XiaoMi-AI文件搜索系统
World File Search System空间关系
基于 GIS 的开放空间与犯罪可能性分析
本研究使用地理信息系统 (GIS) 确定多个大都市区域的犯罪行为趋势，探索奥韦里首都特区的开放空间与犯罪发生率之间的空间关系。奥韦里首都特区的开放空间是休闲、社交活动和植被的重要场所，但存在一些特殊问题，可能成为犯罪活动的潜在中心。本研究使用空间分析来研究这些开放区域及其周围的土地使用、人口密度和基础设施如何影响不同的犯罪水平。数据研究通过确定犯罪率较高的特定区域（这些区域与照明不足、能见度低和交通不便等环境特征有关），强调了城市建筑的物理方面如何影响安全。
GIS 中基于知识的图像分类
但是，与视觉图像解释技术相比，这种技术非常简单。这类似于用窗帘遮住照片，然后尝试通过观察灰度或颜色来对主题信息进行分类，该小缝隙会依次扫描整个图像。人类解释者不仅会考虑色调和颜色，还会考虑纹理、形状、大小、图案、位置和关联等属性。IF-THEN 演绎推理过程会得出最终答案。人们曾多次尝试将上述某些元素纳入数字图像分类过程，但只有纹理才能成功处理。即使在这种情况下，也会得出所谓的“纹理图像”，并将其用作逐像素分类的数据层。问题的核心或许在于，所有其他元素都表达了无法通过逐像素观察建模的空间关系。
入侵检测：一种深度学习方法
摘要 - 网络入侵是当今所有行业的重要问题。该解决方案的关键部分是能够有效检测入侵。随着人工智能的最新进展，当前的研究已经开始采用深度学习方法进行入侵检测。当前的多级入侵检测方法包括使用深神经网络。但是，它未能考虑到数据集中存在的数据对象和长期依赖关系之间的空间关系。本文提出了一种新型体系结构，以打击具有卷积神经网络（CNN）模块的入侵检测，以及长期内存（LSTM）模块以及带有支持向量机（SVM）分类功能的长期记忆（LSTM）。分析之后是对常规机器学习技术和深度学习方法的比较，这些方法突出了可以进一步探索的领域。
数字空间中的隐私边界：责任的实践
摘要 在数字空间中，隐私的界限往往是模糊的，这是人类行为者与虚拟空间关系发展的表现。因此，那些很少接触数字空间的人可能会简单地移植他们的“现实世界”期望，而那些沉浸其中的人可能会吸收一种新的隐私视角。首先，本文考虑了隐私领域比较研究的必要性。其次，它反思了奥特曼和休斯的隐私监管理论在数字空间背景下的效用。第三，它讨论了英国和南非法律如何处理隐私干涉问题，重点关注数据保护的发展。第四，它反思了国家和非国家行为者之间责任分化的法律含义。最后，它得出了这种责任化的后果以及这些后果与奥特曼和休斯工作的关系。
M.Sc.计算机科学M.Sc.计算机科学
空间和时间数据库：时间数据库：时间数据库的概述-TSQL2，TSQL2，空间数据库 - 空间数据类型 - 空间关系 - 空间数据结构 - 空间访问方法 - 空间访问方法 - 空间DB DB实现：分布式数据库，体系结构和设计：集中式数据库与非集中数据库，均质和异质DDBM，功能和体系结构，分布式数据库设计，DDBMS中的查询处理。Basics Introduction to NoSQL : Characteristics of NoSQL, NoSQL Storage types, Advantages and Drawbacks, NoSQL Products Interfacing and interacting with NoSQL: Storing Data In and Accessing Data from MongoDB, Redis, HBase and Apache Cassandra, Language Bindings for NoSQL Data Stores Understanding the storage architecture: Working with Column Oriented Databases, HBase Distributed Storage Architecture, Document商店内部。案例研究
CoordConformer 使用 Transformers 解码异构 EEG 数据集
摘要 迁移学习和元学习已有效提高多个领域的性能。它也已成功应用于缺乏数据的 EEG 解码。然而，由于实验设置的差异，例如电极数量、电极位置和任务定义不同，跨数据集的 EEG 数据迁移学习面临着独特的挑战。为了解决跨异构电极配置 EEG 数据集进行跨数据集训练的问题，我们引入了一种新方法 CoordinateAttention，它使用电极传感器的 3-D 坐标来学习电极位置之间的空间关系，从而动态生成用于特征提取的空间卷积核。我们表明，我们的模型在跨设置的 EEG 解码中具有良好的性能，并且对数据损坏具有鲁棒性。CoordinateAttention 是一种使用几何位置信息进行特征提取和数据融合的通用方法。
具有贝叶斯语义的高级信息融合
人类比计算机更善于收集各种信息，并将它们关联成连贯的图像，但错误率仍然很高。例如，情报分析员可以将道路的图像和视频与观察员报告的车队在下午早些时候经过的报告相关联，并得出结论，这是参与该道路 10 英里外恐怖袭击的同一支车队。这些结论基于对卡车和汽车在每种媒体（视频、图像、人类报告）中的表现方式以及汽车、道路、车队等之间的时间和空间关系的隐性理解。计算机程序要从同一组来源执行相同的推理，它必须拥有相同类型的知识。将这些知识传达给计算机程序需要一种方法来使人类的隐性知识明确和正式化，以便在需要时可以检索和使用。
丹尼尔·拉基塔（Daniel Rakita）
CPSC 487/587 3D空间建模和计算。耶鲁大学。（课程我设计）计算机科学和相关领域的几个领域必须建模并计算对象如何随着时间的推移位于三维空间中，例如机器人技术，计算机视觉，计算机图形，计算机物理学，计算生物学，航空工程等。本课程将教学学生如何在对象之间的空间配置和空间关系随时间进行计算。所涵盖的主题将包括代表空间配置和转换的各种方法（例如变换矩阵，欧拉角，单位四季度，双重四基础等等。），空间变换的层次链，空间表示的衍生物相对于时间，计算空间对象之间的相交和渗透深度，在空间表示（例如使用花朵）上插值，信号处理，超过空间变换，优化空间代表，超过空间表示。
利用表征学习进行深度医学图像分析和
1. 概述 深度学习在医学成像中的应用越来越广泛，改进了处理链中的许多步骤，从采集到分割，从异常检测到结果预测。然而，仍然存在重大挑战：（1）基于图像的诊断取决于局部模式之间的空间关系，而卷积和池化通常无法充分捕捉这些关系；（2）数据增强是学习 3D 姿势不变性的实际方法，需要指数级增长的点数才能实现稳健的改进；（3）标记的医学图像比未标记的图像少得多，尤其是对于异质性病理病例；（4）磁共振成像 (MRI) 等扫描技术速度慢且成本高，通常没有在线学习能力来关注临床感兴趣的区域。为了应对这些挑战，需要新的算法和硬件方法，以使深度学习充分发挥其在医学成像中的潜力
细胞表面映射通过免疫细胞上的 Dexter 能量转移进行微环境映射
通过阐明局部生物分子网络或微环境，可以了解许多疾病病理。为此，酶促邻近标记平台被广泛应用于绘制亚细胞结构中更广泛的空间关系。然而，人们长期以来一直在寻求能够更高精度地绘制微环境的技术。在这里，我们描述了一个微环境映射平台，该平台利用光催化卡宾生成来选择性地识别细胞膜上的蛋白质-蛋白质相互作用，我们将这种方法称为 MicroMap（m Map）。通过使用光催化剂-抗体偶联物在空间上定位卡宾生成，我们展示了对抗体结合靶标及其微环境蛋白质邻居的选择性标记。该技术识别了活淋巴细胞中程序性死亡配体 1 (PD-L1) 微环境的组成蛋白，并在免疫突触连接内进行选择性标记。