XiaoMi-AI文件搜索系统
World File Search System检测系统
风隧道表征的石墨烯增强pedot：飞机冰检测系统的PSS传感元件
摘要：本研究详细介绍了基于石墨烯的冰探测系统的开发和验证，旨在通过监视飞机表面上的冰的积累来增强飞行安全性。该系统使用石墨烯电极采用半导体聚合物（PEDOT：PSS），解释电阻变化以实时检测水撞击和冰的形成。在各种温度和气流条件下，在风洞中对传感器的性能进行了严格的测试，重点是电阻信号依赖于空气温度和相位变化。结果证明了传感器将水滴影响与冰的形成区分开的能力，其电阻信号幅度与水滴的影响之间有着显着的相关性，从而导致冰积聚。进一步的分析显示了空气温度与电阻信号振幅之间的显着关系，尤其是在有益于冰形成的较低温度下。这强调了传感器在各种大气条件下的精度。该系统的紧凑设计和准确的检测突出了其改善飞机冰监测的潜力，为通往强大可靠的冰探测系统提供了一条路径。
HAMAMATSU HWB MPPC的低温表征为沙丘光子检测系统
摘要：深层中微子实验（Dune）是旨在研究中微子振荡的下一代实验。其长基线配置将利用近检测器（ND）和位于约1300 km的距离检测器（FD）。FD将由四个液体氩时间投影室（LAR TPC）模块组成。光子检测系统（PDS）将用于检测中微子相互作用后检测器内部产生的闪烁光。PDS将基于耦合到硅光电层（SIPM）的光收集器。已经提出并生产了不同的光发音技术，以确定最佳样本以满足实验要求。在本文中，我们介绍了Hamamatsu Photonics K.K.生产的孔线结合（HWB）MPPC样品的验证活动的过程和结果。（HPK）用于沙丘实验，称它们为“ sipms”。报道了在低温温度（77 K）处进行表征的方案。我们介绍了进行下调标准以及在选择运动中获得的结果，以及对sipms噪声的主要来源的研究，包括研究该领域新观察到的现象。
EP Collisions中D0重建的机器学习（ML）沙丘远检测器光子检测系统的特征和表演«Moleculardna
参考文献：[1]辐射诱导的DNA双链破裂修复的主要途径的定量模型，Belov OV等。j理论，2月7日； 366：115-30，2015：Link [2]使用Geant4-DNA，D。Sakata等人，Cancers，Cancers，13，p。 6046，2021：链接[3]使用Geant4-DNA对DNA损伤进行了仿真：“分子”示例应用程序的概述，Chatzipapas等。prec辐射oncol。1-11。2023：链接
电子邮件启用警报网络入侵检测系统
Hegde 5，Harsh Kumar 6 1，2，2，3，4，5，6计算机科学和工程总统大学班加罗尔，印度摘要 - 在不断发展的网络安全环境中，强大的入侵检测系统（IDS）的重要性至关重要。本研究探讨了监督机器学习模型的整合，例如决策树，支持向量机（SVM）和随机森林，以提高网络入侵检测系统（NIDS）的能力。建议的方法包括使用KDD-CUP99数据集的数据预处理，功能选择和模型培训。本研究对具有41个特征的模型的性能进行了比较分析，并减少了通过递归功能消除（RFE）获得的15个功能。这项研究有助于理解机器学习在加强电子邮件启动的有效性，从而使NID能够抵抗网络威胁。索引术语 - 网络入侵，监督机器学习，网络攻击检测，网络安全性，电子邮件ALERT，威胁检测。
可配置、符合人体工程学的光学检测系统
超高清 (4K) 830 万像素摄像头，配备 30:1 电动变焦和自动对焦功能，可检查精细细节。550 毫米工作距离和 700 毫米视野，具有出色的光学性能，可用于检查大型物体。先进的远程控制台具有记忆预设和脚踏开关输出，可实现对摄像头和镜头的免提控制。支架柱上安装的 VESA 支架为操作员提供了符合人体工程学的位置，可一览无余地查看显示器。选件包括 XY 浮动板、数字视频/图像捕捉、防静电外壳和内置激光指示器。
基于Yolov8的深层手球检测系统...
利用高级计算机视觉技术，例如深度学习和对象跟踪算法，手球视频中有能力的主动玩家检测功能可以自动在高速匹配中自动跟踪玩家的运动。这项创新不仅丰富了教练对球员绩效和团队动态的见解，而且还通过实时分析和增强现实增强来提高观众的参与度。在基于实践的手球视频的背景下，多个玩家经常出现，并非所有参与者都从事特定的练习或采用推荐的手球技术。本研究探讨了采用基于CNN的YOLOV8预训练模型与转移学习技术相结合的新方法，以增强手球识别。Yolov8 Architecture的高级功能是利用的，以解决玩家跟踪，球轨迹预测和复杂玩家互动中的现有差距。通过转移学习，该模型是使用特定于手球的数据进行微调的，从而在识别玩家，球和关键元素方面进行适应和专业化。该方法利用Yolov8的实时处理和多尺度分析来提高动态游戏方案的准确性，克服诸如遮挡和快速运动之类的挑战。通过将Yolov8预训练的模型与转移学习相结合，这种方法在实现全面有效的手球识别方面展现了有希望的进步，可以显着增强对玩家动态，球运动和整体游戏玩法的见解。Yolov8与转移学习的融合涉及利用Yolov8的预训练的特征来提取对象特征，然后对手球特异性数据的模型进行微调，以增强其在手球识别的背景下识别球员，球和其他基本要素的能力。我们使用751个手球场景视频的自定义数据集系统地评估了拟议的方法，该视频在培训年轻学员和男孩和男孩的年轻学员和手球学校期间捕获了[22]。测试涵盖了近60,000帧，并结合了诸如灵敏度，特异性和准确性之类的指标。结果表明，我们的方法超过了最新技术，展示了准确性的提高。值得注意的是，提出的方法表现出提高的效率，达到敏感性92.18％，特异性91.13％，精度分别为93.57％和F-评分94.33％。
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。
使用异构数据集的基于联邦机器学习的同步相量网络异常检测系统：预印本
摘要 — 同步相量技术广泛应用于现代能源管理系统，用于在微观层面监测电网健康状况并实时执行必要的纠正措施；然而，集成相量设备和数据聚合器面临着多种网络安全威胁。本文提出了一种基于联邦机器学习 (FML) 的异常检测系统，用于检测同步相量网络中的几种数据完整性攻击。所提出的方法集成了水平 FML 技术，由基于变电站的本地模型和基于控制中心的全局模型组成。所提出的方法包括使用包含网络和电网信息的异构数据集训练本地模型，并通过共享模型梯度通过多次迭代更新全局模型。最后，将训练好的全局模型应用于识别网络攻击、正常运行和物理事件。为了验证概念证明，我们使用密西西比州立大学和橡树岭国家实验室生成的合成数据集，利用国家可再生能源实验室的高性能计算资源来训练和测试分类模型。我们的实验结果通过多项性能指标计算得出，结果表明，所提出的方法在二分类、三分类和多分类过程中表现出一致的性能，同时确保了同步相量数据的隐私。关键词——联合机器学习、同步相量、异常检测系统、网络安全。
优化用于云计算的深层生成入侵检测系统：改进的挑战和范围
大量数据及其指数增加导致安全问题，随后会损害云计算及其环境。入侵检测系统（IDS）是监视和分析云环境中恶意攻击数据的系统之一。云计算中网络流量的大量，高冗余和高维度使得很难通过当代技术检测攻击。需要解决以提高IDS功能的性能和数据不平衡问题。本文包括在不同类型的基于云的数据集中对基于ML技术和IDS性能的基于云ID的技术和调查。它还分析了差距和范围，以增强ID的评估参数。它提供了基于云的IDS系统，与其他当代系统相比，它将产生良好的性能结果。此外，本文提供了有关基于云的ID，数据不平衡技术，数据集和提议的云IDS系统体系结构的当前概述。
Adazd-Net：使用 EEG 信号的自动自适应和可解释的阿尔茨海默病检测系统
背景：阿尔茨海默病 (AZD) 是一种退行性神经系统疾病，会导致痴呆并导致大脑萎缩。虽然 AZD 无法治愈，但早期发现和及时治疗可以减缓其进展。AZD 可以通过脑电图 (EEG) 信号有效识别。但是，分析 EEG 信号具有挑战性，因为它们会快速自发地变化。此外，由于机器学习或深度学习模型的预测缺乏可解释性，临床医生对现有模型的信任度很低。方法：本文提出了一种新颖的 Adazd-Net，这是一种使用 EEG 信号自动识别 AZD 的自适应和解释性框架。我们提出了自适应灵活分析小波变换，它可以自动适应 EEG 的变化。这项工作还探索了有效系统性能所需的最佳特征数量，以及最具判别性的通道的发现。本文还介绍了可用于解释分类器模型提供的个体和整体预测的技术。结果：我们通过十倍交叉验证策略在检测 AZD EEG 信号时获得了 99.85% 的准确率。结论：我们提出了一种精确且可解释的 AZD 检测技术。研究人员和临床医生可以使用我们提出的模型来调查有关 AZD 期间大脑变化的隐藏信息。我们开发的 Adazd-Net 模型可用于医院场景中检测 AZD，因为它准确且稳健。© 2023 作者。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。