XiaoMi-AI文件搜索系统
World File Search System传感设备
为听障人士提供手势识别的人工智能生物传感系统
人工智能技术有潜力帮助聋哑人士交流。由于手势碎片化的复杂性和捕捉手势的不足，作者提出了一种基于 Deep SLR 的手语识别 (SLR) 系统和可穿戴表面肌电图 (sEMG) 生物传感设备，可将手语转换为印刷信息或语音，让人们更好地理解手语和手势。在前臂上安装了两个臂带，臂带上装有生物传感器和多通道 sEMG 传感器，可以很好地捕捉手臂和手指的动作。Deep SLR 在 Android 和 iOS 智能手机上进行了测试，并通过全面测试确定了它的实用性。Sign Speaker 在用智能手机和智能手表识别双手手势方面存在相当大的局限性。为了解决这些问题，本研究提出了一种新的实时端到端 SLR 方法。连续句子识别的平均单词错误率为 9.6%，检测信号并识别一个包含六个手势词的句子需要不到 0.9 秒的时间，证明了 Deep SLR 的识别能力。
用纳米球模板创建的化学含量聚合物渗透网络气体传感器
不同的气体传感设备在内，包括化学剂，[8]晶体管，[9]和光传感器。[10]此外，已经设计了基于小分子的分子半导体的绝缘子杂音，以实现稳定的气体检测。[11]在各种材料和设备构造中，基于CP的化学仪被认为是气体传感的最简单方法之一。[12] CP在设备制造过程中作为感应层沉积，CPS和分析物气体分子之间的相互作用会导致感应层的电导率变化，可以轻松监测。敏感性是化学固定器传感性能的最重要参数之一，迄今为止已经开发了各种方法来改善它。在所有报告的方法中，纳米结构被视为一种有效的策略，因为具有较高表面积面积的形态 - 体积比的形态可以通过提高气体分子的扩散速率进入基于CP的传感层和提供更多的结合位点，从而提高灵敏度。为了创建纳米结构的表面，CPS过去曾通过复杂的过程进入不同的结构，包括纳米管，纳米线，纳米管，纳米骨，纳米颗粒和纳米纤维。[13]
课程描述 – 2023/2024 学年
本课程为复杂系统的设计提供了方法论基础，侧重于网络物理系统的实践部分。在第一部分中，学生将学习将系统工程应用于产品、机器、软件以及大型复杂系统等系统的设计。具体来说，本课程将系统工程方法与公理设计理论相结合。用户需求被转化为功能需求意义上的技术语言，然后转化为潜在的设计解决方案。使用独立性和信息公理，设计解决方案从抽象和概念层面自上而下分解为更切实可行的解决方案。然后，这些设计解决方案将用于使用基于模型的系统工程 (MBSE) 软件进一步开发网络物理系统的设计。通过构建一个想法，设计师面临着“构建思考”的挑战，从而获得更深入的见解。本课程的第二部分将超越早期的物理原型，并展示如何实现可用于控制交互式环境（例如游戏）的智能传感设备。参与者将学习使用 Arduino/ESP32 平台的基本电子知识、微控制器编程和物理原型设计，然后使用数字和模拟传感器来构建下一代控制器。
基于支持和接触单个纳米材料的原位纳米级调查
尽管近年来，纳米材料的原位透射电子显微镜（TEM）已变得很重要，但样品制备中的困难限制了对电性能的研究数量。在此，提出了单个1D和2D材料的基于支持的准备方法，该方法产生了可重复的样品转移，以通过原位tem进行电气研究。机械刚性支撑网格通过聚焦离子束以最小的损坏和污染来促进转移并接触到原位芯片。通过不同的纳米材料（包括WS 2的单层）来评估转移质量。可能的研究涉及各个纳米材料水平上的结构特性与电特性之间的相互作用，以及电流下的失效分析或电流，焦耳加热和相关效果的研究。TEM测量值可以通过在相同对象上进行的其他相关显微镜和光谱进行富集，并具有允许在几微米范围内具有空间分辨率的表征的技术。尽管为原位tem开发，但目前的转移方法也适用于将纳米材料转移到类似的芯片中，以进行进一步的研究，甚至用于在潜在的电气/光电/传感设备中使用它们。
基于脑电信号的情绪识别中时间窗长度的研究
摘要 本研究旨在利用机器学习技术和便携式无线传感设备 EPOC+，对情绪识别中使用不同长度的时间窗口 (TW) 进行比较分析。本研究以个体在情绪刺激过程中提取的脑电信号数据集为基础，以熵为特征，评估不同分类器模型在不同 TW 长度下的性能。进行了两种类型的分析：被试间和被试内。在五种监督分类器模型中比较了准确率、曲线下面积和 Cohen's Kappa 系数等性能指标：K最近邻 (KNN)、支持向量机 (SVM)、逻辑回归 (LR)、随机森林 (RF) 和决策树 (DT)。结果表明，在两种分析中，所有五种模型在 2 至 15 秒的 TW 中均表现出较高的性能，其中 10 秒 TW 在被试间分析中尤为突出，5 秒 TW 在被试内分析中尤为突出；此外，不建议使用超过20秒的TW。这些结果为研究情绪时EEG信号分析中选择TW提供了有价值的指导。
simba：一个统一的框架，可探索和促进无电池系统的设计
无电池的传感设备已经越来越受欢迎，因为它们可以仅依靠收获的能量和环境友好的电容器运行。然而，尽管无电池解决方案数量增加，但它们的设计仍然是一项艰巨的任务。实际上，能源供应和需求之间的有限的能源存储容量以及产生的融合引入了新的设计权衡，这些折衷方案无法使用考虑恒定电源的常规工具进行探索。为了启用快速设计空间并促进无电池系统的开发，我们介绍了Simba，Simba是一个开源模拟框架，允许详细研究各种副组件之间的复杂相互作用。我们证明了Simba在两个案例研究中的好处，对实验进行了评估，以现实世界，最先进的电池设备为目标。首先，我们说明了Simba如何探索不同组件配置之间的依赖性并评估其对整体系统性能的影响。除其他外，我们表明，更改存储容量或稍微修改负载行为可以将数据吞吐量提高到最高5倍。1𝑥和9。7𝑥。第二，我们介绍了Simba如何自动选择优化无电池系统操作（例如，其检查点的机械师）的关键参数，并展示Simba如何基于现实世界的能源收集痕迹来启用性能评估。
在八用户量子网络中实现的无条件安全数字签名*
1 量子工程技术实验室，布里斯托大学 HH Wills 物理实验室和电气电子工程系，Merchant Venturers 大楼，Woodland Road，布里斯托 BS8 1UB，英国 2 光子学与量子科学研究所，赫瑞瓦特大学，英国 3 ICFO-Institut de Ciencies Fotoniques，巴塞罗那科学技术学院，08860 Castelldefels（巴塞罗那），西班牙 4 光子学和量子光学研究中心，先进材料和传感设备卓越中心，Rud − er Boˇskovi´c 研究所，萨格勒布，克罗地亚 5 维也纳量子光学与量子信息研究所（IQOQI）和维也纳量子科学与技术中心（VCQ），奥地利维也纳 6 国防科技大学高级跨学科研究学院，长沙，410073，中华人民共和国 7 斯洛伐克科学院物理研究所量子信息研究中心科学院，D ' ubravsk'a Cesta 9，84511 Bratislava，斯洛伐克 ∗ 通信和材料请求应发送至 Siddarth Koduru Joshi。 ∗∗ 任何通信应发送给作者。 8 现在位于：Universit ' e Cˆote d'Azur，CNRS，尼斯物理研究所（INPHYNI），UMR 7010，Parc Valrose，06108 Nice Cedex 2，法国 电子邮件：SK.Joshi@Bristol.ac.uk
J-B HI专辑“非接触式感应和智能处理，用于健康监测和早期疾病检测”
健康监测和早期疾病检测在当代医疗保健中具有巨大的重要性，从而提供了从反应性转向主动和预防方法的范式。在其新生阶段检测健康问题可以及时干预，通常在症状表现出现之前。但是，传统疾病检测方法通常涉及侵入性程序，或要求个人束缚在监视设备上。非接触式传感技术，例如红外传感器，雷达和计算机视觉，可以无侵入性的重要健康数据收集。例如，配备这些传感器的可穿戴设备可以实时监视心率，呼吸速度和体温，从而提供连续的数据流，而不会破坏用户的日常活动。同时，由人工智能（AI）和机器学习（ML）算法推动的智能处理在理解无接触式传感设备产生的大量数据方面起着关键作用。将非接触式感应与智能处理技术相结合可以极大地使未来的医疗保健受益。鉴于这种潜力，该特殊部分提供了一个涵盖全面算法，框架，技术以及非接触式感应和智能处理以进行健康监测和早期疾病检测的应用。
利用神经接口和深度学习感知人手的全部动态
摘要 — 神经控制运动的理论主要基于运动传感设备，这些设备可以捕捉预先定义的解剖标志的动态。神经肌肉接口，例如表面肌电图 (sEMG)，理论上可以通过感知由运动的最终路径（运动单元）传输的运动命令来超越基于运动的技术所施加的限制。运动单元活动的记录可以连续地预测时间和空间中的动力学和运动学，而不受数码相机或惯性传感器所遭受的几个生物和物理限制。然而，目前的 sEMG 解码算法只能预测几个自由度（<3）。通过结合无标记机器视觉和高密度 sEMG 电极，我们旨在检验以下假设：受生理启发的深度神经网络可以像数码相机一样精确地重建人手的运动，并且还具有预测潜在力量（例如，抓住一杯咖啡）的额外好处。我们证明，我们的深度学习模型可以在自然运动任务中，通过仅放置在外部手部肌肉上的 320 个 sEMG 传感器，以可忽略不计的误差持续预测手部的所有自由度。我们的深度学习模型能够显示 3D 手部运动学和等长收缩期间手指的全部力量范围。目前的结果表明，将深度学习应用于 EMG 信号可以前所未有地表示最终的运动神经代码。
磁传感器和几何磁倍率
抽象磁传感设备是极为重要的检测器，这些检测器被使用了几种重要且有用的应用。几何磁磁性（EMR）是与非磁性半导体 - 金属杂交结构相关的几何磁磁性，并受几何形状的影响。是洛伦兹力的结果，在半导体 - 金属杂交结构中，当前的路径从金属（没有磁场）变为半导体（在磁场的征服下）是EMR现象的关键，即一旦将金属放入半导体中，它就可以用作短路，大多数应用的电流通过金属的无机性移动，几乎全部的半导体 - 金属杂化结构的全部阻力下降到小于均质半导体的值小于均质的磁场，在其他磁场上，在其他磁场上，在其他磁场上都在磁场上，在磁场上，在磁场上进行了启动，在磁场上既有磁场，又在磁场上进行了启动的途径。并且整个电阻变成了相当高的幅度，取决于设备的几何形式。变量控制这些现象是金属和半导体电导率，半导体载体迁移率和装置几何形状。在本综述中，概述了EMR现象历史记录，变量控制IT，材料和应用程序的应用。