XiaoMi-AI文件搜索系统
World File Search Systembinary
使用局部二值模式 (LBP) 特征提取进行玉米叶病分类
摘要 玉米是一种在印度尼西亚等发展中国家广泛种植的植物。为了提高玉米产量，研究人员一直在对玉米植物疾病分类的当前技术进行创新。三种疾病侵袭玉米叶片，即灰斑病、枯萎病和灯心草病。我们使用的数据量为 3500 个数据，其中包括 500 个灰斑病、1000 个枯萎病、1000 个灯心草病和 1000 片健康叶片。本研究旨在开发一种人工智能模型。我们开发的人工智能模型使用 LBP 特征提取结合 k-NN 作为分类器。除了使用 k-NN 方法外，我们还使用了几种分类方法（如朴素贝叶斯和 Adaboost）进行测试。我们的测试结果是，与朴素贝叶斯和 Adaboost 方法相比，k-NN 方法具有最高值。使用 k=5 的 k-NN 的性能结果为 81.1%、AUC 值为 94.1%、F1-Score 为 80.9%、准确率为 81.8%、召回率为 81.1%。
二元溶剂体系用于制造完全无退火钙钛矿太阳能电池
有机-无机金属卤化物钙钛矿正在迅速接近最先进的硅太阳能电池，性能最佳的设备现在已达到 25.7% 的能量转换效率 (PCE)。[1] 尽管稳定性仍然是钙钛矿太阳能电池 (PSC) 面临的挑战，但它们的溶液加工性是一大优势。刮刀涂布、[2] 狭缝模头涂布 [3] 和喷涂 [4] 等技术与卷对卷 (R2R) 加工兼容，原则上，这应该可以实现比现有硅太阳能技术高得多的生产速度。然而，用于结晶钙钛矿活性层的漫长退火时间降低了实际制造过程中可以达到的最大理论网速。2020 年，Rolston 等人展示了所有可扩展 PSC 加工技术中最高的涂层速度，实现了 > 12 m min −1 的生产速度。 [5] 喷涂工艺与大气等离子体后处理工艺相结合，[6] 制备出的 PSC 器件和模块的 PCE 分别为 18% 和 15.5%。至关重要的是，它们是在不对钙钛矿层进行退火的情况下制造的。在这种速度下，模块成本预计可以与 Si 完全竞争。[7] 相比之下，经过 10 分钟退火的旋涂 PSC 的计算吞吐率仅为 0.017 m min −1 ；这个速率远远超出了商业化要求。此外，高温处理步骤会增加公用设施成本并降低吞吐率，从而增加了器件制造成本。[8] 高工艺温度也与许多敏感的柔性（聚合物）基板不兼容，而这些基板预计在“物联网”应用中非常重要。[9,10] 这个不断增长的市场预计将使钙钛矿的初始投资和市场进入门槛降低一个数量级。[11]
BT-CNN：一种利用 MRI 成像对脑肿瘤进行分类的平衡二叉树架构
深度学习是当今世界临床诊断和治疗中非常重要的技术。卷积神经网络 (CNN) 是深度学习的最新发展，用于计算机视觉。我们的医学研究重点是脑肿瘤的识别。为了提高脑肿瘤分类性能，提出了一种以二叉树结构为框架的平衡二叉树 CNN (BT-CNN)。它有两个不同的模块 - 卷积和深度可分离卷积组。使用卷积组可实现更短的时间和更高的内存，而深度可分离卷积组则相反。这种平衡二叉树启发的 CNN 平衡了两个组以在时间和空间方面实现最佳性能。在公共数据集上对所提出的模型以及 CNN-KNN 等最先进的模型以及 Musallam 等人、Saikat 等人和 Amin 等人提出的模型进行了实验。在将数据输入模型之前，我们使用 CLAHE、去噪、裁剪和缩放对图像进行预处理。预处理后的数据集根据 5 倍交叉验证分为训练数据集和测试数据集。对所提出的模型进行训练，并将其性能与 CNN-KNN 等最新模型以及 Musallam 等人、Saikat 等人和 Amin 等人提出的模型进行比较。与其他模型相比，所提出的模型报告的平均训练准确率为 99.61%。所提出的模型实现了 96.06% 的测试准确率，而其他模型分别实现了 68.86%、85.8%、86.88% 和 90.41%。此外，所提出的模型在所有折叠中获得了训练和测试准确率的最低标准差，使其对于数据集不变。
利用遗传算法和二元回归树预测卫生人员计算机视觉综合症
1 阿斯图里亚斯中央大学医院，33011 奥维耶多，西班牙 2 奥维耶多大学数学系，33007 奥维耶多，西班牙； sanchezfernando@uniovi.es 3 奥维耶多大学工商管理系，33004 奥维耶多，西班牙； suarezana@uniovi.es (A.S.S.)； fjiglesias@uniovi.es (F.J.I.-R.) 4 阿利坎特大学光学、药理学和解剖学系，03690 阿利坎特，西班牙； mm.segui@ua.es * 通讯作者：evam.artime@sespa.es † 本文是会议论文的延伸：Artime Rí os, E.M.；桑切斯·拉什拉斯，F.；苏亚雷斯·桑切斯，A.； Iglesias-Rodríguez，F.J.；SeguíCrespo，M.M. 基于树和进化算法的预测医护人员计算机视觉综合症的混合算法。第 13 届国际会议论文集，混合人工智能系统 (HAIS)，奥维耶多，西班牙，2018 年 6 月 20 日至 22 日。
从密度泛函理论系统地调整二元 III-V 半导体的应变诱导带隙
III-V 半导体带隙性质和大小的改变对于光电应用具有重要意义。应变可用于系统地在很宽的范围内调整带隙，并引起间接到直接 (IDT)、直接到间接 (DIT) 和其他带隙性质的变化。在这里，我们建立了一种基于密度泛函理论的预测从头算方法来分析单轴、双轴和各向同性应变对带隙的影响。我们表明系统性变化是可能的。对于 GaAs，在 1.52% 各向同性压缩应变和 3.52% 拉伸应变下观察到 DIT，而对于 GaP，在 2.63 各向同性拉伸应变下发现 IDT。我们还提出了一种通过将双轴应变与单轴应变相结合来实现直接-间接转变的策略。确定了应变 GaSb、InP、InAs 和 InSb 的进一步转变点，并与元素半导体硅进行了比较。因此，我们的分析为二元 III-V 半导体中的应变诱导带隙调整提供了一种系统且可预测的方法。
二进制分类的随机森林模型的量子版本Kamil Khadiev A，Liliya Safina A
构建决策树随机森林使用诸如ID3，C4.5 [24]，C5.0 [1]，CART [10]等著名算法。我们建议使用构造决策树算法的量子版本创建一个随机的森林模型[19]。它允许我们为（√）构建树，是训练数据集的大小，是每个元素的许多属性，是树高（给定参数）。在经典情况下，运行时间等于二进制分类问题。变量，每棵树都不同，并通过包装方法选择。此外，在这项工作[5]中，作者考虑了他们注意到伪随机数和量子随机数发生器对量子随机森林的影响的问题。我们还可以使用其他量子决策树构造算法[22]或使用随机森林的经典版本[14]。
改进的ResNet152v2：使用基于迁移学习的方法对脑卒中进行二分类和混合分割
摘要简介：当脑血管破裂时，大脑会受到一种称为中风的疾病的伤害。当大脑的血液和其他营养物质流动中断时，可能会出现症状。世界卫生组织 (WHO) 声称，中风是全球致残和死亡的主要原因。通过及早发现中风的不同警告症状，可以减轻中风的严重程度。可以使用计算机断层扫描 (CT) 图像快速诊断脑中风。虽然专家们正在研究每一次脑部 CT 扫描，但时间过得很快。这种情况可能会导致治疗延迟和错误。因此，我们专注于使用有效的迁移学习方法进行中风检测。材料和方法：为了提高检测准确性，使用 Red Fox 优化算法 (RFOA) 对大脑中风影响的区域进行分割。然后使用高级 Dragonfly 算法进一步处理处理后的区域。分割后的图像提取包括形态学、小波特征和灰度共生矩阵 (GLCM)。然后使用修改后的 ResNet152V2 对正常和中风图像进行分类。我们使用脑卒中 CT 图像数据集使用 Python 进行测试以进行实施。结果：根据性能分析，所提出的方法优于其他深度学习算法，实现了 99.25% 的最佳准确度、99.65% 的灵敏度、99.06% 的 F1 分数、99.63% 的精确度和 99.56% 的特异性。结论：所提出的基于深度学习的分类系统在考虑性能标准的所有输入预测模型中返回最佳解决方案，并提高了系统的功效；因此，它可以更好地帮助医生和放射科医生诊断脑中风患者。
通过二进制分类检测肺炎：支持向量机（SVM）的经典，量子和混合方法
早期肺炎的早期诊断对于增加生存机会并减少患者的恢复时间至关重要。胸部X射线图像是实践中最广泛使用的方法，它具有挑战性地进行分类。我们的目的是开发一种机器学习工具，该工具可以准确地将图像分类为属于正常或受感染的个体。支持向量机（SVM）很有吸引力，因为二进制分类可以表示为优化问题，特别是作为二次不约束的二进制二进制优化（QUBO）模型，而这又自然地映射到Ising模型上，从而使退火 - 级别，阶级，量子，量子和杂种 - 以探索有吸引力的方法。在这项研究中，我们进行了不同方法之间的比较：（1）SVM（LIBSVM）的经典最新实施； （2）用经典求解器（Gurobi）求解SVM，有或没有分解； （3）用模拟退火解决SVM； （4）用量子退火求解SVM（D-WAVE）； （5）使用Graver增强多种子算法（GAMA）求解SVM。使用模拟退火和量子退火，尝试了几个不同数量的graver元素和许多种子。我们发现模拟的退火和GAMA（带有模拟退火）是可比的，可以快速提供准确的结果，与LIBSVM竞争，并且优于Gurobi和Quarobi和Quantum退火。
根据二进制耦合剂的表面修饰，改善片状羰基铁的阻抗匹配
*通讯作者：Nanjing邮政与电信大学的电子与光学工程学院与微电子学院，Nanjing 210023，中华人民共和国电话： +86-25-858666131传真： +86-25-86-25-8585866131 Email Email：Guozhixie njupt.njupt.njupt.njupt.ive;
通过增加潜热来增强二元硝酸盐混合物的热能储存
致谢 ................................................................................................................ iii 摘要 ................................................................................................................................ iv 插图列表 ................................................................................................................ vii 第 1 章。介绍 ............................................................................................................. 1 1.1 热能存储 (TES) ...................................................................................... 2 1.2 相变材料 ...................................................................................................... 3 1.2.1 聚光太阳能发电厂 ............................................................................. 4 2.文献综述 ............................................................................................. 6 3.方法论 ............................................................................................................. 8 4.讨论 ............................................................................................................. 10 4.1 特性 ............................................................................................................. 10 4.2 结果和分析 ............................................................................................................. 10 5.结论................................................................................................................ 14 参考文献................................................................................................................ 15 个人简介.............................................................................................................. 18