XiaoMi-AI文件搜索系统
World File Search System盲盒
布鲁塞尔首都地区移动数据和人工智能监管沙盒
CitCom.ai 为智能可持续城市和社区 (SSCC) 提供欧洲人工智能测试和实验设施 (AI TEF)。CitCom.ai 联盟围绕 POWER、MOVE 和 CONNECT 三个主题汇集了世界领先的 TEF 能力，作为北欧、中部和南部的三个“超级节点”，卫星和子节点位于欧盟 11 个国家。在 Living-in.EU 努力和最低互操作性机制等既定举措以及 OrganiCity（智能城市和社区测试和实验设施）和 SynchroniCity（智能城市和社区 AI 和 IoT 大规模试点）等项目的基础上，CitCom.ai 利用欧洲和世界范围内最好的经验和专业知识。该项目获得了来自公共和私人来源的广泛而稳定的共同资助，并与欧盟和成员国的举措紧密联系。项目五年期结束后，将从战略和技术角度制定明确的商业计划，以满足欧洲城市和社区的需求。
一种基于瞬态建模的灰色盒方法用于在线...
摘要 - 本文提出了一种用于在线监视直流链接电容器的合适的灰色盒方法。发现AC/DC和DC/DC转换器中DC-Link电压的瞬时行为类似于并行RLC电路的零状态响应。此外，可以选择转换器的大信号瞬态轨迹的阻尼因子α（与电容有关）可以选择作为电容器的新健康指标。基于此，提出了一个非感官的瞬态等效电路模型（TECM）的灰色盒方法，该方法可以实现对DC-Link电容器的条件监视（CM），并且对详细拓扑和控制信息的依赖性最小。此外，它具有相对较高的适用性和极低的采样频率要求。采用AC/DC系统和DC/DC系统作为案例研究，模拟结果表明该建议的方法适用于具有不同负载类型的转换器。此外，选择商业电源作为实验案例。实验结果表明，阻尼因子α和DC-Link电容的估计误差小于1％。此外，给出了两个典型的白盒系统应用程序案例和一个灰色盒系统，以进一步说明该方法的实现。
了解辅助技术对盲人和视力障碍人士的社会心理影响：
方法：审查将包括 2019 年至 2024 年期间以英文发表的主要研究，重点关注辅助技术对盲人和视力不佳者的社会心理结果。符合条件的研究将涉及各个年龄段和各种环境下的盲人和部分失明参与者，研究心理（例如情绪健康、自尊）和社会结果（例如社会参与、支持）。将在七个电子研究数据库中进行搜索：CINAHL（EBSCO）、PsycINFO（EBSCO）、ACM 数字图书馆、IEEE Xplore、Scopus、Web of Science 和 Google Scholar（前 100 条记录）。研究将根据预定义的资格标准进行筛选和选择，数据提取将重点关注出版细节、研究设计、人口特征、辅助技术类型和心理社会影响。结果将使用描述性统计数据、图表和叙述综合进行总结。
一个扩散模型，具有降级盲逆成像的状态估计
解决反向成像问题的任务可以从具有完整信息的输入测量中恢复未知的干净图像。利用强大的生成模型，例如降级扩散模型，可以更好地解决未知清洁图像的分布情况的不利问题的问题。我们提出了一个可学习的基于状态估计量的扩散模型，以将测量中的含量纳入重建过程。与条件扩散模型相比，我们的方法可以充分利用具有计算可行性的预训练的扩散模型，而条件扩散模型需要从头开始训练。此外，我们的管道不需要对图像降解操作员的明确知识，也不需要其形式的假设，就像在测试时使用预先训练的扩散模型的许多其他作品一样。实验在三个典型的逆成像问题（线性和非线性），介入，deblurring和JPEG压缩恢复方面具有与最先进的方法具有综合结果。
人类ATP结合盒转运蛋白的作用P ...
摘要ATP结合盒（ABC）转运蛋白P-糖蛋白（P-GP）和ABCG2是多药转运蛋白，可在细胞培养中赋予对众多抗癌疗法的耐药性。这些发现最初在医学肿瘤学界引起了极大的兴奋，因为这些转运蛋白的抑制剂有望克服癌症患者的临床多药耐药性。然而，与癌症化学治疗剂结合使用的P-gp和ABCG2抑制剂的临床试验并未成功，部分原因是由于对癌症检查的多剂量耐药性（MDR）的多因素基础的分子理解而导致的临床试验有缺陷。在基于理性结构的抑制剂药物设计中缺乏高分辨率的结构信息，因此该领域也受到了阻碍。结构生物学的最新进展导致了ABCG2和P-gp的多种结构，这些结构更清楚地阐明了运输机理以及其底物和抑制剂结合位点的多性性特异性。这些数据应该证明对开发两个转运蛋白的更有效和特定的抑制剂有用。因此，尽管需要评估可能的药代动力学相互作用，但是这些抑制剂可能会在克服癌症群体中的化学疗法中克服ABC依赖性多药耐药性方面具有更大的有效性。可能对这些抑制剂的另一种更具说服力的使用可能是可逆地抑制
使用 DART 引导定向灰盒模糊测试器
软件开发是一个持续、渐进的过程。开发人员不断以小批量而非一次性大批量的方式改进软件。小批量的高频率使得使用有效的测试方法在有限的测试时间内检测出错误变得至关重要。为此，研究人员提出了定向灰盒模糊测试 (DGF)，旨在生成针对某些目标站点进行压力测试的测试用例。与旨在最大化整个程序的代码覆盖率的基于覆盖范围的灰盒模糊测试 (CGF) 不同，DGF 的目标是覆盖潜在的错误代码区域（例如，最近修改的程序区域）。虽然先前的研究改进了 DGF 的几个方面（例如电源调度、输入优先级和目标选择），但很少有人关注改进种子选择过程。现有的 DGF 工具使用主要为 CGF 定制的种子语料库（即一组覆盖程序不同区域的种子）。我们观察到，使用基于 CGF 的语料库限制了定向灰盒模糊测试器的错误查找能力。为了弥补这一缺陷，我们提出了 TargetFuzz，这是一种为 DGF 工具提供面向目标的种子语料库的机制。我们将此语料库称为 DART 语料库，它仅包含与目标“接近”的种子。这样，DART 语料库就可以引导 DGF 找到目标，从而即使在有限的模糊测试时间内也能暴露漏洞。对 34 个真实漏洞的评估表明，与基于 CGF 的通用语料库相比，配备 DART 语料库的 AFLGo（一种最先进的定向灰盒模糊测试器）可以发现 10 个额外的漏洞，并且平均在暴露时间上实现了 4.03 倍的加速。
使用 DART 引导定向灰盒模糊测试器
软件开发是一个持续、渐进的过程。开发人员会以小批量而非一次性大批量的方式不断改进软件。小批量的高频率使得使用有效的测试方法在有限的测试时间内检测出错误变得至关重要。为此，研究人员提出了定向灰盒模糊测试 (DGF)，旨在生成针对特定目标位置进行压力测试的测试用例。与旨在最大化整个程序的代码覆盖率的基于覆盖范围的灰盒模糊测试 (CGF) 不同，DGF 的目标是覆盖潜在的错误代码区域（例如，最近修改的程序区域）。虽然先前的研究改进了 DGF 的几个方面（例如电源调度、输入优先级和目标选择），但很少有人关注改进种子选择过程。现有的 DGF 工具使用主要针对 CGF 定制的种子语料库（即一组覆盖程序不同区域的种子）。我们观察到，使用基于 CGF 的语料库会限制定向灰盒模糊测试器的发现错误的能力。为了弥补这一缺陷，我们提出了 TargetFuzz，这是一种为 DGF 工具提供面向目标的种子语料库的机制。我们将此语料库称为 DART 语料库，它仅包含与目标“接近”的种子。这样，DART 语料库就可以引导 DGF 找到目标，从而即使在有限的模糊测试时间内也能暴露漏洞。对 34 个真实漏洞的评估表明，与基于 CGF 的通用语料库相比，配备 DART 语料库的 AFLGo（一种最先进的定向灰盒模糊测试器）可以发现 10 个额外的漏洞，并且平均暴露时间加快了 4.03 倍。
越冬的东部盒海龟（Terrapene carolina carolina）的热环境
摘要：在美国马里兰州的三个冬季，使用21个东部盒海龟（Terrapene carolina carolina（L.，1758））的混合效应模型，我们证明了越冬的温度主要与空气温度有关。在控制空气温度后，年之间的变化占7％，折段之间的变化占3％，并且由于年龄级别的变化占越冬地点温度总变化的1％。海龟表现出越冬的忠诚度，越冬地点的位置不取决于性别或年龄。根据开发功能，假设其他环境因素没有变化，则必须在越冬期间提高空气温度3 8 C，以将越冬地点的温度提高约1 8 C。根据一般气候循环模型，直到2070 - 2090年才能阐明这种变暖水平。
盲视 大脑植入技术帮助盲人恢复视力
录制和播放视频？这个比喻很恰当，因为盲视旨在将摄像机捕捉到的图像并由计算机处理后直接发送到人脑中产生视觉的部分。生物视觉：光线通过眼睛的晶状体聚焦到视网膜上。视网膜中的细胞将光线转换成电信号。这些电信号传输到视神经，视神经将这些电信号传送到大脑的视觉皮层。视觉皮层将这些电信号处理成我们看到的图像。摄像机视频录制：光线通过摄像机镜头进入并聚焦到图像传感器（CCD 或 CMOS）上。传感器将光线转换成电信号。来自图像传感器的电信号由系统微芯片和电路处理。这包括调整曝光、白平衡和其他设置。处理后的图像数据被数字化并存储在摄像机的内存或外部存储设备上。 Neuralink 将使用摄像头和计算机处理器来创建 Blind-sight 直接传输到大脑视觉皮层的电信号。人眼记录图像的方式与相机不同。我们的大脑对周围的世界产生连续的感知，但这种感知不会以数据的形式存储。
人工智能助力盲人和残障人士打造无障碍厨房
摘要 — 本项目旨在通过集成先进的硬件和软件技术，为视障人士提供安全独立的厨房导航。硬件模块采用 ESP32 微控制器，并集成了多个安全组件。温度传感器监测食物或烹饪食材的热量，并通过语音提醒是否适合食用。气体传感器通过检测泄漏并自动触发气缸旋钮关闭机制来确保安全。火灾探测由专用传感器管理，该传感器在紧急情况下会激活蜂鸣器。称重传感器用于测量物品的重量，当重量低于预设阈值时，系统会发出语音提示，通知用户重新加料。这些功能共同确保了安全便捷的烹饪环境，并根据视障用户的需求量身定制。在软件方面，该系统采用先进的人工智能驱动技术，进一步协助用户。图像转文本技术可以识别和发音包装上标注的成分名称，从而无需进行视觉识别。此外，基于 YOLOv5 的物体检测算法可以识别各种厨房食材、蔬菜和水果，并提供实时语音反馈，从而提升可用性。智能传感器与机器学习算法的结合，打造出强大且用户友好的解决方案，提升了用户的独立性和安全性。这款创新系统弥合了无障碍功能与科技之间的差距，使用户能够轻松自信地完成厨房任务。关键词：无障碍功能、ESP32、AI 驱动的厨房助手、温度检测、气体传感器、火灾探测、称重传感器、图像转文本、YOLOv5、物体检测、语音输出、视障人士支持、实时协助、智能厨房、安全监控。