?hl=it&user=zSVthx4AAAAJ&view_op=list_works 一般： - 出生日期和地点：1962 年 10 月 3 日；意大利米兰。 - 国籍：意大利人 教育： - 1988 年：意大利米兰大学物理学荣誉学位。 - 1993 年：意大利布雷西亚大学电子仪器专业研究博士 (PhD)。 工作和职位： - 1988-1989：意大利帕维亚大学国立核物理研究所研究生研究学者。 - 1993-2001：布雷西亚大学自动化电子系 (DEA) 助理教授。 - 1994 年：美国加利福尼亚州帕洛阿尔托 HP 实验室客座研究员。 - 2001-2006：布雷西亚大学 DEA 电气和电子测量副教授。 - 2006 年至今：布雷西亚大学 DEA 电子学正教授（自 2010 年起担任 DII）。 - 2017年：法国格勒诺布尔理工学院客座教授。 （七月；十二月）
引文 (APA) Tang, R., De Donato, L., Bes̆inović, N., Flammini, F., Goverde, RMP, Lin, Z., Liu, R., Tang, T., Vittorini, V., & Wang, Z. (2022)。人工智能在铁路系统中的应用文献综述。交通研究 C 部分：新兴技术，140，1-25。文章 103679。https://doi.org/10.1016/j.trc.2022.103679 重要提示 要引用此出版物，请使用最终出版版本（如适用）。请检查上面的文档版本。
如今，人们普遍认为人工智能 (AI) 正在显著影响包括铁路在内的众多领域。在本文中，我们对人工智能在铁路运输中的当前最新进展进行了系统的文献综述。特别是，我们从铁路整体角度分析和讨论了论文，涵盖了维护和检查、规划和管理、安全和保障、自动驾驶和控制、收益管理、运输政策和乘客流动等子领域。这篇评论朝着塑造人工智能在未来铁路中的作用迈出了第一步，并总结了当前与铁路运输相关的人工智能研究的重点。我们回顾了 2010 年至 2020 年 12 月期间的约 139 篇科学论文。我们发现，主要研究工作都集中在铁路维护和检查的人工智能上，而关于铁路运输政策和收益管理的人工智能的研究非常有限或没有。其余子领域受到了轻度到中度的关注。人工智能应用前景广阔，往往会成为解决多项铁路挑战的游戏规则改变者。然而，目前，铁路领域的人工智能研究大多仍处于早期阶段。未来的研究有望开发先进的组合人工智能应用（例如优化），将人工智能用于决策，处理不确定性并应对新出现的网络安全挑战。
M-Argo星际立方体Vittorio的目标选择...
计划将微型的小行星远程地球物理观察者（M-Argo）定为第一个独立的立方体任务，以与近地的小行星进行对集合并表征存在现场资源的小行星。除了执行科学任务外，M-Argo是当前正在开发的ESA技术计划中正在开发的小型深空技术的巨大演示者。M-Argo任务概念最初是由ESA并发设计设施（CDF）团队在2017年构想的。阶段A项目由Gomspace Luxembourg领导，并由ESA GSTP合同在2019 - 2020年由Politecnico di Milano提供支持。这项工作给出了与M-Argo的任务分析和设计有关的最初结果。，我们显示了开发的原始程序，以评估可及的NEO目标和随后的下调过程。内部间接求解器，低头轨迹优化器（LT2.0），已与逼真的推进器模型结合使用，具有可变输入功率，推力和特定的冲动。求解器与分析衍生物一起实现了准确的开关检测技术。已经解决了数百个时间和燃油最佳问题，旨在从次要的小行星中适当地从小星球中心数据库中过滤。分析表明，在3年的转移持续时间内从Sun-Earth L2出发时，M-Argo可能会发现约150个次要物体。中，已选择了41个目标，并提取了5个最有前途的对象的简短列表。我们的初步结果表明任务可行性。总的来说，M-Argo有可能实现全新的低成本，深空探索任务。
电池新材料解决方案的挑战和前景 Vittorio Pellegrini a,b、Silvia Bodoardo c、Daniel Brandell d、Kristina Edströ
1 A. Volta，Philos Trans 2 402（1800） 2 B. Scrosati，Journal of Solid State Electrochemistry 15，1623（2011） 3 EM Erickson、C. Ghanty 和 D. Aurbach，J. Phys. Chem. Lett. 5，3313（2014） 4 D. Aurbach、E. Zinigrad、Y. Cohen 和 H. Teller，Solid State Ionics 148，405（2002） 5 M. Dahbi、F. Ghamouss、F. Tran-Van、D. Lemordant 和 M. Anouti，J. Power Sources 196，9743（2011） 6 A. Manthiram、Y. Fu、S. Chung、C. Zu 和 Y. & Su，Chem. Rev. 114 , 11751 (2014) 7 P. Tan, HR Jiang, XB Zhu, L. An, CY Jung, MC Wu, L. Shi, W. Shyy, 和 TS Zhao Applied Energy 204 780 (2017) 8 S. Whittingham, Science 192, 1126 (1976)。 9 MN Obrovac，和 VL Chevrier，化学。 Rev. 114 , 11444 (2014) 10 P. Poizot, S. Laruelle, S. Grugeon, L. Dupont, JM Tarascon, Nature 407, 496 (2000) 11 JW Choi, D. Aurbach, Nat。马特牧师。 1, 16013 (2016) 12 MN Obrovac 和 VL Chevrier，化学。 Rev. 114 , 11444 (2014) 13 A. Casimir、H. Zhang、O. Ogoke、JL Amine、J. Lu 和 G. Wu, Nano Energy 27 , 359 (2016) 14 B. Liang、Y. Liu 和 Y. Xu, J. Power Sources 267 , 469 (2014) 15 M. Winter、JO Besenhard、ME Spahr 和 P. Novák, Adv. Mater. 10 , 725 (1998) 16 CK Chan、H. Peng、G. Liu、K. McIlwrath、XF Zhang、RA Huggins 和 Y. Cui, Nat. Nanotechnol. 3 , 31 (2008) 17 XH Liu, L.zhong, S. Huang, SX Mao, T. Zhu 和 JY Huang, ACS Nano 6, 1522 (2012) 18 JK Lee, KB Smith, CM Hayner 和 HH Kung, Chem. Commun ., 46 , 2025 (2010) 19 Y. Ma, R. Younesi, RJ Pan, CJ Liu, JF Zhu, BQ Wei, K. Edström, Adv.功能。马特。 26, 6797 (2016) 20 E. Greco 等人，J. Mater。化学。 A 5, 19306 (2017) 21 S. Palumbo 等人，ACS Appl。能源材料。 (2019)