XiaoMi-AI文件搜索系统
World File Search Systemautomatic
基于集成驱动程序的推理和深度强化学习
随着自主驾驶技术的继续发展并逐渐成为现实，确保在复杂的交通情况下自动驾驶的安全已成为当前研究中的重点和挑战。无模型的深钢筋学习（深度强化学习）方法已被广泛用于解决复杂的交通情况下的运动计划问题，因为它们可以隐含地学习车辆之间的互动。但是，基于深度强化学习的当前规划方法表现出lim的鲁棒性和泛化性能。他们努力适应培训方案以外的交通状况，并面临困难处理因意外情况而引起的不确定性。因此，本文解决了综合交通情况所带来的挑战，例如无信号交叉点。首先利用在这些情况下观察到的相邻车辆的历史轨迹来做到这一点。通过基于门控复发单元（GRU）复发性神经网络的变量自动编码器（VAE），它提取了驱动程序样式功能。然后将这些驱动程序样式功能与其他状态参数集成在一起，并用于在扩展强化学习框架内训练运动计划策略。这种方法最终产生了一种更健壮和可解释的中期运动计划方法。实验结果证实，在复杂的传统方案中，提出的方法可实现低碰撞率，高效率和成功完成任务。
基于加权有向图的自动癫痫检测，具有有效的脑电图信号连接
癫痫发作是最常见的神经系统疾病之一，其特征是大脑神经元突然异常放电。使用脑电图 (EEG) 记录自动检测癫痫发作将提高治疗质量并减少医疗费用。本文的目的是设计一个自动癫痫发作检测框架，通过发现大脑区域之间的连通性来有效识别癫痫发作和非癫痫发作事件。在本文中，提出了一种基于加权有向图的有效大脑连接 (EBC) 方法来检测癫痫发作。通过分析大脑不同区域之间的相关性来构建加权有向图。然后，使用基于图论的度量来提取分类特征。此外，我们说明了所提出的方法实现针对特定患者模型和跨患者模型的癫痫发作检测的能力。结果表明，所提出的方法在 CHB-MIT 数据集中针对特定患者模型和跨患者模型的准确率分别达到 99.97% 和 98.29%。这些结果表明，所提出的方法实现了有效的分类性能，可用于为癫痫发作的自动检测和临床诊断提供帮助。
基于图形的加权定向自动癫痫发作检测，有效的脑电图
癫痫发作是最常见的神经系统疾病之一，其特征是大脑中神经元的突然异常排出。使用脑电图记录（EEG）记录的自动癫痫发作会提高治疗质量并减少医疗开销。 本文的目的是设计一个自动癫痫发作检测框架，该框架可以通过发现大脑区域之间的连通性来有效地识别癫痫发作和非癫痫事件。 在这项工作中，提出了一种具有有效脑连接性（EBC）的加权定向方法以进行癫痫发作。 通过分析大脑不同区域之间的相关性来构建加权定向图。 然后，基于图理论的措施用于提取分类的特征。 此外，我们说明了提出的方法实现患者特异性模型和交叉患者模型的癫痫发作检测的能力。 结果表明，所提出的方法在患者特定模型和CHB-MIT数据集中分别达到99.97％和98.29％的精度值。 这些结果表明，所提出的方法实现了有效的分类性能，可用于为自动癫痫发作检测和临床诊断提供帮助。使用脑电图记录（EEG）记录的自动癫痫发作会提高治疗质量并减少医疗开销。本文的目的是设计一个自动癫痫发作检测框架，该框架可以通过发现大脑区域之间的连通性来有效地识别癫痫发作和非癫痫事件。在这项工作中，提出了一种具有有效脑连接性（EBC）的加权定向方法以进行癫痫发作。通过分析大脑不同区域之间的相关性来构建加权定向图。然后，基于图理论的措施用于提取分类的特征。此外，我们说明了提出的方法实现患者特异性模型和交叉患者模型的癫痫发作检测的能力。结果表明，所提出的方法在患者特定模型和CHB-MIT数据集中分别达到99.97％和98.29％的精度值。这些结果表明，所提出的方法实现了有效的分类性能，可用于为自动癫痫发作检测和临床诊断提供帮助。
结构超润滑材料全自动传输及测量系统
记录版本：该预印本的一个版本于 2023 年 10 月 10 日在《自然通讯》上发表。已发布的版本请参阅 https://doi.org/10.1038/s41467-023-41859-6 。
耐力运动员的半自动训练负荷确定
1个运动科学系，比利时鲁文鲁文库文； 2澳大利亚墨尔本贝克心脏和糖尿病研究所心脏病学系； 3剑桥贝克系统基因组学计划，澳大利亚墨尔本贝克心脏和糖尿病研究所； 4比利时鲁文卢文库文库文氏科学系4； 5比利时鲁汶大学医院心脏病学系； 6运动与营养研究计划，澳大利亚墨尔本ACU玛丽·麦基洛普健康研究所； 7 Hartcentrum心脏病学系，杰萨·齐肯胡斯（Jessa Ziekenhuis），哈塞尔特（Hasselt），比利时； 8比利时Diepenbeek Hasselt University的Reval/Biomed； 9比利时安特卫普大学的心血管科学系； 10比利时安特卫普大学医院安特卫普心脏病学系； 11比利时鲁汶鲁文库文康复科学系
在面部，语音和身体表情自动处理过程中，特定于方式的大脑表示
情感科学中的一个核心问题，与其临床应用相关的问题是，不同刺激提供的情绪如何在大脑中体验和代表。遵循传统观点的情感信号是通过情感概念的帮助来认可的，这些概念通常用于精神状态和情感体验的描述，无论感觉方式如何。这种观点激发了人们在刺激类型（面部，身体，声音）和感觉起源（视觉，听觉）的变化中共享的大脑情绪的抽象表示。另一方面，情感信号诸如侵略性的手势，触发快速自动行为反应，这可能是在情绪的完全抽象表示之前或独立的。这对特定的情感信号辩护，这些信号只能通过动员方式和刺激特定的大脑表示而不依赖更高级抽象情绪类别来触发快速适应性行为。为了检验这一假设，我们在功能磁共振（fMRI）研究中向参与者提供了自然主义的动态情绪表达。专注于自动情绪处理和避开基于概念的情绪识别的避免，参与者执行了与刺激不同感官方式呈现的无关目标检测任务。通过使用多元分析来评估对不同刺激类型的神经活动模式，我们揭示了刺激类别和特定于情感信号的模态大脑组织。我们的发现与以下观点一致：在生态条件下，面部，身体和声音的情感表达在触发快速的适应性行为中可能具有不同的功能作用，即使从抽象的概念上看来，它们也可能体现出相同的情感。这对神经媒介学上的情感研究计划具有影响，该计划应从对面部，身体和语音表达在自然主义背景下如何发挥作用的详细行为观察开始。
QRS复合物和T波平面性用于自动植入式除颤器的功效预测
抽象的目标是检验以下假设：在原发性预防性植入的心脏扭曲器（ICD）的受体中，ECG矢量环的非平面度预测（a）尽管ICD保护和（b）适当的ICD冲击，但仍会死亡。在1948年收集了数字植入前心电图，ICD接受者：21.4％的女性，中位年龄65岁，缺血性心脏病（IHD）61.5％。QRS和T波三维环是使用奇异值分解构建的，该循环分解允许测量矢量环平面。非平面性，即三维循环从单个平面中的扭曲，与全因死亡率有关（n = 294; 15.3％女性； 68.7％IHD）和适当的ICD冲击（n = 162; 10.5％女性; 10.5％女性; 87.7％ihd; 87.7％IHD）在5年后的后续时间内进行了5年跟踪。使用多变量COX回归，将QRS和T波非平面度的预测能力与年龄，心率，左心室射血分数，QRS持续时间，空间QRS-T角度，QTC间隔和T-PEAK与T-PEAK间隔进行了比较。结果QRS非平面度显着（P <0.001），尽管ICD保护为HR，HR为1.339（95％CI 1.165至1.540），但仅与适当的ICD冲击单变量相关。是ECG衍生的指数（P <0.001）（p <0.001），与适当的ICD冲击相关，多变量COX回归HR为1.364（1.180至1.576），但与随访死亡率无关。结论分析的数据表明，QRS和T波非平面性可能会在尽管ICD保护和可能使用除颤器保护的患者和可能使用除颤器保护的患者之间具有更大的死亡风险。
自动多类皮肤的人工智能方法...
皮肤病是最常见的健康问题之一。大多数皮肤病都不是恶性的，因此大多被忽视。事实上，不适当的治疗可能会降低生活质量。另一方面，提供皮肤病诊断具有挑战性。由于某些症状相似，诊断错误是可以避免的。近年来，人工智能 (AI) 方法已被推广用于支持医疗实践，以提供准确的皮肤病诊断。大多数工作仍然集中在检测最致命的皮肤病黑色素瘤上。在探索人工智能进行更一般的多类皮肤病识别方面的工作有限。本文介绍了用于检测一般多类皮肤病的机器学习方法的模拟工作和分析。此外，为了全面了解 AI 在皮肤病学中的应用，还介绍了 AI 方法在皮肤病学中的研究工作映射。在模拟工作中，采用、分析和讨论了两种机器学习框架，即传统机器学习和迁移学习方法。以六 (6) 种不同的皮肤病、皮肤纤维瘤、水痘、湿疹、角化病、牛皮癣和疥疮为研究案例。根据模拟结果，所提出的方法实现了 70%-80% 的准确率。传统机器学习方法与迁移学习方法相比表现出色。根据准确度指标和收敛行为，这两种方法都有望通过更大的数据集得到进一步开发和修改。
当前辅助/自动目标获取方法综述...
摘要。辅助和自动目标识别 (Ai/ATR) 能力是现代战斗中军事服务所需的一项关键技术。然而，目前可用的性能水平与要求相比远远不够。这主要是由于在现实环境中获取目标的难度，但也是由于由于机密数据分发的限制，从学术界等机构获取新概念的难度。所需性能的难度限制了作战人员所期望的承诺的实现。我们回顾了与 Ai/ATR 性能相关的指标、图像数据库和传感器，并提出了可能的技术方法，这些方法可以实现军事相关性能的新进步。C ⃝ 2011 光学仪器工程师协会 (SPIE)。[DOI：10.1117/1.3601879]
自动驾驶汽车带叉自动导航和自动处理托盘货运单元的发展
HAL 是一个多学科开放存取档案馆，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。