XiaoMi-AI文件搜索系统
World File Search System检测性能
静止状态功能性MRI和PET成像作为研究（AB）人类和啮齿动物正常神经发育的非侵入性工具
研究文章| Alpha节奏的行为/认知发展与视觉白质途径和视觉检测性能有关https://doi.org/10.1523/jneurosci.0684-23.2023收到：2023年4月14日收到：2023年11月21日接受：2023年11月21日接受：2023年11月29日
委员会关于欧盟自愿履行职责的建议......
WTMD 的金属识别规范应要求 WTMD 对适当的物体发出警报，而不是对无害物体发出警报。一旦检测性能已针对特定安全标准进行了验证，就应通过在真实环境中测试 WTMD 来评估识别能力。根据正在评估的安全标准，可能需要适当的剥离程序。为了评估识别能力，应计算通过 WTMD 的人数的警报/总通过率。本次统计调查所需的人数应至少为一千人。
委员会关于欧盟自愿履行义务的建议...
WTMD 的金属识别规范应要求 WTMD 对适当的物体发出警报，而不是对无害物体发出警报。一旦检测性能已针对特定安全标准得到验证，就应通过在真实环境中测试 WTMD 来评估识别能力。根据正在评估的安全标准，可能需要适当的剥离程序。为了评估识别能力，应计算通过 WTMD 的人数的警报/总通过率。本次统计调查所需的人数应至少为一千人。
基于超图的机器学习合奏网络入侵检测系统
摘要 - 检测恶意攻击的网络入侵检测系统（NID）继续面临挑战。NID通常是离线开发的，而它们面临自动生成的端口扫描尝试，从而导致了从对抗性适应到NIDS响应的显着延迟。为了应对这些挑战，我们使用专注于Internet协议地址和目标端口的超图来捕获端口扫描攻击的不断发展的模式。然后使用派生的基于超图的指标集来训练集合机学习（ML）基于NID的NID，以高精度，精确和召回表演以高精度，精确性和召回表演以监视和检测端口扫描活动，其他类型的攻击以及对抗性入侵。通过（1）入侵示例，（2）NIDS更新规则，（3）攻击阈值选择以触发NIDS RETRAINGE RECESTS的组合，以及（4）未经事先了解网络流量本质的生产环境。40个场景是自动生成的，以评估包括三个基于树的模型的ML集成NID。使用CIC-IDS2017数据集进行了扩展和评估所得的ML集合NIDS。结果表明，在更新的nids规则的模型设置下（特别是在相同的NIDS重新培训请求上重新训练并更新所有三个模型），在整个仿真过程中，提出的ML集合NIDS明智地进化了，并获得了近100％的检测性能，并获得了近100％的检测性能。
深度学习用于 MRI 上的脑转移瘤检测
摘要：由于手动检测脑转移瘤 (BM) 非常耗时，因此已经开展了使用深度学习来自动化此过程的研究。本研究的目的是对使用磁共振成像 (MRI) 检测癌症患者 BM 的深度学习模型的性能进行系统评价和荟萃分析。对 MEDLINE、EMBASE 和 Web of Science 进行了系统搜索，直至 2022 年 9 月 30 日。纳入标准为：患有 BM 的患者；使用 MRI 图像的深度学习来检测 BM；在检测性能方面有足够的数据；原创研究文章。排除标准为：评论、信件、指南、社论或勘误表；少于 20 名患者的病例报告或系列；队列重叠的研究；检测性能方面的数据不足；使用机器学习来检测 BM；非英语文章。使用诊断准确性研究-2 的质量评估和医学成像人工智能检查表来评估质量。最后，确定了 24 项符合条件的研究进行定量分析。患者和病变可检测性的汇总比例为 89%。文章应更严格地遵守清单。深度学习算法可有效检测 BM。由于报告差异，无法估计假阳性率的汇总分析。
NV5高性能数字红外运动探测器数字检测Envy Seriestm -NVX80 -Paradox.ee
NVX80（3级双技术检测器）专为高安全性室外或室内环境而设计。部署Paradox的Seetrue™技术，再加上8个检测通道，NVX80由4倍向前看起来的PIR通道，2倍微波通道和2倍专用的蠕变探测器组成，全部由高级检测算法支持。提供出色的检测性能，NVX80绕开了常规和环境干扰，例如摇摆植物，小动物和光反射，因此可以最大程度地减少虚假警报。
移动设备技术资源
o后方o前向o 360度多视图缝线o对象检测•地理范围 - 电磁学（EM），RFID，GPS，GPS和双向雷达识别车辆或人员。GPS接收器允许在潜在危险区域周围进行表面跟踪和设置定义的无周围。•地理载体：零障碍目标中的关键工具，连接，2020。• How Geofencing Is Shaping the World Around You , Toward Data Science • Collision Avoidance and Collision Warning Systems – MSHA Technical Support slide presentation, 2019 • Proximity Detection and Collision Avoidance and Collision Warning Systems - includes links to 16 manufacturer websites for collision avoidance/warning equipment for surface mining vehicles - MSHA Safety Information post • Proximity Detection – Surface and Underground Mining – NIOSH Mining Program, 2015年•验证碰撞警告/避免系统检测性能 - 尼什滑动呈现，2021•验证碰撞警告和回避系统检测系统检测性能的表面挖掘拖运卡车 - NIOSH挖掘计划，2023年，2023年•评估和实施和实施近距离挖掘设备的接近式挖掘设备 - 最新A型•NIOSH挖掘系统2. LIDAR，雷达和相机技术，车队设备，2023
远程塔环境中较低帧率的影响
摘要 — 在航空领域，“远程塔台”是一个当前快速发展的概念，为机场提供经济高效的空中交通服务 (ATS)。其基本原理是依靠光学摄像机传感器，其视频图像从机场中继到位于任何地方的 ATS 设施，并显示在视频全景图上，以提供独立于塔台窗外视野的 ATS。带宽通常有限且昂贵，但在这种经济高效的系统中起着至关重要的作用。降低中继视频流的帧速率 (FR，以 fps 表示) 是节省带宽的一个参数，但会以视频质量为代价。因此，本文评估了在不影响操作性能和人为因素问题的情况下可以减少多少 FR。在我们的研究中，七名空中交通管制员观看了由德国航空航天中心 (DLR e.V.) 布伦瑞克-沃尔夫斯堡机场 (BWE) 的远程塔台现场测试平台录制的真实空中交通视频。在被动阴影模式下，受试者在四种不同的 FR 条件下（2 fps、5 fps、10 fps 和 15 fps）执行 ATS 相关任务，以客观衡量其视觉检测性能并主观评估其当前生理状态以及感知的视频质量和系统可操作性。研究结果表明，通过降低 FR，视觉检测性能和生理状态均不会受到影响。只有感知的视频质量和感知的系统可操作性会因降低 FR 而下降
医疗互联网中的异常检测...
物联网 (IoT) 成为医疗设备领域最新进展中最流行的术语。IoT 流程和结构中的医疗保健数据在健康和技术方面非常敏感和关键。异常值检测方法被视为任何 IoT 系统的主要工具或阶段，主要分为统计和概率、聚类和基于分类的异常值检测。最近，模糊逻辑 (FL) 系统与其他基于 ML 的工具一起用于集成和级联系统以增强异常值检测性能，但其局限性涉及异常值的错误检测。在本文中，我们提出了一个模糊逻辑系统，该系统使用局部异常值因子 (LOF)、基于连通性的异常值因子 (COF) 和广义 LOF 的每个点的异常分数来消除将点分类为异常值或正常值的混淆。关于人类活动识别 (HAR) 数据集，FL 实现了 98.2% 的值。与 LOF、COF 和 GLOF 各自的性能相比，准确率略有提高，但精确度和召回率的提高表明正确分类的数据有所增加，并且真实数据和异常数据均未被错误分类。结果表明，精确度和召回率的提高表明正确分类的数据有所增加。因此，可以确认，输入分数的模糊逻辑在减轻异常数据错误检测方面达到了预期目标。通过比较本研究中提出的模糊逻辑集合和不同类型的局部密度分数，模糊逻辑的结果提供了一种新方法来阐述或融合相同目的的不同工具以提高检测性能