XiaoMi-AI文件搜索系统
World File Search System性能损失
基于注意力机制和FasterNet的改进型YOLOv5，用于铁路和航空轨道上的异物检测。
摘要 近年来，异物闯入铁路和机场跑道事件频发，这些物体包括行人、车辆、动物和杂物等。本文介绍了一种改进的YOLOv5架构，结合FasterNet和注意力机制，增强对铁路和机场跑道上异物的检测。本研究提出了一个新的数据集AARFOD（航空和铁路异物检测），结合了两个用于检测航空和铁路系统中异物的公共数据集，旨在提高异物目标的识别能力。在这个大型数据集上的实验结果表明，与基线YOLOv5模型相比，所提出的模型性能有显著提升，降低了计算要求。改进后的YOLO模型的精度显著提高了1.2%，召回率提高了1.0%，mAP@.5提高了0.6%，而mAP@.5-.95保持不变。参数减少了约25.12%，GFLOP减少了约10.63%。在消融实验中发现，FasterNet模块可以显著减少模型的参数数量，同时注意力机制的引用可以减缓轻量化带来的性能损失。
0.06batio3作为无铅压电陶瓷F
正在开发智能植入电子医疗设备，以提供更连接，个性化和精确的医疗保健。这些植入物中的许多依赖于压电陶瓷来感测，通信，能量自主性和生物刺激，但是具有压电系数最强的压电陶瓷几乎完全基于铅。在本文中，我们评估了无铅替代方案的机电和生物学特征，0.94Bi 0.5 Na 0.5 TIO 3 - 0.06BATIO 3（BNT-6BT）通过两种合成途径制造：常规固态方法（PIC700）和磁带铸造（TC-BNT-6BT-6BT）。BNT-6BT材料表现出柔软的压电特性，D 33压电系数不如常用的PZT（PIC700：116 PC/N; TC-BNT-6BT：121 PC/N; PZT-5A; PZT-5A：400 PC/N）。该材料可以可行，作为软PZT的无铅替代品，其中最高10 dB的中等性能损失是可以忍受的，例如压力感应和脉搏回声测量。没有检测到BNT-6BT的短期有害生物学作用，并且该材料有助于MC3T3-E1鼠前层细胞的增殖。bnt-6bt可能是电活性植入物和可植入电子产品的可行材料，而无需密封。
锂离子电池老化的多尺度建模方法
摘要：锂离子电池（LIBS）正在领导储能市场。由于其固有的性能好处并减少了对运输电动机的环境影响，因此正在做出明显的努力。但是，实现这种广泛采用仍然需要克服影响电池老化和安全性的关键技术限制。电池功能的不可避免的结果，如果没有实施有效的热电池管理策略，则电池功能的不可避免的结果可能会导致过早的性能损失和加剧的安全问题。电池老化效应必须更好地理解和缓解，以利用老化建模方法的预性能力。本评论论文介绍了最新的老化建模方法的全面概述。此外，采用了一种多尺度方法，在粒子，电池和电池组尺度上审查了这些方法，以及在这些尺度上进行LIB衰老建模的相应研究机会。还审查了电池测试策略，以说明如何验证当前的数值老化模型，从而提供整体老化建模策略。最后，本文提出了一个组合的多物理学和基于数据的建模框架，以实现准确且计算上有效的LIB老化模拟。
用于解码脑电图运动意象的最佳传感器组
摘要 — 脑机接口可用于通过从大脑活动中检测人的意图来操作设备。从脑电图 (EEG) 信号解码运动想象 (MI) 是实现此目的的常用方法。为了从 EEG 信号中可靠地识别 MI，通常需要足够数量的传感器。然而，大量的传感器会增加区分 MI 类别的计算成本。此外，与医疗或研究级设备相比，测量 EEG 信号的消费级设备通常采用较少数量的传感器。在这项实验研究中，我们研究了从有限数量的 EEG 传感器解码 MI 时准确性和复杂性之间的权衡。为此，使用成熟的解码方法，使用不同子集的电极位置对 EEG 数据训练了几个解码管道。我们发现，使用较少的传感器时，平均解码准确度没有显著差异 (p=[0.18–0.91])。单个人的最大性能损失是当使用 64 个可用传感器中的 8 个时，平均解码准确度降低了 0.1。因此，从有限数量的传感器解码 MI 是可行的，这凸显了为此目的使用商业传感器设备以降低金钱和计算成本的潜力。
TUFF 技术支持的复合材料循环经济
申请人/机构：特拉华大学 - 复合材料中心 技术联系人：Joseph Deitzel 博士；302-831-8175；jdeitzel@udel.edu 团队成员组织：NREL、科罗拉多州立大学、阿科玛、Axiom、Composites Automation 碳纤维复合材料 (CFCs) 回收在美国尚属起步阶段，关键挑战包括 1) 回收纤维和聚合物成分的能力，以及 2) 将回收材料转化为高价值 CFC，同时不造成重大性能损失，从而降低原始能耗和成本。特拉华大学 - 复合材料中心 (UD-CCM) 将与 BOTTLE 联盟成员（包括国家可再生能源实验室 (NREL) 和科罗拉多州立大学 (CSU)）合作应对这些挑战，并开发和演示一种新颖的 CFC 回收工艺。 NREL 和 CSU 将开发纤维/聚合物分离和解聚工艺，UD-CCM 将使用可定制的通用成型原料 (TuFF) 工艺展示回收的不连续纤维成分的 CFC 处理，从而实现完整的性能转换。我们将与行业成员（Arkema、Axiom、Composites Automation (CA)）合作，提供废弃的 CFC，支持材料生产，评估我们的回收工艺，并有机会向商业材料形式和应用过渡。我们的新型材料和工艺解决方案的转型优势在于能够
DNA-TEQ：用于 DNN 推理的自适应指数量化张量
摘要 — 量化通常用于深度神经网络 (DNN)，通过降低激活和权重（又称张量）的算术精度来减少存储和计算复杂度。高效的硬件架构采用线性量化，以便将最新的 DNN 部署到嵌入式系统和移动设备上。然而，线性均匀量化通常无法将数值精度降低到 8 位以下，而不会牺牲模型精度方面的高性能。性能损失是由于张量不遵循均匀分布。在本文中，我们表明大量张量符合指数分布。然后，我们提出 DNA-TEQ 以自适应方案对 DNN 张量进行指数量化，以在数值精度和精度损失之间实现最佳权衡。实验结果表明，DNA-TEQ 提供的量化位宽比以前的方案低得多，平均压缩率比线性 INT8 基线高出 40%，准确度损失可以忽略不计，并且无需重新训练 DNN。此外，DNA-TEQ 在指数域中执行点积运算方面处于领先地位。对于一组广泛使用的 DNN，与基于 3D 堆叠内存的基线 DNN 加速器相比，DNA-TEQ 平均可提供 1.5 倍的加速和 2.5 倍的节能。索引术语 —DNN、量化、指数、Transformer
实现更快更好地转换人工神经网络...
摘要 — 脉冲神经网络 (SNN) 通过离散二进制事件计算和传递信息。在新兴的神经形态硬件中，它被认为比人工神经网络 (ANN) 更具生物学合理性且更节能。然而，由于不连续和不可微分的特性，训练 SNN 是一项相对具有挑战性的任务。最近的工作通过将 ANN 转换为 SNN 在出色性能上取得了实质性进展。由于信息处理方面的差异，转换后的深度 SNN 通常遭受严重的性能损失和较大的时间延迟。在本文中，我们分析了性能损失的原因，并提出了一种新型双稳态脉冲神经网络 (BSNN)，解决了由相位超前和相位滞后引起的失活神经元 (SIN) 脉冲问题。此外，当基于 ResNet 结构的 ANN 转换时，由于快捷路径的快速传输，输出神经元的信息不完整。我们设计了同步神经元 (SN) 来帮助有效提高性能。实验结果表明，与以前的工作相比，所提出的方法仅需要 1/4-1/10 的时间步骤即可实现几乎无损的转换。我们在包括 CIFAR-10（95.16% top-1）、CIFAR-100（78.12% top-1）和 ImageNet（72.64% top-1）在内的具有挑战性的数据集上展示了 VGG16、ResNet20 和 ResNet34 的最先进的 ANN-SNN 转换。
用于解码脑电图运动意象的最佳传感器组
摘要 — 脑机接口可用于通过从大脑活动中检测人的意图来操作设备。从脑电图 (EEG) 信号解码运动想象 (MI) 是实现此目的的常用方法。为了从 EEG 信号中可靠地识别 MI，通常需要足够数量的传感器。然而，大量的传感器会增加区分 MI 类别的计算成本。此外，与医疗或研究级设备相比，测量 EEG 信号的消费级设备通常采用较少数量的传感器。在这项实验研究中，我们研究了从有限数量的 EEG 传感器解码 MI 时准确性和复杂性之间的权衡。为此，使用成熟的解码方法，使用不同子集的电极位置对 EEG 数据训练了几个解码管道。我们发现，使用较少的传感器时，平均解码准确度没有显著差异 (p=[0.18–0.91])。单个人的最大性能损失是当使用 64 个可用传感器中的 8 个时，平均解码准确度降低了 0.1。因此，从有限数量的传感器解码 MI 是可行的，这凸显了为此目的使用商业传感器设备以降低金钱和计算成本的潜力。
Ehsan Rohani 博士D.
计算机工程博士 2017 年 1 月 10 日 - 12 月 德克萨斯 A&M 大学，德克萨斯州大学城 导师：Gwan S. Choi 博士，德克萨斯 A&M 大学 论文题目：下一代电信系统物理层实现的硬件解决方案。 • 提取基于固定复杂度球面解码方法的迭代 MIMO 接收器的最佳实现参数，并展示/比较实现结果。 • 研究在中继信道环境中 MIMO 的整数强制方法的实现。 电子工程硕士 2003 年 9 月 - 2006 年 10 月 德黑兰大学，伊朗德黑兰 导师：S. Mehdi Fakhraie，德黑兰大学 论文题目：用作实现参考的 IEEE 802.16 标准的 Bit-True 建模。 • 在 WiMAX 收发器定点建模后，提取维特比解码器最佳硬件实现的参数，目标是性能损失最多为 0.5 dB。电子工程专业 1999 年 9 月 - 2003 年 9 月 德黑兰理工学院，德黑兰，伊朗 导师：Hamed Sadjedi，沙希德大学 论文题目：连接到计算机的 ADC/PWM 卡：在 Xilinx FPGA 上实现。 • 该卡用于控制具有给定温度模式的孵化器。
坚固而精确的气压传感器...
nfineon 的新型 DPS368 数字气压传感器非常适合恶劣环境下的可穿戴设备，因为与其他防水压力传感器相比，它节省了高达 80% 的空间，并且与压阻技术相比，精度可达 ±2 cm，功耗可节省高达 50%。由于垫子和膜片受凝胶保护（图 1），因此该传感器具有防水、防潮和防尘功能。它通过了 IPx8 认证，可以在 50 米深的水下停留一小时。DPS368 解决的其他具有挑战性的应用包括吸尘器、空调或抽油烟机中的气流监测，其中压力传感器必须在多尘和潮湿的环境中工作以检测故障或性能损失。同样受益于这些精确而坚固的压力传感器的医疗应用包括智能吸入装置、呼吸面罩或非侵入式血压测量。DPS368 的压力传感器元件采用电容式传感原理，可确保在温度变化时保持高精度。DPS368 基于成熟的 DPS310，但采用非常坚固且防水的封装。这种组合使 DPS368 成为恶劣环境下各种应用的理想选择。目标应用包括智能手表、可穿戴设备和智能手机（例如健身追踪、计步、跌倒检测、导航、高度检测）；家用电器（例如 HVAC/吸尘器中的气流控制、洗衣机中的水位检测、入侵者检测）；无人机（例如飞行稳定性、高度控制）；电子烟（加热器控制）；和医疗保健（例如跌倒检测、气流监测）。