XiaoMi-AI文件搜索系统
World File Search System对用
在 Myriad 和 Snapdragon 处理器上对用于太空应用的深度学习模型进行基准测试
未来的太空任务可以从机载图像处理中受益，以检测科学事件、产生见解并自主响应。这一任务概念面临的挑战之一是传统的太空飞行计算能力有限，因为它是从更古老的计算中衍生出来的，以确保在太空的极端环境下（特别是辐射）的可靠性能。现代商用现货处理器，如 Movidius Myriad X 和 Qualcomm Snapdragon，在小尺寸、重量和功率封装方面有显著改进；它们为深度神经网络提供直接硬件加速，尽管这些处理器没有经过辐射加固。我们在国际空间站 (ISS) 上的惠普企业星载计算机-2 托管的这些处理器上部署了神经网络模型。我们发现，Myriad 和 Snapdragon 数字信号处理器 (DSP)/人工智能处理器 (AIP) 在所有情况下都比 Snapdragon CPU 速度更快，单像素网络除外（DSP/AIP 通常快 10 倍以上）。此外，通过量化和移植我们的喷气推进实验室模型而引入的差异通常非常低（不到 5%）。模型运行多次，并部署了内存检查器来测试辐射效应。到目前为止，我们发现地面和 ISS 运行之间的输出没有差异，也没有内存检查器错误。
对用过的锂离子电池回收的审查
在商业设备中大量使用锂离子电池（LIB），这引起了人们对这些寿命终止液体在经济和环境前景中造成的巨大电子废物的关注。本文概述了电子废物物流，收集，存储和各种预处理程序，以从污染水平较低的消费液中回收黑色质量。预处理阶段描述了细胞成分的环保且可持续的行业可行的机械分离过程，例如不同的细胞放电方法，通过诅咒进行机械拆卸，基于粒径分数和顺序隔离的深层筛查。我们强调所有恢复阶段，都有挑战，并提出了可行的高度材料恢复的途径，并以高回收率恢复，这可能是胜利 - 环境和制造商的胜利。
对用户心理模型和性能的影响
1 Université Paris-Saclay, UVSQ, Inserm, Gustave Roussy, Team “ Exposome, Heredity, Cancer and Health ” , CESP, Villejuif, France 2 Laboratoire de Mathématiques et de leurs Applications de Pau, E2S UPPA, CNRS, Pau, France 3 Statistical Genetics, QIMR Berghofer Medical Research Institute, Brisbane, Australia 4澳大利亚布里斯班昆士兰州技术大学卫生学院5流行病学与生物统计学科，利兹癌和病理学研究所，癌症与病理学研究所，利兹大学，利兹大学，英国利兹大学6转化基因组学实验室，癌症研究所，玛丽研究，贝尔兰德大学，美国国家癌症研究所，癌症研究所及遗传学，美国德克萨斯州休斯敦市Medecine学院8国际癌症研究机构，法国里昂9 Lunenfeld-Tanenbuaum研究所，西奈卫生系统，多伦多，安大略省，加拿大安大略省10达拉拉·拉娜公共卫生学院，多伦多，多伦多，多伦多，多伦多，多伦多
输入形状对用于脑机接口的卷积神经网络的原始 EEG 运动想象信号分类性能的影响
摘要：许多研究人员对脑电信号进行解释、分析和分类，以用于脑机接口。尽管脑电信号采集方法有很多种，但最有趣的方法之一是运动想象信号。已经开发了许多不同的信号处理方法、机器学习和深度学习模型来对运动想象信号进行分类。其中，卷积神经网络模型通常比其他模型取得更好的效果。由于数据的大小和形状对于训练卷积神经网络模型和发现正确的关系非常重要，研究人员设计并试验了许多不同的输入形状结构。然而，在文献中还没有发现评估不同输入形状对模型性能和准确性影响的研究。在本研究中，研究了不同输入形状对脑电运动想象信号分类模型性能和准确性的影响，这在以前没有专门研究过。此外，没有使用信号预处理方法，因为在分类之前需要很长时间；而是开发了两个 CNN 模型，使用原始数据进行训练和分类。分类过程中使用了两个不同的数据集，BCI 竞赛 IV 2A 和 2B。对于不同的输入形状，2A 数据集获得了 53.03–89.29% 的分类准确率和 2–23 秒的 epoch 时间，2B 数据集获得了 64.84–84.94% 的分类准确率和 4–10 秒的 epoch 时间。这项研究表明，输入形状对分类性能有显著影响，当选择正确的输入形状并开发正确的 CNN 架构时，CNN 架构可以很好地完成特征提取和分类，而无需任何信号预处理。
机器人声音和出现对用户的影响...
THE EFFECTS OF ROBOT VOICES AND APPEARANCES ON USERS' EMOTION RECOGNITION 1 AND SUBJECTIVE PERCEPTION 2 3 SANGJIN KO 1 , JACLYN BARNES 2 , JIAYUAN DONG 1 , CHUNGHYUK PARK 3 , AYANNA HOWARD 4 AND MYOUNGHOON 4 JEON 12* 5 6 1 Grado Department of Industrial and Systems Engineering, Virginia Polytechnic Institute and State University, Blacksburg, VA, USA 7 2 Department of Computer科学，密歇根州技术大学，美国密歇根州霍顿8 3美国乔治华盛顿大学乔治华盛顿大学生物医学工程系9 4美国俄亥俄州立大学电气和计算机工程系，俄亥俄州哥伦布，俄亥俄州，美国俄亥俄州，美国俄亥俄州10 11 *通讯作者：Myounghoon Jeon Tel。： +1-540-231-3510，电子邮件：myounghoonjeon@vt.edu 12 13作为社会机器人在人们日常生活中的影响，对人们了解人们对机器人的看法，包括社交性，14信任，接受，接受和偏好的研究变得更加普遍。研究已经考虑了表达机器人情绪的视觉，声音或触觉提示，而15的研究几乎没有研究在研究影响情绪感知的不同因素之间的相互作用时提供了整体观点。我们通过改变机器人的语音类型，外观和17个情感，调查了在对话任务中用户对机器人的多个方面。在我们的实验中，二十名参与者与两个具有四种不同语音类型的机器人进行了互动。当参与者向机器人阅读18个童话故事时，机器人发表了7种情感的声音反馈，参与者通过19次调查评估了机器人的个人资料。纯语音条件的后续研究（n = 10）证实了实施方案的重要性。结果表明，1）情感感知的准确性因情绪的不同而有所不同，2）常规的人类声音20显示了更高的用户偏好和自然性，3）但是，特征性的声音更适合表达情绪的表达情绪高度明显高21，而4）参与者表现出比与人类动物robot相比，参与者表现出更高的情感识别的精度。这项研究的结果23可以提供设计社交机器人所需的准则，这些机器人在机器人24和用户之间的对话中考虑情感方面。25 26关键字：社交机器人；会话代理；情感声音；用户感知；用户偏好27 28
对用水处理的纤维素和壳聚糖衍生物制成的绿色多孔复合材料的综述
水污染是许多常见病例的令人震惊的问题之一，例如海上油轮的漏油以及含有高水平的重金属和染料的废水，尤其是在纺织工业中。这些情况严重影响了水生态系统的发展以及周围人口，动植物的健康。最近，由于它们在适当的激活后能够吸收大量污染物的能力，因此被认为是处理水问题的有效解决方案。在这项研究中，我们概述了由纤维素和壳聚糖制成的多孔复合材料，这是发展中国家农业和渔业副产品中的两个巨大资源。混合纤维素和壳聚糖的泡沫，水凝胶珠，膜和气凝胶说明了废水中油，溶剂，染料和重金属的有效吸收。本审查介绍了上述水污染问题的状态；从生物废物中提取的两种天然成分的丰度；分析和比较不同方法，以合成纤维素/壳聚糖多孔复合材料及其物理化学特征。最后，讨论了水处理中多孔复合材料的应用和前瞻性观点，以显示出开发高级和功能材料的有希望的研究方向。
在综合性中风中心对用于检测大血管闭塞的商业人工智能解决方案进行头对头比较
急性缺血性卒中 (AIS) 仍然是全球致残和死亡的主要原因 (1)。大血管闭塞 (LVO) 尤其与更严重的表现缺陷有关，并且是导致功能依赖和死亡率上升的主要原因 (2)。血管内治疗对 LVO 的影响是深远的，减少一名患者的残疾需要治疗的人数为 2.6 (3)。加快血栓切除术至关重要，因为从门诊到血运重建的时间每缩短 15 分钟，独立行走和功能结果的比率就会提高 (4)。因此，及时诊断 LVO 对于选择符合条件的患者以及在患者转诊和治疗方面提供更大的灵活性至关重要。急性卒中分诊的时间依赖性对于工作繁忙的放射科医生来说可能具有挑战性，但自动检测工具有望筛查并优先处理工作列表顶部的阳性 LVO 病例，从而使放射科医生能够首先诊断最需要时间的患者 (5)。用于自动检测 LVO 的商业软件越来越多地用于临床工作空间。一些工具基于传统的机器学习算法，而另一些工具则使用深度学习 (6、7)。RAPID LVO (RAPID 4.9、iSchemaView、加利福尼亚州门洛帕克) 是一种传统的机器学习模型，已证实的灵敏度和特异性分别为 97% 和 74% (6)。CINA LVO（Avicenna.ai，法国拉西奥塔）是一种深度学习模型，其灵敏度和特异性分别为 98.1% 和 98.2%（7）。尽管这些商业人工智能工具可用于 LVO 检测，但在现实环境中比较传统机器学习和深度学习解决方案的数据仍然不足。据我们所知，这是第一项在综合性卒中中心比较 LVO 工具的研究。本研究的具体目的是比较和验证 RAPID LVO 和 CINA LVO 在前循环卒中 LVO 检测中的表现，并描述每种方法的局限性。
脑电图对用户输入的实用性
本论文/论文由美国俄亥俄州阿克伦市阿克伦大学机构知识库 IdeaExchange@UAkron 的 Gary B. 博士和 Pamela S. Williams 荣誉学院免费提供给您，供您开放访问。IdeaExchange@UAkron 的授权管理员已接受本论文/论文，将其纳入 Williams 荣誉学院荣誉研究项目。如需了解更多信息，请联系 mjon@uakron.edu、uapress@uakron.edu。
添加焊料层对用于连接工艺的反应性多层膜的影响的模拟
摘要：为了在电子封装领域引入新的键合方法，进行了理论分析，该分析应提供有关反应多层系统 (rms) 产生足够的局部热量以用于硅片和陶瓷基板之间连接工艺的潜力的大量信息。为此，进行了热 CFD（计算流体动力学）模拟，以模拟 rms 反应期间和之后键合区的温度分布。该热分析考虑了两种不同的配置。第一种配置由硅片组成，该硅片使用包含 rms 和焊料预制件的键合层键合到 LTCC 基板（低温共烧陶瓷）。反应多层的反应传播速度设置为 1 m/s，以便部分熔化硅片下方的焊料预制件。第二种配置仅由 LTCC 基板和 rms 组成，用于研究两种布置的热输出之间的差异。 CFD 模拟分析特别侧重于对温度和液体分数轮廓的解释。进行的 CFD 热模拟分析包含一个熔化/凝固模型，该模型除了模拟潜热的影响外，还可以跟踪焊料的熔融/固态。为了为实验研究的测试基板设计提供信息，模拟了 Pt-100 温度探头在 LTCC 基板上的实际行为，以监测实验中的实际键合。所有模拟均使用 ANSYS Fluent 软件进行。