XiaoMi-AI文件搜索系统
World File Search System测试工具
在言语流利性任务和伦敦塔式的精神分裂症和主要抑郁症
在SZ（2）的上下文中自己。重度抑郁症（MDD）的特征是影响障碍，认知功能障碍和明显的社会心理障碍，这些障碍可能会持续到几周到几年。它表明，在有症状缓解后，MDD的认知功能障碍持续存在，这可能导致社会功能障碍和自杀念头（3）。许多神经影像学研究表明，SZ和MDD患者的认知降低与前额叶皮层（PFC）功能障碍有关（4，5）。fMRI研究提供了证据，表明显着性网络异常可能在这两种精神疾病的发病机理中起关键作用（6）。多通道功能近红外光谱（FNIRS）是研究大脑皮层血液动力学活性的一种相对较新的方法。与其他神经影像学方法（例如fMRI或SPECT）相比，FNIRS具有较高的时间分辨率，并且可以透彻地使用。与EEG和MEG不同，它的数据不太容易受到电噪声的影响，因为它是一种光学成像方式（7）。由于其广泛的适用性，越来越多的研究人员正在使用FNIRS研究精神疾病中的大脑功能（8）。口头表达任务（VFT）是FNIRS研究中的代表性认知任务，以评估执行功能，这被认为与PFC的功能相关。经典的VFT采用两种形式的语音或语义单词效果，要求参与者以某个字母或属于某些类别的单词（9）的属性开始产生尽可能多的单词。许多研究发现，在VFT期间，SZ或MDD中PFC的功能不全（10，11）。但是，VFT仅涵盖执行功能的受限方面。不同的任务领域来探索精神疾病患者的认知功能。伦敦塔（TOL）任务是另一种经典的高灵敏度执行功能测试工具，主要反映了计划和解决问题的能力（12）。TOL任务要求参与者运用多种类型的能力，例如复杂的视觉和空间计划，工作记忆和选择性关注（13）。先前的FNIRS研究发现，在第一个集合SZ期间，前额叶激活降低（14）。一项研究比较了SZ和MDD患者的认知和执行功能，这表明患者的性能低于HCS，而SZ的性能比MDD差（15）。但是，在使用FNIRS的TOL任务和VFT任务期间，尚无研究比较SZ和MDD患者之间的大脑激活模式。综上所述，本研究旨在评估在VFT和TOL任务期间SZ和MDD患者脑激活的不同特征。此外，我们有兴趣发现FNIRS是否可以区分这两种精神障碍。
测试和增强高维计算的对抗性鲁棒性
摘要 - 脑启发的超维度计算（HDC），也称为矢量符号结构（VSA），是一种急剧的“非von neumann”计算方案，该方案模仿人脑功能以处理信息或使用抽象和高维模式来处理信息或执行学习任务。与深神经网络（DNN）相比，HDC显示出诸如紧凑的模型大小，能量效率和少量学习的优势。尽管有这些优势，但HDC的一个不足的区域是对抗性的鲁棒性。现有的作品表明，HDC容易受到对抗性攻击的攻击，在这种攻击中，攻击者可以在原始输入中添加少量扰动到“傻瓜” HDC模型，从而产生错误的预测。在本文中，我们通过开发一种系统的方法来测试和增强HDC对对抗性攻击的鲁棒性，系统地研究HDC的对抗性鲁棒性，并具有两个主要成分：（1）TestHD，这是一种可以为给定的HDC模型生成高素质高素质的测试工具，该工具可以为给定的HDC模型生成高素质的高素质数据； （2）GuardHD，它利用TestHD生成的对抗数据来增强HDC模型的对抗性鲁棒性。testHD的核心思想建立在模糊测试方法之上。我们通过提出基于相似性的覆盖率度量来定制模糊方法，以指导TestHD连续突变原始输入，以生成可能触发HDC模型不正确行为的新输入。由于使用差异测试，TestHD不需要事先知道样品的标签。为了增强对抗性鲁棒性，我们设计，实施和评估GuardHD以捍卫HDC模型免受对抗数据的影响。GuardHD的核心思想是一种对抗探测器，可以通过测试HDD生成的对抗样本训练。在推断期间，一旦检测到对抗样本，GuardHD将用“无效”信号覆盖词典结果。我们评估了4个数据集和5个对抗性攻击方案的提议方法，具有6种对抗生成策略和2种防御机制，并相应地比较了性能。GuardHD能够区分精度超过90％的良性和对抗性输入，比基于对抗性训练的基线高达55％。据我们所知，本文在系统地测试和增强对这种新兴脑启发的计算模型的对抗数据的鲁棒性方面提出了第一个全面的努力。索引术语 - 远程计算，差异绒毛测试，对抗攻击，强大的计算
MDY简历 - 机器人-DOMYAM
Applications : SOLIDWORKS, Simulink, LabVIEW, Microsoft Office, Creo, NX, ANSYS, Confluence, Unity Programming : Python, C++, MatLab, HTML, Java, ROS, Machine Learning, Image Processing, Embedded Firmware Manufacturing : Sheet Metal Design, CNC, Composite Materials, DFM, Soldering, PCB Design, Rapid Prototyping Professional Experience Planet Labs -系统工程实习生 - 2023年6月 - 2023年6月，加利福尼亚州旧金山•在我们的下一代航天器上开发了任务重要资格测试的测试程序。•模拟了航天器原型的一天中的一天，涵盖了所有子系统以进行需求验证。基本机器人技术 - 机械工程师 - 加利福尼亚州帕萨迪纳，2020年1月 - 2022年8月•使用神经网络推理加速器开发了下一代感知硬件。•开发了用于基于Docker的容器的机器人操作系统的外围驱动程序。•集成的神经网络将优化的边缘计算机纳入生产硬件解决方案。•向消费者，工业和食品安全的制造环境部署和集成的自定义检查硬件。Morse Corp-工程合作社 - 马萨诸塞州剑桥市2019年1月 - 2019年8月•为无人机设计的结构组件及其在Solidworks中的飞行测试设备。•开发了固件，以控制飞行测试设备上释放机制的精确时机。•使硬件测试方法更可靠，并且与自动测试和冗余安全系统一致。•与系统工程团队合作就与美国陆军的主要开发合同提案。努力机器人 - 系统工程合作社 - 马萨诸塞州切尔姆斯福德，2018年1月 - 2018年6月•对机器人性能进行了移动性，耐力，通信和附属互操作性的验证。•设计了一种定制测试工具，以使用基于Python的软件来测量和记录机器人地面速度。HASBRO Inc.-工程合作社，Integrated Play -Pawtucket，RI，2017年1月至2017年6月•使用高级技术，诸如语音交互之类的高级技术，为动画，连接的玩具设计了新的游戏体验。•使用Unity和Google Cardboard Android应用程序原型的新型游戏VR互动概念。•使用加工和3D打印零件创建了用于未来动画玩具的机制模拟。工程活动结构和复合材料实验室 - 研究生研究员2023-2024•研究物理知情的神经网络，用于建模飞行中机翼的空气动力学和结构响应。•开发和训练神经网络，使用Pytorch和Nvidia模量框架预测复杂的3D流。Avatar Xprize Arm Capstone Project 2019秋季•在由5名学生组成的团队中，设计和原型拟建了拟人化机器人手臂和触觉外骨骼控制器。•开发了一个带有精确扭矩控制的准直接驱动应用程序的紧凑型无刷发动机驱动程序。•编写了电动机控制器固件，包括面向现场的控制，RS485上的串行通信以及实施
EQP1735 公共游泳池检验报告
水温 ___ / ___ ° F 稳定剂 ___ / ___ mg/L 是否收集了用于细菌分析的样本？ 是 否 关键： = 合规 X = 不合规 – = 不适用 规则编号或法案章节在括号中。泳池围栏和甲板浴室 1. 门或大门符合 [28(2) 和 91(1)] 24. 淋浴间、卫生间或更衣室清洁 [91(4)] 2. 泳池围栏符合 [28] 25. 浴室材料和固定装置符合 [74、75 和 76] 3. 甲板清洁、排水畅通且状况良好 [29、29a 和 91(4)] 26. 提供热水和肥皂 [25(2) 和 91(7)] 4. 泳池边淋浴符合 [78] 机械设备 5. 饮水机符合 [31] 27. 机械设备安装到位 [71] 6. 软管龙头符合 [79] 28. 管道和箭头符合 [37] 7. 提供深度标记和“禁止跳水”标志 [32] 29. 水泵充足且运行正常[36、45 和 96(1)] 8. 跳水设施和出发平台符合要求 [33 和 35] 30. 流量控制阀符合要求 [38(1)] 9. 梯子/楼梯符合要求，台阶前缘有标记 [34] 31. 流量计功能正常且流量合适 [38(2) 和 96(1)] 泳池水质和泳池结构 32. 过滤器和仪表功能正常 [51、54 和 96(1)] 10. 泳池水质清澈度和符合要求 [94] 33. 化学药剂加料器功能正常 [57、96(1) 和 96(4)] 11. 泳池侧面和底部光滑清洁 [22(3) 和 91(4)] 34. 其他空气和水泵系统符合要求 [42 和 46] 12. 泳池结构状况良好 [22 和 91(4)] 35. 热水器和温度计符合规定 [61、82 和 94(7)] 13. 标记泳池边缘、座椅和坡度变化 [23(5)、(7)、(8)] 36. 配备吸尘器 [63] 14. 水位适合撇渣 [96(3)] 37. 化学品储存得当 [91(5)] 15. 溢流系统/撇渣器正常运转且清洁 [43、43a、44] 38. 供水充足且受到保护 [25 和 26] 16. 泳池进水口符合规定 [41] 39. 废水设施充足 [27] 17. 主要出水口符合规定 [42] 40. 新设备的建造批准 [Sec. 12525] 安全一般操作 18. 救生员在岗或已张贴标志 [94a 和 98] 41. 测试工具合适并使用 [59 和 94] 19. 入浴者负荷（#_________）在限制范围内并已张贴标志 [93] 42. 随时有合格人员 [97] 20. 危险物品、食物或饮料得到控制 [92(8)] 43. 已支付操作许可证费 [第 12527 和 5(2) 条] 在上方添加许可证号 21. 生命线符合要求 [32(10) 和 91(3)] 44. 使用了操作报告表 [99] 22. 安全设备符合要求并随时可用 [65 和 91(2)] 45. 应急计划/水样采集 [94a 和 95] 23. 电话可用、明显且已张贴标志 [65(8) 和 (9)] 46. 未经建筑许可证不得进行任何改造 [第 12525 条] 备注
Chameleo：利用人工智能检测变色龙行走方式
[4] Linda Evans、Fred Hardtke、Emily Corbin 和 Wouter Claes。2020 年。伪装的变色龙：在埃及 el-Hosh 遗址的新发现。《考古学和人类学》12，8 (2020)，1–9。[5] 欧洲宠物食品工业联合会 (FEDIAF)。2020 年。事实与数据 2020。https://www.fediaf.org/images/FEDIAF_Facts_and_Figures_2020.pdf [6] Martin S Fischer、Cornelia Krause 和 Karin E Lilje。2010 年。变色龙运动能力的进化，或如何成为树栖爬行动物。《动物学》113，2 (2010)，67–74。[7] Olivier Friard 和 Marco Gamba。 2016. BORIS：一款免费、多功能的开源事件记录软件，可用于视频/音频编码和实时观察。《生态学与进化方法》7，11（2016），1325–1330。[8] Klaus Greff、Rupesh K Srivastava、Jan Koutník、Bas R Steunebrink 和 Jürgen Schmidhuber。2016. LSTM：搜索空间漫游。《IEEE 神经网络与学习系统汇刊》28，10（2016），2222–2232。[9] Anthony Herrel、Krystal A Tolley、G John Measey、Jessica M da Silva、Daniel F Potgieter、Elodie Boller、Renaud Boistel 和 Bieke Vanhooydonck。2013. 缓慢但坚韧：变色龙奔跑和抓握能力分析。 《实验生物学杂志》216，6（2013），1025–1030。[10] Timothy E Higham 和 Bruce C Jayne。2004。蜥蜴在斜坡和栖木上的运动：树栖专化者和陆栖通才者的后肢运动学。《实验生物学杂志》207，2（2004），233–248。[11] Mayank Kabra、Alice A Robie、Marta Rivera-Alba、Steven Branson 和 Kristin Branson。2013。JAABA：用于自动注释动物行为的交互式机器学习。《自然方法》10，1（2013），64–67。 [12] Mary P Klinck、Margaret E Gruen、Jérôme RE del Castillo、Martin Guillot、Andrea E Thomson、Mark Heit、B Duncan X Lascelles 和 Eric Troncy。2018 年。通过随机临床试验，开发了供看护人/主人 MI-CAT (C) 使用的蒙特利尔猫关节炎测试工具，并对其初步效度和信度进行了评估。《应用动物行为科学》200 期 (2018)，第 96-105 页。[13] JB Losos、BM Walton 和 AF Bennett。1993 年。《肯尼亚变色龙的冲刺能力与粘着能力之间的权衡》。《功能生态学》(1993)，第 281-286 页。[14] Tom Menaker、Anna Zamansky、Dirk van der Linden、Dmitry Kaplun、Aleksandr Sinitica、Sabrina Karl 和 Ludwig Huber。 2020 年。面向数据驱动的动物行为模式自动分析方法。第七届动物-计算机交互国际会议论文集。1-6。[15] Nikola Mijailovic、Marijana Gavrilovic、Stefan Rafajlovic、M Ðuric-Jovicic 和 D Popovic。2009 年。从加速度和地面反作用力识别步态阶段：神经网络的应用。Telfor 杂志 1, 1（2009 年），34-36。[16] Hung Nguyen、Sarah J Maclagan、Tu Dinh Nguyen、Thin Nguyen、Paul Flemons、Kylie Andrews、Euan G Ritchie 和 Dinh Phung。2017 年。使用深度卷积神经网络进行动物识别和鉴别，用于自动野生动物监测。2017 年 IEEE 数据科学与高级分析国际会议 (DSAA)。IEEE，40–49。[17] Matthias Ott。2001 年。变色龙有独立的眼球运动，但在扫视猎物追踪过程中双眼会同步。实验脑研究 139，2（2001 年），173–179。[18] Veronica Panadeiro、Alvaro Rodriguez、Jason Henry、Donald Wlodkowic 和 Magnus Andersson。2021 年。28 款免费动物追踪软件应用程序回顾：当前功能和局限性。实验室动物（2021 年），1–9。[19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020. 揭示未知：使用深度学习实时识别加拉帕戈斯蛇类。动物 10, 5 (2020), 806。[20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan Shuman 和 Denise J Cai。2019. ezTrack：用于研究动物行为的开源视频分析流程。科学报告 9, 1 (2019), 1–11。[21] Talmo D Pereira、Diego E Aldarondo、Lindsay Willmore、Mikhail Kislin、Samuel SH Wang、Mala Murthy 和 Joshua W Shaevitz。2019. 使用深度神经网络快速估计动物姿势。自然方法 16, 1 (2019), 117–125。[22] Jane A Peterson。 1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1-42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用智能与信息学会议上。Springer，216-231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016. 您只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779-788。 [25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。一种新型活动监测器在评估猫的身体活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。实验动物（2021），1-9。 [19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020。揭示未知：利用深度学习实时识别加拉帕戈斯蛇种。动物 10, 5 (2020), 806。 [20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan S human 和 Denise J Cai。 2019. ezTrack：用于研究动物行为的开源视频分析管道。科学报告 9、1 (2019)、1-11。 [21] 塔尔莫·D·佩雷拉、迭戈·E·阿尔达隆多、林赛·威尔莫尔、米哈伊尔·吉斯林、塞缪尔·SH·王、马拉·穆尔蒂和约书亚·W·沙维茨。 2019. 使用深度神经网络快速估计动物姿势。《自然方法》16，1（2019），117–125。[22] Jane A Peterson。1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1–42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。 2016. 只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957. 世界上的现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019. 行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020. 新型活动监测器在评估猫身体活动和睡眠质量中的实用性。 Plos one 15, 7 (2020), e0236795。实验动物（2021），1-9。 [19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020。揭示未知：利用深度学习实时识别加拉帕戈斯蛇种。动物 10, 5 (2020), 806。 [20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan S human 和 Denise J Cai。 2019. ezTrack：用于研究动物行为的开源视频分析管道。科学报告 9、1 (2019)、1-11。 [21] 塔尔莫·D·佩雷拉、迭戈·E·阿尔达隆多、林赛·威尔莫尔、米哈伊尔·吉斯林、塞缪尔·SH·王、马拉·穆尔蒂和约书亚·W·沙维茨。 2019. 使用深度神经网络快速估计动物姿势。《自然方法》16，1（2019），117–125。[22] Jane A Peterson。1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1–42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。 2016. 只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957. 世界上的现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019. 行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020. 新型活动监测器在评估猫身体活动和睡眠质量中的实用性。 Plos one 15, 7 (2020), e0236795。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016 年。你只需看一次：统一的实时物体检测。在 IEEE 计算机视觉和模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界上现存的爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。 [27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。新型活动监测器在评估猫体力活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016 年。你只需看一次：统一的实时物体检测。在 IEEE 计算机视觉和模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界上现存的爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。 [27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。新型活动监测器在评估猫体力活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。