XiaoMi-AI文件搜索系统
World File Search Systemconstrains
基于脑电图的情绪识别的可能性聚类促进半监督学习
最新脑机接口的目的是通过为每个受试者定制识别器来实现准确的情绪识别。在机器学习领域，基于图的半监督学习 (GSSL) 因其直观且在情绪识别方面具有良好的学习性能而受到越来越多的关注。然而，现有的 GSSL 方法对噪声或基于异常脑电图 (EEG) 的数据很敏感或不够稳健，因为每个受试者在相同场景中可能呈现噪声或异常 EEG 模式。为了解决这个问题，在本文中，我们发明了一种基于 EEG 的情绪识别的可能性聚类促进半监督学习方法。具体而言，它限制每个实例具有与其局部加权均值相同的标签成员值，以提高识别方法的可靠性。另外，在目标函数中引入了关于模糊熵的正则化项，通过增加样本判别信息量来增强隶属函数的泛化能力，提高了方法对噪声和异常值的鲁棒性。在三个真实数据集（即DEAP、SEED和SEED-IV）上的大量实验结果表明，所提方法提高了基于脑电信号的情绪识别的可靠性和鲁棒性。
![arxiv：2406.09201v3 [CS.CV] 2024年6月21日](/simg/3\320ae63d161446b01044352944f9cd48014236d4.webp)
arxiv：2406.09201v3 [CS.CV] 2024年6月21日
当前使用广泛使用的对象检测数据集，例如Coco [23]，Objects365 [32]和OpenImages V4 [19] [19]，提供大量图像和类别，仍然具有有限的词汇。这些数据集的有限词汇限制了班级检测器的训练潜力，因为理想的检测器应该能够识别培训集外的新类别。即使是LVIS [16]（例如LVIS [16]）的大型词汇检测数据集，就类别的数量和多样性而言，也无法完全代表现实世界的复杂性。V3DET为研究社区提供了一个大型的对象检测数据集，该数据集可以加速对更通用的视觉检测系统的探索。基线级联结构非常适合处理V3DET数据集的分层类别结构。使用常见的检测改进策略，我们将监督轨道I视为具有复杂标签的传统对象检测任务。通过改善特征金字塔网（FPN）结构，我们希望网络可以有效地学习更深入的语义信息。此外，我们通过调整损失函数来构成标签。
V-I曲线基于电源设备的条件监控系统
Masanori Tsukuda *，Li Guan *，Kazuha Watanabe *，Haruyuki Yamaguchi†，Kenshi Takao†，Ichiro Omura *电子邮件：tsukuda@life.kyutech.kyutech.acutech.ac.ac.ac.ac.ac.ac.ac.ac.ac.jp * kyushu日本福库卡†田芝三菱电动工业系统公司（TMEIC），1东芝 - 乔，富丘 - 福，东京，东京183-8511，日本摘要 - 根据社会中电力电子系统在社会上的重要性，Power Semiconductor设备的可靠性问题构成了Power Semiconductor设备的可用性问题。另一方面，由于电源设备的生命周期与使用的生产批量或条件很大，因此基于较高可用性的常规间隔维护可提高运行成本。电源半导体设备的基于条件的维护（CBM）将是电力电子系统维护的可用性和成本的有前途解决方案。在这项研究中，已经证明了高信号分辨率监测系统板。系统为开关设备和二极管的实时V-I曲线使用案例温度监视，并且数据存储在板内存中，并且可以在线监视。将板安装在守门驾驶员板上，该板板从栅极驾驶员板上提供电源，并在商业60kVA逆变器上演示。
第二语言学习和...
生成的AI为语言学习提供了重要的机会。诸如chatgpt之类的工具通过书面或语音格式的聊天提供第二语言练习，学习者通过提示对话参数指定。可以指示AI提供纠正反馈并创建练习练习。使用AI，讲师可以在各种媒体中构建学习和评估材料。生成的AI为自主和指导学习提供了能力。此外，AI有望显着增强沉浸式技术的有用性。对于学习者和教师来说，重要的是要了解其人类语言统计模型的AI系统的局限性，这会限制其处理语言使用社会文化方面的能力。此外，人们对如何创建和部署AI系统以及使用的实际约束存在道德问题，尤其是对于较少的特权人群。尽管如此，AI工具的功能和多功能性可能会使它们变成许多人生活中的持续伴侣，从而建立了一个紧密的连接，而不仅仅是简单的工具使用。的生态理论（例如社会材料主义）有助于研究通过紧密的用户互动来发展的共享代理，以及对土著文化的人与科关系的观点也是如此。
建筑自动化 - -ORCA - 卡迪夫大学
人工智能 (AI) 方法和技术已被用于解决建筑、工程和施工 (AEC) 行业中的各种工程问题，旨在提高整体生产力并优化整个项目生命周期（规划、设计、施工和维护）的决策。然而，由于缺乏对固有不确定性的全面理解（从根本上和数学上），许多人工智能应用面临着不同的限制和约束，因此人工智能的使用尚未达到令人满意的水平。它需要采取不同的措施来应对不同类型的不确定性，这些不确定性因不同类型的应用而异。因此，本文回顾了 5 种流行的人工智能算法，包括主成分分析、多层感知器、模糊逻辑、支持向量机和遗传算法；然后研究这些人工智能技术如何通过减轻不确定性来协助决策过程，同时实现预期的高效率。本文回顾了每一种相关的技术、数学解释、导致不确定性的原因分析，并总结了一套指南和一个应用框架，用于优化 AEC 应用的知情不确定性。这项工作将为根本理解铺平道路，进而为在 AEC 领域正确应用 AI 技术以实现更好的整体性能提供宝贵的参考。
机舱内机上娱乐系统的新型无线架构
当考虑像飞机客舱这样非常特殊的领域时，通信要求就会提高。乘客的不同需求往往与客舱内的严格限制不相容。如今，机上娱乐 (IFE) 系统在现代航班中得到了广泛的应用。IFE 系统通常由座椅电子盒、乘客终端硬件、乘客控制单元、用于选择服务的遥控器以及视频显示单元（屏幕）组成。在这些系统中使用无线技术可以提高乘客和航空电子公司的满意度。然而，客舱内部并不是一个灵活的环境；可靠性和安全性是两个强制性要求，因此对其施加了不同的限制。这意味着现成的技术（包括天线、网络拓扑、网络协议和服务在内的硬件）通常不适合这样的环境。因此，必须设计和实施一种新的架构。本文旨在整合现有的异构通信技术，展示其优缺点，同时考虑到飞机客舱内施加的通信限制。由此，提出了一种新的无线异构架构。此外，为了能够使用这种架构，我们提出了一种新协议，该协议利用智能天线技术允许乘客控制单元被自主识别和配置
从新兴经济体治理角度对财务困境决定因素的计量经济学分析
摘要：在困难时期，公司被迫重新评估运营政策并重新制定战略方案，以辨别有限资源的价值最大化用途。高管对财务困境的反应敏捷性决定了破产的可能性。适当的治理推动合理、可持续、价值最大化的决策，而不当的做法会导致价值贬低、自私自利的行为，从而在财务上限制公司，导致财务困境加速。本研究使用 GMM 估计，在 116 家南非上市公司样本中考察了财务困境与公司治理之间的相关性。发现关键的财务困境决定因素是审计委员会和股东积极性（以股权所有权为代表），它们可能会阻止投资者冷漠、“董事投机取巧”和首席执行官的支配地位。此外，任职多年的首席执行官和研究生董事拥有丰富的背景潜在知识，可以帮助陷入困境的公司，特别是如果董事薪酬和治理之间的权衡得到妥善管理。此外，K-score 模型可以充当稳健的财务困境代理，因为它允许对灰色地带公司进行询问。这些发现提供了财务困境决定因素，有助于陷入困境的企业做出决策，以避免
移民与人工智能的区域专业化
我研究了 2000 年至 2018 年期间美国通勤区在 AI 相关职业方面的专业化。我根据人口普查职业名称中的关键词来定义与 AI 相关的工作。使用 Lin (2011) 中的方法来确定新工作，我通过对 AI 相关职业的就业增长进行加权，以衡量 1990 年后增加的这些职业的职位份额，从而衡量与 AI 相关的工作增长。总体而言，AI 相关活动的区域专业化反映了 IT 的区域专业化。然而，该行业中的外国出生和本土出生的工人往往聚集在不同的地方。虽然外国出生的人在 AI 相关工作方面的专业化在私营部门就业占主导地位的高科技中心最为强，但本土出生的人在 AI 相关工作方面的专业化在军事和太空相关研究中心最为强。从全国来看，自 2000 年以来，外国出生的工人占 AI 相关职业就业增长的 55%。在回归分析中，我发现，受过大学教育的移民供应量大幅增加的美国通勤区在 AI 相关职业方面更加专业化，而这种专业化的提高完全归功于外国出生工人的就业。我的结果表明，获得高技能工人制约了 AI 相关的就业增长，而受过大学教育的移民有助于缓解这一限制。
超越模仿未被充分表现的情绪：利用情绪子空间约束进行深度数据增强以实现基于脑电图的情绪识别
近年来，使用脑电图 (EEG) 识别情绪引起了广泛关注。尽管取得了进展，但有限的 EEG 数据限制了它的潜力。因此，生成对抗网络 (GAN) 被提出来模仿观察到的分布并生成 EEG 数据。然而，对于不平衡的数据集，GAN 仅通过模仿代表性不足的少数情绪就难以产生可靠的增强。因此，我们引入了情绪子空间约束的生成对抗网络 (ESC-GAN) 作为现有框架的替代方案。我们首先提出 EEG 编辑范式，将参考 EEG 信号从代表性良好的情绪子空间编辑到代表性不足的情绪子空间。然后，我们引入多样性感知和边界感知损失来约束增强子空间。在这里，多样性感知损失通过扩大样本差异来鼓励多样化的情感子空间，而边界感知损失将增强子空间限制在决策边界附近，而识别模型可能在此受到攻击。实验表明，ESC-GAN 提高了基准数据集 DEAP、AMIGOS 和 SEED 上的情感识别性能，同时防止了潜在的对抗性攻击。最后，所提出的方法为在情感子空间约束下编辑 EEG 信号开辟了新途径，促进了无偏且安全的 EEG 数据增强。
电动汽车住宅并网屋顶光伏和电池储能系统的优化选型
摘要 为降低电力的净现值，针对配备电动汽车 (EV) 的家庭，开发了一种实用的并网屋顶太阳能光伏 (PV) 和电池储能 (BES) 优化定型模型。通过创建新的基于规则的家庭能源管理系统，研究了两种系统配置：(1) PV - EV 和 (2) PV - BES - EV，以实现 PV 和 BES 的优化定型。使用随机函数结合电动汽车可用性（到达和离开时间）及其到家时的初始充电状态的不确定性。研究了市场上流行的电动汽车模型对客户的最佳定型和电力成本的影响。根据电网约束、零售价格和上网电价的变化，采用了几种敏感性分析。根据日照、温度和负载的变化提供了不确定性分析，以验证所开发模型的最佳结果。为典型并网家庭中的住宅客户提供了实用指南，帮助他们在考虑 EV 模型的情况下选择最佳 PV 或 PV-BES 系统容量。虽然所提出的优化模型是通用的，可以用于各种案例研究，但澳大利亚案例研究使用了太阳辐射、温度、家庭负荷、电价的实际年度数据以及 PV 和 BES 市场数据。开发的最佳规模模型也适用于澳大利亚不同州的住宅家庭。