XiaoMi-AI文件搜索系统
World File Search Systemthreshold
引入一种新颖的方法来自适应阈值...
条款[7]的目标是自动化上一阶段提出的PCNN边缘检测模型中阈值的手动调整。这是通过使用从PCNN分割输出中提取的边缘特征并将其与基于DNN的预测相结合的，以了解PCNN模型的自适应阈值参数设置。Contourlet变换用于从PCNN分割模型的每个迭代输出的子带中提取特征向量。然后，将中值滤波应用于提取的特征向量，然后计算方差和平均值作为特征向量。最后，提出了一种基于DNN的边缘检测算法来实现自适应阈值预测。此方法仅在PCNN模型的六个迭代后就可以实现更好的边缘检测结果。
单层整合的超低阈值拓扑角状态纳米仪
摘要：在行业标准的SI平台上节能和超级反应光源的整体整合已成为一种有前途的技术，可以实现完全集成的基于SI的光子集成电路。最近，由于其独特的优点，包括针对结构缺陷和疾病的鲁棒性，使用拓扑保护的缺陷模式通过使用拓扑保护的缺陷模式进行了广泛的研究。然而，由于Si和ⅲ–ⅴ材料之间的显着材料差异，先前对半导体拓扑激光器的证明在其天然底物上受到限制。在这里，我们通过实验报告了超低阈值连续波泵送的单模式INAS/GAAS量子点拓扑拓扑状态纳米层单层单层整合在CMOS兼容SI（001）底物上。我们的结果代表了针对SI光子学的超跨和高性能集成的纳米级光源的新途径，并为拓扑光子学启用了有希望的应用。关键字：纳米剂，拓扑绝缘子激光器，角状态纳米剂，硅光子学，量子点
微相分离有助于降低 MWCNT/嵌段聚合物复合材料的渗透阈值
抗静电材料2、电磁屏蔽3、压阻传感器4和形状记忆聚合物（SMP）材料。5,6聚合物和CNT的纳米复合材料的电导率随着纳米填料含量的增加而急剧增加，超过渗透阈值，该阈值被描述为在3D空间中形成互连接触导电网络的临界值。此外，通过加入CNT，聚合物的绝缘体-导体转变可以在低渗透阈值下实现，这取决于CNT的排列程度和单个CNT的均匀空间分布。尽管如此，由于纳米管之间的范德华相互作用引起的高电子离域性，MWCNT倾向于在液体或固体介质中形成团聚体和束。
UC Riverside
©作者2023。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：//创建ivecommons。org/licen ses/by/4。0/。Creative Commons公共领域奉献豁免（http：//创建ivecommons。Org/publi cdoma in/Zero/1。0/1。0/）适用于本文中提供的数据，除非在数据信用额度中另有说明。
免疫阈值和传染病的建模
COVID-19大流行的展开非常困难，很难使用数学模型用于传染病。虽然已经证明可置态性的变化对关键数量（例如入射峰，牛群免疫阈值和大流行的最终尺寸）具有阻尼作用，但这种复杂现象几乎是无法测量或量化的，并且仍然不清楚如何进行建模和预测。在这项工作中，我们表明，从建模的角度来看，在个体水平上的可疑性变异性与具有“人为”的灭菌免疫力的人群的分数θ相等。我们还为牛群免疫阈值和大流行的最终大小得出了新的公式，并表明这些值大大低于经典公式的预先概述，并且在存在可变易感性的情况下。在SARS-COV-2的特殊情况下，由于免受疫苗和以前的感染的免疫力的减弱，毫无疑问，毫无疑问，我们的发现可用于极大地简化模型。如果在第一波之前也存在此类变化，那么许多研究表明，这些发现可以帮助解释为什么SARS-COV-2的初始波的大小相对较低，与基于标准模型的预期相比。
用于神经形态计算的具有易失性阈值开关行为的氧化还原忆阻器
脉冲神经网络 (SNN) 的设计灵感来源于人类大脑，它是使用集成系统中的传统或新兴电子设备在硬件上实现高效、低成本和鲁棒的神经形态计算的最强大平台之一。在硬件实现中，人工脉冲神经元的构建是构建整个系统的基础。然而，随着摩尔定律的放缓，传统的互补金属氧化物半导体 (CMOS) 技术逐渐衰落，无法满足日益增长的神经形态计算需求。此外，由于 CMOS 器件的生物可行性有限，现有的人工神经元电路非常复杂。具有易失性阈值开关 (TS) 行为和丰富动态的忆阻器是超越 CMOS 技术模拟生物脉冲神经元并构建高效神经形态系统的有希望的候选者。本文回顾了有关 SNN 基础知识的最新进展。此外，我们回顾了基于 TS 忆阻器的神经元及其系统的实现，并指出了系统演示中从器件到电路需要进一步考虑的挑战。我们希望这篇综述可以为未来基于忆阻器的神经形态计算的发展提供线索和帮助。
最佳的贝叶斯阈值，用于使用类转换合奏的重新平衡分类问题
数据不平衡发生在许多现实世界应用领域，该领域旨在检测罕见但重要的情况。可以在信息技术领域[1,2]中找到它们；生物医学数据[3,4]；工业应用[5]；和财务杂志[6]。这种不平衡意味着学习算法很困难，因为它们会偏向最常见的（通常不太重要）的病例。要克服对大多数类示例的这种偏见，必须应用特定的机器学习算法。即使我们将搜索限制在近年来，列出与这些算法相关的所有相关作品也是很自命的（在过去3年中，Google Scholar中列出了6500多篇论文）。因此，我们更喜欢建议教程[7-9]（以及其中的参考），向感兴趣的读者提供完整的概述。通常，解决不平衡的方法可以分为三类：1）数据级方法集中于修改训练集以使其适合标准学习算法。bal-ancing分布是 -
申请发电牌照豁免的新门槛
一项废除发电厂许可要求的提案被纳入《2016 年许可和其他授权修正案》，但未在议会获得通过。该提案的理由仍然适用，并继续得到行业和经济监管局 (ERA)（负责管理电力许可计划的实体）的支持。因此，类似的修正案正在考虑纳入正在制定的更广泛的能源立法修正案中。尚未确定最终确定并向议会提交这套能源立法修正案的时间表。
双阈值图像分割的容错量子算法
量子计算固有的高并行性和纠缠特性使得量子图像处理技术成为人们关注的焦点。图像处理中最广泛使用的技术之一是分割，其最基本的形式之一可以使用阈值算法来实现。本文提出了一种容错量子双阈值算法。该算法基于 Clifferd+T 门。由于 T 门增加了容错能力，但代价是成本比其他量子门高得多，因此我们的重点是减少 T 门的数量。这使得最先进的双阈值分割电路能够增加噪声容忍度、计算成本降低和容错能力。由于双阈值图像分割涉及比较操作，因此作为这项工作的一部分，我们实现了两个比较器电路。这些电路优化了 T 计数和 T 深度指标，使其与文献中目前可用的最佳电路比较器相比更胜一筹。