XiaoMi-AI文件搜索系统
World File Search Systemautomated
DECIMER.ai - 用于科学出版物中自动光学化学结构识别、分割和识别的开放平台
在过去的几十年中，描述化学结构的出版物数量稳步增加。然而，目前大多数已发表的化学信息在公共数据库中都无法以机器可读的形式获得。以更少的人工干预方式实现信息提取过程的自动化仍然是一个挑战——尤其是化学结构描述的挖掘。作为一个利用深度学习、计算机视觉和自然语言处理方面的最新进展的开源平台，DECIMER.ai（化学图像识别深度学习）致力于自动分割、分类和翻译印刷文献中的化学结构描述。分割和分类工具是同类中唯一公开可用的软件包，光学化学结构识别 (OCSR) 核心应用程序在所有基准数据集上都表现出色。这项工作中开发的源代码、训练模型和数据集均已在许可下发布。DECIMER Web 应用程序的一个实例可在 https://decimer.ai 获得。
基于a-low-cost-vr-automated-driving-simulator-for-for-for-for-for-for-...
允许将本工作的全部或一部分供个人或课堂使用的数字或硬副本授予，而没有费用，只要副本不是盈利或商业优势，并且副本带有此通知和首页上的完整引用。必须尊重他人所拥有的这项作品的组成部分的版权。允许用信用摘要。否则复制或重新出版以在服务器上发布或重新分配到列表，需要事先特定的许可和/或费用。请求权限从permissions@acm.org。AutomotiveUI '18兼职，2018年9月23日至25日，加拿大安大略省多伦多©2018版权所有由所有者/作者持有。出版权许可获得ACM的权利。ACM 978-1-4503-5947-4/18/09…$ 15.00 https://doi.org/10.1145/3239092.3267418ACM 978-1-4503-5947-4/18/09…$ 15.00 https://doi.org/10.1145/3239092.3267418
通过开发自动图像分类a
生物学入侵正在影响全球生物多样性，生态系统和社会经济。海洋非土著物种（MNIS）可以通过人类活动（例如海上运输和粗心丢弃水族馆物种）引入。尽管为防止引入MNI的努力做出了重大努力，但仍会出现事件，包括紫s，甲壳类动物，沿海，anthozoans，bryozoans，bryozoans，sponges，acraalgae，acroalgae，seagrasses and Mangroves（Alidoost Salimi Salimi等，2021）。一旦MNI在接收者地区建立，控制和消除它们就成为一项艰巨的任务。早期对MNIS的认识可以提高早期反应的有效性，特别是在引入阶段，这对于减少MNIS的影响至关重要。因此，必须在成功建立新栖息地并对当地生物多样性构成威胁之前，制定可靠且具有成本效益的策略来对MNI的早期发现进行早期检测。公众在海洋保护中扮演着重要角色（EARP和LICONTI，2020年），例如检测和监视Acanthaster SPP的爆发和监测。（Dumas等，2020），以及管理侵入性狮子弯曲势力（Clements等，2021）。为了监视MNIS的存在，已采取行动来帮助公众熟悉并有效地认识这些物种，例如使用手表清单和指南。然而，由于海洋物种的生物多样性，准确识别标本
自动化运输对角色、操作和...的影响
Abstract 这项国家研究是欧盟 CEF 计划项目 EU EIP 中“促进自动驾驶”工作包的一部分，重点关注自动驾驶的五个高级应用：高速公路自动驾驶仪、指定车道上的自动卡车、混合交通中的自动公交车、机器人出租车以及自动维护和道路施工车辆。报告描述了世界不同地区尤其是欧洲与自动驾驶相关的监管框架和权威策略。该研究估计了 2040 年之前芬兰新车中所检查应用的份额、整个汽车保有量和交通性能。该研究提出了对自动驾驶的规划操作环境（Operational Design Domain，ODD）特征进行分类的提案，并将其应用于选定的应用。该研究还估算了到 2040 年运营环境的实施、维护和使用所造成的成本。此外，还研究了高水平自动驾驶对汽车出行、出行、道路网络、道路特性和道路规划、交通管理、交通安全、平稳性和环境影响以及经济和就业的影响。最后，报告讨论了对道路管理员和当局的角色和责任的影响。该研究基于文献、案头分析、专家访谈和 2018 年举办的两次专家研讨会、该领域的大会和活动以及正在进行的研究结果。联系人 Alina Koskela/Eetu Pilli-Sihvola 报告语言 英语 保密 公开 总页数 137
分布式控制，用于连接和自动化车辆的无灯和无方向运动
Laneless和无方向运动是高速公路网络中连接和自动化车辆（CAVS）的轨迹行为的新型特征。应用此概念可以利用高速公路的最大潜在能力，尤其是在分布不均的方向需求下。尽管如此，消除了在车道和方向的分离域上的传统概念，因此可以增加混乱的驾驶行为和碰撞风险（从而损害安全性）。因此，本文的重点是在这种未来派环境中为骑士的轨迹规划，其双重目标是（i）提供和确保安全性，而（ii）提高了绩效性能。为此，我们提出了一种骑士的算法，以区分潜在的冲突车辆与自己的方向和/或反对的传播流（整个本文档中所谓的威胁）在早期（及时）阶段。之后，威胁工具被聚集为威胁群体。作为下一步，开发了一个分散的非线性模型预测控制（NLMPC）框架，以调节每个单个威胁集群中车辆的运动；从这个意义上讲，这是分别应用于每个群集中的分布式控制器。该控制方法的设计方式可以实现上述双重目标，结合了官能安全性和效率。最后，通过微观仿真研究对所提出的方法的性能进行了研究和评估。结果是有希望的，并确认了公路网络所提出的方法的效果。
模拟自动环境DNA采样器/ ... div>
项目建议中所述的目标是（i）模拟自动环境DNA（EDNA）采样器/分析仪和（ii）Edna与成像数据的交叉引用。但是，在项目计划期间，这些目标经过修改以适应现场和实验室后勤的可能性。焦点是朝着比较主动和被动的EDNA采样方法的转移，以比较它们在从环境中捕获鱼DNA的有效性。通过过滤海水将短期目标确定为主动样品收集，并通过部署和检索被发行和“自制”设备的被动采样器来收集被动样本。为了比较方法，从样品中提取Edna并使用实时定量PCR（QPCR）测定法进行扩增，以验证FISH DNA的存在和数量。该项目的媒介和长期目标包括用于主动和被动EDNA采样的有效抽样方案的定义，以及提供采样方法在描述当地物种丰富度/生物多样性方面更有效的建议。这些
机器学习完全自动化的正畸照片分析
简介：颅面人体测量比在牙科，颌面外科，发育研究和整形外科等科学中非常有用。分析面部照片的手动方法需要大量时间和精度。这项研究的目的是引入一种应用工具，该工具完全自动化面部照片的分析并将其与手动方法进行比较。材料和方法：在这项横断面研究中，数据库由395张个人资料照片，271张微笑的额叶照片和346张额叶照片组成。使用具有里程碑意义的两阶段完全卷积网络体系结构。在测量8个变量的测量中比较了两种手动和自动分析方法，包括颊走廊空间，中间的高度与面部下部的高度的比率，总面部凸角，面部凸角，鼻腔侧面角度，刺激性角度，刺激性角度和鼻孔角度。使用配对t检验和类内相关系数（ICC）评估两种方法之间的一致性。p <0.05的值被认为是显着的。结果：对于总面部凸度（p = 0.005），鼻叶（p = 0.001）和鼻labial（p = 0.02）角，两种方法之间的差异很大。然而，两种面部凸，刺，鼻孔，鼻孔，颊走廊空间的两种方法之间没有发现显着差异，并且中间的高度与面部下部的高度之比没有两种方法之间的显着差异。除了鼻角角外，所有变量的ICC大于0.69。对于大多数测量变量，自动方法的准确性与手动方法相似。结论：机器学习有可能用于临床软组织分析。它提供了在大图像数据集上执行可靠且可重复分析的能力。关键字：正畸，面部，摄影，机器学习引用了本文：Soleiman Mezerji M，Sheikhzadeh S，Mirzaie M，Gholinia H.通过机器学习完全自动化的正畸照片分析。caspian j dent res 2023; 12：70-81。©作者。出版商：Babol医学科学大学
通过语音帮助增强情报和行业的自动化机器学习5.0
增强智能将人类和人造代理人汇集在一起，以创建一个社会技术系统，以便它们通过学习和优化直觉接口（例如对话，启用语音的接口）来共同发展和优化决策。但是，关于语音助手的现有研究工作依赖于知识管理和仿真方法，而不是数据驱动的算法。此外，在现实生活中的实际应用和评估稀缺，范围有限。在本文中，我们建议将语音援助技术与自动化机器学习（AUTOML）集成，以便在行业5.0的背景下实现增强情报范式。以这种方式，用户能够通过语音到文本（STT）和文本对语音（TTS）技术与助手进行交互，因此，通过语音自动创建的机器学习（ML）管道来通过语音自动创建的管道，以便在执行任务的同时获得立即的见解。在实际制造环境中评估了所提出的方法。我们遵循一种结构化的评估方法，并分析了结果，这证明了我们提出的方法的有效性。
absp：有效分析区域的自动化R工具 -
动机：如今，在生物学的每个部分中都研究了表观遗传基因法规，从胚胎发育到癌症和神经退行性疾病等疾病。目前，为了量化和比较特定目标区域的CpG甲基化水平，最容易访问的技术是BisulfE TE -TE测序PCR（BSP）。但是，没有现有的用户友好工具能够分析来自BSP所有方法的数据。因此，处理PCR产品的直接测序（Direct-BSP）处理结果的最方便方法是手动分析色谱图轨迹，这是重复性且容易出现错误任务。结果：在这里，我们实施了一种新的基于R的工具，称为ABSP用于分析BisulfE TE-FITE测序PCR，从而提供了直接-BSP和Cloning-BSP数据的完整分析过程。它使用原始测序痕量文件（.ab1）作为计算和比较CpG甲基化百分比的输入。它是完全自动化的，并包含一个用户友好的界面，作为内置的r闪亮应用程序，质量控制步骤并生成出版物就绪的图形。可用性和实现：ABSP工具和相关数据可在https://github.com/ absp-methylation-tool/absp上获得。联系人：chann.lagadec@inserm.fr补充信息：补充数据可在Online Bioinformatics获得。
husmorph：一个简单的机器学习应用程序，用于自动形态学地标Henning H. Kristiansen 1,2，*，Moa Metz 1，Lorena Silva-Garay 1，free
husmorph：一个简单的机器学习应用程序，用于自动形态学地标Henning H. Kristiansen 1,2，*，Moa Metz 1，Lorena Silva-Garay 1，Fredrik Jutfelt 1,3，＃，＃，Robine H.J.Leeuwis 1，＃1挪威科技大学生物学系，Høgskoleringen5，7034，Trondheim，挪威。 2挪威科学技术大学计算机技术与信息学系，挪威特隆德海姆，Høgskoleringen5，7034。 3哥德堡大学生物与环境科学系，瑞典哥德纳堡7B，41390，瑞典。 *通讯作者：计算机技术和信息学系生物学系。 电子邮件：skihenning@gmail.com。 ＃F.J.和R.H.J.L. 是共同的作者，并为这项工作做出了同样的贡献。 电子邮件地址：lorena.silvagaray@gmail.com（L.S.G. ） ），rhjleeuwis@gmail.com（R.H.J.L. ），fredrik.jutfelt@bioenv.gu.se（F.J.）作者的数字：M.M 0009-0002-4397-3948 L.S.G. 0000-0002-9332-6311 R.H.J.L. 0000-0002-6687-4304 F.J. 0000-0001-9838-3991摘要Leeuwis 1，＃1挪威科技大学生物学系，Høgskoleringen5，7034，Trondheim，挪威。2挪威科学技术大学计算机技术与信息学系，挪威特隆德海姆，Høgskoleringen5，7034。 3哥德堡大学生物与环境科学系，瑞典哥德纳堡7B，41390，瑞典。 *通讯作者：计算机技术和信息学系生物学系。 电子邮件：skihenning@gmail.com。 ＃F.J.和R.H.J.L. 是共同的作者，并为这项工作做出了同样的贡献。 电子邮件地址：lorena.silvagaray@gmail.com（L.S.G. ） ），rhjleeuwis@gmail.com（R.H.J.L. ），fredrik.jutfelt@bioenv.gu.se（F.J.）作者的数字：M.M 0009-0002-4397-3948 L.S.G. 0000-0002-9332-6311 R.H.J.L. 0000-0002-6687-4304 F.J. 0000-0001-9838-3991摘要2挪威科学技术大学计算机技术与信息学系，挪威特隆德海姆，Høgskoleringen5，7034。3哥德堡大学生物与环境科学系，瑞典哥德纳堡7B，41390，瑞典。*通讯作者：计算机技术和信息学系生物学系。电子邮件：skihenning@gmail.com。＃F.J.和R.H.J.L. 是共同的作者，并为这项工作做出了同样的贡献。 电子邮件地址：lorena.silvagaray@gmail.com（L.S.G. ） ），rhjleeuwis@gmail.com（R.H.J.L. ），fredrik.jutfelt@bioenv.gu.se（F.J.）作者的数字：M.M 0009-0002-4397-3948 L.S.G. 0000-0002-9332-6311 R.H.J.L. 0000-0002-6687-4304 F.J. 0000-0001-9838-3991摘要＃F.J.和R.H.J.L.是共同的作者，并为这项工作做出了同样的贡献。电子邮件地址：lorena.silvagaray@gmail.com（L.S.G.），rhjleeuwis@gmail.com（R.H.J.L.），fredrik.jutfelt@bioenv.gu.se（F.J.）作者的数字：M.M 0009-0002-4397-3948 L.S.G.0000-0002-9332-6311 R.H.J.L. 0000-0002-6687-4304 F.J. 0000-0001-9838-3991摘要0000-0002-9332-6311 R.H.J.L.0000-0002-6687-4304 F.J. 0000-0001-9838-3991摘要