XiaoMi-AI文件搜索系统
World File Search System检测性能
提高 Sonar 的系统范围检测性能...
网络传感器系统中的分布式检测优化问题涉及许多设计方面，包括平衡漏检和误报概率以及通过适当的网络内信息融合管理通信资源。此外，还必须进行许多权衡，例如信息融合和传感器控制的计算要求与信息交换的通信要求之间的权衡。因此，最好通过共同考虑设计方面和权衡对整体系统性能的影响来做出整体系统设计决策。本文讨论了网络内融合和相关的网络算法，以提高多静态声纳应用的检测性能和能源效率。这是通过在传输到场外之前交换和融合声纳浮标之间的联系来实现的。网络内融合利用成本较低的浮标间通信进行大部分数据通信，并通过仅报告具有足够相关性的多个浮标的检测结果来减少随机不相关的误报。场外接触传输的减少允许每个浮标具有较低的信号过量阈值，从而增加检测概率。我们通过分析和高保真声纳模拟证明了分布式网络内融合的有效性。
提高声纳系统整体检测性能...
网络传感器系统中优化分布式检测的问题涉及许多设计方面，包括平衡漏检和误报概率以及通过适当的网络内信息融合管理通信资源。此外，还必须进行许多权衡，例如信息融合和传感器控制的计算要求与信息交换的通信要求之间的权衡。因此，最好通过共同考虑设计方面和权衡对整体系统性能的影响来做出整体系统设计决策。本文讨论了网络内融合和相关的网络算法，这些算法可提高多静态声纳应用的检测性能和能源效率。这是通过在场外传输之前交换和融合声纳浮标之间的联系来实现的。网络内融合利用成本较低的浮标间通信进行大部分数据通信，并通过仅报告具有足够相关性的多个浮标的检测来减少随机不相关的误报。场外接触传输的减少允许每个浮标的信号过量阈值降低，从而增加检测概率。我们通过分析和高保真声纳模拟证明了分布式网络融合的有效性。
头戴式间接视觉的目标检测性能
参与者使用头盔显示器 (HMD) 和触摸屏显示器通过 3 种不同的方法检测目标，以显示间接视觉显示系统的 360º 视频。使用受试者内设计，目标包括下马、骑乘和空中目标。测量了检测到的目标数量、工作量和每种条件的可用性。与监视器条件相比，HMD 条件在总体上和每种类型的目标类型中检测到的目标明显更多。根据 NASA TLX 的测量，与其他条件相比，HMD 的使用还产生了明显较低的心理工作量，并且实现了明显更高的可用性。讨论了这些差异的可能原因，并讨论了未来使用 HMD 和混合现实技术进行间接视觉显示系统的研究。
提高声纳系统整体检测性能...
网络传感器系统中的分布式检测优化问题涉及许多设计方面，包括平衡漏检和误报概率以及通过适当的网络内信息融合管理通信资源。此外，还必须进行许多权衡，例如信息融合和传感器控制的计算要求与信息交换的通信要求之间的权衡。因此，最好通过共同考虑设计方面和权衡对整体系统性能的影响来做出整体系统设计决策。本文讨论了网络内融合和相关的网络算法，以提高多静态声纳应用的检测性能和能源效率。这是通过在传输到场外之前交换和融合声纳浮标之间的联系来实现的。网络内融合利用成本较低的浮标间通信进行大部分数据通信，并通过仅报告具有足够相关性的多个浮标的检测结果来减少随机不相关的误报。场外接触传输的减少允许每个浮标具有较低的信号过量阈值，从而增加检测概率。我们通过分析和高保真声纳模拟证明了分布式网络内融合的有效性。
提高声纳系统整体检测性能...
网络传感器系统中优化分布式检测的问题涉及许多设计方面，包括平衡漏检和误报概率以及通过适当的网络内信息融合管理通信资源。此外，还必须进行许多权衡，例如信息融合和传感器控制的计算要求与信息交换的通信要求之间的权衡。因此，最好通过共同考虑设计方面和权衡对整体系统性能的影响来做出整体系统设计决策。本文讨论了网络内融合和相关的网络算法，这些算法可提高多静态声纳应用的检测性能和能源效率。这是通过在场外传输之前交换和融合声纳浮标之间的联系来实现的。网络内融合利用成本较低的浮标间通信进行大部分数据通信，并通过仅报告具有足够相关性的多个浮标的检测来减少随机不相关的误报。场外接触传输的减少允许每个浮标的信号过量阈值降低，从而增加检测概率。我们通过分析和高保真声纳模拟证明了分布式网络融合的有效性。
头戴式间接视觉的目标检测性能
参与者使用头盔显示器 (HMD) 和触摸屏显示器通过 3 种不同的方法检测目标，以显示间接视觉显示系统的 360º 视频。采用受试者内设计，目标包括下马、骑乘和空中目标。测量了检测到的目标数量、工作量和每种条件下的可用性。与监视器条件相比，HMD 条件在总体上和每种目标类型中检测到的目标数量明显更多。与其他条件相比，使用 HMD 还产生了明显较低的心理工作量（由 NASA TLX 测量），并且实现了明显更高的可用性。讨论了这些差异的可能原因，并讨论了未来使用 HMD 和混合现实技术进行间接视觉显示系统的研究。
基于对象检测性能评估的YOLO变体的比较分析
摘要。本研究的重点是分析和探索您只看一次（YOLO）算法。具体来说，本文分析了对象检测中三个版本（Yolov1，Yolov5和Yolov8）的演变和性能。研究开始于详细介绍对象检测的基本概念以及该领域常用的数据集。然后，它深入研究了与每个Yolo版本相关的特定体系结构和实验结果。分析表明，尽管Yolov8引入了高级功能和改进，但诸如Yolov5之类的早期版本在某些条件下可能会提供卓越的稳定性和性能，尤其是在特定任务（例如汽车检测）中。讨论强调了批处理大小等因素对模型性能的重要影响，这表明对这些参数进行微调可以优化特定应用的算法。该研究得出的结论是，Yolo发展的未来在于探索和完善不同的变体，尤其是Yolov8的变体，以更好地满足各种要求。通过专注于五个不同的Yolov8变体，该研究旨在增强Yolo框架在各种物体检测挑战中的适应性和有效性，从而对这项技术的持续发展产生宝贵的见解。
alpha节奏的开发与视觉白质途径和视觉检测性能有关
alpha是静止人体中最强的电生理节奏。尽管在脑电图信号中占主导地位，但在发育过程中可以观察到α性质的巨大变化，并且在儿童期和成年期间α频率的增加。在这里，我们检验了以下假设：α节奏中的这些变化与视觉白质途径的成熟有关。我们以大型扩散MRI（DMRI）-EEG数据集（DMRI n = 2,747，EEG N = 2,561）的儿童和青少年（年龄范围5-11岁）的儿童和青少年进行了大写，并显示出特定于Alpha频率的发育范围。行为分析还证实了α频率的变化与视觉感知的成熟变化有关。目前的发现证明了白质组织特性，电生理反应和行为之间的发育变化之间的密切联系。
alpha节奏的开发与视觉白质途径和视觉检测性能有关
研究文章|行为/认知定义被忽视的结构揭示了衰老中皮质与认知之间的新关联与阿尔茨海默氏病之间的联系https://doi.org/10.1523/jneurosci.1714-23.2024收到：2023年9月10日，2024年1月5日接受：2024年1月27日：27 1月27日copyright。
研究文章的协作脑机构接口框架，用于增强动态视觉目标的群体检测性能
在性能增强中，协作脑部计算机接口（CBCI）的优势使其成为破坏基于BCI的动态视觉目标检测的性能瓶颈的有效方法。但是，现有的CBCIS专注于静态和单向模式的多核信息融合，缺乏多个代理之间的信息交互和学习指导。在这里，我们提出了一个新型的CBCI框架，以增强动态视觉目标的群体检测性能。特别是，具有信息交互，动态学习和个人传递能力的相互学习域自适应网络（MLDANET）是CBCI框架的核心。Mldanet将P3-SSDA网络作为单个网络单元，引入相互学习策略，并在神经决策级别上建立一个动态的互动学习机制和协作性决策。te结果表明，所提出的MLDANET-CBCI框架可以达到最佳的组检测性能，并且相互学习策略可以提高单个网络的检测能力。在Mldanet-CBCI中，协作检测和单个网络的F1得分分别比三个思维协作时分别比多阶级的CBCI中的F1分别高0.19。tus，所提出的框架突破了传统的多态度协作模式，并展示了动态视觉目标的出色群体检测性能，这对于多智力协作的实际应用也非常有意义。