XiaoMi-AI文件搜索系统
World File Search System尼比
比拉尼比尔拉科技学院
主讲教师：Chittaranjan Hota 教授 (hota@hyderabad.bits-pilani.ac.in) 范围和目标 本课程从计算机科学的角度向学生介绍人工智能的基本概念和方法。人工智能关注一系列特定的问题，并开发了一套解决这些问题的特定技术。本课程的重点是研究开发智能程序所需的知识表示方法、推理和算法。人工智能不仅致力于构建智能实体，而且还允许理解它们。本课程将使学生了解如何使用经典的符号方法对计算机进行编程，使其以通常归因于人类“智能”的方式运行。人工智能目前涵盖了各种各样的子领域，如感知、逻辑推理、证明数学定理和诊断疾病等。人工智能使计算机工程师能够借助一套工具和方法系统化和自动化智力任务。本课程研究的方法可应用于人类智力活动的任何领域。作业部分将强调使用 C/C++、Python、R 等。学生将被要求在现实世界的问题解决中使用搜索策略、游戏程序（如国际象棋或井字游戏）、规划器、仅具有推理引擎的小型专家系统外壳、使用 TMS 或贝叶斯网络等模型在不确定性下进行推理的程序、自然语言理解程序以及使用联结主义模型（如神经网络）的机器学习领域的程序。教科书 T1 Stuart Russell 和 Peter Norvig，《人工智能：一种现代方法》，Pearson 教育，第 3 版，2009 年。参考书 R1 George F. Luger 人工智能：复杂问题解决的结构和策略，第四版，Pearson，2002 年。R2 DW Patterson，《人工智能与专家系统简介》，PHI，2002 年。 R4 Elaine Rich 和 Kevin Knight，《人工智能》，Tata McGraw Hill，第二版，2002 年。
雄性尤卡坦小型尼比格的MRI脑模板-Vtechworks
猪作为一种实验动物的流行程度越来越流行，因为它的术语大脑与人类相似。当前，缺乏适当的脑模板来支持功能和结构性介绍管道。这项工作的主要贡献是从迭代，非线性登记为70至7个月大的雄性尤卡坦小型杂志的平均体积。此外，这项研究的几个方面是独特的，包括比较线性和非线性模板生成的比较，大型且均匀的队列的表征，平均后有效分辨率的分析以及对潜在的模板偏差的评估以及与另一个Minipig种类的模板的比较，并使用“左外”验证。我们发现，在高度均匀的队列中，非线性登记产生了更好的模板，但仅略有。尽管我们的T1加权数据是分辨率有限的，但我们保留了在多主体平均值中的有效分辨率，这会产生具有较高灰白质对比度的模板，并且与替代的Minipig模板相比，具有较高的注册精度。