XiaoMi-AI文件搜索系统
World File Search Systemcoefficients
用于嗜睡的离散小波变换系数...
摘要 — 本文提出了一种使用离散小波变换 (DWT) 系数作为特征从脑电信号中检测困倦的有效方法。大多数困倦检测系统使用 FFT 计算功率谱密度或使用 DWT 计算脑电子带的熵来提取特征。虽然这些技术擅长在频域中捕捉有价值的特征，但它们忽略了分析脑电信号所必需的时间细节。这些细节被整合到表示小波函数和不同时间的脑电信号之间相关性的系数中。在我们的工作中，我们使用 DWT 系数对脑电信号进行时频分析以保留这种时间背景。此外，该研究探讨了时间段大小对系统性能的影响。随后，我们确定了最合适的技术来最小化输入特征冗余。我们的方法只使用两个脑电电极 C3 和 C4，与检测清醒和困倦的常见设置相似。评估了四个分类器：决策树、随机森林、多层感知器和支持向量机。研究结果表明，DWT 系数提高了困倦检测的性能，超越了以前的方法。
10 keV 至 100 GeV 的光子截面、衰减系数和能量吸收系数
合作。咨询小组每个都关注一个技术领域，定期开会审查计划的主要部分，分配相对优先级，并确定需要进一步关注的具体关键问题。对于选定的特定主题，咨询小组会赞助子小组，这些小组会对用户需求、当前知识状态和现有数据资源进行详细研究，并以此为基础推荐一项或多项数据汇编活动。本次大会
Mapbi3薄的增强的非线性光学系数...
C. Rendo-Erief 1，I。South 1.2，S.J。问题1，T.S。 Ripoles 1，J。P。Martin-Saturnaly 2，问题1，T.S。Ripoles 1，J。P。Martin-Saturnaly 2，
基于车辆动态模型的导航中气动系数的自校准
摘要：基于车辆动态模型 (VDM) 的导航性能在很大程度上取决于先验未知的气动系数的准确确定。在不同的技术中，例如模型模拟或风洞中的实验分析，通过有利于全球导航卫星系统 (GNSS) 定位的状态空间增强进行自校准的方法是一种有趣且经济的替代方案。我们在模拟下研究这种技术，目的是确定飞机机动对气动系数之间以及与其他误差状态的精度和（去）相关性的影响。不同机动的组合表明对于获得令人满意的气动系数估计并减少其不确定性至关重要。
基于车辆动态模型导航中气动系数自校准的研究
摘要：基于车辆动态模型 (VDM) 的导航性能在很大程度上取决于先验未知的气动系数的准确确定。在模型模拟或风洞实验分析等不同技术中，通过有利于全球导航卫星系统 (GNSS) 定位的状态空间增强进行自校准的方法是一种有趣且经济的替代方案。我们在模拟下研究这种技术，目的是确定飞机机动对气动系数之间以及与其他误差状态的精度和（去）相关性的影响。不同机动的组合表明对于获得令人满意的气动系数估计并减少其不确定性至关重要。
离子，溶剂和热相互作用系数对电池电压的影响
摘要：为了增加电池以进行可持续运输和储能，需要提高锂离子电池的充电和排放能力。为了实现这一目标，描述细胞内部状态的准确数据至关重要。已经得出了几种模型，并报告了这些模型中的运输系数。我们首次报告了一组完整的传输系数，以建模锂离子电池电池三元电解质中的浓度和温度极化，从而使我们能够测试常见的假设。我们包括化学势和温度下的梯度引起的效果。我们发现，由于盐和溶剂极化引起的电压贡献与欧姆损失相同，并且必须考虑到更准确的建模和对电池性能的理解。我们报告了新的Soret和Seebeck系数，并发现与电池研究相关的情况下，热极化很重要。总体上，分析适用于电化学系统。■简介
使用树皮光谱图sepstral系数自动诊断心脏声音
心脏病是世界各地死亡的最大原因。心脏声音的诊断是诊断（1）的心脏病的有效方法。使用计算机技术自动听诊节省了医生的时间和工作。许多论文使用几种方法讨论了对心脏声音的分析和识别。Shamsuddin N等。（2005）（2）使用muntilayer feed向前神经网络进行分类心脏声音。他们获得了11种心脏病的正确分类的100％。Garzon JJ等人（2008）（3）使用支持向量回归来检测杂音。他们获得了正常和病理心动图（PCG）信号精度的97.85％。Maglogiannisa I和HisColleagues（2009）（4）使用小波和SVM对心脏声音进行分类。Yana Z等。 al。 （2010）（5）Yana Z等。al。（2010）（5）
基于机器学习的预测雷诺的翼型空气动力系数
摘要。本研究研究了各种机器学习（ML）算法在预测两个关键空气动力系数的应用，即最大升力系数（𝐶𝐶）和最小阻力系数（𝐶𝑑），对于任何给定的雷诺数，风力涡轮机翼型。我们建议使用聚类技术对类似的机翼形状进行分组，并使用创建的分区来预测使用它们相似性的看不见的机翼属性。在这里，我们还代表了Parsec低维空间中的机翼，而不是高维翼型点空间，以弥补少量训练数据。为此，创建了一个扩展的实验机翼数据库，并用于基于五种不同ML算法的培训模型。我们观察到决策树集合（DTE），随机森林（RF）和多层感知器（MLP）模型成为𝐶𝐶𝑙和𝐶𝑑𝑑𝑚𝑖𝑛𝑑𝑑𝑑𝑑𝑑𝑚𝑖𝑛𝑑𝑚𝑎𝑥𝑚𝑖𝑛𝑙的最有效预测指标。在培训数据库中未包含的三个其他机翼案例上测试这两个ML模型表明，𝐶𝐶𝑙𝑙𝑙𝑙𝑙预测性能通常是合理的，错误级别的平均值约为5％。相比之下，𝐶𝑑的预测误差水平通常更高，平均约为15％。
估计植物生产和农业水管理的作物系数，在亚人类热带地区的气候变化下
了解当前和未来的作物需求对于提高农业生产力和管理长期水资源在不断变化的气候下至关重要。这项研究旨在估计在不同的水管理实践和气候变化方案下，作物用水需求将如何变化。使用灌溉决策工具的现场实验是在2016年和2017年在埃塞俄比亚Lemo进行的。农作物和水管理数据是在白菜和胡萝卜生产上收集的。现场数据用于估计作物系数（KC），并将结果与模拟的KC与农业政策环境扩展器（APEX）模型进行了比较。在顶点中使用了预测的未来气候数据来评估气候变化对未来作物水需求和KC的影响。现场数据分析表明，平均而言，农民传统实践（FTP）治疗比润湿前探测器（WFD）处理更多的水。使用土壤水平衡法，卷心菜的初始，中和晚期两种处理的KC值的平均值分别为0.71、1.21和0.8，胡萝卜分别为0.69、1.27和0.86。顶端模拟的KC捕获了FAO KC模式，其测定系数（R-square）在0.5到0.74之间。最高模拟和土壤水平估计的KC还表明，卷心菜的R平方与R平方的关系很强，而胡萝卜的含量在0.5到0.75之间，0.66和0.96。预计的气候变化分析表明，由于温度升高，预计将来的作物水需求将在未来增加。在气候变化方案下，与基线期相比，2025年，2055年和2085年的生长季节潜在蒸散量将在2025年，2055年和2085年增加2.5％，5.1和6.0％。模拟的KC表示2085年的变化系数较高，卷心菜为19％，胡萝卜为24％，而2025个时期模拟的KC表示变异系数最小（分别为16％和21％的卷心菜和胡萝卜）。该研究表明，当前使用可用水资源的灌溉计划应考虑到该地区较高的农作物水需求，以减少缺水的风险。
基本激光
Basics of lasers & laser properties: Interaction of light with matter (Absorption, spontaneous and stimulated emissions), Einstein coefficients and light amplification, Einstein coefficients and finding their relationships, Population inversion, Laser rate equations, Three-level, and four-level laser systems, Optical resonators, Axial and transverse modes, Q-switching and mode locking,激光，时间相干性，空间相干性，单色性，方向性，亮度，线宽，激光辐射和可调性的聚焦特性的相干性能。激光的类型：掺杂的激光器（固态激光器）：ND Ruby Laser：YAG和ND：玻璃激光器，气体激光器：原子激光器：He-ne Laser；离子激光器：氩激光；分子激光器：二氧化碳激光，氮激光器和准分子激光；液体染料激光;半导体激光器。