XiaoMi-AI文件搜索系统
World File Search System模糊化
从运动模糊图像中识别模糊参数
点物体模糊图像的模糊程度 恢复原始图像中相对运动模糊的图像的问题。提取相机和物体场景之间的运动模糊程度对于大量应用中的运动模糊识别具有重要意义。这里提出的解决方案是PSF。Cannon [1] 处理了均匀线性的情况，确定了表征运动模糊的重要参数，该参数由方脉冲PSF和模糊的点扩展函数（PSF）描述，仅给出模糊在谱域图像本身中利用其周期性零点的性质。这种识别方法基于模糊图像的概念。这些零点被强调，因为沿运动方向的图像特征是倒谱域的，并且模糊程度的估计不同于其他方向的特征。取决于测量零点之间的间隔。关于 PSF 形状、谱域中零点的均匀性和平滑性的假设不满足，模糊图像在运动方向上的零点间距大于在其他方向上的零点间距。此外，在这个方向上存在各种运动退化的情况，例如加速原始未模糊运动 [2, 3] 和低频振动 [4]。物体。通过过滤模糊图像，我们强调 PSF 特性，而忽略图像特性。这里提出的是最大似然图像和模糊识别方法 [5–7]。这些方法对原始图像、模糊的PSF进行建模，并评估其形状，这取决于模糊和噪声过程。原始图像被修改为二维自回归（AR）过程，PSF参数允许快速高分辨率恢复模糊图像。 1997 Academic Press 具有有限脉冲响应。最大似然估计用于识别图像和模糊参数。模糊模型参数的识别被纳入恢复算法并重新进行模糊图像的恢复。介绍 模糊模型参数的识别被纳入恢复算法并重新进行模糊图像的恢复。介绍 模糊模型参数的识别被纳入恢复算法并重新进行模糊图像的恢复。1.介绍 模糊模型参数的识别被纳入恢复算法并重新进行模糊图像的恢复。成像系统的一个难题是性能下降需要大量计算。由运动引起的图像。当 Savakis 和 Trussell [8] 提出另一种模糊识别方法时，这个问题很常见。使用对原始图像平面的估计，即使相机由人手握住。功率谱（期望值），PSF 估计为 ，通常基于有关恢复残差功率和退化过程之间最佳匹配的信息的准确性。给定理想图像 f (x, y)，相应的候选 PSF 与真实 PSF 相似。分级图像 g (x, y) 通常建模为 在本文中，我们开发了一种从运动模糊图像本身识别模糊参数的新方法。g ( x , y ) � � � h ( x � x � , y � y � ) f ( x � , y � ) dx � dy � � n ( x , y ) 根据对运动模糊对图像影响的研究，从模糊图像中提取方向、程度 (1) 和形状估计等模糊特征。虽然模糊识别的动机通常是其中 h ( x , y ) 是线性平移不变 PSF（点扩散图像恢复，这里提出的方法不起作用）和 n ( x , y ) 是随机噪声。将识别过程与恢复过程联系起来。在运动模糊图像中，模糊程度参数是该方法解决一维模糊类型，这在运动退化的情况下很常见。模糊 1 电子邮件：itzik@newton.bgu.ac.il。2 电子邮件：kopeika@bguee.bgu.ac.il。效果被认为是线性的和空间不变的，并且
具有隐私保护的分层模糊神经网络...
摘要 — 异构大数据给机器学习带来了许多挑战。其巨大的规模、高维性和固有的不确定性使机器学习的几乎每个方面都变得困难，从提供足够的处理能力到保持模型准确性再到保护隐私。然而，也许最棘手的问题是大数据中经常夹杂着敏感的个人数据。因此，我们提出了一种隐私保护分层模糊神经网络 (PP-HFNN)，以解决这些技术挑战，同时缓解隐私问题。该网络采用两阶段优化算法进行训练，并使用基于众所周知的交替方向乘数法的方案来学习层次结构低层的参数，该方法不会向其他代理透露本地数据。层次结构高层的协调由交替优化方法处理，该方法收敛速度非常快。整个训练过程可扩展、快速，并且不会像基于反向传播的方法那样遭受梯度消失问题。在回归和分类任务上进行的综合模拟证明了所提模型的有效性。我们的代码可在线获取 1 。
基于语音识别的轮椅神经模糊控制和跟踪系统
摘要：自动轮椅是提高残疾人行动能力的重要工具。计算机和无线通信技术的进步促进了智能轮椅的提供，以满足残疾人的需求。本研究论文介绍了语音控制电动轮椅的设计和实现。该设计基于语音识别算法，对驱动轮椅所需的命令进行分类。自适应神经模糊控制器已用于生成启动轮椅电机所需的实时控制信号。该控制器依赖于从避障传感器和语音识别分类器接收到的真实数据。轮椅被视为无线传感器网络中的节点，以便跟踪轮椅的位置并进行监督控制。模拟和运行实验表明，通过结合软计算和机电一体化的概念，实现的轮椅变得更加复杂，并为人们提供了更大的移动性。
接口设计中的模糊逻辑-IJRPR
将模糊逻辑整合到界面设计中，有可能通过提供更直观，自适应和以人为中心的体验来彻底改变人机相互作用。传统界面通常依赖于努力适应人类行为和决策的细微差别的僵化的二元系统。模糊逻辑具有处理不确定性和近似推理的能力，为弥合此差距提供了强大的工具。本文探讨了模糊逻辑在界面设计中的应用，突出了其创建更灵活和响应式系统以更好地与人类认知过程保持一致的能力。通过使界面能够解释并响应模棱两可或不精确的输入，模糊逻辑可以增强人机相互作用的适应性和效率[1]。这种方法不仅可以提高用户满意度，而且还为开发能够与用户更自然有效的沟通的智能系统开发创新的新途径。调查结果表明，将模糊逻辑纳入界面设计是迈向发展人机互动领域的关键一步，从而导致人类与机器之间的更和谐和富有成效的合作。
ITS Connect 助力基于人工智能的路边基础设施
住友电气工业株式会社 电装株式会社 丰田汽车株式会社 丰田通商株式会社 松下电器产业株式会社 日立制作所 三菱电机株式会社 瑞萨电子株式会社 地址：东京都港区港南 2-3-13 新川 Front 大厦 网站：https://www.itsconnect-pc.org/ 成立日期：2014 年 10 月 28 日
苯丙烷代谢的进化
图1。Mizutani等人编辑的肉桂酸/单胞醇途径和衍生型苯丙烷的示例，“学习植物化学的基础知识”。酶缩写：4Cl，4-Coumaroyl CoA连接酶； c3'h，p -coumaroyl shikimate/quinate 3-羟化酶； C4H，肉桂4-羟化酶； CAD，肉桂醇脱氢酶； ccOaomt，咖啡因coA o-甲基转移酶； CCR，肉桂二氧化碳减少； comt，caffeate o -methyltransferase; CSE，咖啡酰shikimate酯酶； F5H，试染5-羟化酶； HCT，羟基nnamoyl COA：光泽羟基霉素转移酶； PAL，苯丙氨酸氨裂解酶；塔尔，酪氨酸氨裂解。
多目标定向灰盒模糊测试
摘要 — 定向灰盒模糊测试 (DGF) 可以通过寻求到达程序位置或按顺序探索某些位置来快速发现或重现程序中的错误。然而，由于其静态阶段划分和粗粒度的能量调度，以前的 DGF 工具在面对多个目标位置（简称目标）时表现不佳。在本文中，我们提出了多目标定向灰盒模糊测试，旨在在模糊测试活动中到达多个程序位置。具体而言，我们提出了一种新颖的策略来自适应地协调探索和利用阶段，以及一种新颖的能量调度策略，通过考虑种子和目标位置之间的更多关系。我们在一个名为 LeoFuzz 的工具中实现了我们的方法，并在崩溃重现、真正验证和实际程序中的漏洞暴露方面对其进行了评估。实验结果表明，LeoFuzz 在有效性和效率方面优于六种最先进的模糊测试器，即 QYSM、AFLGo、Lolly、Berry、Beacon 和 WindRanger。此外，LeoFuzz 在实际程序中检测到 23 个新漏洞，其中 11 个已分配 CVE ID。
大数据和模糊逻辑用于供应需求预测
需求预测是一项重要活动，它直接影响供应链的运作，为决策提供了坚实的基础。运营策略长期以来一直专注于需求预测，以更好地管理库存并最大限度地提高客户满意度。然而，大多数需求预测方法都无法向企业揭示任何信息，因为它们没有考虑到产品的季节性、当前的市场趋势，或者预测如何影响牛鞭效应。迫切需要建立能够智能、快速地检查供应链中大量数据的技术。大数据可以帮助企业解决他们的问题。同时，模糊逻辑模型有助于在缺乏历史数据、主观消费者偏好或不可预测的市场环境的情况下捕捉和管理不确定性。因此，本文提出了一种基于模糊逻辑的大数据驱动需求预测框架 (FL-BDDF)，该框架确定促销营销工作、过去的需求和其他变量在做出预测方面的作用，这些预测可以塑造、感知和响应实际消费者需求。借助大数据分析 (BDA)，企业可以提高需求预测的准确性。模糊逻辑让它们包括定性指标，如市场情绪、专家观点或主观风险评估以及典型的定量信息。运营和供应链管理 (OSCM) 与其他领域一样，提供了实时创建大量数据的机会。这项研究的结果可能有助于学术界和行业专业人士更好地掌握大数据为 SCM 和需求预测提供的可能性。实验结果表明，与其他现有模型相比，建议的 FL-BDDF 模型将准确率提高了 98.4%，供应链预测率提高了 97.3%，客户满意度提高了 95.4%，成本降低了 57%。关键词：供应链管理、模糊逻辑、大数据、需求预测、数据驱动。