XiaoMi-AI文件搜索系统
World File Search Systembed
单图像反射率和来自任何平板扫描仪的透射率
平板扫描仪已成为高分辨率，单像材料捕获的有前途的设备。但是，现有方法假设非常具体的条件，例如均匀的弥散照明，仅在某些高端设备中可用，从而阻碍其可扩展性和成本。相比之下，在这项工作中，我们引入了一种受固有图像分解启发的方法，该方法可以准确地消除阴影和镜面性，从而有效地允许使用任何平板扫描仪捕获。此外，我们以不透明和透射率的估计，全材料外观（SVBSDF）的关键成分（SVBSDF）的估计来探讨了单位材料反射捕获的先前工作，以非常高的分辨率和准确性改善了用平板扫描仪捕获的任何材料的结果。©2025 Elsevier B.V.保留所有权利。
化学元素的通用语义嵌入用于增强材料推理和发现的化学元素
图2。使用BERT衍生特征与（a）预测和（b）材料属性分类的模型性能比较模型性能。SMA，Ti合金和HEA的10倍MAE图与广泛的平行测试中所选特征数量（1-8）的函数相同。蓝线使用传统的经验特征（例如电负性，原子半径）表示模型性能，而红线表示BERT衍生的材料特征。检查的特性包括相变温度（MP，AP），转化焓（ΔH），屈服强度（σs），终极拉伸强度（σb），Vickers硬度（VH）和伸长率（EL）。Classification tasks include binary classification of Solid Solution (SS) vs. Non-Solid Solution (NSS), ternary classification of phase forms (Face-Centered Cubic (FCC), Body-Centered Cubic (BCC), and FCC-BCC mixed), and quaternary classification of SMA phases (B19'-B2, B19'-B19-B2, B19'-R-B2, B19-B2, and R-B2）。bert衍生的特征始终在几乎所有属性和特征数量上产生较低的预测误差，从而突出了它们捕获合金组成和属性之间内在关系的卓越能力。阴影区域代表跨平行测试的标准偏差。
在多核物联网处理器上使用时间卷积网络的稳健实时嵌入式 EMG 识别框架
摘要 — 通过表面肌电 (sEMG) 信号对手部运动进行分类是一种成熟的高级人机交互方法。然而，sEMG 运动识别必须处理基于 sEMG 控制的长期可靠性，这受到影响 sEMG 信号的可变性的限制。嵌入式解决方案会受到识别准确度随时间下降的影响，这使得它们不适合可靠的手势控制器设计。在本文中，我们提出了一种基于时间卷积网络 (TCN) 的完整的可穿戴级嵌入式系统，用于基于 sEMG 的稳健手势识别。首先，我们开发了一种新颖的 TCN 拓扑 (TEMPONet)，并在基准数据集 (Ninapro) 上测试了我们的解决方案，实现了 49.6% 的平均准确率，比目前最先进的 (SoA) 好 7.8%。此外，我们设计了一个基于 GAP8（一种新型 8 核物联网处理器）的节能嵌入式平台。使用我们的嵌入式平台，我们收集了第二个 20 个会话数据集，以在代表最终部署的设置上验证系统。我们使用 TCN 获得了 93.7% 的平均准确率，与 SoA SVM 方法（91.1%）相当。最后，我们使用 8 位量化策略来适应处理器的内存限制，对在 GAP8 上实现的网络的性能进行了分析。我们达到了 4 倍更低的内存占用（460 kB），性能下降仅为 3% 的准确率。我们详细介绍了在 GAP8 平台上的执行情况，结果显示量化网络在 12.84 毫秒内执行单个分类，功率包络为 0.9 mJ，使其适合长寿命可穿戴设备部署。
粉末床熔合增材制造中温度场和热应力场的有限元分析综述
本综述旨在回顾有限元法在优化工艺参数和提高粉末床熔合增材制造工艺部件的机械性能方面的应用。回顾了粉末床熔合过程模拟中的最新有限元模型。详细总结了宏观层面上激光束熔化或电子束熔化过程的数值建模方法。具体而言，阐明了零件模型预处理、工艺参数、网格方案和温度相关材料特性的重要性。还讨论了用于降低计算成本的模拟技术。然后回顾并讨论了现有的粉末床熔合过程模拟中的有限元模型。根据熔池和打印部件的特点对模拟结果进行分类。然后通过实验结果验证了模拟结果。最后，阐述了有限元法在材料设计、过程监控和控制以及工艺优化等其他增材制造问题方面的意义。总结了现有有限元模型的缺点。并提出了优化PBF工艺参数的潜在新方法。
通过 R3D Transformer 实现超声心动图矢量嵌入，推动自动超声心动图的发展
我们的模型性能接近为相同 EF 分类问题开发的当前 SOTA（最先进）分类器，这突显了其质量。例如，我们的准确率高于最新模型，同时与最佳 SOTA 准确率相差 5 分以内。我们的 AUC 也高于最新模型，与最佳 SOTA AUC 相差 6 分以内。a R3D Transformer，ResNet18 主干。b 未公开的算法。c 具有空洞卷积的 3D 卷积神经网络。d GSM，Inception 主干，32 帧超声心动图。e 移动 U-Net。
猴子业务：强化学习与邻里搜索虚拟网络嵌入。
在本文中，我们考虑了5G网络切片的虚拟网络嵌入（VNE）问题。此问题需要在基板虚拟化物理网络上分配多个虚拟网络（VN），同时最大化资源，最大数量，放置的VN和网络运营商的好处。我们解决了随着时间的推移而到达的问题的在线版本。受到嵌套推出策略适应（NRPA）算法的启发，这是众所周知的蒙特卡洛树搜索（MCT）的变体，该变体学习了如何随着时间的推移进行良好的模拟，我们提出了一种新算法，我们称之为邻里增强策略适应（NEPA）。我们算法的关键特征是观察NRPA无法利用状态树一个分支中获得的知识，而这是另一个启动的知识。NEPA通过以节俭的方式将NRPA与邻居搜索相结合来学习，这仅改善了有希望的解决方案，同时保持运行时间较低。我们将这项技术称为猴子业务，因为它归结为从一个有趣的分支跳到另一个分支，类似于猴子如何跳到树上，而不是每次都倒下。与其他最先进的算法相比，NEPA在接受率和收入比率的比率方面取得了更好的结果，无论是在真实和合成拓扑上。
嵌入SiO2
x ge x /sio 2界面，而不是通过脱位成核。该机制导致嵌入式层的形态演化和局部肿胀，这是由SIO 2的粘性流促进的。在这些温度下，Si 1-X Ge X膜在粘性SIO 2中扩展，以最大程度地减少应变能。几何相分析证实，横向膨胀会导致GE凝结过程中积累的应变的松弛。我们建议这种现象可能是文献中已经报道的屈曲机制的起源。这项研究表明，Sio 2可以作为有效的符合性的符合性的底物，用于无缺陷的无缺陷GE RICE SI 1-X GE X薄膜。基于SIO 2矩阵粘弹性的新通用松弛过程可以应用于SI 1-X GE X膜以外的许多其他系统。这里制造的高质量无缺陷富富富富膜可以作为SI基板上各种2D或3D材料异质整合的良好模板。
含显热填料的填料床储罐温跃层行为的实验与数值研究
Wꞏm -2 ꞏK -4 ṁ 质量流量 (kg s -1 ) Փ 直径 (m) ∆P 压降 (Pa) θ 出口温度阈值系数 Pe 佩克莱特数，Pe=D p ꞏu sup /α Pr 普朗特数，Pr=C p,f ∙ μ f / λ frp 球体径向坐标 下标 r 罐体径向坐标 amb 环境 Ra 瑞利数，Ra= GrꞏPr Re 颗粒雷诺数，Re= ( ρ f ꞏD p ꞏu sup )/ μ fb 罐内直径的填料床区域 R int 罐体内半径 (m) ch 装料 R mid 罐体中部半径 (m) dis 卸料 R ext 罐体外半径 (m) eff 有效值 t 时间 (s) ext 罐体外表面 T 温度 (K) f 流体 TC 入口最冷工作温度 (K) TH 最高工作温度(K) int 罐内表面 T in 流体入口温度 (K) max 最大 T out 流体出口温度 (K) out 出口 T o 参考温度 (K) p 颗粒 TA A 位置的径向温度 rad 辐射 TB B 位置的径向温度 s 固体 TC C 位置的径向温度 sf 固体到流体相 u 间隙流体速度 (ms -1 )，u = ṁ /( ρ f ꞏεꞏπꞏR 2 int ) w 壁