XiaoMi-AI文件搜索系统
World File Search System加权函数
虎鲸 (Orcinus orca) 的响度感知
该项目的数据将有助于美国海军完成其使命，同时通过改进环境标准中使用的听觉加权函数来保护处于危险中的海洋哺乳动物。由于当前的听觉加权函数源自长持续时间的纯音，可能无法推广到其他类型的声音，因此开发持续时间相关和带宽相关的听觉加权函数将支持对广泛信号的感知响度估计。定义虎鲸的感知响度和信号持续时间之间的关系还将为其他大型齿鲸（如喙鲸和抹香鲸）提供数据，因为虎鲸目前是该群体的最佳听觉替代品。
定义数字显示器的蓝光要求 - Eyesafe
蓝光危害函数表示人眼对 380 nm 至 500 nm 以上蓝光危害的相对光谱敏感度（峰值为 435-440 nm）。21-23 最近发表的通过体外和体内研究蓝光影响的研究证明了蓝光加权函数对于评估光发射到达视网膜所带来的风险的重要性，一些研究作者认为，最初为强光照明系统设定的当前暴露限值应进行修订，以解决潜在的与显示器相关的蓝光影响，并确定处于危险中的人群（儿童、有既往疾病的人等）17-19
149 公里路径上的光学湍流测量
摘要。使用数码相机和发光二极管 (LED) 信标进行了一项实验，研究了莫纳罗亚山和哈莱阿卡拉山之间 149 公里路径上的湍流。大部分路径都在海洋上，路径的一大部分位于海平面以上 3 公里。在莫纳罗亚山一侧，六个 LED 信标以大致线性阵列放置，每对间距为 7 至 62 米。从哈莱阿卡拉山一侧，一对相距 83.8 厘米的相机观察了这些信标。沿路径的湍流会引起波前倾斜，从而导致图像中的 LED 点发生位移。图像运动是由不必要的噪声源（例如相机平台运动）引起的。点之间的差分运动抵消了大部分噪声，并且这种差分运动会根据源和相机之间的几何形状以不同的方式受到沿路径湍流的加权。开发了一种相机运动不敏感的加权函数来处理这个观察问题。然后使用这些加权函数的线性组合来生成复合加权函数，该函数可以更好地抑制源和接收器附近的湍流，并且对路径越过海洋部分的湍流最为敏感。该技术用于估计此区域的湍流。所涉及的长距离导致图像中出现非常强烈的闪烁，这给数据处理带来了新的挑战。对 C 2 n 的结果估计为 4 × 10 − 17 m − 2 ∕ 3，与 Hufnagel – Valley HV5/7 模型和数值天气建模的结果高度一致。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证发布。分发或复制本作品的全部或部分内容需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.OE.59.8.081806]
全天候高光谱大气探测
使用微波和红外波长对地球的Atmo球形状态进行了远程测量[1，2]。涉及这些光谱区域的物理考虑包括在微波波长度上具有相对较高的云渗透能力以及红外波长处的相对急剧的加权函数，尤其是在4 µM附近的短波区域中，普兰克非线性非线性会进一步提高温度敏感性。 红外光谱仪技术在过去15年左右的时间内已明显发展，从而导致了沿狭窄的大气吸收特征间隔的数千个频段的同时光谱采样[3]。 于2002年5月推出的大气红外发声器（AIRS）的尺寸为3.7至15.4 µm，并于2006年推出的红外大气发声干涉仪（IASI），尺寸为8461个通道，3.6至15.5 µm [4,5]。 这些传感器以及类似的传感器作为国家极性操作的环境卫星系统（NPOESS）和气象卫星（Meteo SAT）第三代系统的一部分，从而通过使用高度光谱测量，从而实质上改善了大气的声音，从而在整个大气中产生更大的垂直分辨率[6]。涉及这些光谱区域的物理考虑包括在微波波长度上具有相对较高的云渗透能力以及红外波长处的相对急剧的加权函数，尤其是在4 µM附近的短波区域中，普兰克非线性非线性会进一步提高温度敏感性。红外光谱仪技术在过去15年左右的时间内已明显发展，从而导致了沿狭窄的大气吸收特征间隔的数千个频段的同时光谱采样[3]。于2002年5月推出的大气红外发声器（AIRS）的尺寸为3.7至15.4 µm，并于2006年推出的红外大气发声干涉仪（IASI），尺寸为8461个通道，3.6至15.5 µm [4,5]。这些传感器以及类似的传感器作为国家极性操作的环境卫星系统（NPOESS）和气象卫星（Meteo SAT）第三代系统的一部分，从而通过使用高度光谱测量，从而实质上改善了大气的声音，从而在整个大气中产生更大的垂直分辨率[6]。
您的AI代理会得到您吗？一个可从基于论点的对话轨迹近似人类模型的可靠框架
可解释的AI越来越多地采用论证方法来促进AI代理和人类用户之间的互动解释。虽然现有方法通常依赖于预定的人类用户模型，但在交互过程中动态学习和更新这些模型仍然存在一个关键的差距。在本文中，我们提出了一个框架，使AI代理可以通过基于论证的对话来调整对人类用户的理解。我们的方法称为角色，借鉴了前景理论，并将概率加权函数与贝叶斯信念更新机制相结合，该机制优化了基于交换论点的可能性人类模型的概率分布。通过与人类用户的经验评估在应用的论证环境中，我们证明了人物有效地捕捉人类信念不断发展的信念，促进个性化的侵入性，并胜过最先进的方法。
标准化听觉诱发电位听觉阈值...
听觉诱发电位 (AEP) 方法通常用于研究海洋哺乳动物的听力能力，并扩大了圈养和搁浅动物的可用听力图数据。AEP 将继续成为增加听力图样本量的主要方法，因为它们比行为听力阈值方法更容易实施，并且可以用于未经训练或搁浅的动物。然而，由于 AEP 阈值的频率依赖性高于行为听力阈值，AEP 目前仅用于定义物种的听力上限频率。因此，海军目前仅使用行为听力阈值来评估绝对听力灵敏度。研究和解释这两种方法的差异的能力可能使 AEP 听力图能够进行调整，并与从行为听力图方法获得的听力图进行比较。海军将受益于一种标准化的方法，通过这种方法可以调整 AEP 听力阈值并将其与行为阈值进行比较。这将使更多的 AEP 听力图可用于加权函数开发和其他海军环境合规工作，扩大 AEP 结果在未来标准制定中的应用。
![arXiv:2302.13057v2 [eess.IV] 2023 年 9 月 24 日 - UCL 发现](/simg/g:\will\search\icon\source\6\695a887162683872622af1dd7bade269710e62f2.webp)
arXiv:2302.13057v2 [eess.IV] 2023 年 9 月 24 日 - UCL 发现
MRI 的最新进展促成了大型数据集的产生。随着数据量的增加，在这些数据集中找到同一患者的先前扫描结果变得越来越困难（这一过程称为重新识别）。为了解决这个问题，我们提出了一种名为 DeepBrainPrint 的 AI 驱动的医学影像检索框架，旨在检索同一患者的脑部 MRI 扫描结果。我们的框架是一种半自监督对比深度学习方法，具有三项主要创新。首先，我们结合使用自监督和监督范式，从 MRI 扫描结果中创建有效的脑部指纹，可用于实时图像检索。其次，我们使用特殊的加权函数来指导训练并提高模型收敛性。第三，我们引入了新的成像变换，以提高在存在强度变化（即不同的扫描对比度）的情况下的检索稳健性，并考虑患者的年龄和疾病进展。我们在阿尔茨海默病神经影像计划 (ADNI) 的 T1 加权脑部 MRI 大型数据集和用于评估不同图像模式的检索性能的合成数据集上测试了 DeepBrainPrint。我们的结果表明，DeepBrainPrint 的表现优于之前的方法，包括简单的相似性指标和更先进的对比深度学习框架。
使用人工智能和 GIS 数据进行智能户外广告
简介 户外广告 (OOH) (Taylor、Franke 和 Bang 2006) 是最古老但最受欢迎的广告形式之一。事实证明，在 COVID-19 危机期间，全球户外广告市场规模估计为 270 亿美元（2020 年），预计到 2026 年将增长到 330 亿美元。在户外广告中，为给定的客户活动选择“合适的”广告牌（对相应的展示次数、转化次数、客流量和投资回报率有影响）仍然是一个悬而未决的挑战。广告牌的最佳选择需要考虑多个通常相互冲突的目标和约束，例如活动成本、所选广告牌提供的覆盖面积以及广告牌和客户资料之间的相似性。因此，需要在 MOO 的背景下解决这个问题，提供一组接近最优的解决方案，而不是像其他研究（Lotfi、Mehrjerdi 和 Mardani 2017）那样将多个目标视为单个加权函数。为此，需要各种准确和现实的分析数据，在此基础上做出明智和明智的决策。智能户外广告平台 (SOAP) 使用 GIS 数据和先进的 AI 技术缓解了户外广告所涉及的许多障碍。具体来说，SOAP 的主要功能包括 (i) 特征工程 - 从原始 GIS 数据中清理、准备和提取知识；(ii) 广告牌重新定价 - 使用最先进的 ML 技术得出更具代表性的定价模型
深部脑刺激的概率图
背景：对接受深部脑刺激 (DBS) 的患者进行组分析有助于理解和优化运动障碍患者的治疗。概率刺激图 (PSM) 通常用于分析组织刺激与症状效果之间的相关性，但应用的方法不同。目的：计算特定于组的 MRI 模板和 PSM，以研究 PSM 模型参数的影响。方法：分析了 68 名植入尾部未定带的特发性震颤患者的头晕改善和发生情况。输入数据包括每个电极接触的最佳参数（筛选）和临床使用的设置。针对所有 DBS 设置计算了特定于患者的电场模拟（n = 488）。将电场转换为特定于组的 MRI 模板以进行分析和可视化。不同的比较基于表示发生率 (N-map)、平均改善 (M-map)、加权平均改善 (wM-map) 和体素 t 统计量 (p-map) 的 PSM。这些图用于研究输入数据 (临床/筛查设置)、聚类方法、采样分辨率和加权函数的影响。结果：筛查或临床环境对 PSM 的影响最大。wM-map 的平均差异分别为左侧和右侧的 12.4 和 18.2%。基于 wM-map 或 p-map 提取的簇显示体积有显著变化，而定位相似。加权函数对 PSM 的影响很小，除了 wM-map 簇的定位明显发生变化。结论：在创建 PSM 以研究解剖学和 DBS 结果之间的关系时，输入数据的分布和聚类方法是最重要的考虑因素。© 2022 作者。由 Elsevier Inc. 出版。这是一篇根据 CC BY 许可 ( http://creativecommons.org/licenses/by/4.0/ ) 开放获取的文章。