XiaoMi-AI文件搜索系统
World File Search System利用计算机
复合鼻用混悬剂：利用计算机模拟研究支持开发和审批
– PI：Laleh Golshahi – 合同编号 HHSF223201810144C（成人模型） – 合同编号 75F40120C00172（儿科模型） – 为成人和儿科受试者开发两组体外模型（每种三种模型 - 低、中、高沉积） – 鼻吸入皮质类固醇的受试者间变异性 • 喷雾特性的体外指标与区域沉积之间的关系
通过利用计算机视觉进行用户动作仿真来改善跟踪综合
法医分析是由需要可靠，最先进的工具和持续培训的熟练法医从业人员进行的。为了提供教育和学术界，依靠现实的培训数据集。这些数据集对于教授研究人员，验证法医工具，推进算法和进行研究至关重要。同时，法医社区面临现实数据集的缺点，这主要是由于道德和法律原因。为了克服这一挑战，先前的工作引入了几个框架，目的是创建真实证据的无问题。这些框架通过用模拟用户行为痕迹填充磁盘图像来生成合成数据集。但是，一般同意，现有框架在生成的数据集的质量方面存在一些缺点，尤其是由于将不切实际的痕迹纳入了基于GUI的环境中。回顾了共同框架的实现细节，我们发现当前的解决方案错过了逼真的痕量合成，从而降低了合成数据集的质量和实用性。通过利用计算机视觉，本文介绍了一种新颖的方法，旨在提高合成数据集的质量。我们提出了一个架构，并利用用于创建人体接口设备（HID）输入的操纵程序提供了开源实现，该输入由计算机视觉算法控制以模仿类似人类的用户行动。通过这种方式，我们提供了外部GUI自动化能力，可以比现有解决方案更现实的痕量综合，并将适用性开放到广泛的基于GUI的操作系统。与以前的研究结果相反，我们的方法独立于在虚拟机中运行的软件，通过省略自动化工件进一步优化了生成的数据集的质量。我们的实验表明，使用外部GUI自动化进行用户动作仿真会导致更大的量和更广泛的痕迹分布。因此，我们的方法可能会在此字段中重新确定数据集的质量。©2023作者。由Elsevier Ltd代表DFRWS发布，这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nc-nd/4.0/）下的开放访问文章。
利用计算机科学进行创新材料开发...
下图显示了测试结果，以验证使用 IPR 作为描述符是否能准确对模拟的 OLED 材料进行分类。IPR 是一个多维参数，因此在验证结果时使用了“主成分分析”技术来减少维度数量。左图显示了分子主客体对复合物的变化。右图显示了这些复合物浓度的变化。两个结果都显示出不同主客体复合物组成的材料存在明显差异。这表明，使用 IPR 描述符数据对材料进行分类的机器学习模型应该能够有效地预测 OLED 材料的发光特性。
利用计算机视觉扩展设计认知和
生成式深度学习 由 BAŞAK ÇAKMAK 提交，部分满足中东技术大学建筑学硕士学位要求 由 Halil Kalıpçılar 教授 自然科学与应用科学研究生院院长 Fatma Cânâ Bilsel 教授 建筑系主任 Zeynep Mennan 教授 主管，建筑学，中东技术大学 审查委员会成员： İpek Gürsel Dino 副教授 建筑学，中东技术大学 Zeynep Mennan 教授 建筑学，中东技术大学 Mine Özkar 教授 建筑学，ITU Fehmi Doğan 教授 建筑学，IYTE Duygu Tüntaş 助理教授 建筑学，TEDU
一种利用计算机视觉对蚜虫进行计数和分类的方法
蚜虫是一种会直接危害农作物的昆虫，它通过吸食植物汁液和间接传播可引起疾病的微生物来造成损害。谷类作物是许多蚜虫物种的宿主，包括禾谷管蚜（一种具有重要经济价值的蚜虫物种）。记录和分类蚜虫对于评估和预测农作物损害是必要的。因此，可作为决策控制措施的基础。它还可用于评估植物对蚜虫的抗性。传统上，记录过程是手动的，依赖于放大和训练有素的工作人员。手动计数也是一个耗时的过程，容易出错。考虑到这一点，本文介绍了一种使用图像处理、计算机视觉和机器学习方法自动计数和分类禾谷管蚜的方法和软件。本文还对 40 个样本进行了专家手动计数与软件获得的值的比较。结果显示，计数分类 (rs = 0.92579) 和测量 (r = 0.9799) 具有很强的正相关性。总之，该软件被证明是可靠的，并且对蚜虫种群监测研究有用。