XiaoMi-AI文件搜索系统
World File Search System自动识别
从电化学阻抗光谱
电化学系统的电化学阻抗光谱（EIS）数据的分析通常包括使用专家知识来定义等效电路模型（ECM），然后优化模型参数以反应各种抗性，能力，电感，电感性或扩散反应。对于小型数据集，可以手动执行此过程；但是，对于具有广泛的EIS响应的广泛数据集，手动定义适当的ECM是不可行的。对ECM的自动识别将基本上加速大量EIS数据的分析。 我们展示了机器学习方法，以分类由量子景观为电池派黑客马拉松提供的9,300个阻抗光谱的ECM。 最佳性能方法是利用库自动生成特征的梯度增强树模型，然后使用原始光谱数据进行随机森林模型。 使用Nyquist表示的布尔图像的卷积神经网络是替代的，尽管它的精度较低。 我们发布数据并开源关联的代码。 本文中描述的方法可以作为进一步研究的基准。 关键的剩余挑战是标签的识别能力，由模型性能和错误分类光谱的比较强调。 ©2023作者。 由IOP Publishing Limited代表电化学学会出版。 [doi：10.1149/1945-7111/acd8fb]对ECM的自动识别将基本上加速大量EIS数据的分析。我们展示了机器学习方法，以分类由量子景观为电池派黑客马拉松提供的9,300个阻抗光谱的ECM。最佳性能方法是利用库自动生成特征的梯度增强树模型，然后使用原始光谱数据进行随机森林模型。使用Nyquist表示的布尔图像的卷积神经网络是替代的，尽管它的精度较低。我们发布数据并开源关联的代码。本文中描述的方法可以作为进一步研究的基准。关键的剩余挑战是标签的识别能力，由模型性能和错误分类光谱的比较强调。©2023作者。由IOP Publishing Limited代表电化学学会出版。[doi：10.1149/1945-7111/acd8fb]这是根据Creative Commons Attribution 4.0许可（CC by，http://creativecommons.org/licenses/ by/4.0/）分发的开放式访问文章，如果原始工作适当地引用了原始作品，则可以在任何媒介中不受限制地重复使用工作。
用于首字母缩略词识别和消歧的 Primer AI 系统
歧义缩略词的盛行使得科学文献对于人类和机器来说都更难理解，因此需要能够自动识别文本中的缩略词并消除其含义歧义的模型。我们引入了用于首字母缩略词识别和消歧的新方法：我们的首字母缩略词识别模型将学习到的标记嵌入投射到标签预测上，我们的首字母缩略词消歧模型找到具有类似句子嵌入的训练示例作为测试示例。与之前提出的方法相比，我们的两个系统都实现了显着的性能提升，并且在 SDU@AAAI-21 共享任务排行榜上表现出色。我们的模型部分在针对这些任务的新远程监督数据集上进行了训练，我们将其称为 AuxAI 和 AuxAD。我们还发现了 SciAD 数据集中的重复冲突问题，并形成了 SciAD 的去重版本，我们称之为 SciAD-dedupe。我们公开发布了这三个数据集，并希望它们能够帮助社区在科学文献理解方面取得进一步进展。
Primer AI 的首字母缩略词识别和消歧系统
歧义缩略词的盛行使得科学文献对于人类和机器来说都更难理解，因此需要能够自动识别文本中的缩略词并消除其含义歧义的模型。我们引入了用于首字母缩略词识别和消歧的新方法：我们的首字母缩略词识别模型将学习到的标记嵌入投射到标签预测上，我们的首字母缩略词消歧模型找到具有类似句子嵌入的训练示例作为测试示例。与之前提出的方法相比，我们的两个系统都实现了显着的性能提升，并且在 SDU@AAAI-21 共享任务排行榜上表现出色。我们的模型部分在针对这些任务的新远程监督数据集上进行了训练，我们将其称为 AuxAI 和 AuxAD。我们还发现了 SciAD 数据集中的重复冲突问题，并形成了 SciAD 的去重版本，我们称之为 SciAD-dedupe。我们公开发布了这三个数据集，并希望它们能够帮助社区在科学文献理解方面取得进一步进展。
![arXiv:2401.02344v1 [cs.LG] 2024 年 1 月 4 日](/simg/g:\will\search\icon\source\3\33969f2d6df82554df6878e78b2420d22a4c30e8.png)
arXiv:2401.02344v1 [cs.LG] 2024 年 1 月 4 日
尽管基于深度学习的算法在通过脑电图 (EEG) 信号自动识别情绪方面表现出色，但个体脑信号模式的差异会降低模型在不同受试者身上应用时的有效性。虽然迁移学习技术已经表现出良好的效果，但它们仍然面临与特征表示不足相关的挑战，并且可能会忽略源受试者本身可能具有不同特征的事实。在这项工作中，我们提出了一种多源域自适应方法，该方法使用基于变换器的特征生成器 (MSDA-TF)，旨在利用来自多个来源的信息。所提出的特征生成器保留了卷积层以捕获浅层空间、时间和频谱 EEG 数据表示，而自注意机制则提取这些特征内的全局依赖关系。在适应过程中，我们根据相关值对源主体进行分组，并旨在将目标主体的时刻与每个源以及源内的时刻对齐。MSDA-TF 在 SEED 数据集上得到了验证，并显示出良好的结果。
Sasidhar B等。使用指纹图像创新的非侵入性血型检测。 J Crim Forensic研究2025，7（1）：180087。
血型的确定是卫生部门输血和诊断的关键步骤。在本文中，采用了与深度学习算法相结合的成像技术来自动识别血型。结缔组织与规模不变特征变换（SIFT），方向短暂和旋转的barf（Orb）以及使用Gabor滤波器的指纹的空间相关性用于识别血型的区别特征以及指纹图像。然后，提取的特征通过卷积神经网络（CNN）进行分类。此外，指纹特征还具有脊频率和空间特征，以进一步改善血型的测定。该框架包括对比度增强和降解技术，可改善图像质量，从而使图像质量波动稳定。采用了使用VGG，Resnet和Densenet作为基本模型来提高模型有效性和概括性，请进行转移学习。对不同数据集进行了测试，该方法在识别血型和歧视性标记方面表现出良好的准确性，一致性和成功率。这种新颖的技术是完全自动化的。它可以通过快速，准确地治疗输血和患者来彻底改变血型和输血的过程。
区域供热故障检测和诊断的智能方法：当前趋势、挑战和机遇
摘要：本文全面介绍了区域供热系统中最先进的智能故障检测和诊断技术。维护高效的区域供热系统至关重要，因为故障会导致热量损失增加、客户不适和运营成本增加。智能故障检测和诊断可以利用人工智能或机器学习自动识别和诊断故障行为。在我们的调查中，我们回顾并讨论了过去 12 年发表的 57 篇论文，强调了最近的趋势，确定了当前的研究差距，讨论了当前技术的局限性，并为该领域的未来研究提供了建议。虽然人们对这个话题的兴趣越来越浓厚，而且过去五年也取得了很大的进步，但缺乏开源的高质量标记数据严重阻碍了进展。未来的研究应该旨在探索迁移学习、领域自适应和半监督学习，以提高当前的性能。此外，研究人员应该使用以数据为中心的方法来增加对区域供热数据的了解，为未来区域供热的故障检测和诊断奠定坚实的基础。
耦合投影迁移度量学习跨...
摘要：不同会话之间的分布差异极大地降低了视频诱发脑电图 (EEG) 情绪识别的性能。由于 EEG 信号微弱且非平稳，因此存在差异，并且这些差异表现在每个会话的不同轨迹中，甚至表现在属于同一种情绪的某些轨迹中。为此，我们提出了一个耦合投影迁移度量学习 (CPTML) 模型来联合完成域对齐和基于图的度量学习，这是一个统一的框架，可以同时最小化跨会话和跨试验分歧。通过在 SEED_IV 情绪数据集上的实验，我们表明：(1) CPTML 表现出比其他几种方法更好的性能；(2) 在 CPTML 诱导的子空间中，跨会话分布差异被最小化，不同试验之间的情绪度量图得到优化，表明数据对齐和度量探索的有效性； （3）从学习到的投影矩阵中自动识别出用于情绪识别的关键EEG频带和通道，从而对效应的发生提供更多的见解。
Octopus Sensing：用于人类行为研究的 Python 库
设计用户研究和收集数据对于探索和自动识别人类行为至关重要。目前可以使用一系列传感器来捕捉心率、大脑活动、皮肤电导率和各种不同的生理线索（Seneviratne 等人，2017 年）。这些数据可以组合起来，提供有关用户情绪状态（Dzedzickis 等人，2020 年；Egger 等人，2019 年）、认知负荷（Mangaroska 等人，2022 年；Vanneste 等人，2021 年）或其他因素的信息。然而，即使数据收集正确，同步来自多个传感器的数据也很耗时且容易出错。无法记录和同步数据可能会导致分析和结果出现错误，以及需要多次重复耗时的实验。为了克服这些挑战，Octopus Sensing 促进了从各种来源同步数据采集，并提供了一些用于设计用户研究、实时监控和离线数据可视化的实用程序。Octopus Sensing 的主要目的是提供一个简单的脚本界面，以便具有基本软件开发技能或没有软件开发技能的人能够更轻松地定义基于传感器的实验场景。
文章基于视觉的飞机周转中入/出站和对接/解除对接节点的自动收集
摘要：飞机周转过程中关键里程碑节点的自动采集是机场协同决策发展需求中的重要内容。本文提出一种基于计算机视觉的框架，自动识别航班进出站、停靠/脱离站活动并记录相应的关键里程碑节点。该框架无缝集成了计算机视觉领域的最新算法和技术，包括预处理和关键里程碑采集两个模块。预处理模块从机场地面复杂背景中提取关键里程碑节点执行者的时空信息。第二个模块针对两类关键里程碑节点，即以路内和路外为代表的基于单目标的节点和以对接和解除对接楼梯为代表的基于双目标交互的节点，分别设计了两种关键里程碑的收集方法。构建了两个数据集用于所提框架的训练、测试和评估。现场实验结果表明，所提框架可以替代目前常规的手动记录方法，有助于自动收集这些关键里程碑节点。
全球供应链破坏对宏观经济结果的因果影响：证据和理论
我们研究了全球供应链中断的因果影响和政策影响。我们从集装箱船的强制性自动识别系统数据中构建了供应链中断的新指数，开发了一种新型的空间聚类算法，该算法决定了全球主要端口的位置，速度和集装箱船的实时拥塞。我们开发了一种模型，在生产商和零售商之间进行搜索摩擦，将备用生产能力与商品市场拥堵以及产出和价格的响应联系起来，对供应链冲击的响应。产出，价格和备用能力的共同介绍产生了供应链干扰的唯一识别限制，使我们能够研究此类中断的因果影响。我们记录了供应链冲击如何在2021年推动通货膨胀的方式，但在2022年，传统需求和供应冲击在解释通货膨胀方面也起着重要作用。最后，我们展示了在全球供应链冲击后与常规情况相比，金钱政策如何在驯服通货膨胀方面更有效。