摘要 - 在啮齿动物的导航研究中,在海马次区域CA1和下毛(Sub)中都鉴定出空间反应,但这两个大脑区域似乎对空间特征进行了不同的编码。位于子位置细胞的位置比CA1更大且特异性较少。此外,子神经元显示出针对行进标题和轴的更强定向调制。基于记录在“ Triple-T”迷宫上执行导航任务的神经和行为数据,我们提出了一个尖峰的神经网络建模框架,以复制在CA1和SUB中观察到的响应属性。将峰值定时依赖性可塑性和同源缩放(STDP-H)的参数进化,以使两种不同的SNN类似于CA1的录音的响应,当大鼠穿越Triple-t Maze时。我们的结果表明,位置输入在形成CA1位置细胞中可能更具影响力,而Sub似乎同时集成了同类中心位置信息和自我运动提示,以编码“位置类别”。此外,我们的结果预测,这些区域中不同的空间响应可能部分归因于不同的stdp-H学习参数。此处介绍的框架可以用作自动参数调整系统,用于复制其他大脑区域的响应。
摘要:使用无人机 (UAV) 自主跟踪动态目标是一个具有挑战性的问题,在许多场景中都有实际应用。在这种情况下,必须解决的一个基本方面与空中机器人和目标的位置估计有关,以控制飞行编队。对于非合作目标,必须使用机载传感器估计其位置。此外,为了估计无人机的位置,全球位置信息可能并不总是可用的(GPS 拒绝环境)。这项工作提出了一种基于视觉的合作 SLAM(同步定位和地图绘制)系统,该系统允许一组空中机器人自主跟踪在 GPS 拒绝环境中自由移动的非合作目标。这项工作的贡献之一是提出并研究使用以目标为中心的 SLAM 配置来解决估计问题,这与众所周知的以世界为中心和以机器人为中心的 SLAM 配置不同。从这个意义上讲,所提出的方法得到了广泛非线性可观测性分析所获得的理论结果的支持。此外,还提出了一种控制系统,用于保持无人机相对于目标的稳定飞行编队。在这种情况下,使用 Lyapunov 理论证明了控制律的稳定性。通过大量计算机模拟,所提出的系统显示出可能优于其他相关方法。
带有增强型近地警告系统接收器的 406MHz 紧急定位发射器 (ELT) 信号的 VLSI 设计方法 K. Babulu、R.S.Vinay 电子与通信工程系,尼赫鲁科技大学,卡基纳达 (JNTUK),印度 摘要---本文介绍了一种采用 VLSI 设计的紧急定位发射器 (ELT) 和增强型近地警告系统 (EGPWS) 接收器。紧急定位发射器 (ELT) 是安装在飞机上的电子应急设备之一,用于在飞机坠毁后定位飞机。集成 ELT 的 EGPWS 可以提供准确的位置信息以纳入 ELT 的消息中。这种新设备 ELT-EGPWS 可以结合许多附加的额外功能,因此该设备也可用于非紧急操作。这种设备安装在世界各地的所有飞机上,并且是包括印度在内的世界各地民航法强制要求的。发生坠机事故时,使用 G 开关(撞击激活开关),ELT 会自动激活。此外,本文介绍的该设备可实施相关技术,以尽量减少搜索时间和救援要求,并最大限度地提高飞机坠毁后搜索和救援行动的速度和效率。使用全球定位系统确定紧急情况的经纬度与卫星信息系统相结合。关键词— Eme
国家。这将使TPSP更容易找到与每个国家 /地区的PSAP连接所需的信息,并更好地了解与PSAP相连的过程和要求。•需要标准化的接口,以在TPSP和PSAP之间进行数据传输。这将允许更高效的紧急信息通信。•使用语言指标对TPSP的使用是有益的。TPSP接管者还应该能够与PSAP首选本地语言中的PSAP进行通信。•TPSP应该将紧急事件预先合格期间获得的所有信息移交给PSAP以电子方式移交给PSAP。这对于避免重复努力并确保PSAP具有所有必要的信息来应对紧急事件很重要。•应尽一切努力确保自动传达位置信息。手动交流位置坐标会带来高的人为错误的风险。•任何PSAP-TPSP协议都应指定与呼叫记录,隐私,数据保护和数据保留有关的PSAP管辖权中的所有法律/要求。•下一代112(NG112)是下一代紧急呼叫基础架构,它将允许语音,视频,消息传递和ecalls在IMS上传输。这将使TPSP通过提供标准化的接口和流程将紧急通信和上下文数据路由到最合适的PSAP来使TPSP与PSAP集成在一起。
操作 G-859AP 采矿磁选机使用图形界面,可快速高效地进行勘测设计和数据采集。“简单”或“映射”模式使用线号和已知的放样参考点来定义地图参数。或者,用户可以使用集成的 Tallysman TW5310™ GPS 自动绘制位置图。位置信息可能来自外部 GPS、操作员输入的间距均匀的基准标记,或两者兼而有之。用户可随时切换到“剖面”模式,以堆叠剖面的形式观察最后 5 条数据线。数据收集在最多 5 个单独的勘测文件中,并通过高速 RS-232 数据链路(或带转换器的 USB)传输到计算机,以进行进一步分析和地图生成。提供功能齐全的图形数据编辑程序 MagMap2000,允许重新定位、重新对齐、GPS 平滑、数据过滤和数据插值。编辑后,数据将格式化为 Surfer for Windows 或 Geosoft 格式,以便进一步绘图和分析。速度和效率 G-859AP 数据采集提供连续(自动)或离散站点记录。由于仪器在连续模式下的采样率很高,因此数据质量始终很高,而且大多数项目的成本都较低。这使操作员能够快速勘测某个区域,在给定的时间段内覆盖的面积比其他磁力仪多 10 倍。
摘要 — 最近的研究表明,许多数据中心总能耗的很大一部分是由其冷却系统运行效率低下造成的。如果没有有效的热监控和准确的位置信息,冷却系统通常会使用不必要的低温设定点来过度冷却整个房间,从而导致能耗过高。传感器网络技术最近已被用于数据中心热监控,因为它对已经很复杂的数据中心设施具有非侵入性,并且对瞬时 CPU 或磁盘活动具有鲁棒性。然而,现有的解决方案以过于简单的方式放置传感器,没有考虑数据中心的热动力学,导致不必要地降低热服务器检测概率。在本文中,我们首先将数据中心热服务器检测的传感器放置问题表述为两种不同场景中的约束优化问题。然后,我们提出了一种基于计算流体力学 (CFD) 的新型放置方案,将冷却系统和服务器布局等各种因素作为输入,以分析数据中心的热状况。基于各种服务器过热场景中的 CFD 分析,我们应用数据融合和高级优化技术来找到接近最佳的传感器放置解决方案,从而显著提高检测到热服务器的概率。我们在真实服务器机房演示中的实证结果
摘要 - 诸如Vision Transformer和Bert之类的大型模型,由于其表现性能而引起了极大的关注。但是,它们广泛的计算要求导致了大量的功率和硬件资源消耗。脑启发的计算已成为低功率硬件实现的一种有希望的方法。在本文中,我们提出了用于尖峰驱动变压器的有效稀疏硬件加速器。我们首先设计了一种新颖的编码方法,该方法编码有效激活的位置信息并跳过非尖峰值。此方法使我们能够使用编码的尖峰来执行线性,最大化和尖峰驱动的自我注意力的计算。与主要关注基于卷积的尖峰计算的常规SNN加速器的单个尖峰输入设计相比,用于尖峰驱动的自我注意的专门模块在处理双尖峰输入的能力方面是独一无二的。通过专门利用激活的尖峰,我们的设计充分利用了尖峰驱动的变压器的稀疏性,从而减少了冗余操作,降低了功率组合并最大程度地减少了计算潜伏期。实验结果表明,与现有的SNNS加速器相比,我们的设计分别在吞吐量和能源效率方面可提高13.24×和1.33倍。索引术语 - 弹性神经元网络(SNNS),硬件加速器,Spike-drive Transformer。
生长的脊椎动物体的抽象节奏和顺序分割依赖于分割时钟,这是一种多细胞振荡遗传网络。时钟可见为组织级运动学基因表达的运动波,这些运动波穿过前中胚层(PSM),并在每个形成段的位置停滞。在这里,我们测试了该标志性波模式是如何通过培养单个成熟PSM细胞来驱动的。我们将它们的细胞自主振荡和停滞动力学与我们在细胞分辨率下在胚胎中观察到的动力学进行了比较,发现振荡相对放慢的相似性和与分化的一致性相似。这表明细胞不需要细胞 - 超支信号来指导波模式下的发展程序。我们表明,在尾梁中退出的细胞中,一个细胞自主的时序活动会启动,然后在PSM中的前向细胞流中向下延伸,从而使用经过的时间为时钟提供位置信息。外源性FGF延长了细胞中性计时器的持续时间,表明胚胎中的外在因子可能通过计时器调节分段时钟。总的来说,我们的工作表明,嘈杂的细胞自主,固有的计时器驱动了波模式下的振荡放缓和停止,而胚胎中的外部因素则在该计时器的持续时间和精确度中。这是对驱动发育中组织模式的细胞中性和 - 超级机制平衡的新见解。
摘要:物联网(IoT)彻底改变了世界,连接了数十亿个设备,这些设备在用户日常生活的各个方面提供了帮助。上下文感知的物联网应用程序利用实时环境,特定于用户或情境数据,以动态适应用户的需求,提供量身定制的体验。特别是基于位置的服务(LBS)利用地理信息以适应环境设置或根据用户和节点的职位提供建议,从而提供高效和个性化的服务。为此,对在科学界建立物联网定位系统的兴趣越来越大。此外,由于精确位置信息固有的敏感性和隐私,LBS引入了新的安全挑战。为了确保一个更安全和可信赖的系统,研究人员正在研究如何从LBS授权的物联网应用程序的早期设计阶段来防止脆弱性并减轻风险。这项研究的目的是对IoT的本地化技术进行深入研究,并重点介绍了信号处理的设计和安全性方面。调查主要集中在主动无线电定位技术上,将其分类为基于范围和无范围的算法,同时还探索了混合方法。接下来,深入探讨了安全考虑因素,检查了每种本地化技术的主要攻击,并将其链接到文献中提出的最有趣的解决方案。通过强调进步,分析挑战并提供解决方案,该调查旨在指导研究人员浏览复杂的物联网本地化格局。
为了了解大脑功能和精神障碍,人脑通常被建模为感兴趣区域 (ROI) 及其连接的网络。最近,基于 Transformer 的模型已经针对不同类型的数据(包括图)进行了研究,结果显示可广泛提高性能。在这项工作中,我们研究了基于 Transformer 的大脑网络分析模型。在数据的独特属性的驱动下,我们将大脑网络建模为具有固定大小和顺序的节点的图,这使我们能够 (1) 使用连接配置文件作为节点特征来提供自然且低成本的位置信息,以及 (2) 学习 ROI 之间的成对连接强度,并在个体之间使用有效的注意力权重,从而对下游分析任务具有预测性。此外,我们提出了一种基于自监督软聚类和正交投影的正交聚类读取操作。该设计考虑了决定 ROI 组之间相似行为的底层功能模块,从而产生可区分的聚类感知节点嵌入和信息图嵌入。最后,我们在唯一一个公开可用的大型脑网络数据集 ABIDE 上重新标准化了评估流程,以便对不同的模型进行有意义的比较。实验结果表明,我们提出的 B RAIN N ETWORK T TRANSFORMER 在公开的 ABIDE 和我们受限的 ABCD 数据集上都有明显的改进。实现可在 https://github.com/Wayfear/BrainNetworkTransformer 上获得。