XiaoMi-AI文件搜索系统
World File Search System细粒
水含量和晶粒尺寸对机械挖掘中细粒土壤的堵塞和磨料的影响
发掘过程中的抽象堵塞是机械挖掘中的常见问题之一。在切割器头部堵塞的影响因素中，我们可以提到细土颗粒（200个网状筛），土壤水分和土壤类型的百分比。在这项研究中，为了研究实验室中的隧道发掘机制，设计和构建了隧道开挖机实验室模拟器。该设备的特征是其水平操作，切割机头的低旋转速度，测试过程中销与新鲜土壤的连续接触，以及在测试过程中连续的添加剂与特定的注入压力。研究了研究细粒度，土壤含量和泡沫注入比（FIR）对堵塞，消耗能量以及切割工具的平均磨损的影响。结果表明，随着细土颗粒百分比从90％增加到100％，切割工具的堵塞增加了50％。同样，随着土壤水分从干燥状态增加到5％的水分含量，切割机头的堵塞是微不足道的，此后，随之而来的是，水分从10％增加到25％，堵塞量增加了178％，每次测试中消耗的能量量增加了84％。此外，通过将泡沫注入比从40％增加到60％，平均堵塞减少了81％，而切割工具的磨损平均降低了62％。
婴儿的细粒度功能分析图...
抽象的慢性髓样白血病（CML）是一种血液癌，其特征是由费城染色体的产物（BCR-ABL-1酪氨酸激酶）驱动的成熟髓样细胞的产生失调。酪氨酸激酶抑制剂（TKI）已被证明在治疗CML方面有效，但是即使在BCR-ABL1激酶结构域中没有突变的情况下，仍然有一群对TKI治疗反应的患者，这些患者也没有反应。发现新的策略以改善CML中的TKI治疗，我们开发了一种非线性数学模型的CML Hema- topoiesis，该模型结合了反馈控制和谱系分支。细胞–细胞相互作用使用自动模型选择方法以及先前的观察结果以及来自CML的嵌合BCR-ABL1转基因小鼠模型的新体内数据来限制。由此产生的序言模型捕获了疾病的各个阶段正常和CML细胞的动力学，并且表现出与CML患者的TKI治疗的可变反应。该模型预测，骨髓中CML干细胞比例的增加将降低疾病对TKI治疗的反应趋势，并与临床数据一致，并在小鼠中实验证实。该模型进一步表明，在我们假定的正常细胞和白血病细胞之间的相似性下，对TKI治疗的难治反应的关键预测指标是对正常造血干细胞自我更新的最大概率的增加。我们使用这些见解来开发临床预后标准，以预测TKI治疗和设计策略的功效以改善治疗反应。该模型预测，在应用TKI治疗的同时刺激白血病细胞的分化可以显着改善治疗结果。
COVID-EENet：预测 COVID-19 对当地经济的细粒度影响
评估新冠肺炎危机对经济的影响对于政府制定应对措施、从危机中复苏至关重要。在本文中，我们提出了一种使用大规模信用卡交易数据集以细粒度评估经济影响的新方法。为此，我们开发了一个细粒度的经济流行病学建模框架COVID-EENet，该框架具有两级深度神经网络。在细粒度EEM的支持下，COVID-EENet学习了附近的群体感染病例对每个地区当地经济变化的影响。通过使用全国数据集进行的实验，给定一组活跃的群体感染病例，COVID-EENet可以准确预测每个地区和业务类别在两周或四周内的销售变化。因此，政策制定者可以了解预测影响，以采取最有效的缓解措施。总的来说，我们相信我们的工作开辟了利用金融数据从经济危机中复苏的新视角。为了解决这个紧急问题，我们在https://github.com/kaist-dmlab/COVID-EENet 发布了源代码。
中国经济型酒店在线住客评论的细粒度情绪分析
作者简介 Jiaqi Luo 博士（ORCID ID：https://orcid.org/0000-0001-8961-505X）是华东师范大学经济与管理学院旅游管理系的讲师。她的研究兴趣包括旅游与酒店营销、旅游大数据和博彩旅游。她曾在《旅游管理》、《当代酒店管理国际期刊》和《目的地营销与管理期刊》等主要旅游和酒店学期刊上发表过文章。 Songshan (Sam) Huang 博士（ORCID ID：https://orcid.org/0000-0003-4990-2788）是伊迪斯科文大学商学院旅游和服务营销研究教授。他的研究兴趣包括游客行为、目的地营销、导游以及各种中国旅游和酒店学问题。他在主要旅游和酒店学期刊上发表了大量关于中国游客行为和中国旅游和酒店学问题的文章，包括《旅游管理》、《旅游研究期刊》和《酒店管理国际期刊》。王仁武，博士，华东师范大学经济与管理学院信息管理系副教授。他的研究兴趣包括数据分析和数据挖掘、机器学习和深度学习。资助详情：本研究由国家社会科学基金资助
内容适应、个性化和细粒度检索：应用人工智能支持大规模参与和重用档案内容
摘要：视听内容分发方面的最新技术进步为媒体档案馆实现其面向外部的抱负并轻松通过其内容吸引大量受众提供了许多机会。本文报告了 ReTV 研究项目的初步成果，该项目旨在开发视听收藏品再利用的新方法。它从三个角度解决了档案收藏品的再利用问题：想要改编视听内容以在社交媒体上分发的内容持有者（广播公司和媒体档案馆）、从线性电视转向在线平台消费视听内容的最终用户以及寻求可用于新作品的视听内容的媒体行业创意人员。本文介绍了三个用例，展示了基于 AI 的视频分析技术如何通过视频内容改编、个性化和细粒度检索来促进这些再利用场景。
旨在实现连接和自动驾驶汽车中数据的细粒度访问控制
摘要 - 经常使用大量的板载传感器和应用程序，以支持自主驾驶功能。基于当前的研究，几乎没有对应用程序访问车辆内数据的工作。此外，大多数现有的自动驾驶操作系统都缺乏身份验证和加密单位。因此，申请可以过多地获取一致的信息，例如车辆位置和所有者偏好，甚至将其上传到云中，威胁到车辆的安全性和所有者的隐私。在这项研究中，我们提出了一种细粒度的访问控制方案，以限制应用程序对CAVS（FGAC-INCAVS）中数据的访问。首先，我们提出了一个由以下要素组成的系统模型：受信任的第三方（TTP），这是完全值得信赖的权威；感知组件（例如传感器），可以捕获道路信息（图片，视频等）。）;和多个应用程序。然后，提出了一个基于快速属性的加密（ABE），安全分析还表明，它可以防止选择性和选择性攻击。此外，我们提出了一个基于中文剩余定理（CRT）的关键更新方案。最后，理论分析和仿真实验证明了其可行性和效率。
搬迁沙田污水处理厂往岩洞的实时大数据人工智能环境影响评估 (AIEIA) 执行摘要 搬迁沙田污水处理厂往岩洞（本项目）的环境影响评估中，位于沙田马场和周边河道的彭福公园鹭鸟林被列为环境指标之一。目前，香港对鸟类生态栖息地的监测主要以人为观察为主，而人为观察的时间间隔有限。由于繁殖季节环境变化微妙，人为不易分辨鸟类行为的细微变化。渠务署藉此机会与香港科技大学合作，通过在项目下对彭福公园鹭鸟林进行先导观察，探索将最先进的绿色人工智能 (AI) 技术融入环境监测。观察是明智行动的第一步。完整的阵列数据收集系统 (ADCS) 和实时数据提取管道架构经过全面设计，可实现模块化，并可成功部署在各种结构中，确保在所有环境中可靠运行。ADCS 具有多种优势，可满足户外环境长期监测的需求：(i) 自动连续录制；(ii) 高分辨率视频；(iii) 高帧率视频；(iv) 巨大的本地数据存储；(v) 保护恶劣环境（例如极端天气条件）。采用一种新的视频压缩标准高效视频编码 (H.265) 来处理、存储和传输高分辨率视频，同时保持视频质量。在户外环境中实现数据采集自动化之后，实施了 AI 算法，以从长达数月的数据中检测鸟类。本研究重点是检测大白鹭和小白鹭，即研究地点的主要鸟类。AI 算法开发的主要挑战是缺乏香港鸟类的标记数据集。为了解决这个问题，我们利用 3D 建模制作了大白鹭和小白鹭的合成鸟类数据集。在虚拟图像的开发过程中，我们应用了姿势和身体大小等显著特征的大量变化，这反过来又迫使模型专注于专家用来区分鸟类物种的细粒度鸟类特征，例如颈部和头部。经过训练的 AI 模型能够在不同背景下以高预测分数区分和定位鸟类物种，平均准确率达到 87.65%。我们的人工智能 ADCS 解决方案比传统的人工观察具有多种潜在优势，能够在不同的天气条件下为不同物种的鸟类计数、行为研究、空间偏好以及种间和种内相互作用提供密集的表面。这项研究的结果和发现有利于未来规划环境监测工作以及项目下的工作阶段，以尽量减少对彭福公园鹭鸟林的潜在环境影响。
搬迁沙田污水处理厂往岩洞的实时大数据人工智能环境影响评估 (AIEIA) 执行摘要 搬迁沙田污水处理厂往岩洞（本项目）的环境影响评估中，位于沙田马场和周边河道的彭福公园鹭鸟林被列为环境指标之一。目前，香港对鸟类生态栖息地的监测主要以人为观察为主，而人为观察的时间间隔有限。由于繁殖季节环境变化微妙，人为不易分辨鸟类行为的细微变化。渠务署藉此机会与香港科技大学合作，通过在项目下对彭福公园鹭鸟林进行先导观察，探索将最先进的绿色人工智能 (AI) 技术融入环境监测。观察是明智行动的第一步。完整的阵列数据收集系统 (ADCS) 和实时数据提取管道架构经过全面设计，可实现模块化，并可成功部署在各种结构中，确保在所有环境中可靠运行。ADCS 具有多种优势，可满足户外环境长期监测的需求：(i) 自动连续录制；(ii) 高分辨率视频；(iii) 高帧率视频；(iv) 巨大的本地数据存储；(v) 保护恶劣环境（例如极端天气条件）。采用一种新的视频压缩标准高效视频编码 (H.265) 来处理、存储和传输高分辨率视频，同时保持视频质量。在户外环境中实现数据采集自动化之后，实施了 AI 算法，以从长达数月的数据中检测鸟类。本研究重点是检测大白鹭和小白鹭，即研究地点的主要鸟类。AI 算法开发的主要挑战是缺乏香港鸟类的标记数据集。为了解决这个问题，我们利用 3D 建模制作了大白鹭和小白鹭的合成鸟类数据集。在虚拟图像的开发过程中，我们应用了姿势和身体大小等显著特征的大量变化，这反过来又迫使模型专注于专家用来区分鸟类物种的细粒度鸟类特征，例如颈部和头部。经过训练的 AI 模型能够在不同背景下以高预测分数区分和定位鸟类物种，平均准确率达到 87.65%。我们的人工智能 ADCS 解决方案比传统的人工观察具有多种潜在优势，能够在不同的天气条件下为不同物种的鸟类计数、行为研究、空间偏好以及种间和种内相互作用提供密集的表面。这项研究的结果和发现有利于未来规划环境监测工作以及项目下的工作阶段，以尽量减少对彭福公园鹭鸟林的潜在环境影响。
从大脑活动重建细粒度认知——ACT-R
我们描述了 Sketch-and-Stitch 方法，该方法将认知模型和 EEG 结合起来，以重建受试者的认知。该方法在视频游戏的背景下进行了测试，其中动作高度相互依赖且变化多端：只需在 30 分之一秒内改变是否按下某个键就会导致截然不同的结果。Sketch 级别识别游戏中的关键事件，Stitch 级别填充这些事件之间的详细操作。关键事件往往会产生强大的 EEG 信号，认知模型提供关键事件之间各种转换的概率以及这些事件之间的间隔分布。这些信息可以组合成一个隐式半马尔可夫模型，该模型可以识别最可能的关键事件序列及其发生时间。Stitch 级别从广泛的模型游戏库中选择详细操作来生成这些关键事件。从库中选择哪个动作序列的决定取决于它们产生 EEG 信号较弱方面的能力。最终的方法可以通过受试者的脑电图生成相当引人注目的实际比赛重播。
细粒度和粗粒度 SIMD
(i) 细粒度 SIMD：这些实际上是处理实际上由大得多的组件组成的小得多的组件的详细描述。 (ii) 粗粒度 SIMD：这些系统由较少的组件组成，这些组件显然比原始组件多，但比细粒度 SIMD 小得多，但组件的大小比系统的细粒度子组件大得多（高/多）。细粒度和粗粒度 SIMD 架构之间的差异：
