XiaoMi-AI文件搜索系统
World File Search System虚拟
快速轨道虚拟现实软件，可促进先天性心脏病的三维重建
计算机生成的3维（3D）重建正在成为先天性心脏病（CHD）中不断增长的技术。已经清楚地证明了虚拟现实（VR）或3D打印模型的好处，尤其是在处理复杂的解剖学或计划最小入侵程序的情况下[1]。的确，对不同的解剖结构之间的空间关系有更深入，更广泛的理解，可以采用出色的手术方法，在某些情况下完全改变它[2]。然而，需要进一步的大规模研究来消除3D重建的潜力，以减少手术时间或预防先天性心脏手术的并发症，就像其他外科手术领域已经达到的那样[3-4]。尽管如此，这些系统的临床使用的一个局限性是使用当前可用软件所需的相对较高的成本和专业知识的程度。此外，由于缺乏标准化方法，较长的处理时间和缺乏心脏周期的动态代表，这些技术的传播受到了限制。随着该领域的发展，新的选项已成为获取虚拟模型所需平台的复杂性的潜在简化。DIVA软件（增强和虚拟环境中的数据集成和可视化，巴黎研究所）是一种新的VR技术，允许快速且用户友好的3D重新建立CHD [5]。我们以前将该软件与标准3D渲染技术进行了比较，并得出结论，Diva是系统的一致性和更快的[6]。在本研究中，我们分析了具有有限专业知识的用户对该软件的使用，以评估CHD中3D重建的潜力。
SSVEP 视觉刺激的大小和对比度对虚拟现实分类准确性和用户友好性的影响
摘要 — 基于 SSVEP 的 BCI 在速度和准确性方面是最有前途的 BCI 之一。然而，尽管社区付出了巨大的努力使它们更加实用和用户友好，但它们使用起来仍然特别烦人。在本文中，我们研究了 SSVEP 视觉刺激的大小和对比度对分类准确性和界面烦恼的影响，总体目标是在性能和用户友好性之间找到一个平衡点。我们对十二 (12) 名参与者进行了用户研究，以评估不同刺激大小和对比度对虚拟现实环境中 SSVEP 分类准确性的联合影响。该实验的结果表明，刺激的大小对分类准确性（低于某个阈值）和感知烦恼都有显著影响。然而，对比度对分类准确性和感知烦恼都没有影响，这表明使用较低对比度的刺激仍然可以准确地操作基于 SSVEP 的 BCI。索引术语 — 组件、格式、样式、样式、插入
基于计算智能的分层虚拟发电厂优化
摘要 在可再生能源的背景下，虚拟发电厂 (VPP) 被视为智能控制复杂、分散、分布式和异构发电过程的关键技术。然而，VPP 的经济和生态控制是一项非常关键的任务：由于 VPP 在复杂性、技术组合、环境条件和运行期间需要优化的目标方面具有很大的变化性，单个 VPP 的控制需要能够有效地考虑所有这些单独的约束条件。因此，我们在本文中提出了一种结合计算智能 (CI) 元启发式的 VPP 抽象控制方法，该方法旨在灵活适用于不同的 VPP 规模、目标和发电厂类型。此外，该方法还提供了构建分层 VPP 的可能性，因为这通常是系统运营商的要求。为了证明该控制方法的有效性，考虑了三个示例性优化目标，并将其应用于不同组合的扁平/分层 VPP：最小化运行储备需求、最小化 CO 2 排放量和最大化发电厂灵活性。此外，该方法与三个示例性 CI 元启发式方法相结合并进行评估：模拟退火 (SA)、粒子群优化 (PSO) 和蚁群优化 (ACO)。为了使这种先进的 CI 元启发式方法在优化问题中的使用合法化，梯度下降优化 (GDO) 作为一种传统的优化技术也被考虑在内。基于具体的示例场景以及广泛的汇总测试运行，结果表明该控制方法能够有效地优化各种 VPP 组合以实现给定的目标。
确定个人虚拟大脑的最佳工作点
。CC-BY 4.0 国际许可，根据 提供（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者，此版本于 2020 年 3 月 26 日发布。；https://doi.org/10.1101/2020.03.26.009795 doi：bioRxiv 预印本
猴子业务：强化学习与邻里搜索虚拟网络嵌入。
在本文中，我们考虑了5G网络切片的虚拟网络嵌入（VNE）问题。此问题需要在基板虚拟化物理网络上分配多个虚拟网络（VN），同时最大化资源，最大数量，放置的VN和网络运营商的好处。我们解决了随着时间的推移而到达的问题的在线版本。受到嵌套推出策略适应（NRPA）算法的启发，这是众所周知的蒙特卡洛树搜索（MCT）的变体，该变体学习了如何随着时间的推移进行良好的模拟，我们提出了一种新算法，我们称之为邻里增强策略适应（NEPA）。我们算法的关键特征是观察NRPA无法利用状态树一个分支中获得的知识，而这是另一个启动的知识。NEPA通过以节俭的方式将NRPA与邻居搜索相结合来学习，这仅改善了有希望的解决方案，同时保持运行时间较低。我们将这项技术称为猴子业务，因为它归结为从一个有趣的分支跳到另一个分支，类似于猴子如何跳到树上，而不是每次都倒下。与其他最先进的算法相比，NEPA在接受率和收入比率的比率方面取得了更好的结果，无论是在真实和合成拓扑上。
在GE，SB和TE元素系统中氮的氮掺入的光谱研究：迈向了解相变材料中氮效应的一步 开发用于拆卸应用的紧凑型Alpha和Beta摄像头 通过直接数字合成的可扩展低延迟FPGA体系结构量子验控制 智能写算法以增强RRAM宏的性能和可靠性 关键驱动因素和促使6G时代 全基因组关联研究确定了与法洛的四边形相关的12q24和13q32的基因座 用户实施例比较虚拟现实中半自治和完全捕获的头像运动 绿色回收方法处理锂离子电池电子废物 开发一个方法学框架，用于评估行星边界内电池升级的绝对可持续性 主动学习中的无监督未知检测 创新的多层OT选择器用于性能调整和提高可靠性 多层OTS选择器工程高温稳定性，可伸缩性和高耐力 模型驱动的设计空间探索模拟中的多机器人系统 燃油库，TAF-ID数据库和OC软件
氮化物材料中的氮掺杂是改善材料特性的一种有希望的方法。的确，GESBTE相位变化合金中的N掺杂已证明可以极大地提高其无定形相的热稳定性，这是确保最终相变存储设备的数据保留所必需的。尽管建议这种合金中的N掺杂导致GE-N键的优先形成，但有关键的进一步问题，尤其是SB-N和TE-N，并且结构排列尚不清楚。在本文中，我们介绍了使用大量的N含量从0到50 at at 50 at，我们介绍了沉积的元素GE，SB和TE系统及其氮化物（即Gen，SBN和10合金）的研究。％。通过傅立叶变换红外和拉曼光谱法研究了AS沉积合金。我们确定与GE-N，SB-N和TE-N键形成相关的主动振动模式，强调了N融合对这些元素系统结构的影响。我们进一步定性地将Gen，SBN和十个实验光谱与相关理想氮化物结构的“从头开始”进行了比较。最后，对氮化元素层的分析扩展到N掺杂的GESBTE合金，从而在记忆技术中采用的此类三元系统中对氮键有更深入的了解。
虚拟考古学评论 - PoliPapers
本研究运用现代数字可视化技术，重建了路易斯·伊纳西奥·巴罗斯·利马于1825年设计的圣托尔卡托圣殿（São Torcato Sanctuary）的未完工建筑项目。其目标是创建一个能够准确呈现圣殿内部结构的三维（3D）模型，从而促进公众更广泛地参与到这座历史建筑的建设中。我们采用系统性方法，分析了历史文献，并通过犀牛软件（Rhino）运用摄影测量和参数化建模技术重建了关键的建筑元素。我们建立了基于区域测量单位的度量识别系统，从而克服了原始资料失真和不完整带来的挑战，实现了统一的建模流程。建模过程被划分为多个开发层次（LOD），从而能够采用从基本几何图形到复杂特征的层级结构。我们利用Grasshopper高效地生成了各种开口和精细的檐口，而摄影测量技术则有助于精确地建模现有的柱头和华盖。此次重建的一个关键环节是量化模型中的不确定性，利用伪彩色方案来表示基于可用资源对不同元素准确性的不同置信度。该模型的平均不确定性得分被确定为40%，突显了由于文献记录不完整，部分元素的推测性。此次数字重建对圣托尔卡托圣殿的建筑叙事做出了重要贡献，并将成为未来研究和公共教育的资源。尽管存在固有的不确定性，该模型仍为尚未实现的建筑愿景提供了宝贵的见解，凸显了数字化方法在建筑遗产保护和解读中的重要性。
Facebook 虚拟现实的关键问题：数据、权力和元宇宙
摘要：虚拟现实 (VR) 代表一种新兴的空间计算技术，它依赖于捕获和处理有关用户的数据（例如他们的身体及其与硬件的接口）或他们周围的环境。与一般的数字媒体非常相似，人们越来越担心谁会从 VR 这种数据密集型技术中受益，以及它潜在的数据传播危害可能在哪里。根据关键数据研究，我们研究了 Facebook 的 Oculus VR 案例——一种市场领先的 VR 技术，是他们元宇宙野心的核心。通过这个案例，我们认为 VR 作为一种数据密集型设备，并不是纯粹的好处，而是一种充满权力不平等的设备——它有可能加剧财富不平等、产生算法偏见并带来新形式的数字排斥。我们认为，迄今为止的政策对 VR 的参与有限，随着 VR 在社会中得到更广泛的应用，监管干预将需要进行。
虚拟衰老大脑：老年人认知能力下降的模型驱动解释
健康衰老伴随着个体认知能力的异质性下降，尤其是在衰老期间。这种变异的机制尚不清楚，但与白质纤维束的重组和大脑区域的功能共同激活有关。在这里，我们建立了一个因果推理框架，以提供结构连接和大脑功能之间联系的机制洞察，并基于大脑图像数据和网络建模。通过应用不同程度的半球间结构连接退化，我们不仅能够重现与年龄相关的半球间功能通信下降和相关的动态灵活性，而且我们获得了衰老过程中结构连接对大脑功能的整体调节增加。值得注意的是，结构连接和大脑功能之间的调节增加幅度更大，在认知能力较差的老年人中增加幅度更大。我们通过基于深度学习的贝叶斯方法独立验证了我们框架的因果假设。当前的结果可能是首次在大型群体中从机制上证明衰老过程中的去分化和支架作用会导致认知能力下降。
在腹腔镜培训中使用触觉反馈与盒子培训师（BT）比较虚拟现实（VR）模拟器的学习成果：系统的RE
在2023年12月至2024年4月的系统审查和荟萃分析的首选报告项目之后，进行了系统的审查和荟萃分析。研究数据库，例如PubMed，Embase，Cinahl和Web of Science，寻找随机对照试验（RCT），将VR模拟器与触觉反馈与BT与培训医学生的BT进行比较。七个RCT符合纳入标准，荟萃分析中包括四个RCT。主要结果是学习曲线和学习效果，而次要结果包括技能转移到手术环境。评论分析了整个研究中125名参与者的数据。的结果表明，BTS表现出优异的学习曲线，参与者比使用VR的学习速度更快。两个模拟器都显示出显着的学习效果。但是，BTS在更多的性能参数上取得了更大的改进。关于技能转移到手术环境，两组之间没有显着差异，这两种方法都有效地支持了手术技能转移。总体而言，BT具有更有效的学习曲线，并且在技能掌握方面的表现略有更好。虽然带有触觉反馈的VR提供了增强的现实主义，但它并未完全复制BT提供的自然触觉反馈。需要进一步的研究来改善VR触觉反馈及其在培训计划中的整合以增强学习成果。