XiaoMi-AI文件搜索系统
World File Search System检测性能
基于两步算法的智能连接车辆中的入侵检测系统
摘要。智能连接的车辆是物联网中不可分割的对象。在确保车辆的安全性和可靠性方面，汽车行业面临着巨大的挑战。在这种情况下，智能连接的车辆供应商致力于提供安全的系统，以确保用户驾驶安全性并保护他们免受可能的网络攻击。本文提出了一种基于适合智能连接车辆的嵌入式环境的入侵检测系统。两步算法用于检测可能的攻击。为了评估系统的性能，本文进行了实验测试，计算经典的准确性评估参数，并将其与模拟的网络攻击数据集进行比较。结果表明，该方法对常见的网络攻击具有出色的检测性能。在自由状态攻击下测试此方法时，性能会降低。
基于人工智能的恶意软件和勒索软件检测模型
摘要 — 网络犯罪是本世纪主要的数字威胁之一。尤其是勒索软件攻击显著增加，造成全球数百亿美元的损失。在本文中，我们训练和测试了不同的机器学习和深度学习模型，用于恶意软件检测、恶意软件分类和勒索软件检测。我们引入了一种新颖而灵活的解决方案，它结合了两种优化的恶意软件和勒索软件检测模型。我们的结果表明，在检测性能和灵活性方面都有一些改进。特别是，我们的组合模型为使用专门的、可互换的检测模块更容易地进行未来增强铺平了道路。索引词 — 恶意软件、勒索软件、PE 文件、防病毒、网络安全、人工智能
NLGAD检测器上的增益测量
在过去的几年中，低增益雪崩探测器（LGAD）在检测高能电荷颗粒时表现出了出色的性能。但是，由于孔和电子的乘法机制的差异，低穿透性颗粒（例如低能质子或软X射线）的检测性能大大降低。在CNM上设计和制造了LGAD检测器NLGAD的新型设计，以克服这一缺点。在这项工作中介绍了NLGAD概念的定性描述，以及在660 nm和15 keV X射线的可见光下对第一原型的增益响应测量。此外，在这项工作中还评估了对404 nm的增益响应的综述，而先前研究的1064 nm的IR光也为1064 nm。结果表明，NLGAD概念具有检测低穿透性颗粒的潜力。
小对象检测的实际性能
标题：小对象检测的现实性能演示者名称：Michel van Lier公司名称 /研究所：TNO项目名称：Mantis Vision Funding Group：PENTA / XECS / EURIPIDES / ECEL / ECSEL / KDT摘要可以在网站上发布：☒是的，no提供500个单词的摘要最多。使用字体Arial，尺寸11。如果使用了数字，则文本和数字必须留在此页面内。自动化对象检测在各种应用中变得越来越相关。这包括可见和IR视频中的人，无人机，船只和车辆的检测。对于可能与人类一起部署的自治系统，情境意识（SA）至关重要，因此可以尽早调整潜在的危险操作。挑战是在大量宽阔的视野摄像头系统中检测和跟踪大距离的人，这是无处不在的，因为这仅导致每人只有几个相机像素。最重要的是，光线和天气状况在对象检测性能中起作用，这是一个额外的挑战。基于学习的对象检测方法（例如Yolo）已证明在许多应用中为此目的有希望，但是当对象上的像素数量减少时，它们的性能会降低。最近的方法旨在通过考虑时间信息来改善对小物体的检测。这样的时空深度学习模型原则上可以检测到高达4个平方像素的移动人员。在如此小的规模下，性能可能受许多因素的影响。为了更好地了解这些效果，我们已经在朝向非结构化的地形的观测塔上安装了一个相机系统，以便在视野中可见200至400的区域。使用此设置，我们可以研究对象和背景之间的对比度，成像系统的分辨率以及深度学习模型对小人检测准确性的精确性。我们创建了一个数据集，该数据集由长时间记录并涵盖几个季节的简短剪辑组成。使用结果数据集，我们比较了不同模型的对象检测性能，但也评估了光和天气条件的效果，并在现实世界中证明了最新的自动化小对象检测的限制。
防止意外孤岛的逆变器板载检测方法：行业实践
为了解决分布式能源 (DER) 中对意外孤岛效应的长期担忧，一个为期多年的研究项目正在进行中。该项目旨在解决逆变器连接 DER 中部署的增长、扩展的功能和新的性能选项。该项目的主要成果预计将是定义通用孤岛检测方法、在典型馈线环境中的有效性评估以及筛选互连请求的新标准。该项目以桑迪亚国家实验室最近的研究成果“混合 DER 类型的意外孤岛检测性能，SAND2018-8431”（2018 年 7 月）为基础。1 正在进行的其他工作是研究不同的孤岛检测方法、穿越性能类别和馈线细节如何影响预防。计划发布更多 EPRI 和桑迪亚报告来提供这项研究的结果。
图像预处理策略，用于改善Aruco标记检测水下
摘要 - 在水下计算机视觉中，由于浊度和可变照明条件等环境因素，提高了Aruco标志物的特征提出了重大挑战。本研究探讨了旨在改善非杂种环境中Aruco标记检测性能的图像预处理策略。研究了三种不同的预处理方法：对自适应直方图均衡的增强，一种基于频率域的方法，重点是局部和全局处理，以及一种针对照明校正，降低降低，对比度增强和颜色调整的自动预处理技术。实验验证是为了使用实际水下图像评估这些策略的有效性。这项研究阐明了针对水下Aruco标记检测应用量身定制的有效预处理技术，为开发强大的水下计算机视觉系统提供了见解。索引术语 - 进行处理，视觉，Aruco，水下，ROV
2024 det-tronics产品目录
X3301多光谱红外火焰检测器（规格表：90-1218，90-1219）在基于碳氢化合物的火灾检测性能和错误警报拒绝中建立了基准。检测器利用了由嵌入式32位微处理器支持的高级信号处理算法在存在误报源和带有红外辐射的环境的情况下提供连续的保护。可以使用多种灵敏度和输出选项，使X3301可以用于各种应用程序，例如海上石油/天然气平台。标准输出包括火灾警报，辅助警报和故障继电器，rs-485 modbus。可选的0-20 MA，HART，PULSE或EAGLE量子总理输出也可用。机库模式处理选项为持续火灾提供了增加的验证时间，同时保持扩展的检测范围能力。机库模式为包含临时警报源的应用程序提供了其他错误的警报拒绝能力。
一种可扩展的高通量靶向下一代测序检测方法，用于对实体肿瘤进行全面的基因组分析
测序运行，从收到样本到报告的周转时间不到 7 天。结果表明，可扩展的检测方法可以准确且可重复地检测出 40ng DNA 中的小变异、拷贝数变异、微卫星不稳定性 (MSI) 和肿瘤突变负担 (TMB)，以及 20ng RNA 中的多个基因融合，包括已知和未知的伴侣和剪接变体。对 717 个肿瘤样本和参考材料进行了测序，其中 96 个癌症相关基因存在已知变异，以评估检测性能。所有变异类别均能以一致且可报告的变异等位基因百分比可靠地检测到，总体准确度和精确度 > 99%。我们的结果表明，高通量 CGP 检测是一种准确的分子变异检测方法，支持肿瘤学的精准治疗。支持系统和可扩展的工作流程可以每周高效解释和及时报告数百个患者癌症基因组，并具有出色的分析性能。
Genius AI 检测软件
该研究评估了 Genius AI Detection 软件 2.0 与之前发布的 Genius AI Detection 软件的性能。性能比较是使用 fROC 分析和每个产品操作点的关键指标进行的。使用 Hologic 的 3D™ 乳房断层合成检查的单个隔离数据集来比较已发布的 Genius AI Detection 软件和 Genius AI Detection 软件 2.0 之间的检测性能。使用 fROC 曲线和 Hologic 当前高分辨率图像采集模式（Hologic Clarity HD ® 成像技术）的关键性能指标对 Genius AI Detection 软件 2.0 和 Genius AI Detection 软件之间的主要独立性能进行比较。此外，还进行了补充分析，以比较按两种采集模式（高分辨率和标准分辨率）、病变类型（钙化与肿块）和乳房密度（致密乳房和脂肪乳房）分层的性能。
更快的基于区域的热点检测
摘要 —随着电路特征尺寸的不断缩小，热点检测已成为现代可制造性设计流程中更具挑战性的问题。发达的深度学习技术最近显示出其在热点检测任务上的优势。然而，现有的热点检测器每次只能处理来自一个小的布局片段的缺陷检测，因此在处理大型全芯片布局时可能非常耗时。在本文中，我们开发了一个新的端到端框架，可以一次检测大区域中的多个热点，并保证更好的热点检测性能。我们设计了一个联合自动编码器和初始模块以有效地提取特征。设计了一个两阶段分类和回归框架来检测具有逐步精确定位的热点，这提供了有希望的性能改进。实验结果表明，我们的框架比现有方法具有显着的速度提高，准确率更高，误报更少。