XiaoMi-AI文件搜索系统
World File Search System时间图
基于深度学习的人类心脏激活模拟...
摘要。精准心脏病学数字孪生的愿景是将专家知识和患者心脏病理生理数据与先进的计算方法相结合，以生成准确、个性化的治疗策略。在研究心脏电生理学时，孪生管道通常需要大量模拟，例如在探索个性化参数空间时或在大数据研究中扩展到大量虚拟患者时。在这些情况下，最先进的方法在计算上是昂贵的，即使应用相对较快的算法（例如 Eikonal 模型）。在这项工作中，我们研究了基于 U-Net 的模型在整个人体心室内电激发的性能。该方法通过在标准化的三维空间中表示心脏的解剖和电生理特性，提供了减少输入参数空间的优势。结果表明，该模型能够模拟 Eikonal 模拟方案并预测心脏激活时间图，平均准确度为 4.7ms RMSE，预测点性能有所提高，结果速度提高了 500 倍。这种新方法为大量人体心脏模型中个性化心脏传播模拟提供了有希望的结果。
一种新型运动图像分类的模型
摘要：运动图像分类对具有移动性障碍的人具有很大的意义，以及如何提取和利用运动图像脑图像（EEG）渠道的有效特征一直是注意力的焦点。有许多不同的方法用于运动临时分类，但是对人脑的有限理解需要更多有效的方法来提取脑电图数据的特征。图形神经网络（GNN）已证明其在分类图结构中的效果。 GNN的使用为大脑结构连接特征提取提供了新的可能性。在本文中，我们提出了一个新的图形神经网络，基于称为MutualGraphnet的原始EEG通道的相互信息。我们使用相互信息作为与空间时间图卷积网络（ST-GCN）相结合的ADJACENCY矩阵可以提取运动成像电脑图（EEG）的过渡规则，更有效地通道数据。实验是在运动图像脑电图数据集上进行的，我们将模型与当前的最新方法进行了比较，结果表明，互助网络足够强大，足以学习可解释的特征并优于当前最新方法。关键字：图形卷积，深度学习，脑电图（EEG），脑部计算机间（BCI）
在锂离子电池组中探索热失控期间的颗粒过滤
图1。图像显示了由Northvolt为Scania生产的棱柱形电池。[5] ....................................................................................................................................................................................................................................................................................................................................................................................... 从电池电池到电池系统的最终产品的组件的示意图表示。 [17] ............................................................................................................................................ 14 Figure 3. 最常见的电池单元类型的示意图。 [25] .......................................................................................................................................................... 16 Figure 4. 棱柱电池电池模块的图。 [23] .................................................................... 18 Figure 5. 带有标记组件的电池组的示意图。 [38] ........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... SAE International描述的双阶段通风孔功能的图。 [39] ........ 20图7。 （a）在温度与时间图中的热失控事件之前的通风场景的图形表示。 （b）在通风和热失控过程中产生的气体的图形表示与电池一起可以分别以物质温度和时间图温度温度。 [42] ............................................................................................................... 22 Figure 8. [8] ............................................................................................................................................................................................................................................................................................................................................................ 示意性表示在热失控期间弹出颗粒的方式。[5] .......................................................................................................................................................................................................................................................................................................................................................................................从电池电池到电池系统的最终产品的组件的示意图表示。[17] ............................................................................................................................................ 14 Figure 3.最常见的电池单元类型的示意图。[25] .......................................................................................................................................................... 16 Figure 4.棱柱电池电池模块的图。[23] .................................................................... 18 Figure 5.带有标记组件的电池组的示意图。[38] ........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... SAE International描述的双阶段通风孔功能的图。 [39] ........ 20图7。 （a）在温度与时间图中的热失控事件之前的通风场景的图形表示。 （b）在通风和热失控过程中产生的气体的图形表示与电池一起可以分别以物质温度和时间图温度温度。 [42] ............................................................................................................... 22 Figure 8. [8] ............................................................................................................................................................................................................................................................................................................................................................ 示意性表示在热失控期间弹出颗粒的方式。[38] ...........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................SAE International描述的双阶段通风孔功能的图。[39] ........ 20图7。（a）在温度与时间图中的热失控事件之前的通风场景的图形表示。（b）在通风和热失控过程中产生的气体的图形表示与电池一起可以分别以物质温度和时间图温度温度。[42] ............................................................................................................... 22 Figure 8.[8] ............................................................................................................................................................................................................................................................................................................................................................ 示意性表示在热失控期间弹出颗粒的方式。[8] ............................................................................................................................................................................................................................................................................................................................................................示意性表示在热失控期间弹出颗粒的方式。（a）ni，co和Mn的热失控粒子的质量百分比和元素组成的图形表示，以及（b）al，cu，f，p，p，以及其他元素。[74] .......................................................................................................................................................... 27 Figure 10.tr中包括粒子射血的阶段的示意图。[74] ......... 28图11。深度过滤器中主要过滤机制的示意图。[79] ..................................................................................................................................................................................................................................从棱柱形液体上的热失控测试中收集的颗粒的尺寸分布，其中a）显示了整个样品的尺寸分布，b）显示了a中第一个峰的尺寸分布。[74] ........................................................................................................................................ 33 Figure 13.带有孔的钢板的示意性重新陈述。............................................................. 37 Figure 14. a) Sketch of test set-up of singular cell and filter material.b) Image of test set-up of singular cell, filter material, and temperature sensors.......................................................................... 37 Figure 15.在测试期间拍摄的图像显示过滤器暴露于火焰的类型。由于机密性目的，未包含在图像中的单元。 ..................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... TR测试后过滤器A的图像。 TR测试后滤波器C的图像。未包含在图像中的单元。.....................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................TR测试后过滤器A的图像。TR测试后滤波器C的图像。.........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................TR测试后滤波器B的图像（试验1）.........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................Image of Filter B (Trial 2) after the TR test............................................................................. 41 Figure 19.......................................................................................... 41 Figure 20.所有过滤器的图像（a，b（试验1），b（试验2），c）在TR测试进行比较之后................................................................................................................................. 42图21。SEM images of Filter B (Trial 1) after the TR test ................................................................... 43 Figure 22.TR测试后，从过滤器B的SEM图像（试验1）中进行了。 .................................................. 43 Figure 23. SEM images of Filter B (Trial 2) after the TR test ................................................................... 44 Figure 24. TR测试后，来自滤波器B（试验2）的SEM图像的。 ......................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... SEM images of Filter C after the TR test ................................................................................ 45从过滤器B的SEM图像（试验1）中进行了。.................................................. 43 Figure 23.SEM images of Filter B (Trial 2) after the TR test ................................................................... 44 Figure 24.。.........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................SEM images of Filter C after the TR test ................................................................................ 45
神经计算与应用
摘要：脑电图 (EEG) 记录有助于解码张开/闭合手部的动作准备。为此，通过波束形成解决逆问题，提取运动皮层中的皮层源信号（相对于运动开始提前 1 秒）。EEG 源时期用作源时间图输入到自定义深度卷积神经网络 (CNN)，该神经网络经过训练可执行双向分类任务：手闭合前 (HC) 与静息状态 (RE) 以及手张开前 (HO) 与 RE。虽然深度 CNN 效果很好（HC 与 RE 的准确率高达 89.65+-5.29%，HO 与 RE 的准确率高达 90.50+-5.35%），但在本研究中，我们探索了深度 CNN 的可解释性，以进一步了解手部亚运动准备过程中皮层源的隐藏激活机制。具体来说，进行遮挡敏感性分析以调查哪个皮质区域最好参与分类过程。实验结果显示，受试者的皮质激活具有反复出现的空间模式；特别是靠近纵向裂隙的中央区域以及运动前区和初级运动皮质的右颞区似乎参与程度很高。这些发现鼓励深入研究似乎在手的张开/闭合准备中发挥关键作用的皮质区域。
ACAV：自动驾驶事故记录中自动因果关系分析的框架
自动驾驶汽车（AV）的快速进步使无人驾驶未来的前景比以往任何时候都更加接近。最近的死亡人士通过大规模测试强调了安全验证的重要性。多种方法使用高保真模拟器（即通过生成多种驾驶场景并评估自动驾驶系统（ADSS）（ADSS）来完全自动实现此目的，以实现这一目标。虽然有效地发现违规行为，但这些方法并未确定导致它们的决定和措施，这对于改善ADS的安全至关重要。为了应对这一挑战，我们提出了ACAV，这是一个自动框架，旨在在两个阶段进行AV事故记录进行因果关系分析。首先，我们根据ADS模块之间交换的消息应用功能提取模式，并使用加权投票方法丢弃与事故无关的录音框架。第二，我们使用安全规范来确定安全 - 关键框架并通过将CAT（我们的因果分析工具）应用于站时间图来推断因果事件。我们在阿波罗广告上评估了ACAV，发现它可以识别出五种不同类型的因果事件，其中93.64％是通过AV测试引擎生成的事故记录中的93.64％。我们进一步评估了从注射特定故障的阿波罗（Apollo）收集的1206个事故记录上的ACAV，发现它可以正确识别96.44％由预测错误触发的事故中的因果事件，以及由计划错误触发的事故的85.73％。
电信研究与创新中心（CERTI），马来西亚技术学院电子和计算机科学院
马来西亚技术大学的电信研究与创新中心（CERTI），马来西亚技术大学，Hang tuah Jaya，76100单榴莲，马来西亚，马来西亚，马来西亚马来西亚，马来西亚大学，Hung Tuah Jaya，Malaysia，Malaysia，Malaysia，Malaysia，Malaysia，Malaysia，Malaysia，Malaysia，Malaysia（1） Bhd。 554，Jalan Waja 5，Taman Industri Waja 2，09000 Kulim Kedah Darul Aman（2）电气，电子和系统工程系，马来西亚大学工程和建筑环境学院，马来西亚大学，43600 UKM BANGI，MALAYSIA，MALAYSIA，MALAYSIA（3） 0000-0002-1864-1952 doi：10.15199/48.2023.01.01使用IoT监视摘要的双轴太阳能跟踪系统的开发和评估。 阳光和热量是我们地球的天然来源，我们可以使用各种不断变化的技术，包括太阳热和人造光合作用。 可再生能源的太阳能是重要的电力来源。 太阳能跟踪器的函数可最大程度地减少升高和光伏面板之间的入射角。 这些机制随着太阳最大化的能量吸收而改变了它们的方向。 与固定角度系统相比，太阳能跟踪器野生增加了太阳能。 在任何太阳系中，随着太阳穿过天空的最佳角度，转移效率通过连续调整跟踪系统而提高。 该项目使用Arduino Uno提出了太阳能跟踪系统的开发，从而使面板可以通过四个LDR朝着阳光的高强度移动。 压力。 它使用云快速传输数据。马来西亚技术大学的电信研究与创新中心（CERTI），马来西亚技术大学，Hang tuah Jaya，76100单榴莲，马来西亚，马来西亚，马来西亚马来西亚，马来西亚大学，Hung Tuah Jaya，Malaysia，Malaysia，Malaysia，Malaysia，Malaysia，Malaysia，Malaysia，Malaysia，Malaysia（1） Bhd。 554，Jalan Waja 5，Taman Industri Waja 2，09000 Kulim Kedah Darul Aman（2）电气，电子和系统工程系，马来西亚大学工程和建筑环境学院，马来西亚大学，43600 UKM BANGI，MALAYSIA，MALAYSIA，MALAYSIA（3）0000-0002-1864-1952 doi：10.15199/48.2023.01.01使用IoT监视摘要的双轴太阳能跟踪系统的开发和评估。阳光和热量是我们地球的天然来源，我们可以使用各种不断变化的技术，包括太阳热和人造光合作用。可再生能源的太阳能是重要的电力来源。太阳能跟踪器的函数可最大程度地减少升高和光伏面板之间的入射角。这些机制随着太阳最大化的能量吸收而改变了它们的方向。与固定角度系统相比，太阳能跟踪器野生增加了太阳能。在任何太阳系中，随着太阳穿过天空的最佳角度，转移效率通过连续调整跟踪系统而提高。该项目使用Arduino Uno提出了太阳能跟踪系统的开发，从而使面板可以通过四个LDR朝着阳光的高强度移动。压力。它使用云快速传输数据。在此跟踪系统中，在太阳能参数的实时数据中实现了监视系统，并使用事物使用WEMOS D1 R2的对缺陷的实时数据来影响其缺陷。结果表明，跟踪系统的效率比单轴系统高55.38％。监视系统对于实时分析太阳能电池板组件环境因素是实用的。阳光和热量是我们土地上的自然来源，我们可以在其中使用各种不断变化的技术，包括太阳能和人工光合作用。可再生能源的太阳能是重要的电力来源。太阳能跟踪器的功能最小化了落光和光伏面板之间的入射角。这些机制在太阳最大化能量吸收时改变了它们的方向。与固定角度系统相比，太阳追踪器会增加太阳能。在每个太阳系中，由于太阳穿过天空时的最佳角度跟踪系统的持续调整，转移效率会提高。该项目使用Arduino Uno提出了太阳跟踪系统的开发，使面板能够通过四个LDR向高阳光移动。在这个真实的时间跟踪系统数据中实现了有关太阳能参数的数据以及使用与Wemos D1 R2合作的Thing Speak平台影响其缺陷的因素的数据。两个来源都需要大面积和更多的原材料来产生电力。结果表明，跟踪系统的容量比单轴系统高55.38％。监视系统对于太阳能电池板组件的环境因素的真实时间分析是实用的。(Development and assessment of the two-axle solar energy tracking system with data monitoring and OT) Keywords: dual-axis, solar tracking, IoT keywords: two-axis solar energy tracking system, IoT Introduction Solar Energy is a significant source of electricity from renewable energy sources as it is easy to use, Readily, Readily Available, and inexpensive as been used in [1-4].如今，除了利用化石燃料或大坝发电外，世界还面临着能源不足。 其他替代能源可以强调为太阳能，风和核等电力。 污染大气的能量是最有利的可再生能源。 太阳能跟踪系统可以跟踪太阳并产生电能。 有两个基本跟踪器类别：一个轴和一个双轴。 双轴跟踪系统具有两个轴自由，水平和垂直。 双轴太阳能跟踪器是太阳能电池板根据太阳的运动移动并整天获得辐射。 [5]中的preethi g设计了太阳能跟踪系统，该系统使用两个LDR传感器和一个伺服电动机来检测阳光，从而使太阳能电池板朝着阳光下移动。 实时监视系统使用与Arduino端口相关的LabView系统。 太阳能电池板数据，例如在LabView中测量和图形表示的电压，电流和光强度。如今，除了利用化石燃料或大坝发电外，世界还面临着能源不足。其他替代能源可以强调为太阳能，风和核等电力。污染大气的能量是最有利的可再生能源。太阳能跟踪系统可以跟踪太阳并产生电能。有两个基本跟踪器类别：一个轴和一个双轴。双轴跟踪系统具有两个轴自由，水平和垂直。双轴太阳能跟踪器是太阳能电池板根据太阳的运动移动并整天获得辐射。[5]中的preethi g设计了太阳能跟踪系统，该系统使用两个LDR传感器和一个伺服电动机来检测阳光，从而使太阳能电池板朝着阳光下移动。实时监视系统使用与Arduino端口相关的LabView系统。太阳能电池板数据，例如在LabView中测量和图形表示的电压，电流和光强度。太阳能系统的性能是使用Labview前面板的辐照度与时间图，针对时间图的电压以及电流对时间图测量的。此设计的缺点是使用LabView在需要与串行通信端口连接的地方使用。这使得该项目无法从远处监视