XiaoMi-AI文件搜索系统
World File Search System控制模型
用于脑肿瘤分类的卷积神经网络
摘要 – 精确和新颖的脑癌 MR 图像处理在决策和患者治疗决策中发挥着重要作用。MR 图像处理中的关键挑战是 X 射线设备捕获的低级视觉数据与人类评估者看到的高级数据之间的语义差距。传统的系统控制模型仅适用于低级或高级技能，使用一些手工定制的元素来缩小这个差距，并且需要精确的元素提取和分类方法。深度学习的最新进展表明，深度学习取得了巨大进步，并且深度学习卷积神经网络 (CNN) 已在图像分类项目中占据主导地位。深度学习对于特征描述非常有用，它可以完整地描述低级和高级数据，并将元素提取和分类部分植入自我意识中，但总体上需要巨大的训练数据集。对于大多数深度学习情况，训练数据集很小，因此，在小数据集上练习深度学习和训练 CNN 是一项艰巨的任务。针对这一问题，我们使用了预训练的深度 CNN 模型。我们的方法更稳定，因为它不使用任何精心构建的技能，只需要很少的预处理，并且可以在 5 次重叠移动验证下获得 95.51% 的平均精度。我们不仅使用传统的机器学习来测试我们的结果，而且还使用 CNN 的深度学习技术来测试我们的结果。试验结果表明，我们提出的方法在 MRI 数据集上超越了现代类别
Sakirin等人，巴比伦人工智能杂志卷。 （2023），2023，10–571
生成人工智能（AI）是指能够自主创建新颖，现实的数字内容的算法。最近，生成模型在图像和音频综合等领域中获得了突破性的结果，激发了对该领域的浓厚兴趣。本文调查了为创意AI系统兴起的现代技术的景观。我们在结构上检查主要算法方法，包括生成对抗网络（GAN），变异自动编码器（VAE）和自回归模型。针对每个类别下的主要模型突出显示了架构创新和生成的输出的图。我们特别注意用于构建逼真图像的生成技术，从早期的GAN样品到现代扩散模型（如稳定扩散）的快速进步。本文进一步审查了生成建模，以创建令人信服的音频，视频和3D渲染，这些音频，视频和3D渲染引入了假媒体检测和数据偏见的关键挑战。此外，我们讨论了已经在生成建模方面进步的常见数据集。最后，围绕评估，技术融合，控制模型行为，商业部署和道德注意事项的开放问题被视为未来工作的活动领域。这项调查介绍了塑造生成AI状态和轨迹的长期和新兴技术。关键目标是概述主要算法系列，通过示例模型突出创新，合成多媒体生成的功能，并讨论有关数据，评估，控制和道德规范的开放问题。请让我知道您是否想澄清或修改此提议的摘要。
Alma Mater Studiorum 博洛尼亚大学档案馆......
1 引言 缆索驱动并联机器人 (CDPR) 通过与末端执行器 (EE) 并行连接的可伸缩缆索来控制末端执行器 (EE) 的运动。CDPR 是一种高速协作起重机，其灵活性最近引起了业界的广泛关注：娱乐 [2]、物流 [3]、建筑 [4]、维护 [5] 和检查 [6] 只是其中的一些研究应用。由于 CDPR 可以通过反馈控制自主运行并进行自我调节，因此在海上环境中引入这些系统来补充或替代标准起重设备也呈现出一种上升趋势。CDPR 可以使海面作业更快、更安全，因为标准起重机本身无法补偿因波浪引起的干扰或风力引起的有效载荷摆动 [7]。另一方面，影响缆索驱动系统的主要问题是缆索只能施加拉力，而波浪引起的框架振动可能导致缆索松弛。为保证系统的安全性和性能，必须设计适当的控制器来避免张力损失[8]。[9] 提出了 CDPR 在海上活动中的首批实际应用之一，其中使用神经网络预测船舶振荡行为，并使用 6 缆索系统补偿有效载荷摆动。后来，通过使用过度约束的 CDPR 来解决减轻波浪影响的问题，这种 CDPR 配备的缆索数量多于 EE 自由度 (DoF)：调整机器人控制模型以考虑缆索松弛[10，11]，此外，还制定了张力分配策略来消除松弛[12]。毫无疑问，使用过度约束系统在精密应用中可能具有优势，因为 EE 可控性最高。然而，许多电缆严重影响工作空间的可达性、生产成本和维护成本。
认知参与体育活动干预对儿童和青少年执行功能的影响：系统评价和荟萃分析
EFS的利用促使个人改变认知策略，抑制冲动反应并参与计划和行动（Diamond，2012; Diamond and Ling，2020）。核心EFS包括抑制性控制，认知灵活性和工作记忆（Diamond，2015; Miyake等，2000），已被证明是儿童和青少年的学校准备和学业成就的预测指标（Blair and Diamond，2008； Roebers，2008； Roebers等，2014）。此外，相关的研究发现，EF与各种与学校相关的行为问题呈负相关（Espy等，2011； Friedman等，2007）。Espy等。（2011）建立了问题行为 - 执行控制模型，其中执行控制与多动行为负相关（r = −0.49，p <0.05），注意问题（r = -0.55，p <0.05）和抑制行为（r = −0.48，p <0.05）。Friedman等。 （2007）检查了各个年龄段的行为问题与EFS之间的相关性。 相关性的模式在多年来一直保持一致，注意力问题与EFS之间的统计学意义相关性在内，包括抑制（r = −0.41），更新（r = -0.24）和变化（r = - 0.15）。 鉴于EF与教育成果以及日常行为之间的相关性，有关如何提高儿童和青少年认知表现的问题变得越来越重要。Friedman等。（2007）检查了各个年龄段的行为问题与EFS之间的相关性。相关性的模式在多年来一直保持一致，注意力问题与EFS之间的统计学意义相关性在内，包括抑制（r = −0.41），更新（r = -0.24）和变化（r = - 0.15）。鉴于EF与教育成果以及日常行为之间的相关性，有关如何提高儿童和青少年认知表现的问题变得越来越重要。
不断发展的访问控制范例
集成机器学习（ML）和人工智能（AI）技术。利用定量研究设计，该研究通过系统结构化的问卷收集了来自各个部门的383个网络安全专业人员的数据。问卷表现出了出色的内部一致性，可靠性得分为0.81，旨在评估有关不同访问控制模型在打击勒索软件方面的功效的李克特量表问题。采用多元回归分析，该研究探讨了访问控制范例与减轻勒索软件风险的能力之间的关系，同时还考虑了员工网络安全意识的影响。调查结果表明，传统的访问控制方法对勒索软件攻击的动态性质的有效性较小，这主要是由于其静态配置。相比之下，将ML和AI集成到访问控制系统中会显着提高其在检测和防止勒索软件事件中的适应性和有效性。此外，该研究强调了网络安全意识和员工培训在强化针对网络威胁的关键基础设施方面的关键作用。采用了分层安全策略，结合了先进的技术解决方案和全面的网络安全实践，可显着提高关键基础设施针对勒索软件攻击的弹性。这些策略对于维护日益数字和相互联系的世界中必需服务的连续性和可靠性至关重要。基于这些见解，该研究建议对ML和AI技术在访问控制系统中的拥抱，对所有组织成员的网络安全培训的优先次序，以及实施多方面的安全方法，以更好地防御不断发展的垃圾软件威胁。关键字：勒索软件；关键基础设施；访问控制范例；基于角色的访问
在高温下实时过程控制的强化学习。pdf
高效率和低能量损失的摘要，高温超导体（HTS）已经证明了它们在各种领域的深刻应用，例如医学成像，运输，加速器，微波设备和电力系统。HTS录像带的高领域应用增加了对超级导管制造中长度长度的具有长度长度的具有成本效益的磁带的需求。但是，由于制造过程中的不稳定生长条件，长HTS胶带的统一和增强性能是具有挑战性的。尽管证实了高级金属有机化学蒸气沉积（A-MOCVD）过程中的过程参数影响所产生的HTS磁带的均匀性，但高维过程参数信号及其复杂的相互作用使得很难制定有效的控制策略。在本文中，我们提出了一项本地措施，以实现HTS磁带的统一性，以便为我们的控制政策提供即时反馈。然后，我们将HTS磁带的制造建模为Markov决策过程（MDP），具有连续的状态和动作空间，以在我们的反馈控制模型中实时评估即时奖励。由于我们的MDP涉及连续和高维状态和动作空间，因此采用神经拟合的Q-介质（NFQ）算法来用人工神经网络（ANN）功能近似来求解MDP。过程参数的共线性可以限制我们调整过程参数的能力，这是我们方法中主要组件分析（PCA）解决的。控制策略使用NFQ算法调整了过程参数的PCA。基于我们对实际A-MOCVD数据集的案例研究，获得的控制策略将磁带的平均统一性提高了5.6％，并且在较低均匀性的样品HTS磁带上的表现尤其很好。
绿色经济有效的公共激励措施
摘要，机构和经济代理人在减少生产系统的环境影响方面具有广泛的兴趣。也通过应用规模的政策，即为那些采用绿色策略和不采用绿色策略的公司，将公共机构推动过渡到绿色经济的能力似乎发挥了重要作用。很明显，将较旧的生产系统重新调整为新的污染法规可以在短期内导致实施它们的公司的可利用性减少，即使可以在中期时间范围内提高利用能力。一种可能的方法是经典计量经济学的方法，该方法分析了多元模型不同参数的影响，它影响了由于生产系统而具有不同倾向的环境保护倾向的污染水平。也已经考虑了最佳控制模型，该控制变量与生产系统的技术和针对绿色经济的公共激励政策有关：例如，请参见（Tan等人。在J Syst Sci Inf 9（1）：61–73，2021）中。近年来，许多学者研究了使用进化游戏的环境之间的关系和义务技术，并主要涉及经济激励措施和量表策略（参见Suyong等人，参见Suyong等人。在Appl Math Comput 355（15）：343–355，2019中； Zhang and Li Appl Math Model 63：577–590，2018）。为此，我们考虑了公司和技术创新之间竞争力的影响。在我们的文章中，我们提出了一个动态模型，其中公共行政使用污染惩罚作为控制变量，以将生产部门推向有关两个目标，污染水平和利用性的更好绩效。
DNA密码学用于增强图表的增强图表...
所提出的模型包括将应用程序分组为对象，象征着组织中的各个部门，从而促进了灵活的云环境。这些应用程序跨越了由理由和域相互联系的多个域，在这些领域中，角色是参与者指示员工访问资源和管理实体的工作职能的参与者。建议的访问控制模型非常适合用户和设备注册的高度分布式云计算环境。在RBAC机制中的角色是根据其各自的应用在层次上结构化的，该应用在动态或静态上分配以防止信息丢失。 利用推理来收集数据和利用，RBAC模型使管理员能够建立基于上下文的策略，从而确保用户凭据的保护而无需第三方参与。 简化的策略管理和增强控制权在访问和管理政策上都均可实施。 推理机制是使用扩展的XACML实体实施的。 信任模块识别恶意用户后，会发出身份标签，以防止未经授权的数据访问。 以下图说明了提出的访问控制方案的操作。在RBAC机制中的角色是根据其各自的应用在层次上结构化的，该应用在动态或静态上分配以防止信息丢失。利用推理来收集数据和利用，RBAC模型使管理员能够建立基于上下文的策略，从而确保用户凭据的保护而无需第三方参与。简化的策略管理和增强控制权在访问和管理政策上都均可实施。推理机制是使用扩展的XACML实体实施的。信任模块识别恶意用户后，会发出身份标签，以防止未经授权的数据访问。以下图说明了提出的访问控制方案的操作。
表现更好的人会上调大脑信号的变异性，以响应功能更丰富的视觉输入
大脑反应在不同认知需求下的不同程度被称为“神经分化”，神经分化程度越高，老年人的认知表现就越好。一种新兴方法利用即时大脑信号变化来研究人体内神经分化。许多研究发现，大脑信号变化因认知状态而异；然而，导致信号变化在特定任务中上升或下降的因素仍未得到充分研究。我们假设，表现优异的人会根据感官输入的复杂性来调节信号变化，在处理特征更丰富的刺激时上调变化。在当前的研究中，46 名老年人在 fMRI 期间被动观看面部和房屋刺激。低级分析显示，房屋图像比面部特征更丰富，随后对腹侧视觉流反应 (HMAX) 的计算建模显示，房屋特征更丰富，尤其是在 V1/V2 类模型层中。值得注意的是，我们发现，在面对面的环境中，V1/V2 的脑信号变化上调幅度更大（相对于面部刺激，房屋刺激更高）的参与者在一系列离线视觉认知任务中也表现出更准确、更快和更一致的行为表现。此外，控制模型显示，平均脑信号的面部-房屋调节对离线认知相对不敏感，这进一步证明了脑信号变化对于理解人类行为的重要性。我们得出结论，将脑信号变化与感知输入的丰富性相匹配的能力可能标志着老年人特征水平行为表现的提高。
使用人工智能工厂模型对柴油机进行模型预测控制
为了实现零碳社会，人们关注的焦点是减少交通运输领域的碳排放1)、2)，但对于支持物流的大型柴油车辆，也需要提高燃油效率并减少碳排放。近年来，柴油机废气排放评价方法不断更新，需要能够在各种条件下满足废气法规的控制方法。然而，众所周知，发动机建模是一个难题，因为它涉及燃烧现象，并且非线性、延迟和相互作用的存在使得构建控制器变得困难。 参考文献3)阐述了对柴油机进排气系统H ∞ 控制的研究，提出了一种通过切换控制器来覆盖运行范围的方法。另一方面，人们也在研究利用实验数据创建发动机的神经网络模型4)。虽然可以使用复杂且详细的仿真模型来模拟发动机，但是很难将其直接用作控制模型。一旦收集到数据，就可以相对容易地创建神经网络，并且神经网络被广泛用于近似、分析、异常检测和模拟。参考文献5），6）研究柴油机的模型预测控制，利用机器学习推导出状态空间表示，并利用神经网络近似控制律，实现高速控制计算。在参考文献[7]中，我们提出了一种结合Hammerstein-Wiener模型和输入凸神经网络的模型。我们还通过将该方法应用于发动机气道系统的建模和控制来检验其实际适用性。在参考文献8)中，提出了一种基于模型的柴油发动机空气路径控制，作为一种模型预测算法，解决具有输入约束的最优控制问题。在参考文献[9]中，开发了一种基于非线性自回归模型的非线性模型预测控制器，该控制器使用外生输入神经网络来解决柴油发动机的控制问题。然而，目前还没有开发出能够建立柴油发动机的神经网络模型并针对该模型系统地进行设计的控制方法。