XiaoMi-AI文件搜索系统
World File Search System任务
人工智能任务组 - 最终报告
● 包容性指导、监督和教师支持：RIT AI 中心将由一个内部咨询委员会指导，该委员会的成员来自整个大学，包括至少一名来自每个学院的院长代表以及来自研究副校长办公室、教务长办公室、RIT 研究生院和多元化与包容性部门的代表。外部咨询委员会可能由政府国家实验室的领导、人工智能研究的工业研究实验室以及人工智能领域的学术或政府领导组成。由于缺乏教师支持，可能会造成利用率不足的威胁，这表明需要从一开始就制定策略来吸引教师。教师将参与中心的规划和持续发展，可能通过调查、研讨会和在咨询委员会中的代表来实施。
将纳米卫星应用于月球任务
近年来，太空行业的两个主要主题是向月球任务的复兴，促进了人类在太阳系中的扩展以及立方体发射的迅速增长。月球任务将在可持续太空探索中发挥重要作用。路线图概述了当前和下一代探险家的下一步，并重申了14个太空机构返回月球的兴趣。在过去的十年中，一种更大胆的空间创新方法和低成本小卫星的扩散邀请了商业化，随后加速了微型技术的发展，并大大降低了与立方体相关的成本。在这种情况下，越来越多的立方体被视为低地球轨道以外的开创性任务的平台。本文描述了向月球进行的3U纳米卫星任务，该任务设计为UKSEDS卫星设计竞赛的一部分，能够捕获和分析月球环境的细节。为了实现主要的任务目标，已经包括一个相机和红外光谱仪，以将有关历史悠久的月球标志的信息转移到地球上。该设计的开发是与Open Cosmos的OpenKit集成的，并由SSPI领域的专家进行了审查。本文包括对当前微型工具状态的详细评估以及通过Lunar Cubesat Mission可以实现的科学回报质量。这是对月球群体的整体可行性研究，讨论与立方体技术相关的当前局限性和挑战的讨论以及未来任务的框架。
人工智能在远程监控数据处理任务中的应用Yu.Yu.格罗莫夫 1，I.N.伊什丘克 1，V.V.罗季奥诺夫 1
摘要 本文提出了一种使用深度学习卷积神经网络U-net对地表多时相多光谱图像进行分类的方法。使用无人驾驶飞机的多光谱光电系统获取可见光和红外图像，并用于构建该地区的正射影像图。根据获得的数据，训练神经网络来解决检测人造物体的问题。基于深度学习和热物理参数评估的远程监控对象智能识别方法允许使用遗传算法创建背景目标环境。该算法解决了热导率的系数反问题，并提供了材料热物理参数的估计。为了训练模型，引入了 18 类物体，根据人造物体和背景（人为或自然景观）之间的热对比差异进行研究。每天以 4 小时为间隔对地球表面进行 6 次勘测。该实验于2021年夏季进行，具体日期为8月4日至5日。在人造物体的检测和分类任务中，发现该模型表现出具有不同可靠性的适用性。进行的研究表明，在模型运行过程中发现了所需的对象类别。关键词1 深度学习，分类，分割，远程监控，神经网络，遗传算法，背景目标环境，光电系统，热物理参数。人工智能在远程监测数据处理任务中的应用 YY Gromov 1、IN Ishchuk 1、VV Rodionov 1
炼油者：一个自动化框架生成任务...
ab s tr a ct。 p a r c e ll a t i o n s e d i n r e s t i ng -s t a t e t e f m ri（r s -f m ri） f un c t i o n a l d i ff e r e n c e s an nd t h e d o w n s t r e am t a s k。I n t h i s p a p e r , w e i n t r o du c e R e f i n e N e t , a B a y e s i a n - i n s p i r e d d ee p n e t w o r k a r c h i t e c t u r e t h a t a d j u s t s r e g i o n b o und a r i e s b a s e d o n i nd i v i du a l f Un c t i o n a l c o nn e c t i v i ty p r o f il e s。R e f i n e N e t u s e s a n i t e r a t i v e v o x e l r e a ss i gn m e n t p r o c e du r e t h a t c o n s i d e r s n e i ghb o r h oo d i n f o r ma t i o n w h il e b a l a n c i ng t e m p o r a l c o h e r e n c e o f t h e r e f i n e d p a r c e ll a t i o n。W e v a li d a t e R e f i n e N e t o n r s - f M RI d a t a f r o m t h r ee d i ff e r e n t d a t a s e t s , e a c h o n e g e a r e d t o w a r d s a d i ff e r e n t p r e d i c t i v e t a s k : ( 1 ) c o gn i t i v e f l u i d i n t e lli g e n c e p r e d i c t i o n u s i ng t h e H C P d a t a s e t ( r e g r e ss i o n ) , ( 2 ) a u t i s m v e r s u s c o n t r o l d i a gn o s i s u s i ng t h e A B I D E II d a t a s e t ( c l a ss i f i c a t i o n ) , a nd ( 3 ) l a ngu a g e l o c a li z a t i o n u s i ng a n r s - f M RI b r a i n t u m o r d a t a s e t ( s e g m e n t a t i o n ) .W e d e m o n s t r a t e t h a t R e f i n e N e t i m - p r o v e s t h e p e r f o r ma n c e o f e xi s t i ng d ee p n e t w o r k s f r o m t h e li t e r a t u r e o n e a c h o f t h e s e t a s k s .W e a l s o s h o w t h a t R e f i n e N e t p r o du c e s a n a t o m i c a ll y m e a n i ng f u l s ub j e c t - l e v e l p a r c e ll a t i o n s w i t h h i gh e r t e m p o r a l c o h e r e n c e .
加拿大皇家空军太空任务保障战略
太空作为终极制高点，已成为现代军事行动不可或缺的一部分。当今，所有军事任务都依赖于太空能力所提供的持久性和精确性，从而实现全球监视、通信和在复杂作战环境中精确运用武力。与加拿大最亲密盟友的军队一样，国防部/加拿大空军已经严重依赖太空在国内外开展行动。如果没有太空系统的支持，任何加拿大皇家空军的飞机都无法起飞，任何加拿大皇家海军的船只都无法航行，任何加拿大皇家海军的士兵或特种部队操作员都无法越过出发线。展望未来，太空仍将是国防部/加拿大空军履行其使命基本职能和任务 (MEFs/METs) 的关键推动因素。
镜子u-net：将多模式裂变与多任务学习嫁给医学成像中的语义分割
正电子发射断层扫描（PET）和计算的刻录术（CT）通常共同用于检测肿瘤。PET/CT分割模型可以自动化肿瘤的描述，但是，当前的多模式模型不能完全阐明每种模式中的互补信息，因为它们要么串联PET和CT数据，要么在决策水平上融合它们。为了对抗这一点，我们提出了镜像u-net，它通过将多模式表示形式分配到模态特异性的解码器分支和辅助多模态解码器中，以多模态化的方式代替了传统的融合方法。在这些分支上，镜像u-net标志着一个针对每种模式量身定制的任务，以增强单峰特征，同时保留共享表示中的多模式特征。与以前的方法相比使用了其他方法或多任务学习，Mirror U-net将两个范式结合在一个统一的框架中。我们探索各种任务组合，并检查在模型中共享的哪些参数。我们在Autopet PET/CT和多模式MSD Braintumor数据集上评估了Mirror U-NET，证明了其在多模式分段中的有效性并在两个数据集中实现了先进的性能。代码：https：//github.com/zrrrrr1997/ autopet_challenge_mirrorunet
与EEG和眼睛跟踪数据的跨主题阅读任务分类的Zuco基准
我们提出了一个新的机器学习基准，用于阅读任务分类，目的是在计算语言处理与认知神经科学之间的相交中推进脑电图和眼睛追踪研究。基准任务由一个跨主体分类组成，以区分两个阅读范式：正常阅读和特定于任务的读数。基准的数据基于苏黎世的认知语言处理语料库（ZUCO 2.0），该语料库提供了同时引人注目的视线和来自英语句子的自然阅读的EEG信号。培训数据集已公开可用，我们提出了新记录的隐藏测试集。我们为此任务提供多种可靠的基线方法，并讨论未来的改进。我们发布代码，并提供易于使用的界面，以使用随附的公共排行榜：www.zuco-benchmark.com评估新方法。
PHA Tonnerre 号和 FLF Guépratte 号启航执行 JEANNE D'ARC 2024 任务
08:00：在土伦海军基地正门集合；典礼开始；参观边缘；登上 PHA Tonnerre 号起航；与 Schaar 上尉和学生军官们之间的微妙紧张；上午结束：乘坐前往土伦海军基地的连接汽艇登陆。