XiaoMi-AI文件搜索系统
World File Search System精确度
MOSCHIP动作识别具有姿势估计
•预估计的HRNET具有80％精度，可生成关键的人体点•通过训练和测试方法定义的动作和测试方法•用90％精确度推断出具有90％精确度的动作识别•理解HRNet姿势估计关键点并设计算法，并能够检测诸如降落，饮食和斗争的行动，诸如范围内的行动•诸如表演，围绕，围绕，围绕，围绕，围绕，围绕着斗争的行动，该算法和进行后处理以显示输出•推理在边缘AI加速器上成功执行，其快速推理时间为50 ms，速度为10 fps，用于定义的动作
投机杂种：通过使用3D生成对抗网络
摘要建筑设计的过程旨在解决具有松散定义的配方的复杂问题，没有明确的基础来终止问题解决活动，并且无法实现理想的解决方案。这意味着设计问题（作为邪恶的问题）位于不完整和精确度之间的空间中。一般使用数字工具和人工智能，特别是在设计问题上，将介导不完整和精确度之间的解决方案空间。在本文中，我们介绍了一项研究，我们采用机器学习算法来生成针对特定地点法规的概念架构形式。我们创建了一个单户住宅的注释数据集，并将其用于训练3D生成对抗网络，该网络生成了符合站点约束的注释点云。然后，我们将框架介绍给了23位体系结构从业者，以尝试了解该框架是否可以成为早期设计的有用工具。我们做出了三个方面的贡献：首先，我们共享一个带注释的单户住宅的构造相关的3D点云的数据集。接下来，我们介绍并共享框架的代码以及培训3D生成神经网络的结果。最后，我们讨论了机器学习和创造性工作，包括从业者对这些工具的出现作为介体在建筑设计中不完整和精确度之间的感觉。
提高虚拟碰撞响应的可靠性：提示集成技术
摘要 在虚拟现实 (VR) 中，用户的虚拟化身可以通过与虚拟物体碰撞来与其交互。如果碰撞响应没有发生在用户期望的方向上，则在 VR 体育游戏等应用中，用户会体验到准确度和精确度的下降。在确定虚拟碰撞的响应时，现有的物理引擎没有考虑用户感知和估计碰撞的方向。基于线索整合理论，本研究提出了一个统计模型，解释用户如何根据身体的方向和速度矢量估计虚拟碰撞的方向。通过将虚拟碰撞响应设置在用户感知的方向上，虚拟碰撞的准确度和精确度可分别提高 8.77% 和 30.29%。
使用遗传编程进行跌倒检测的脑电图小波分类
自主检测身体跌倒的能力是实现更好独立生活的众多支持技术之一。这项工作探索了如何利用遗传编程来开发机器学习管道，以通过 EEG 脑波活动对跌倒进行分类。11 种身体活动（5 种跌倒类型和 6 种非跌倒活动）被聚类为是否发生跌倒的二元分类问题。在探索机器学习模型并对其进行调整以获得更好的 k 倍分类准确度、精确度、召回率和 F1 分数之前，先从脑波中提取小波特征。结果表明，仅从 EEG 脑波数据中，通过遗传编程发现的解决方案就可以检测到跌倒，平均准确度为 89.34%，精确度为 0.883，召回率为 0.908，F1 分数为 0.895。所有三种遗传编程解决方案都选择了主成分分析的进一步步骤，以便从计算出的小波特征中提取额外的特征，每个步骤的迭代次数分别为 6、3 和 7，并且都采用随机奇异值分解方法。最终通过接收者操作特性和精确度-召回率曲线分析最佳模型。提供了每个遗传编程管道的 Python 代码。
3D自动定量矿物学Zeiss Minererogic
Burr检查软件建立在ZEN Core上，是用于跨样品自动化的Burr检测的专用解决方案。利用完全自动化的例程，并享受针对特定检查要求的可自定义且一致的工作流的精确度。
机器学习和人工智能（ML/AI）的架构数据系统
注意事项：• 定期监控模型性能/准确性并根据需要重建模型• 可以使用 F1 分数、精确度、召回率、AUC/ROC 曲线等准确度指标• 在评估中包括业务成功指标，例如 KPI（关键绩效指标）
总体排名 39：贝里恩县概况
除非另有说明，否则为每 100,000 人口的比率。N/A= 数据不可用。*不同的报告期或年龄组。** 零病例或小样本量，数据不符合可靠性或精确度标准。有关健康指标和数据来源的完整说明，请参阅附录 A。
