XiaoMi-AI文件搜索系统
World File Search System测量数据
测量数据和数据流的价值
该报告由Simon Lange，John Mitchell，Vincenzo Spiezia和Jorrit Zwijnenburg起草。它是在经合组织科学，技术与创新局（STI）的主任安迪·维科夫（Andy Wyckoff）和STI数字经济政策部主管Audrey Plonk的监督下准备的。该报告受益于经合组织科学，技术和创新局（Angela Attrey，Gallia Daor，Christian Reimsbach-Kounatze等）的评论和建议，以及Virtual OECD工作室的参与者，“衡量数据和数据流的价值”，在4月7日举行。Angela Gosmann和Mark Foss提供了编辑支持。本出版物是对数字经济政策委员会的2021-2022工作和预算计划的IOR 1.3.1.2.3的贡献。
LiDAR 和摄影测量数据的集成... - CORE
摘要................................................................................................................................ii
用于清洁大量水深测量数据的系统
最近，用于绘制海底地图的大量数据采集技术已经面世并被采用。加拿大使用的技术包括机载激光测深系统，例如由加拿大开发的由 Optech Systems 开发的 LARSEN 500 系统及其后继系统 SHOALS 系统（深度能力达 30 米）；扫描系统，例如由丹麦开发的 Navitronics 系统，该系统安装在由加拿大水文服务局、加拿大公共工程部和加拿大海岸警卫队运营的几艘船上（深度能力达 100 米）；以及条带测绘系统，例如由挪威开发的 Simrad EM100 多波束测深仪（深度能力达 300 米），该系统在 CSS MATTHEW 和 CSS CREED 上使用，还安装在纽芬兰 Geo Resources Inc 的遥控潜艇平台 Dolphin 的船体上。这些系统
通过测量数据校准提高埋管换热器模型性能
摘要 规划大型地源热泵 (GSHP) 系统的运行需要精确的地下管换热器 (BHE) 模型，这些模型不需要大量计算。在本文中，我们提出使用测量数据进行参数估计作为改进 BHE 分析模型的一种方法。该方法已应用于运行超过 3 年的 GSHP 系统。BHE 的建模负载和测量负载之间的偏差从 22% 降低到 14%。通过改变校准数据的时间分辨率和季节来测试校准数据集的影响。我们得出结论，时间分辨率必须足够高才能区分不同参数的影响，并且必须对注入和提取（季节）使用不同的模型参数。该方法还应用于已监测 10 年的 GSHP，结果表明，通过每年更新参数可以提高模型的准确性。
通过学习与车辆相关的测量数据来推断个性化驾驶员工作量
摘要 — 使车载系统（例如高级驾驶辅助系统和车载信息系统）适应个体驾驶员的工作量可以提高安全性和便利性。要实现这一点，必须推断驾驶员的工作量，以便适时以适当的方式为驾驶员提供自适应辅助。我们不是为所有驾驶员开发一个平均模型，而是通过易于获取的车辆相关测量数据（VRM），使用机器学习技术，开发一个考虑到个体驾驶员驾驶特征的个性化驾驶员工作量推断（PDWI）系统。所提出的 PDWI 系统包括两个阶段。在离线训练中，首先使用模糊 C 均值 (FCM) 聚类根据个体驾驶员的固有数据特征自动将其工作量分成不同的类别。然后，通过分类算法构建 VRM 和不同级别工作量之间的隐式映射。在线实施中，VRM 样本被分类到不同的簇中，从而可以成功推断驾驶员的工作负荷类型。最近从现实世界的自然驾驶实验中收集的数据集被用来验证所提出的 PDWI 系统。比较实验结果表明，所提出的集成 FCM 聚类和支持向量机分类器的框架在准确率、精确率、召回率、F 1 -sco 方面提供了良好的工作负荷识别性能
脑年龄预测：使用脑形态测量数据的机器学习模型比较
摘要：大脑结构形态随衰老轨迹而变化，利用大脑形态特征预测人的年龄有助于检测异常衰老过程。基于神经影像学的大脑年龄被广泛用于量化个人大脑健康状况与正常大脑衰老轨迹的偏差。机器学习方法正在扩大准确预测大脑年龄的潜力，但由于机器学习算法种类繁多，因此具有挑战性。在这里，我们旨在比较使用从结构磁共振成像扫描中获得的大脑形态测量值来估计大脑年龄的机器学习模型的性能。我们评估了 27 种机器学习模型，应用于来自人类连接组计划 (HCP，n = 1113，年龄范围 22-37)、剑桥衰老和神经科学中心 (Cam-CAN，n = 601，年龄范围 18-88) 和图像信息提取 (IXI，n = 567，年龄范围 19-86) 的三个独立数据集。使用交叉验证和未见过的测试集评估每个样本的性能。对于 HCP、Cam-CAN 和 IXI 样本，这些模型的平均绝对误差分别为 2.75–3.12、7.08–10.50 和 8.04–9.86 岁，预测大脑年龄与实际年龄之间的皮尔逊相关系数分别为 0.11–0.42、0.64–0.85 和 0.63–0.79。我们发现在同一数据类型上训练的模型之间的性能存在显著差异，这表明模型的选择会导致大脑预测年龄的巨大差异。此外，在三个数据集中，正则化线性回归算法的性能与非线性和集成算法相似。我们的结果表明，正则化线性算法在大脑年龄预测方面与非线性和集成算法一样有效，同时显著降低了计算成本。我们的研究结果可以作为未来使用机器学习模型应用于大脑形态数据来改善大脑年龄预测的起点和定量参考。
从多指双极晶体管中的测量数据中提取真实的手指温度
摘要 - 在此简介中，我们提出了一种逐步策略，以准确估计基于硅的多纤维双极晶体管结构中的纤维温度，从常规的调查中。首先，我们在给定的环境温度下提取几乎零动力的自加热电阻（r TH，II（t a））和热耦合因子（C IJ（t a））。现在，通过将叠加原理应用于几乎零功率的这些变量上，其中保留了热扩散方程的线性，我们估计有效的热电阻（r th，i（t a））和相应的修订后的效率温度t i（t a）。最后，Kirchhoff在T I（t a）上的trans形得出每个纤维处的真实温度（t i（t a，p d））。所提出的提取技术自动包括晶体管结构中存在的后端金属层和不同类型的沟渠的影响。该技术是针对具有不同发射极尺寸的双极晶体管的3D TCAD模拟结果验证的，然后应用于从stmicroelectronics B5T技术中从最先进的多纤维sige HBT获得的实际测量数据。可以观察到，原始测量数据在40 mW左右的叠加量低估了真正的纤维温度约10％。