XiaoMi-AI文件搜索系统
World File Search System变化检测
使用自组织映射的量化误差（......
摘要。这些研究利用了自组织映射 (SOM) 学习后输出的量化误差 (QE)。SOM 学习应用于具有可变白色和暗像素内容相对量的空间对比图像的时间序列，如单色医学图像或卫星图像。事实证明，学习后 SOM 输出的 QE 提供了图像随时间变化的潜在关键变化的可靠指标。当对比度强度保持不变时，QE 会随着图像空间对比度内容随时间的变化而线性增加。使用超快速 SOM 学习后，该指标能够捕捉大量图像时间序列中最小的变化，这一点迄今为止从未被怀疑过，这一点在计算机生成的图像、MRI 图像时间序列和卫星图像时间序列的 SOM 学习研究中得到了说明。对给定系列图像的拍摄时间的 QE 变化进行线性趋势分析，证明了该指标作为局部变化指标的统计可靠性。结果表明，QE 与记录测试图像系列的同一参考时间段内的重要临床、人口统计学和环境数据相关。研究结果表明，SOM 的 QE 易于实现，对于给定的 20 到 25 个图像系列，计算时间不超过几分钟，当目标是提供与图像间变化/无变化相关的即时统计决策时，它可用于快速分析整个图像数据系列。关键词。自组织映射 (SOM)、量化误差、图像时间序列、空间对比度、可变性、变化检测。
Ali等，美索不达米亚大数据杂志。 （2023），2023，125–137
气候变化代表着一场紧急的环境危机，对全球生态系统和人类社区的风险深远。缓解策略和解决方案的快速开发至关重要，但要深刻依赖于从气候数据分析中得出的检测，归因和预测的进步。本文探讨了数据科学在量化人为气候变化的不仅仅是跨气候敏感部门的影响评估和有针对性的干预措施的日益增长的作用。首先，我们调查了气候表征的建立和新兴技术，包括地球系统数据上的机器学习应用。接下来，我们将讨论从迁移模式到作物产量的多域数据集的复杂气候模型以及对气候变化影响的科学理解。在这些见解的基础上，我们聚焦了启用数据的解决方案范式，从而实现智能气候动作，从高分辨率的气候风险映射，通过优化的可再生能源基础设施减少排放，到通过太阳能辐射管理的全球变暖抑制。但是，我们还仔细研究了阻碍部署的实际限制以及某些气候干预提案所提出的道德问题。最终，尽管数据科学为气候变化检测，归因和响应提供了强大的工具，但本文强调了持续的气候数据与跨学科协作一起持续的气候数据如何在克服分析不确定性，实施障碍和道德上的反对意见至关重要，因为我们有效地避免避免深刻的环境破裂。
高分辨率卫星图像
摘要 ：遥感卫星图像在数量、质量和应用方面发展迅速，用于检测和提取地球表面各种自然和人工特征，如车辆、建筑物、树木、道路、水、飞机、船舶。这些卫星图像为城市规划、灾害管理和环境管理等各种应用提供了重要信息。研究人员引入了不同的算法和方法来从卫星图像中提取指定的特征。在城市场景中，建筑物是最重要的基本结构之一，在城市发展、城市规划、气候研究、灾害管理、地图制作、土地利用分析和变化检测领域发挥着重要作用。该研究的目的是采用机器学习算法提取建筑物足迹。各种研究讨论了提取建筑物足迹的各种方法然而，从大都市提取建筑物屋顶一直是一项艰巨的任务，因为建筑物屋顶具有不同的形状、大小和光谱特性。除此之外，其他城市特征，如道路、荒地等，也表现出与建筑物屋顶相似的光谱特性。因此，建筑物提取技术已成为一个重要而棘手的研究问题，并得到了更好的认可。所提出的技术使用机器学习算法对建筑物和非建筑物像素进行分类。为了消除错误检测的建筑物像素，使用了中值滤波、形态学算子和连通分量标记。该技术已根据像素和基于对象的标准进行评估，同时考虑了精度、召回率、建筑物（城市对象）的质量。
分辨率卫星图像
摘要：遥感卫星图像在数量、质量和应用方面发展迅速，可用于检测和提取地球表面各种自然和人工特征，如（车辆、建筑物、树木、道路、水、飞机、船舶）。这些卫星图像为城市规划、灾害管理和环境管理等各种应用提供了重要信息。研究人员引入了不同的算法和方法来从卫星图像中提取指定的特征。在城市场景中，建筑物是最重要的基本结构之一，在城市发展、城市规划、气候研究、灾害管理、地图制作、土地利用分析和变化检测领域发挥着重要作用。本研究旨在采用机器学习算法提取建筑物足迹。各种研究讨论了提取建筑物足迹的各种方法然而，从大都市提取建筑物屋顶一直是一项艰巨的任务，因为建筑物屋顶具有不同的形状、大小和光谱特性。除此之外，其他城市特征，如道路、荒地等。表现出与建筑物屋顶相似的光谱特性。因此，建筑物提取技术已成为一个重要且棘手的研究问题，并得到了更好的认可。所提出的技术使用机器学习算法对建筑物和非建筑物像素进行分类。为了消除错误检测的建筑物像素，使用了中值滤波、形态学算子和连通分量标记。该技术已通过像素和基于对象的标准进行评估，同时考虑了精度、召回率、建筑物（城市对象）的质量。
利用智能家居技术检测老年人大脑健康老化行为的影响
美国华盛顿州普尔曼 摘要 – 对于面临认知衰退风险的老年人，养成健康的大脑行为可能会增强和维持其认知健康。由于依赖实验室测量或自我报告来评估行为变化的影响容易出错，因此我们介绍了一种使用智能家居来监测、量化和描述行为变化的方法。在本文中，我们描述了该方法的应用，以分析 n=14 名老年人的行为变化，这些老年人接受了为期六周的健康大脑行为计划，该计划包括个性化教育、选择和监测新的、可持续的健康大脑老化行为。每个参与者的家中都安装了 CASAS 智能家居盒 (CASAS ShiB)，并在基线和计划期间持续收集数据。使用我们的行为变化检测 (BCD) 算法，我们可以量化基线和每个计划周的每周行为变化。在整个研究人群中，结果表明，从基线到计划结束的行为变化在四周基线内增加了 23.22%。我们使用虚拟分类器来分析观察到的变化类型，并与自我报告的目标遵守情况进行比较。结果表明，智能家居技术与数据挖掘技术相结合，提供了一种在日常生活中监测和支持行为改变目标的方法。关键词：智能家居、数字行为标记、行为改变、认知健康、健康行为、老龄化 1. 简介
无人机激光扫描...
关键词：地形激光雷达、无人机、精度、变化检测、基于对象的分析、地貌学 摘要：本文评估了无人机 (UAV) 激光扫描在监测阿尔卑斯山草地浅层侵蚀方面的潜力。在多洛米蒂山脉（意大利南蒂罗尔）亚高山/高山海拔区的试验场，无人机激光扫描 (ULS) 获取了 3D 点云。为了评估其精度，将该点云与 (i) 差分全球导航卫星系统 (GNSS) 参考测量和 (ii) 地面激光扫描 (TLS) 点云进行了比较。 ULS 点云和机载激光扫描 (ALS) 点云被栅格化为数字表面模型 (DSM)，作为侵蚀量化的概念验证，我们计算了 2018 年的 ULS DSM 和 2010 年的 ALS DSM 之间的高程差异。对于连续的高程变化空间对象，计算体积差异，并为每个变化对象分配一个土地覆盖类别（裸地、草地、树木），该类别源自 ULS 反射率和 RGB 颜色。在此测试中，ALS 点云的准确性和密度主要限制了对地貌变化的检测。尽管如此，结果的合理性已通过现场地貌解释和记录得到证实。估计测试地点（48 公顷）的总侵蚀量为 672 立方米。这种侵蚀体积估计值
Demetre P. Argialas 教授，理学硕士、博士
雅典国立技术大学。Argialas 教授（1977 年毕业，雅典国立技术大学（农村和测量工程），1979 年硕士，田纳西大学空间研究所，1985 年博士，土木工程，俄亥俄州立大学，路易斯安那州立大学助理教授，1985-1991 年）。Argialas 教授教授过照片解释、遥感、数字图像分析、地形分析、知识型专家系统、数值分析、PASCAL 编程和工程测量等课程。他曾担任美国、欧盟和希腊 30 多个研究项目的首席或联合首席研究员或研究员，并在国际期刊和同行评审会议上发表了 130 多篇与拟议项目科学领域相关的科学出版物。他有 1600 多次引用。他教授过 15 多门本科和研究生课程。他指导过 100 多篇本科和研究生论文，并且指导过七 (7) 篇论文，目前正在指导两 (2) 篇论文。Argialas 教授在遥感图像分析、模式识别和基于知识的专家系统方面拥有丰富的经验和重大贡献。在过去的几年里，他的研究兴趣集中在：对象检测和提取、监督和非监督分类、面向对象的图像分析、模式识别、专家系统、本体、地形建模和表示、变化检测和地图更新、环境地理过程的短期和长期监测。他最近协调了五个跨学科研究项目，目前正在四个跨学科的大学研究生硕士课程中任教。他曾担任 ASCE、ASPRS、IEEE、TRB、ISPRS、SPIE、WARM 的审稿人、ASPRS 的会议主席和 PE&RS (ASPRS) 的客座编辑。他还曾担任各机构研究提案的审稿人。(http://users.ntua.gr/argialas)
虚拟现实设置中的相关 EEG 组件
摘要 虚拟现实 (VR) 为研究认知过程提供了一种强大的工具，因为它允许研究人员在复杂但高度受控的场景中衡量行为和心理状态。将 VR 头戴式显示器与 EEG 等生理测量相结合使用带来了新的挑战，并提出了一个问题：既定的发现是否也适用于 VR 设置。在这里，我们使用 VR 耳机来评估视觉短期记忆的两个公认的 EEG 相关因素的空间限制：对侧延迟活动 (CDA) 的幅度和记忆保留期间诱导 alpha 功率的侧化。我们在变化检测任务中测试了观察者的视觉记忆，双侧刺激阵列有两个或四个项目，同时改变记忆阵列的水平偏心率（4、9 或 14 度视角）。在两个较小的偏心率下，高和低记忆负荷的 CDA 幅度不同，但在最大的偏心率下没有不同。记忆负荷和偏心率均不显著影响观察到的 alpha 侧化。我们进一步安装了时间分辨空间滤波器，以从事件相关电位及其时频分解中解码记忆负荷。两种方法在保留间隔内的分类性能均高于偶然水平，并且在不同偏心率之间没有显著差异。我们得出结论，商用 VR 硬件可用于研究 CDA 和侧化 alpha 功率，并且我们为未来在 VR 设置中针对这些视觉记忆的 EEG 标记的研究提供了注意事项。
虚拟现实设置中相关的脑电图组件
抽象的虚拟现实（VR）提供了一种有力的工具来研究认知过程，因为它允许研究人员在复杂但高度控制的场景中衡量行为和精神状态。使用VR头部安装的显示与诸如EEG之类的生理措施结合使用，提出了新的挑战，并提出了问题，是否已建立的发现是否也推广到VR设置。在这里，我们使用VR耳机来评估两个良好的脑电图短期记忆的EEG相关性的空间约束：对侧延迟活动的幅度（CDA）和保留记忆保留期间诱导的α功率的横向化。，我们在变化检测任务中测试了观察者的视觉记忆，其中具有两个或四个项目的双侧刺激阵列，同时改变了内存阵列的水平偏心率（4、9或14度的视觉角度）。在两个较小的构成处，高记忆负荷之间的CDA幅度有所不同，但在最大的偏心率上没有不同。记忆负荷和偏心率均未显着影响观察到的α侧向化。我们进一步拟合了时间解析的空间过滤器，以从事件相关电位以及其时间频率分解中解码内存负载。在保留间隔期间的分类性能在两种方法中都高于差异水平，并且在偏心率中没有显着差异。我们得出的结论是，可以利用商业VR硬件来研究CDA和侧向化的α功率，并且我们为以VR设置为针对这些视觉记忆的EEG标记的未来研究提供了警告。
尽管有典型的感觉处理，胱氨酸病患者的听觉感觉记忆仍受损_对错配负性 (MMN) 的高密度电映射研究
胱氨酸病是一种罕见遗传性疾病，其特征是胱氨酸积聚和结晶，可导致肾脏、甲状腺、眼睛和大脑等多种组织和器官严重受损。虽然胱氨酸病对大脑功能的影响与其对其他器官的影响相比相对较轻，但该人群的寿命增加以及因此对社会做出生产性贡献的潜力导致人们对其对大脑功能的影响越来越感兴趣。尽管如此，尽管存在一些结构性大脑差异的证据，但这种突变对神经的影响仍未得到很好的描述。在这里，我们使用被动持续时间异常范式（具有不同的刺激开始异步性 (SOA)，代表对记忆的不同需求水平）和高密度电生理学，在一组 22 名被诊断患有胱氨酸病的儿童和青少年（年龄范围：6-17 岁）和神经典型年龄匹配的对照组（N = 24）中测试了基本听觉处理。我们检查了 N1 和不匹配负波 (MMN) 在各组之间是否存在显著差异，以及这些神经测量值是否与言语和非言语智商相关。被诊断患有胱氨酸病的个体表现出与年龄匹配的同龄人相似的 N1 反应，表明该人群的基本听觉处理是典型的。然而，尽管两组对最短（450 毫秒）SOA 表现出相似的 MMN 反应，表明变化检测和感觉记忆完好无损，但诊断为胱氨酸病的个体对较长（900 毫秒和 1800 毫秒）SOA 的反应明显减少。这可能表明在诊断为胱氨酸病的儿童和青少年中，听觉感觉记忆痕迹持续时间缩短，因此感觉记忆受损。未来需要研究感觉和工作记忆的其他方面，以了解此处描述的差异的根本基础及其对高阶处理的影响。