XiaoMi-AI文件搜索系统
World File Search Systemidentification
DECIMER.ai - 用于科学出版物中自动光学化学结构识别、分割和识别的开放平台
在过去的几十年中，描述化学结构的出版物数量稳步增加。然而，目前大多数已发表的化学信息在公共数据库中都无法以机器可读的形式获得。以更少的人工干预方式实现信息提取过程的自动化仍然是一个挑战——尤其是化学结构描述的挖掘。作为一个利用深度学习、计算机视觉和自然语言处理方面的最新进展的开源平台，DECIMER.ai（化学图像识别深度学习）致力于自动分割、分类和翻译印刷文献中的化学结构描述。分割和分类工具是同类中唯一公开可用的软件包，光学化学结构识别 (OCSR) 核心应用程序在所有基准数据集上都表现出色。这项工作中开发的源代码、训练模型和数据集均已在许可下发布。DECIMER Web 应用程序的一个实例可在 https://decimer.ai 获得。
基于计算机视觉的位移识别及其在操作条件下的桥梁状况评估中的应用
摘要：桥梁损坏检测对于确保桥梁结构的安全性和完整性至关重要。传统的损伤检测方法通常依赖于手动检查或基于传感器的测量结果，这可能是耗时且昂贵的。近年来，计算机视觉技术在桥梁位移测量和损伤检测中显示了有希望。这项研究的目的是从基于计算机视觉的方法测量的位移中提取可靠的特征，这些方法对结构条件变化敏感，同时对操作条件的变化有牢固的变化。特别是，本研究论文使用基于基于计算机视觉的位移测量的横向影响比（DTIR）定义的指标提出了一种新颖的桥梁损伤检测方法。所提出的方法利用计算机视觉算法在移动负载下提取桥梁的位移响应。DTIR指示器定义为在两个相邻梁之间的车辆诱导的桥梁准静态位移比，被提取为对损伤敏感的特征。理论推导证明，DTIR指标仅与车辆在甲板上的结构状况和横向位置有关，而与车辆重量和速度的变化无关。为了验证所提出的方法的有效性，在具有不同结构条件的多束梁桥上进行了一系列驱动实验。结果证明了所提出的方法准确检测结构损伤的发生和可能位置的能力。此外，本文讨论了用于桥梁损坏检测的DTIR指标的优点和局限性，以及如何将所提出的方法推广到具有两个以上的交通车道的桥梁。总而言之，提出的方法为在操作条件下的桥梁提供低成本，易于部署和可扩展的健康监控解决方案提供了有希望的解决方案。
成人斑马鱼中的全脑映射和新型储罐测试的功能性脑网络的识别
研究文章：方法/新工具| Novel Tools and Methods Whole-brain mapping in adult zebrafish and identification of the functional brain network underlying the novel tank test https://doi.org/10.1523/ENEURO.0382-24.2025 Received: 30 August 2024 Revised: 10 January 2025 Accepted: 13 January 2025 Copyright © 2025 Rajput et al.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。
在嘈杂条件下，稀疏的非线性动力学稀少
摘要 - 本文提出了具有控制和外源输入的非线性动力学（SINDY）的稀疏识别，以高度准确，可靠的预测，并将所提出的方法应用于柴油发动机Airpath系统，这些方法被称为非线性复杂工业系统。尽管Sindy被称为识别非线性系统的强大方法，但仍然存在一些问题：由于嘈杂的数据和由于时间段嵌入等协调的扩展而导致的基础功能增加，因此无法保证在工业系统中应用和多步预测的示例。为了解决这些问题，我们提出了基于整体学习，精英收集和分类技术的改进的信明，同时保持凸计算。在拟议的方法中，进行了图书馆的行李，并且收集了R平方的精英大于90％。然后，在幸存的精英上执行聚类，因为并非总是可用的，并且获得的精英模型并不总是显示出相同的趋势。分类后，通过取出每个分类精英的平均值获得离散模型候选者。最后，选择了最佳模型。仿真结果表明，所提出的方法实现了气相系统的多步骤预测，该系统在嘈杂条件下被称为复杂的工业系统。
通过非破坏性分析方法同时识别锂离子袋细胞的热容量和各向异性导电率
Sylvain Cailliez，David Chalet，Philippe Mannessiez。通过非破坏性分析方法同时鉴定锂离子袋细胞的热容量和各向异性热导电性。电源杂志，2022，542，pp.231751。10.1016/j.jpowsour.2022.231751。hal- 03703340
MALDI-TOF质谱法，用于鉴定从法国奶酪中分离出的乳酸细菌：Maroilles
在这项研究中，我们使用MALDI-TOF质谱法（MS）鉴定了法国奶酪马洛斯（MS），用原始或巴氏杀菌牛奶制成的法国奶酪马罗奶油（MS）鉴定了可培养的中介乳酸细菌（LAB）。使用Maroilles奶酪的皮和心脏的样品，在30°C的琼脂夫人上选择实验室，并通过MALDI-TOF MS PRO填充对197克阳性和过氧化氢酶阴性菌株进行鉴定。所有菌株均已明确鉴定：用原牛奶制成的马洛雷斯（Maroilles）的105种菌株（在果皮上为38株，心脏中有67个），以及用巴氏杀菌牛奶制成的马洛雷斯（Maroilles）的92株（在果皮上为39株，心脏为39株，心脏中的53株）。MALDI-TOF MS识别允许识别属于实验室的三个属，包括乳杆菌，肠球菌和leuconostoc。乳酸杆菌是七个物种的最多代表的属：植物学植物（L. plantarum），L。Paracasei，L。Curvatus，L。Rhamnosus，L。Fructivorans，L。Parabuchneri，Parabuchneri，L。Brevis，在Maroilles中，由Maroilles组成的两种牛奶。在选定菌株上进行的16S基于RDNA的识别和Maldi-Tof-Ms获得的识别表明，这种快速，经济上负担得起的，可靠的，可靠的和可靠的细菌表征方法是与常用方法及其在食品行业中应用的有吸引力的选择。©2016 Elsevier B.V.保留所有权利。
线性和非...
本研究提出了一个基于状态空间表示的简化模型，以识别锂聚合物电池细胞的精确电流电路。参数进行的过程通过三阶段过程表达为非线性优化问题。第一个阶段根据与电池电流和初始SOC条件相关的非线性特征估算了电荷状态（SOC）。在第二阶段，按照在第一个阶段使用的带有不同线性和非线性模型的SOC估算了开路电压。在第三阶段，开发了一种最佳优化算法的平衡算法（EA），用于最佳识别电池参数。根据Taguchi的实验方法设计，对EA的参数进行了调整，以减少计算时间以及获得最佳参数排列所需的实验数量。与实施实施相关的数值模拟在锂离子电池上模拟，以证明所提出的EA的高能力是有效的识别程序。此外，与最近几种针对Artemis驱动周期的优化算法相比，所提出的EA具有很高的精度。，提出的还原模型的解决方案质量改进是通过与电池电压和SOC的实验测量高度接近的。此外，与线性和非线性模型相比，所提出的还原模型获得的计算时间少12％的精度降低了12％。
使用单细胞拉曼光谱法对环境样品中细菌鉴定的研究：可行性和参考文献
我们通过拉曼光谱法报告了我们最近为鉴定环境样品中细菌的努力。我们从提交到各种环境条件的细菌中建立了一个拉曼光谱数据库。该数据集用于验证在非理想条件下执行的测量值可能是否可以进行拉曼键入。从同一数据集开始，我们随后改变了用于训练统计模型的参考库中包含的表型和矩阵多样性内容。结果表明，与从限制的条件集对光谱训练的环境特定模型相比，可以获得具有扩展光谱变化覆盖范围的模型。广泛的覆盖模型对于环境样品是可取的，因为细菌的确切条件无法控制。