XiaoMi-AI文件搜索系统
World File Search System莱卡
莱恩咨询服务
持久性：LCS 曾是旧版 DBGallery 桌面照片管理系统的客户，十年后 DBGallery 仍然存在并不断创新，这令他们感到欣慰。生锈的铁丝网围栏与破损的木栅栏：了解两者的区别至关重要。LCS 拍摄大型多单元住宅物业中需要维修的物品的照片。每处物业需要拍摄数千张照片。必须标记每张照片中的物品，以便轻松找到它们并将其添加到按维修类型分类的报告中。仅仅知道需要维修的栅栏是不够的。报告必须区分破旧的生锈铁丝网围栏和破损的木栅栏。这是因为这些需要不同的工匠进行维修，而且成本也不同。手动浏览数千张照片以标记和分类它们需要数天时间，既需要人力成本，也需要数天时间才能生成报告。为了解决这个问题，LCS 训练了一个人工智能来了解不同的栅栏类型和其他 400 种所需的维修类型。现在，无需花费数天时间手动标记照片中的对象，DBGallery 和自定义训练的 AI 对象模型可在数千张照片上传 15 分钟后自动标记！用一句老话来说，走这条路而不是手动标记，真的是一件轻而易举的事。深入了解一下 LCS 为何需要自定义训练的 AI 模型，对象识别 AI 返回的标签不是常见的对象名称，例如“木栅栏”。它是 LCS 自己的特定代码。例如“403.202 铝窗”。通用 AI 对象检测模型会简单地返回窗口，或者在更智能的情况下返回铝窗。但 LCS 的各种程序和后端系统需要特定代码，而自定义 AI 模型能够提供这些代码。
伊萨卡
背景和目标：神经反馈 (NF) 是一种允许用户自我调节大脑活动模式的范例。它采用闭环脑机接口 (BCI) 系统实现，该系统实时分析用户的大脑活动并提供持续反馈。该范例具有极大的兴趣，因为它有可能成为治疗非退行性脑部疾病的非药物和非侵入性替代方法。然而，目前可用的 NF 框架有几个局限性，例如缺乏各种实时分析指标或过于简单的训练场景可能会对用户表现产生负面影响。为了克服这些限制，这项工作提出了 ITACA：一种用于设计、实施和评估 NF 训练范例的新型开源框架。方法：ITACA 的设计易于使用、灵活且具有吸引力。具体而言，ITACA 包括三种不同的游戏化训练场景，可选择五种大脑活动指标作为实时反馈。其中，基于功能连接和网络理论的新型指标脱颖而出。它与五种不同的计算机化版本的广泛认知评估测试相辅相成。为了验证所提出的框架，进行了计算效率分析和侧重于额叶内侧 θ 调制的 NF 训练协议。结果：效率分析证明，所有实施的指标都允许以最佳反馈更新率进行 NF 会话。此外，实施的 NF 协议产生了支持在 NF 研究中使用 ITACA 的结果。结论：ITACA 实施了多种功能来设计、开展和评估 NF 研究，目的是帮助研究人员扩展当前最先进的 NF 培训。
