XiaoMi-AI文件搜索系统
World File Search Systemtutorial
Wayve Tutorial Talk_Hongyang - Hongyang Li
- 平均位移误差（ADE） - 最终位移误差（FDE） - 碰撞率 - 舒适分数 - PDM分数[Note]
人机混合智能调查与教程
人工智能技术的发展已经使人类的感知能力和感知能力得到极大的提升，已经渗透到我们日常生活和工业制造的各个方面，为提供智能服务做出了巨大贡献[2]。许多研究关注人工智能技术带来的突破。例如，Rashidi和Cook[3]指出人工智能算法可以使生活环境更加智能，生活质量更高。Parapugna等[4]阐述了人工智能在智能交通系统中的重要意义，如智能车路系统、高速公路事件检测、城市轨道交通走廊控制和短期交通流量预测。Yu等[5]概述了人工智能技术在医疗健康领域带来的最新进展，如自动诊断、临床实践和基础生物医学研究。然而，随着人工智能技术的快速发展和在日常生活中的应用，一些科学家开始担心人工智能发展带来的挑战，特别是人工智能与人类智能的未来关系。从技术方面来看，由于工程上的局限性和人工智能技术不透明性，人工智能的发展面临着巨大的挑战。
教程标题 导师团队 摘要
摘要 宽带隙器件正日益渗透到汽车市场，并成为汽车应用（无论是牵引逆变器还是电池充电器）的首选。牵引逆变器的任务概况特别艰巨，因为当电机驱动器经历驱动周期的各个阶段（包括加速、减速、失速等）时，功率器件上的电热应力在幅度和频率上会发生很大变化。从历史上看，牵引转换器一直使用硅器件实现，其性能和可靠性众所周知。在汽车应用中应用 SiC MOSFET 和 GaN 功率器件等 WBG 器件需要了解可靠性和认证程序，尤其是根据汽车标准。与硅器件相比，SiC 和 GaN 功率器件具有不同的内部物理特性和工作模式，其稳健性和可靠性性能也大不相同。鉴于应用的敏感性，这些器件必须通过汽车电子委员会 (AEC)、联合电子设备工程委员会 (JEDEC-JC70) 和欧洲电力电子中心 (AQG) 制定的严格汽车可靠性测试和指南。本教程旨在介绍与以下内容相关的主题：（i）WBG 器件的物理和操作：这包括这些 WBG 器件与传统硅 IGBT 和 MOSFET 的不同之处的详细信息；（ii）WBG 器件的可靠性和稳健性：这包括这些 WBG 技术的哪些方面使它们比传统硅器件更稳健或更不稳健的详细信息。（iii）特定于应用的可靠性要求：这包括如何将应用程序的任务概况转化为功率器件上的应力的详细信息。这一点至关重要，因为与牵引变流器或负载服务直流/直流转换器中的设备相比，电动充电器中使用的设备将受到非常不同的电热和热机械应力。（iv）测试方法和规范：这包括用于实施这些测试的电路和系统的详细信息。讨论将包括标准生产线终端生产测试、筛选测试和资格测试之间的差异。由于这些 WBG 设备的性质，其中一些测试方法必须适应 WBG 设备物理的特殊性。
合成孔径雷达教程 - CORE
摘要 — 合成孔径雷达 (SAR) 已广泛用于地球遥感 30 多年。它为众多应用提供高分辨率、昼夜和不受天气影响的图像，包括地球科学和气候变化研究、环境和地球系统监测、二维和三维测绘、变化检测、四维测绘（空间和时间）、安全相关应用直至行星探索。随着 90 年代雷达技术和地理/生物物理参数反演建模的进步，使用来自多个机载和星载系统的数据，发生了从技术推动到用户需求拉动的范式转变。今天，有超过 15 个星载 SAR 系统正在运行，用于无数应用。本文首先介绍 SAR 原理和理论，然后概述
抗体-药物偶联物——教程回顾
摘要：抗体-药物偶联物 (ADC) 是一类用于治疗癌症的靶向治疗剂。ADC 开发是一个快速发展的研究领域，目前有 80 多种 ADC 处于临床开发阶段，FDA 批准使用 11 种 ADC（其中 9 种含有小分子有效载荷，2 种含有生物毒素）。与传统的小分子方法相比，ADC 可以增强癌细胞的靶向性，同时降低毒副作用，使其成为肿瘤学领域的一个有吸引力的前景。为此，本教程综述旨在作为 ADC 的参考资料，让读者全面了解 ADC；它分别探讨和解释每个 ADC 组件（单克隆抗体、连接部分和细胞毒性有效载荷），通过案例研究重点介绍几种 EMA 和 FDA 批准的 ADC，并简要展望 ADC 研究领域的未来前景。
视频动作理解：教程-DTIC
视频理解是计算机视觉中深度学习研究工作的自然扩展。图像理解领域从人工神经网络（ANN）机器学习（ML）方法的应用中受益匪浅。许多图像理解问题 - 对象识别，场景分类，语义细分等 - 可行的深度学习“解决方案”。 FIXEFFEFFICEDNET-L2当前在Imagenet对象分类任务上拥有88.5％/98.7％TOP-1/TOP-5精度[211，253]。HikVision D模型D在Place2场景分类任务上得分为90.99％的前5个精度[211，322]。hrnet-ocr在CityScapes语义细分测试中的平均值为85.1％[11，40]。自然，许多人希望深度学习方法可以在视频理解问题上取得相似的成功水平。从Diba等人那里绘制。（2019），语义视频理解是理解场景/环境，对象，动作，事件，属性和概念的组合[48]。本文重点介绍了动作理解部分，并通过介绍一组通用的术语和工具，解释基本和基本的概念并提供具体示例，作为教程。我们打算对一般计算机科学受众访问这一点，并假设读者对监督学习有基本的了解 - 从投入输出示例中学习的范式。
关于最佳动态治疗方案的教程
动态治疗方案是一系列根据个人随着时间的流逝而不断发展的状态量身定制的治疗决策规则。在精确医学中，已经非常重点放在寻找最佳的动态治疗方案上，如果人口中的每个人都跟随，平均将产生最佳结果。从方法论和应用的角度进行了广泛的研究。本教程的目的是为那些对最佳动态治疗方案感兴趣的读者，具有系统的，详细但易于访问的介绍，包括在因果推理的框架内对该主题的正式定义和表述，确定假设，将兴趣的因果量链接到现有数据和估算方法的现有统计模型和实际方法以及数据和数据的现有方法和数据以及这些方法和数据的现有方法和数据以及这些方法和数据的实际方法以及这些方法以及这些方法和数据的实际方法。
关于物种分布映射和生态学的教程...
在过去的十年中，获得全球数据的访问越来越重要，对于研究，可以以宏观的范围深入了解各种生物学，环境和社会问题。数字化大大增强了标本室数据在分析物种分布数据和生态生态位模型中的使用。然而，对于初学者而言，使用开源软件的建模和映射方法的来源非常缺乏。我们创建了一个可复制且彻底的教程，以可视化物种发生数据和探索性分析，该分析是由具有广泛背景和水平的本科生开发的。本教程集成了开源程序QGIS，Maxent和R来开发使用苔藓植物作为案例研究的分发图，以促进开源软件和远程访问学习的可访问性。本教程已经为稀有伊利诺伊州苔藓植物的分布建模提供了进一步研究的基础，以更好地了解气候变化的潜在影响。
OpenShift AI 教程 - 欺诈检测示例
请注意，可以通过单击启动独立笔记本服务器链接、选择笔记本图像并单击启动服务器来启动 Jupyter 笔记本。但是，这将是一次性的 Jupyter 笔记本，单独运行。要实施数据科学工作流程，您必须创建一个数据科学项目（如以下过程所述）。项目允许您和您的团队在分离的命名空间内组织和协作资源。您可以从项目中创建多个工作台，每个工作台都有自己的 IDE 环境（例如，JupyterLab），每个工作台都有自己的连接和集群存储。此外，工作台可以与管道和模型服务器共享模型和数据。