XiaoMi-AI文件搜索系统
World File Search System实验评估
光伏电池储能技术经济评估，实现最大自耗
摘要：本研究提供了一种技术经济优化技术，用于获得理想的电池存储容量，并结合能够满足所需住宅负载且具有高水平自给率的太阳能电池阵列。此外，还评估了拟议的光伏电池系统的可行性。以一分钟的分辨率测量了 2021 年的年能耗、辐照度和环境温度。从 2021 年到 2030 年运行固定经济模型的模拟。基于对年能耗 3755.8 kWh 的实验评估，研究表明，容量为 2.7 kWp 的光伏阵列能够产生 4295.5 kWh 的年能量产量。确定的最佳电池容量为 14.5 kWh，可以满足 90.2% 的自耗，能源成本为 0.25 美元/kWh。此外，还建立了自耗与净现值成本和能源成本之间的两个三阶多项式关系。
光伏电池储能技术经济评估，实现最大自耗
摘要：本研究提供了一种技术经济优化技术，用于获得理想的电池存储容量，并结合能够满足所需住宅负载且具有高水平自给率的太阳能电池阵列。此外，还评估了拟议的光伏电池系统的可行性。以一分钟的分辨率测量了 2021 年的年能耗、辐照度和环境温度。从 2021 年到 2030 年运行固定经济模型的模拟。基于对年能耗 3755.8 kWh 的实验评估，研究表明，容量为 2.7 kWp 的光伏阵列能够产生 4295.5 kWh 的年能量产量。确定的最佳电池容量为 14.5 kWh，可以满足 90.2% 的自耗，能源成本为 0.25 美元/kWh。此外，还建立了自耗与净现值成本和能源成本之间的两个三阶多项式关系。
MP-RNA：通过校准的二级结构预测释放多物种 RNA 基础模型
RNA 基础模型 (FM) 已广泛用于解释基因组序列和解决各种计算机基因组任务。然而，目前的 RNA FM 往往忽略了 FM 预训练中二级结构的加入，这阻碍了其在各种基因组任务中的有效性。为了解决这个问题，我们利用过滤后的高保真结构注释进行结构预训练，以增强 FM 在单核苷酸分辨率任务中的建模能力。在四个综合基因组基准上的实验评估表明，我们的 FM (MP-RNA) 始终优于现有的 RNA FM，在 RNA 二级结构预测方面实现了 40% 的提高，并在 DNA 基因组基准上获得了顶级结果，尽管它尚未在任何 DNA 基因组上进行预训练。我们发布代码和教程 1 和模型，以鼓励进一步研究，以弥合计算机预测和生物现实之间的差距。
基于卷积神经网络多级分割的脑肿瘤检测与分类
磁共振成像 (MRI) 是早期检测脑肿瘤的重要诊断技术，由于脑肿瘤的形状、位置和图像强度各不相同，因此从 MRI 图像中对脑肿瘤进行分类是一项具有挑战性的研究工作。为了成功分类，需要使用分割方法来分离肿瘤。然后从分割后的肿瘤中提取重要特征用于对肿瘤进行分类。在本文中，我们开发了一种有效的多级分割方法，该方法结合最佳阈值和分水岭分割技术，然后进行形态学操作来分离肿瘤。然后应用卷积神经网络 (CNN) 进行特征提取，最后利用核支持向量机 (KSVM) 进行结果分类，我们的实验评估证明了这一分类的合理性。实验结果表明，该方法能够有效检测肿瘤并将其分类为癌性或非癌性，并且准确率很高。
基于激光雷达的机器人检查电源线的对象识别
摘要：本文使用在自主机器人中实现的光检测和范围传感器提出了一种新技术，用于对高压传输线（LARA）的多模式预测检查。该方法通过使用人工智能技术提供垂直感知并分类传输线组件，从而增强了机器人的功能。基于激光雷达的系统着重分析对象的二维（2D）切片，减少数据量并提高计算效率。对象分类是通过计算2D切片中的绝对差异来创建唯一签名来实现的。当在真实机器人上使用Raspberry Pi上的K-Nearest邻居网络进行实验评估时，该系统在线性运动实验中准确检测到的对象，例如减震器，信号和绝缘体。结果表明，这种方法显着提高了Lara识别电力线组件，达到高分类精度并具有先进自主检查应用的潜力。
CRISPR-CAS9及以后：植物基因组的下一步...基于注意力指导深度学习模型
摘要癌症是全球死亡的第二大原因。脑肿瘤每四个癌症死亡中的一分之一。 提供准确及时的诊断可能会导致及时治疗。 近年来，图像分类的快速发展促进了计算机辅助诊断。 卷积神经网络（CNN）是用于分类图像的最广泛使用的神经网络模型之一。 但是，其有效性受到限制，因为它无法准确识别病变的焦点。 本文提出了一种新型的脑肿瘤分类模型，该模型整合了注意机制和多径网络来解决上述问题。 注意机制用于选择属于目标区域的关键信息，同时忽略无关紧要的细节。 多路径网络将数据分配给多个通道，然后再转换每个通道并合并所有分支的结果。 多径网络等效于分组的卷积，这降低了复杂性。 使用由3064 MR图像组成的数据集对该模型进行的实验评估，其总体准确度为98.61％，这表现出色的先前研究。脑肿瘤每四个癌症死亡中的一分之一。提供准确及时的诊断可能会导致及时治疗。近年来，图像分类的快速发展促进了计算机辅助诊断。卷积神经网络（CNN）是用于分类图像的最广泛使用的神经网络模型之一。但是，其有效性受到限制，因为它无法准确识别病变的焦点。本文提出了一种新型的脑肿瘤分类模型，该模型整合了注意机制和多径网络来解决上述问题。注意机制用于选择属于目标区域的关键信息，同时忽略无关紧要的细节。多路径网络将数据分配给多个通道，然后再转换每个通道并合并所有分支的结果。多径网络等效于分组的卷积，这降低了复杂性。使用由3064 MR图像组成的数据集对该模型进行的实验评估，其总体准确度为98.61％，这表现出色的先前研究。
使用计算机视觉Aarti Morajkar 1，Atheena Mariyam James 1，Minoli Bagwe 1，
在本文中介绍了人类计算机接口（HCI），以允许用户用手势和语音命令控制鼠标光标。系统使用没有代码ML的计算机视觉效果净B4体系结构来识别不同的手势并将其映射到相应的光标运动。目的是创建一种与系统交互的更有效，更直观的方式。主要目的是为现有鼠标控制系统提供可靠且具有成本效益的替代方法，从而使用户可以通过手势和语音命令控制鼠标光标。该系统设计为简单的设置过程，既直观又对用户友好。高度可配置的系统允许用户自定义其工作原理以最适合其需求。通过多个实验评估了系统的性能，这表明基于手势的小鼠控制系统可以准确100％，并可靠地移动鼠标光标。总体而言，该系统可能会改善生活质量，并提高身体残障人士的独立性。
论计算文体学：挖掘文学文本......
按照解释学的思路，我们提出了一种通过从给定文本中提取相关模式来进行风格表征的知识发现过程，重点是风格的句法维度。这个知识发现过程包括两个主要步骤，一个顺序模式挖掘步骤，然后应用一些兴趣度度量。特别是，提取给定长度的所有可能的句法模式被提出作为在探索性场景中提取有趣特征的一种特别有用的方法。显然，模式的激增和人类难以理解大量结果是这种方法的主要障碍。因此，我们在这种情况下使用兴趣度度量来处理和减少如此大量的模式，以识别最相关的模式。我们建议对三种提出的兴趣度测量方法进行实验评估并报告结果，每种方法都基于不同的理论语言学和统计背景。
Hyppo：使用等价来优化探索机器学习中的管道
摘要 - 我们现在是Hyppo，这是一种新型系统，可优化探索机器学习中遇到的管道。Hyppo利用过去执行的工件的替代计算路径，以得出更好的执行计划，同时重复生产工件。添加替代计算引入了有关工作负载表示，系统体系结构和最佳执行计划生成的探索机器学习的新挑战。为此，我们提出了一种基于定向超图的新型工作负载代表，我们制定了将最佳执行计划作为搜索问题而不是定向的超图和选择文物以作为优化问题实现的问题的问题。彻底的实验评估表明，Hyppo的计划通常比非优化管道更快，更便宜的计划（最多两个阶数），并且比在实质性货物时，比艺术状况产生的计划更快且更便宜。最后，我们的评估表明，即使无法利用物质化，Hyppo也将成本降低3-4 ˆ。