XiaoMi-AI文件搜索系统
World File Search System数据融合
通过 GIRO 和 GNSS 数据融合进行全球电离层天气监测
1 马萨诸塞大学洛厄尔分校空间科学实验室，洛厄尔，马萨诸塞州 01854，美国 2 瓦尔米亚-马祖里大学空间无线电诊断研究中心，奥尔什丁 10-720 Olsztyn，波兰；adam.fron@uwm.edu.pl (A.F.)；kand@uwm.edu.pl (A.K.)；kacper.kotulak@uwm.edu.pl (K.K.)；pawel.flisek@student.uwm.edu.pl (P.F.) 3 洛厄尔 Digisonde International, LLC，洛厄尔，马萨诸塞州 01854，美国；bodo.reinisch@digisonde.com 4 UPC-IonSAT，加泰罗尼亚理工大学数学系，巴塞罗那 08034，西班牙； manuel.hernandez@upc.edu (M.H.-P.); roma@ieec.cat (D.R.D.); alberto.garcia.rigo@upc.edu (A.G.-R.) 5 阿卜杜勒萨拉姆国际理论物理中心，34151 Trieste，意大利；bnava@ictp.it 6 乔治梅森大学物理与天文系，弗吉尼亚州费尔法克斯 22030，美国；dbilitza@gmu.edu 7 空间物理数据设施，美国国家航空航天局戈达德太空飞行中心，马里兰州格林贝尔特 20771，美国 8 中国科学院空天信息研究院 (AIR)，北京 100094，中国；lizishen@aircas.ac.cn (Z.L.); wangningbo@aoe.ac.cn (N.W.) 9 中国济南历城区工业北路 44 号齐鲁航天信息研究院，邮编 250132 10 国家空间研究院，圣若泽多斯坎波斯，圣保罗 12227-010，巴西； inez.batista@inpe.br * 通讯：ivan_galkin@uml.edu；电话：+1-(978)-934-4912
生物特征数据融合中的人工智能 (AI) 和机器学习 (ML)
估计此次信息收集的公共报告负担平均为每份回应 1 小时，包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将有关此负担估计或本次信息收集任何其他方面的评论（包括减轻负担的建议）发送至国防部华盛顿总部服务处信息行动和报告局 (0704-0188)，1215 Jefferson Davis Highway, Suite 1204, Arlington, VA 22202-4302。受访者应注意，尽管法律有任何其他规定，但如果信息收集未显示当前有效的 OMB 控制编号，则任何人均不会因未遵守信息收集而受到任何处罚。请不要将您的表格寄回上述地址。
基于图的特征提取算法朝向脑部计算机界面的强大数据融合框架
摘要 - 目的：在大多数现有的大脑计算机界面（BCI）系统中，通常会忽略脑电图频谱动力学中隐藏的拓扑信息。此外，脑电图与其他信息性的大脑信号（例如功能性近红外光谱（FNIRS））的系统多模式融合尚未得到充分研究，以增强BCI系统的性能。在这项研究中，我们利用一系列基于图形的EEG特征来研究其在运动假想（MI）分类任务上的性能。方法：我们首先根据复杂的Morlet小波时间频率图提取用户多通道EEG信号的幅度和相位序列，然后将它们转换为无向图以提取EEG EEG拓扑特征。然后通过阈值方法选择基于图的特征，并与FNIRS信号的时间特征融合在一起，每个特征是由最小绝对收缩和选择算子（Lasso）算法选择的。然后，通过线性支持向量机（SVM）分类将融合功能分类为MI任务与基线。结果：与在频带过滤的时间eeg信号上构建的图相比，EEG信号的时频图提高了MI分类精度约5％。我们提出的基于图的方法还显示出与基于功率谱密度（PSD）的经典脑电图特征相当的性能，但是标准偏差较小，显示出在实用BCI系统中潜在使用的稳健性。关键字 - 大脑计算机界面（BCI），EEG-FNIRS数据融合，特征选择，图理论。我们的融合分析显示，与最高的FNIRS相对于单个模态效果相关时，与最高的FNIR相比，仅EEG的最高平均准确性仅为17％，而仅EEG的最高平均精度仅为最高的平均准确性，而最高的FNIRS的平均准确性仅为3％。显着性：我们的发现表明，通过使运动假想推理更加准确，更强大，利用混合BCI系统中基于图的特征的提议数据融合框架的潜在用途。
应用于癫痫发作识别的数据融合方法的性能分析
癫痫是一种由无诱因反复发作引起的慢性神经系统疾病。诊断癫痫最常用的工具是脑电图 (EEG)，通过脑电图可以测量大脑的电活动。为了预防潜在风险，必须对患者进行监测，以便尽早发现癫痫发作并采取预防措施。许多不同的研究都结合了时间和频率特征来自动识别癫痫发作。本文比较了两种融合方法。第一种基于集成方法，第二种使用 Choquet 模糊积分方法。具体来说，三种不同的机器学习方法，即 RNN、ML 和 DNN，被用作集成方法和 Choquet 模糊积分融合方法的输入。比较了混淆矩阵、AUC 和准确度等评估指标，并提供了 MSE 和 RMSE。结果表明，Choquet模糊积分融合方法优于集成方法以及其他最先进的分类方法。
数据融合模型的回顾与发展建议...
充分的决策在很大程度上取决于数据融合过程。决策代理能够推断出适合当前环境状态的决策的唯一方法是通过获得有关环境相关方面的态势感知，而这可以通过数据、信息和知识融合来实现。以下论文介绍了一些最新的框架和架构方法，用于构建基于融合的决策系统，包括形式和概念。本文还提出了一种新的架构方法，通过添加显式预测块来构建更具扩展性的基于融合的系统。该架构解决方案的动机是过去十年间科学和工程界见证的基于学习的预测系统发展的迅猛发展，这为我们带来了大量成熟的方法和方法论。
通过多模态和多中心数据融合揭开医学可解释人工智能的黑匣子：一篇小评论、两个展示及其他
可解释人工智能 (XAI) 是机器学习的一个新兴研究课题，旨在揭示 AI 系统的黑箱选择是如何做出的。该研究领域研究决策制定中涉及的措施和模型，并寻求解决方案来明确解释它们。许多机器学习算法无法说明决策的方式和原因。目前使用的最流行的深度神经网络方法尤其如此。因此，这些黑箱模型缺乏可解释性，可能会削弱我们对 AI 系统的信心。XAI 对于深度学习驱动的应用越来越重要，尤其是对于医疗和医疗保健研究，尽管一般来说，这些深度神经网络可以在性能上带来惊人的回报。大多数现有 AI 系统的可解释性和透明度不足可能是成功实施和将 AI 工具集成到常规临床实践中并不常见的主要原因之一。在本研究中，我们首先调查了 XAI 的当前进展，特别是其在医疗保健应用方面的进展。然后，我们介绍了利用多模式和多中心数据融合的 XAI 解决方案，并随后在两个真实临床场景的展示中进行了验证。全面的定量和定性分析可以证明我们提出的 XAI 解决方案的有效性，由此我们可以设想在更广泛的临床问题中成功应用。
产品简介：MSDF - 多传感器数据融合
为关注区域内的所有对象提供准确可靠的监控信息对于安全高效的交通管理至关重要。MSDF 多传感器数据融合和跟踪系统是 Frequentis 集团监控解决方案的强大处理核心。它利用来自多个监控传感器的测量结果，并将它们融合成一幅无缝的空中和地面交通状况图，提供高度准确和高度可靠的监控信息服务。MSDF 具有多功能性，支持各种应用领域和广泛的监控传感器技术。它可以轻松集成新型监控技术。
利用多角度长波红外高光谱数据融合三维地形重建进行地雷探测和雷区测绘
高光谱长波红外遥感与区域三维重建相结合，可提高探测可靠性，减少在山区和丘陵地区搜寻地下物体（杀伤人员地雷、简易爆炸装置和未爆炸弹药）时的误报频率，因为这些地区难以使用扫雷器。多角度遥感使我们能够排除被遮蔽并以一定角度放置的物体的跳跃，并将含有异常物体的土壤与普通土壤和表面不规则物分开。给出了用于雷区测绘的光学数字综合体的概念，其主要基础是高光谱设备，该设备从两个光学通道接收数据，并将它们分成长波红外范围内的数十个光谱通道。一个光学通道扫描天底，第二个通道以一定角度扫描土壤表面。该综合体还包括一个可见光范围的相机，用于接收不同空间平面中的一系列图像以进行进一步的三维重建。描述了一种获取分段高光谱数据并将其与重建的数字地形模型相结合的方法，用于解决隐藏地面和地下物体的探测、侦察以及在不同坡度地形上规划人道主义排雷任务的问题。
