XiaoMi-AI文件搜索系统
World File Search Systemintelligent
智能建筑中光照强度和生产力的评估——案例研究
摘要。本文重点关注重要元素，即工作站的适当照明条件和主观生产力评估，这些因素与室内环境参数有关，并以凯尔采工业大学智能建筑“Energis”的学生为例，进行了一项实验研究。一组志愿者完成了关于他们在一年中不同时间对演讲厅照明条件的主观感受的问卷调查，并评估了他们当前的生产力。使用高精度微气候计对照度进行了精确的物理测量。将房间用户的陈述与测量结果进行比较，可以得出有关智能建筑中与照明相关的条件以及工作环境对房间用户生产力的影响的结论。这些研究结果为现代智能建筑的照明条件提供了宝贵的信息，这些建筑在世界各地越来越普遍，用于各种用途，例如办公、教育和其他公共建筑，以便可以使用适当的室内条件来优化生产力和效率。
视频人工智能系统的成本和收益如何？视频人工智能：初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么？成本是多少？长期收益是什么？在本白皮书中，我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能？主要原因是视觉图像包含非常重要的数据。通过使用这些数据，您可以作为一家公司脱颖而出，目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI)，您可以从视频数据中获得正确的智能信息。简而言之，人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上，可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据，以便您可以在发生检测警报时快速评估和响应。此外，可以轻松检索现有视频片段。因此，您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时，会产生额外的数据。从长远来看，这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时，重要的是要正确评估总购置成本。换句话说，就是总拥有成本 (TCO)。当然，这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术，但为了使软件正常运行，外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型（本地、远程或云）的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要，因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果，确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案，而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地，也可以位于多个物理位置。将物理位置上的摄像机与（公共）云中的软件相结合也是可能的。同样，正确的 AI 实施合作伙伴的作用非常重要。
视频人工智能系统的成本和收益如何？视频人工智能：初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么？成本是多少？长期收益是什么？在本白皮书中，我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能？主要原因是视觉图像包含非常重要的数据。通过使用这些数据，您可以作为一家公司脱颖而出，目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI)，您可以从视频数据中获得正确的智能信息。简而言之，人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上，可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据，以便您可以在发生检测警报时快速评估和响应。此外，可以轻松检索现有视频片段。因此，您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时，会产生额外的数据。从长远来看，这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时，重要的是要正确评估总购置成本。换句话说，就是总拥有成本 (TCO)。当然，这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术，但为了使软件正常运行，外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型（本地、远程或云）的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要，因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果，确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案，而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地，也可以位于多个物理位置。将物理位置上的摄像机与（公共）云中的软件相结合也是可能的。同样，正确的 AI 实施合作伙伴的作用非常重要。
智能隧道通风系统中可变形元件的使用分析
摘要。隧道内所有配备智能通风系统的主要和辅助设备都是为了确保安全而设计的。这些系统相互“对话”和“倾听”，决定打开/关闭某些系统或部分系统，并及时通知隧道运营商，隧道运营商有权对所有必要系统进行集中控制。本文使用数值模型来评估可变形元件确保隧道安全运行的效率。使用它们的理念是基于通过柔性元件人为增加隧道的气动阻力，这将阻碍燃烧产物的扩散，但不妨碍人们通过隧道的移动，并有助于隔离干净和污染的气团。这种阻力将用于迅速将隧道车道分成更小的部分，这将有助于在火灾初期尽早扑灭火灾，延长疏散时间并在无法控制的强烈火灾中挽救生命。至于紧凑型可变形元件，它可以用于运营隧道和规划隧道，因为它在实践中不会减少宝贵的地下空间的体积。
一种智能细胞选择性多晶型-DM1纳米毒素针对三重阴性乳腺癌
抗体 - 药物缀合物（ADC）是临床癌症治疗的最重大进步之一，无论如何，它们与低药物/抗体比（DAR）（DAR），需要大量抗体和复杂化学的基本问题所困扰。提供有希望的ADC替代方案的靶向纳米医学会遭受药物泄漏和癌症特异性的折磨。在此，我们开发了一种基于抗CD44抗体 - 授生素-DM1偶联物（ACD44-AP-DM1）的智能细胞选择性纳米毒素，以对实体瘤的有效治疗。dm1在自组装过程中通过二硫键同时耦合到囊泡膜和抗CD44抗体中，并将抗CD44抗体偶尔单击地单击到多晶层表面上，从而量身定制最佳的ACD44-AP-DM1，并用5.0的5.0释放275的DARMON-DARMONS aPERINAL dARMON-dARMON-dARMON-ZERO释放和快速ductive defuct-Refuct-Ref-Ref-Ref-Rectpect-apep-ap-dm1。ACD44-AP-DM1对MDA-MB-231三重阴性乳腺癌，SMMC-7721肝细胞癌和A549非小细胞肺癌细胞具有高特异性和特殊的细胞毒性。 47.2倍超过未靶向的P-DM1。有趣的是，ACD44-AP-DM1的全身给药可显着抑制裸鼠皮下MDA-MB-231肿瘤异种移植，而肿瘤内注射可在五只小鼠中四分之四完全消除肿瘤，而不会引起毒性。这种智能细胞选择性纳米毒素已成为靶向癌症治疗的ADC的更好平台。
智能材料及声学超材料低频吸声研究进展
吴玉成现为合肥工业大学特聘教授、博士生导师。2000年获中国科学院凝聚态物理博士学位。目前的研究兴趣主要集中在聚变材料、能源相关材料和功能纳米材料上。他曾在世界各地担任各种学术职务，包括圣安德鲁斯大学名誉教授（2013-）、皇家墨尔本理工大学客座教授（2012-）、中国微米纳米技术学会理事（2012-）、国家先进能源环境材料国际科技合作基地主任（2017-）。他在Science Advances、Advanced Materials、Advanced Functional Materials、ACS Nano等期刊上发表了300多篇同行评议科学论文，总引用次数超过12 000次。
智能辅导系统的经验教训
自最早的专家系统以来，提供解释一直是人工智能 (AI) 的研究课题。1 本文重点关注那些运行源自机器学习方法（尤其是“深度神经网络”）的 AI 程序，该研究工作被称为可解释 AI (XAI)。具体来说，我们的分析基于 DARPA 2017-2021 XAI 计划中的研究项目，该计划追求这一假设：“通过创建新的机器学习方法来生成更多可解释的模型并将其与解释技术相结合，XAI 旨在帮助用户理解、适当信任和有效管理新一代 AI 系统”（参考文献 2；另见参考文献 3）。这些知识可能有助于适当使用 AI 工具，例如使用户能够交叉检查和补充自动化操作以完成更广泛的活动。提供解释是帮助人们获得这种能力的一种方法。解释计算机程序等复杂系统的最佳方法是什么？我们能否通过促进自我解释来促进人们的理解？基于计算机的辅导系统应该采用什么样的教学方法？这些方法应该从教师与学生互动的研究中得出吗？自 20 世纪 70 年代以来，这些问题一直是推动智能辅导系统 (ITS) 领域 AI 研究的动力。4,5 我们使用 Sharp-les 等人的 MR Tutor 系统来说明 ITS 方法，6 该系统使用统计分析来解释和关联医学图像的特征。在 MR Tutor 中，“解释”被定义为一种教学活动，用于学习如何使用 AI 执行诊断任务
智能系统的概念用于对飞机Aleksandr Yu进行故障排除。 Yurin 1,2，Yuri V. Kotlov 2和Vladimir M. Popov 2
特别是[4]考虑了用于对飞机进行故障排除的系统，包括设备的数学模型，并确保该模型与飞行日志（电子移动应用程序）和电子文档中的条目的相互作用。使用此模型，设备故障及其原因之间建立了对应关系。同时，本文未指定飞机的类型和使用的模型，而是在概念层面提供了基本解决方案。[5]描述了旨在通过将技术文档添加到其内存中，以快速访问它，旨在升级/扩展机上维护系统（OBMS）[6]。提出了一种算法，用于从特定的失败转换为打开故障排除手册的所需页面。在[7]中提出了故障排除任务的形式化以及综合通用飞机设备的最佳故障排除策略的方法。
智能功率模块（IPMS）的扭曲建模和表征
Intelligent power modules (IPMs) are widely used in the electric vehicle (and hybrid electric vehicle industry nowadays due to their high power densityandabilitytointegratemultiplecomponentswithinasinglepackage.However,thereliabilityofIPMsisseverelydegradedbythesubstrate warpage effect produced during the packaging process.因此，本研究开发了一个计算模型，以分析包装过程的各个阶段IPM组装的经线。通过比较直接镀铜底物的经线的数值结果与实验观察结果来确认模拟模型的有效性。Taguchi experiments are then performed to examine the effects of eight control factors on the IPM package warpage following the post-mold cure (PMC) process, namely (1) the dam bar layout, (2) the epoxy molding compound (EMC) thickness, (3) the lead frame thickness, (4) the ceramic thickness, (5) the bottom layer Cu foil thickness, (6) the top layer Cu foil thickness, （7）陶瓷材料类型和（8）EMC材料类型。最后，Taguchi分析结果用于确定最大程度地减少POST-PMC软件包的经线的最佳包装设计。
船舶混合动力的智能能源管理系统...
可以通过添加可再生能源来开发带有燃料电池和存储系统电池/超级电池电池/超级电池电池/超级电容器的混合船电力系统。将PV添加到混合系统中增强了系统的可靠性和可靠性。但是，需要一种高级控制策略来管理燃料电池和光伏阵列之间的生成功率，并根据负载需求确定合适的时间充电或排放存储的能量。完美的解决方案是使用智能神经网络技术来控制船舶的混合动力系统，因为该系统的非线性以及脉冲和高密度负载需求的存在。本文介绍了智能人工神经网络（ANN）技术，该技术取决于以前的经验。ANN具有灵活性且易于修改，添加/删除电源系统组件，并将其缩放到任何船舶电源系统等级。使用MATLAB软件的仿真结果证明，强大的智能电源管理系统可以根据日光来控制和确定将利用哪种能源的源。