XiaoMi-AI文件搜索系统
World File Search Systemexperiments
![初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、](/simg/4/4b79ebb2e692147077c5f05290fe6b1288b2aad1.png)
初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、
初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、
用于高能物理实验的硅微通道框架
微通道冷却具有出色的传热特性和最佳整合特性。微通道冷却系统通常由许多微米大小的平行通道组成，冷却液通过。这项技术在过去十年中为电子设备的热管理提出了相当大的影响[1]。从近年来微型制动技术的令人难以置信的进步中受益，微通道冷却板可以制造出来，以非常薄且光线底物的微观平行通道。由于这些原因，在高能量物理实验中的粒子探测器的热管理中，微通道冷却已开始考虑[2]。在高能物理实验中，微通道冷却的首次应用是在Na62实验[3]的GigAtracker（GTK）中进行的，其中硅微通道冷却板用于消除60×40 mm 2 GTK模块的电子设备在局部耗散的热量，同时维持40 mm 2 GTK模块，同时在5下进行了0 cy [4] Sensor Dever in Sensor Dever in Sensor Devers [4]。这项技术后来被用于大型强子对撞机美容实验（LHCB）顶点定位器（VELO）升级[6]。也已对爱丽丝内部跟踪系统（ITS）[7，8]的LS2升级进行了广泛的研究。在这项研究中，我们描述了微通道原型的制造过程和压力测试。对爱丽丝的物质预算贡献和高温均匀性的严格要求[9]需要一项深入的研究，而爱丽丝的社区与CERN，Suranaree Technology（SUT），Thai Microelectronics Center（TMEC）（TMEC）和EpletechniquiquefédéraleDeLausanne（Epfl deSanne（Epfl）进行了密切合作。
通过新型的高功率 - 高重型速率L1 Allegra激光器驱动的水射等等离子X射线源的第一次实验
研究光介导的过程的追求驱动了能够产生X射线辐射脉冲的设施的发展（Ponseca等人。，2017年； Kranz＆Wachtler，2021年； Chergui＆Collet，2017年； Milne等。，2014年）。激光驱动的来源可以在各种能量中可靠地产生这种辐射，并将紧凑型设置的好处和高水平的整合性在多功能实验室中以负担得起的成本（与其他大型设施相比）相结合。对于超快泵 - 探针实验，光束生成的全光方法在两个或更多光束之间提供了出色的同步。这样的设施具有例如高级形状的泵脉冲（Assion等，1998;布鲁格曼等人。，2006年）以及不同波长范围中探针的内在性能，例如可见的，Terahertz和X射线，使用相同的泵。此处描述的来源安装在模块化的X射线光谱端站内，有可能促使使用多种互补方法进行全面研究[见De Roche等。（2003），Naumova等。 （2018），Dicke等。 （2018），Kunnus等。 （2020）和Kjaer等。 （2019）示例]。 激光驱动的等离子体X射线源（PXS）（Mallozzi等 ，1974年； Turcu＆Dance，1999年； Benesch等。 ，2004年）基于将激光器聚焦为超短（低100 fs）脉冲持续时间，峰强度为10 15 –10 17 w cm 2的激光器（fullagar，fullagar，harbst et al。） ，2007年； Korn等。 ，2002年； Zamponi等。（2003），Naumova等。（2018），Dicke等。 （2018），Kunnus等。 （2020）和Kjaer等。 （2019）示例]。 激光驱动的等离子体X射线源（PXS）（Mallozzi等 ，1974年； Turcu＆Dance，1999年； Benesch等。 ，2004年）基于将激光器聚焦为超短（低100 fs）脉冲持续时间，峰强度为10 15 –10 17 w cm 2的激光器（fullagar，fullagar，harbst et al。） ，2007年； Korn等。 ，2002年； Zamponi等。（2018），Dicke等。（2018），Kunnus等。（2020）和Kjaer等。（2019）示例]。激光驱动的等离子体X射线源（PXS）（Mallozzi等，1974年； Turcu＆Dance，1999年； Benesch等。，2004年）基于将激光器聚焦为超短（低100 fs）脉冲持续时间，峰强度为10 15 –10 17 w cm 2的激光器（fullagar，fullagar，harbst et al。，2007年； Korn等。，2002年； Zamponi等。，2009年； Uhlig等。，2013年； Weisshaupt等人。，2014年； Afshari等。，2020）。这会导致表面原子和血浆在陡峭的梯度处的电离（Fullagar，Harbst等人。，2007年； Chen等。，2001年； Brunel，
![通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。](/simg/d/dd5abf0752fcc9f891dc4a96743f916f96f28350.png)
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
神经元中用于基因表达调控的CRE依赖性CRISPR/DCAS9
版权所有©2021 Corneyllie等。这是根据Creative Commons Attribution 4.0国际许可条款分发的开放访问文章，只要将原始工作正确归因于任何媒介，它允许在任何媒介中进行无限制的使用，分发和复制。
VISPR-online：一个基于网络的可视化 CRISPR 筛选实验的交互式工具
背景 CRISPR/Cas9 是一种新颖而强大的基因组编辑技术，它介导的高通量筛选能够系统地探索编码基因和非编码元件在癌症、传染病和发育等各种情况下的功能 [1-6]。我们之前开发了 MAGeCK [7] 和 MAGeCK-VISPR [8] 来对 CRISPR 筛选数据进行分析。为了更好地帮助用户探索 CRISPR 筛选结果，我们开发了 VISPR（CrisPR 筛选的可视化），这是一个交互式可视化程序，是 MAGeCK-VISPR 的一部分。虽然 VISPR 允许用户检查质量控制 (QC) 指标并挑选感兴趣的基因，但它仅支持 MAGeCK 的输出。用户应在本地计算机上安装 VISPR，并手动修改配置文件以运行该程序。不同用户之间的数据共享也
使用NIF坡道压缩平台概述和材料实验的进度
Lawrence Livermore国家实验室国家实验室Daye Fratanduono，Raymond Smith，David Braun，Amalia Fernandez Panella，Michelle Marshall，Martin Gorman，Richard Briggs，Travis，Travis，Travis Volz，Travis Volz，Earl O'Bannon，Peter Cellers，Peter Cellers，Peter Cellers，James McNaneyy Eggert，Rick Kraus，Damian Swift，Amy Jenei，Elvin Monzon，Korbie Killebrew Le Galloude，Angela Cook，Lila Ahrendes，Anna Murphy，Jamison Jew，Abbas Nikro，Carlos Nikro，Carlos Castrous，Tom Arsenlis，Alsenlis，Alaan Wan等。
design-inveriments-truedesign-genome-editor- ...
为了访问这些优化的基因组编辑方法，我们创建了Invitrogen™Truedesign™基因组编辑器，这是一种免费的在线工具，用于设计和订购基于CRISPR-Cas9的编辑。本申请说明描述了两种用例：（1）引入诱导多能干细胞（IPSC）（IPSC）和（2）用GFP标记β-肌动蛋白的LRRK2基因（G2019S）中的SNP变化。对于SNP变化，通过在线工具自动生成了单链寡核苷核苷酸（SSODN）供体的建议设计。对于融合蛋白，使用Invitrogen™TRUETAG™供体DNA试剂盒自动生成底漆建议，以自动生成双链供体DNA。供体DNA。此应用程序说明还描述了此转染过程的详细协议。一旦输送到细胞中，供体DNA将在不到一天的时间内将其集成到目标细胞的基因组中。
在超扫描和伪超扫描实验中联合记录脑电图和音频信号
超扫描是一种新兴技术，可用于研究互动个体之间的大脑相似性。这种方法对于理解联合动作（例如对话）的神经基础具有重要意义；然而，它还要求不同的大脑记录和感官刺激之间精确的时间锁定。然而，这种精确的时间通常很难实现。将听觉刺激与持续的高时间分辨率神经生理信号一起记录是一种有效的方法，可以离线控制刺激程序发送的数字触发器与通过扬声器/耳机传递给参与者的听觉刺激的实际开始之间的时间异步。由于该方法的复杂性普遍增加，这种配置在超扫描设置中尤其具有挑战性。在使用相关伪超扫描技术的其他设计中，组合大脑听觉记录也是一个非常理想的功能，因为可以使用共享音频信号执行可靠的离线同步。这里，我们描述了两种硬件配置，其中实时传递的听觉刺激与正在进行的脑电图 (EEG) 记录联合记录。具体来说，我们描述并提供使用 Brain Products GmbH 的硬件和软件在超扫描和伪超扫描范式中进行联合 EEG-音频记录的定制实现。
脉冲功率驱动的高能量密度物理实验中的集体光学汤姆逊散射（特邀）
光学集体汤姆逊散射用于诊断伦敦帝国理工学院 Magpie 脉冲功率发生器的磁化高能密度物理实验。该系统使用来自 Nd:YAG 激光的 2 次谐波的放大脉冲（3 J、8 ns、532 nm）来探测各种高温等离子体物体；密度在 10 17 -10 19 cm -3 范围内，温度在 10 eV 到几 keV 之间。散射光从等离子体内 100 µ m 级体积中收集，然后成像到光纤阵列上。多个收集系统从不同方向观察这些体积，同时使用不同的散射 K 矢量（和不同的相关 α 参数，通常在 0.5 – 3 范围内）进行探测，从而可以独立测量大量等离子体流的不同速度分量。光纤阵列与带有门控 ICCD 的成像光谱仪耦合。该光谱仪配置为观察集体汤姆逊散射光谱的离子声波 (IAW)。用理论谱密度函数 S ( K , ω ) 拟合光谱可测量局部等离子体的温度和速度。拟合受到激光干涉仪对电子密度的独立测量以及不同散射矢量的相应光谱的限制。这种 TS 诊断已成功应用于广泛的实验，揭示了磁化冲击、旋转等离子体射流和内爆线阵列内的温度和流速转变，以及提供磁重联电流片内漂移速度的直接测量。I. 简介