XiaoMi-AI文件搜索系统
World File Search System监测的
用于灾害资产监测的振动能量收集...
摘要 — 本文强调了能量收集在涉及使用有源 RFID 标签的高价值资产监控应用中的重要性。本文首先强调了有源标签的优势，包括在电磁不友好环境中提高范围和读取率。虽然电池可以大大提高性能，但它限制了免维护使用寿命。因此，从振动等来源收集能量可以解决这一缺点，但这些来源必须充足、在整个应用生命周期内可用并且高效。确定了此类系统的压电振动能量收集设计程序和组件。这包括三个关键组件，即能量收集传感器、电源管理电路和能量存储设备。描述了能量收集系统的每个组件，并强调了重要的设计标准。最后，本文通过分析救灾期间使用的高价值资产的振动数据，并描述能量收集原型的初步结果，详细介绍了系统外形尺寸、效率和寿命。
开发用于远程生理监测的多模生物传感器
摘要 简介 英国的几次军事探险已经成功使用生理传感器来监测参与者对恶劣环境条件的生理反应。本文介绍了一种多模式可穿戴生物传感器的开发和试验，该传感器用于首次全女性无人协助的南极大陆滑雪穿越。该项目成功地将远程实时生理数据传回英国。从人体工程学和技术经验中吸取的教训为未来的可穿戴设备提供了建议。 方法 生物传感器设备设计为可持续贴在皮肤上并捕获：心率、心电图、体表温度、生物阻抗、汗液 pH 值、钠、乳酸和葡萄糖。数据通过近场技术从设备传输到安卓智能手机。安卓智能手机上运行的定制应用程序使用市售的卫星收发器将数据安全传输到英国研究中心。 结果 多模式设备捕获的实时生理数据成功传回英国研究控制中心 6 次。参与者的远征后反馈有助于改进下一代设备的人体工程学和技术。结论可穿戴技术未来的成功取决于建立临床对测量数据质量的信心，以及在个人、环境和所从事活动的背景下对这些数据的准确解释。在不久的将来，可穿戴生理监测可以提高即时诊断的准确性，并为关键的医疗和指挥决策提供信息。
直磷酸监测的倾斜和阅读障碍物电化学传感器
DNA2VEC载体。单词嵌入被广泛用于自然语言处理（NLP），可使用固定长度向量有效地将单词映射到高维空间中[19]。这个概念也已应用于DNA序列[20]。在这项研究中，我们利用了预训练的单词向量来嵌入DNA序列。我们通过窗口大小m（m = 3）和步长s（s = 1）进行长度n的DNA样本，然后获得长度m xi∈{x 1，x 2，x 3，...，x n-2}的N-2 DNA序列。每个X I可以在衍生自DNA2VEC的预训练的DNA载体基质中找到[21]。我们使用ei∈Rk来表达缝隙I序列的k（k = 100）维矢量，然后将我们的序列x i转换为e ei∈{e 1，e 2，e 3，...，e n-2}。最后，对于每个长度n的样本，它可以嵌入为：e 1：n -2 = e1⊕e2 e 2 e 2⊕e n -2（1），其中⊕表示串联算子。
飞机废水用于病原体检测和公共卫生监测的适用性
国际航空旅行现在被广泛认为是导致 SARS-CoV-2 跨国流动和全球传播的主要机制之一。监测从飞机和航空运输枢纽收集的人类废水中的病毒载量和新谱系已被提议作为监测病毒病原体输入频率的有效方法。然而，这种方法的成功在很大程度上取决于航空乘客在旅途中的卫生间和排便习惯。在这项针对英国成年人（n = 2103）的研究中，我们量化了短途和长途航班出发前、飞机上和抵达时排便的可能性。然后使用结果来评估在英国旅行枢纽捕获受感染个体信号的可能性。为了获得具有代表性的人口横截面，调查按地理区域、性别、年龄、育儿状况和社会阶层进行了分层。我们发现，个人在短途航班（飞行时间 < 6 小时）上排便的可能性较低（< 总数的 13%），但在长途航班上排便的可能性较高（< 36%；飞行时间 > 6 小时）。这种行为模式在男性和年轻年龄组中更为常见。排便的最大可能性是在出发前（< 39%）。根据已知的 SARS-CoV-2 粪便排泄率（30 – 60%）以及感染者在短途（71% 的入境航班）和长途航班（29%）上的概率相等，我们估计飞机废水可能捕获约进入英国的 SARS-CoV-2 病例的 8 – 14%。蒙特卡洛模拟预测，在
评估运动监测的加速度计量和循环节奏数据
抽象运动模式分析使用多种方法来识别由可穿戴传感器，视频 - 摄像头和全球导航卫星系统记录的体育活动。本文使用来自心率监视器的数据，导航系统记录的加速度学信号和手机传感器进行了运动分析。在一个丘陵地区记录了实际的骑自行车实验，其路线约为12公里。信号，以发现地理和生理数据之间的关系，包括检测心率恢复延迟作为身体和神经状况的指标。所提出的算法利用了信号分析的方法和人体运动特征的提取方法，这些方法用于研究心率，路线效力，循环速度和循环节奏的对应关系，包括时间和频域。数据处理包括使用Kohonen网络和对运动模式进行分类的两层软计算模型的使用。获得的结果指向平均时间为22.7 s，在循环传感器检测到重负荷后的心率下降50％。进一步的结果指出，人体磨损加速度计记录的信号与从GNSSS数据评估的速度之间的信号之间的对应关系。基于加速度计量数据的下坡和上坡循环的分类分别为培训和测试数据集的精度分别为93.9％和95.0％。这些技术也可以应用于康复和神经系统疾病诊断中的广泛应用。提出的方法表明，可穿戴的传感器和人工智能方法构成了有效的工具，可在不同的运动活动中评估生理状况，包括骑自行车，跑步或滑雪时进行运动监测。
用于野火检测和监测的机载光学和热遥感
摘要：几十年来，森林和其他野火的探测和监测严重依赖飞机（和卫星）。传感器和传感器平台的技术进步和价格的提高有望彻底改变飞机探测、监测和帮助扑灭野火的方式。以前由于成本或技术原因而使用受限的高光谱相机、图像增强器和热像仪等传感器系统现在已变得广泛可用且价格合理。同样，新的机载传感器平台，特别是小型无人驾驶飞机或无人机，正在为机载火灾传感提供新的应用。在这篇评论中，我们概述了有人驾驶和无人驾驶飞机平台的直接、半自动和自动火灾探测的最新技术。我们讨论了这些传感器系统提供的操作限制和机会，包括在现实环境中对这些系统的客观评估的讨论。
用于飞机结构健康监测的无线传感器网络和数据融合
本论文由 Aggie 数字收藏和奖学金的电子论文和学位论文免费提供给您，供您开放访问。它已被 Aggie 数字收藏和奖学金的授权管理员接受并纳入论文中。有关更多信息，请联系 iyanna@ncat.edu。
用于生物多样性监测的地球观测 - GEO BON
特约作者 Andrew Skidmore、Tiejun Wang、Thomas Groen、Matt Herkt 和 Aidin Niamir（特温特大学）；Amy Milam（独立顾问）；联合研究中心（JRC）的 Zoltan Szantoi、Evangelia Drakou、Juliana Stropp、Joysee M. Rodriguez 和 Aymen Charef；陆地生态系统研究网络（TERN）和联邦科学与工业研究组织（CSIRO）的 AusCover 设施的 Alexander Held；南非国家生物多样性研究所（SANBI）的 Heather Terrapon；不列颠哥伦比亚大学（UBC）的 Nicholas Coops；加拿大森林管理局（CFS）；维多利亚大学（UVic）的 Trisalyn Nelson；默多克大学的 Margaret Andrew 在 Ryan Powers、Jessica Fitterer 和 Shanley Thompson 的支持下； Jose Carlos Epiphano，巴西国家空间研究所 (INPE)：Reiichiro Ishii 和 Rikie Suzuki，日本海洋地球科学技术机构 (JAMSTEC)； Hiroyuki Muraoka，岐阜大学； Kenlo Nishida Nasahara，筑波大学和日本宇宙航空研究开发机构/地球观测研究中心 (JAXA/EORC)；和 Hiroya Yamano，国家环境研究所 (NIES)
一种基于行为监测的新型信任模型，用于增强
由于虚拟数据泛滥，物联网（IoT）处于最近不稳定的状态。相信，物联网和云计算达到了最大阈值，并在此之后加载数据只会使其性能恶化。因此，已经引入了边缘计算来减轻物联网的处理负担。为了满足边缘计算的安全要求，我们打算将区块链的方法与边缘计算一起使用，以获得更好的解决方案。因此，本文提出了基于人工神经网络和信任估计的新型区块链模型的引入，称为行为监测信任估计模型。性能指标，例如准确性，精度，召回和F-量表是在正常条件下和注射诸如虚假数据注入，引导攻击和捕获节点之类的攻击下计算的。将提出的行为监控信任分类模型与天真贝叶斯，K-Nearest邻居，自动编码器，随机森林和支持向量机等现有分类器进行了比较，并发现性能提高。还计算出拟议模型的其他评估参数，例如执行时间，加密时间，存储成本，计算费用，能源效率和数据包下降的可能性，并与现有的比特币，以太坊，HyperLeDger，直接和不变的信任模型以及相互信任的基于基于基于基于的区块链链链模型相比。所提出的模型的准确度为95％，精度得分为90％，召回分数为94％，F量表的F量为94％，表明表现出色。
用于钢筋混凝土桥梁结构健康监测的智能设计人工智能
摘要：随着在线传感技术和高性能计算的最新进展，结构健康监测 (SHM) 已开始成为对民用基础设施进行实时条件监测的自动化方法。理想的 SHM 策略通过利用测量的响应数据来更新基于物理的有限元模型 (FEM) 来检测和描述损坏。在监测复合结构（例如钢筋混凝土 (RC) 桥梁）时，基于 FEM 的 SHM 的可靠性会受到材料、边界、几何和其他模型不确定性的不利影响。土木工程研究人员已经采用了流行的人工智能 (AI) 技术来克服这些限制，因为 AI 具有利用先进的机器学习技术快速分析实验数据来解决复杂和定义不明确的问题的天生能力。在这方面，本研究采用了一种新颖的贝叶斯估计技术来更新耦合的车辆桥梁 FEM 以用于 SHM。与现有的基于 AI 的技术不同，所提出的方法智能地使用嵌入式 FEM 模型，从而减少了参数空间，同时通过基于物理的原理指导贝叶斯模型。为了验证该方法，给定一组“真实”参数，从车桥 FEM 生成桥梁响应数据，并分析参数估计的偏差和标准差。此外，平均参数估计值用于求解 FEM 模型，并将结果与“真实”参数值的结果进行比较。还进行了敏感性研究，以展示正确制定模型空间以改进贝叶斯估计程序的方法。研究最后进行了讨论，重点介绍了利用实验数据使用人工智能技术更新混凝土结构 FEM 时需要考虑的因素。关键词：人工智能、贝叶斯统计、结构健康监测、钢筋混凝土、公路桥梁、车桥相互作用。