XiaoMi-AI文件搜索系统
World File Search System视频处理
生物ECE
在 ECE 中列出或交叉列出的课程：EE381V：基因组信号处理和数据科学 [Haris Vikalo] EE381V：分子编程 [David Soloveichik] EE380L：数据挖掘 [Joydeep Ghosh] EE380L1V：高级数据挖掘 [Joydeep Ghosh] EE371R：数字图像和视频处理 [Al Bovik] EE381K：数字视频 [Al Bovik] EE351M：数字信号处理 [Haris Vikalo] EE281K-6：估计理论 [Haris Vikalo] EE374K/385J-31：生物医学电子仪器设计 [John Pearce] EE338L/382V：模拟集成电路设计 [Nan Sun] EE381V：活动感知和识别 [Edison Thomaz] EE385J：生物医学成像模式 [Tom Yankeelov] EE385J：生物医学仪器 [Emily Porter] EE374L：生物医学工程的应用 [H. Grady Rylander III] EE385J-18：生物医学成像：信号/系统 [Tom Yankeelov] EE385J-32：生物医学工程项目 EE385V：脑机交互 [Jose del R. Millan] EE382V：现实世界中的复杂网络 EE381V：计算磁共振成像 [Jon Tamir] EE385V：神经工程 [Jose del R. Millan] EE381V：口语语言技术 [David Harwath]
TPA5050 - 德州仪器
• 高清电视唇形同步延迟 • 数字音频格式：16-24 位 I2S、右对齐、左对齐 • 平板电视唇形同步延迟 • 家庭影院后声道效果 • I2C 总线控制 • 无线扬声器前置声道 • 单串行输入端口同步 • 延迟时间：fs = 48 kHz 时为 170 ms/ch • 延迟分辨率：一个样本 • 加电时或加电后清除延迟内存 TPA5050 接受单个串行音频输入，在可选时间段内缓冲数据，并在单个串行输出上输出延迟的音频数据。一个器件允许高达 170 ms/ch (fs = 48 kHz) 的延迟，以将音频流与具有复杂视频处理算法的系统中的视频流同步。如果需要更多延迟，可以将器件串联连接。其中 fs = 32 kHz–192 kHz • 无需外部晶体或振荡器 – 所有内部时钟均由音频时钟生成 • 表面贴装 4mm × 4mm、16 引脚 QFN 封装
SN Bose巨大作品的100年
生成的AI：OpenAI的GPT-4和Google Bard之类的模型已彻底改变了内容的生成，实现了类似人类的文本，图像和代码创建。跨越教育，医疗保健和创意产业的应用。多模式AI：Meta的Llama和Openai的Dall·E 3结合了文本，图像和视频处理，使AI系统能够理解和生成多种格式的输出。AI在药物发现中：基于AI的平台，例如DeepMind的Alphafold，已经预测了科学已知的几乎每种蛋白质的结构（截至2023年），加速了医学研究和药物开发。代码的生成AI：Github的Copilot X（2023）和OpenAI的Codex Automate Automate软件开发等工具，从而提高了开发人员的生产率和编码效率。语音中的生成AI：Elevenlabs和Vall-E（Microsoft，2023）启用高质量的语音综合，革新虚拟助手，有声读物和客户服务中的应用程序。自治代理：AI模型（如Autogpt和Babyagi）在没有人类干预的情况下执行多步自主任务，从而超越了单任务重点的AI能力。
入学博士学位。计划 - 2025年1月-IIIT Kottayam入学博士学位。计划 - 2025年1月-IIIT Kottayam
人工智能（AI）：负责的AI，可解释的AI，网络安全，智能农业中的AI/ML，医疗保健，社会商品；生物信息学，NLP，健康信息学；计算机网络，软件定义网络，网络/网络安全；计算机视觉，深度学习，对图像/视频处理的深度学习。边缘/云/分布式/雾/文化计算；进攻安全性，Web应用程序安全性，密码学；多媒体取证；应用密码学，量子代数密码学；数据科学，优化；轻巧的密码学，物联网安全性，阻塞链和安全性，道德黑客入侵，网络物理系统；生物启发算法；数字取证和犯罪调查，物联网取证，移动应用取证和安全；大数据分析；分布式数据库；信息安全性，生物识别安全性，块链技术；图理论算法；数据分析；用于未来计算连续体的资源管理和计划，分布式计算系统中的机器学习，用于分布式计算系统的生物启发的优化；云数据安全；入侵检测和预防；优化问题，算法和图理论；医疗图像处理，GIS应用程序，视频分析。
深度振荡神经网络
摘要 — 我们提出了一种新颖的、受大脑启发的深度神经网络模型，即深度振荡神经网络 (DONN)。像循环神经网络这样的深度神经网络确实具有序列处理能力，但网络的内部状态并非设计为表现出类似大脑的振荡活动。出于这种动机，DONN 被设计为具有振荡内部动力学。DONN 的神经元要么是非线性神经振荡器，要么是具有 S 形或 ReLU 激活的传统神经元。该模型中使用的神经振荡器是 Hopf 振荡器，其动态在复杂域中描述。输入可以以三种可能的模式呈现给神经振荡器。S 形和 ReLU 神经元也使用复值扩展。所有权重阶段也是复值的。训练遵循权重变化的一般原理，通过最小化输出误差，因此与复杂反向传播总体相似。还提出了一种将 DONN 推广到卷积网络的方法，即振荡卷积神经网络。所提出的两个振荡网络已应用于信号和图像/视频处理中的各种基准问题。所提出的模型的性能与同一数据集上公布的结果相当或优于公布的结果。
学术课程
LTPC 子流：电子系统工程 21ECE201J Python 和科学 Python 2 0 2 3 21ECE202T 微纳米制造技术 3 0 0 3 21ECE203J 农业智能传感器和设备 2 0 2 3 21ECE204T 光电子学 3 0 0 3 21ECE205T 柔性电子学 3 0 0 3 21ECE301T 纳米级电子设备 3 0 0 3 21ECE302J 实时操作系统 2 0 2 3 21ECE303T MEMS 技术 3 0 0 3 21ECE304T 网络物理系统框架 3 0 0 3 21ECE305J 机器学习算法 2 0 2 3 21ECE401T 高级数字系统设计 3 0 0 3 21ECE402T 半导体器件建模 3 0 0 3 21ECE403T 微波集成电路 3 0 0 3 21ECE404T 太赫兹器件及应用 3 0 0 3 子流：通信系统工程 21ECE220T 无线和光学传感器 3 0 0 3 21ECE221T 雷达和导航辅助设备 3 0 0 3 21ECE222T 自组织和传感器网络 3 0 0 3 21ECE223T 卫星通信和广播 3 0 0 3 21ECE224T 密码学和网络安全 3 0 0 3 21ECE225T 光学系统和网络 3 0 0 3 21ECE320T 软件定义网络 3 0 0 3 21ECE321T 射频和微波半导体器件 3 0 0 3 21ECE322T 使用 R 进行数据分析 3 0 0 3 21ECE323T 网络安全 3 0 0 3 21ECE324T 先进的移动通信系统 3 0 0 3 21ECE420T 信息理论与编码 3 0 0 3 21ECE421T 无线通信网络 3 0 0 3 子流：信号处理 21ECE240T 小波和信号处理 3 0 0 3 21ECE241J 音频和语音处理 2 0 2 3 21ECE242J 模式识别和神经网络 2 0 2 3 21ECE340J 数字图像和视频处理 2 0 2 3 21ECE341J DSP 系统设计 2 0 2 3 21ECE440T 自适应信号处理 3 0 0 3 21ECE441T 机器感知与认知 3 0 0 3 21ECE442T 多媒体压缩技术 3 0 0 3 总学习学分 18
使用多 GPU 平台实现脑癌检测术中高光谱成像的实时计算
摘要 有多种原因使得脑癌识别成为神经外科医生在手术过程中的一项艰巨任务。由于脑肿瘤具有弥漫性，会渗透到周围的健康组织中，因此外科医生的肉眼有时不足以准确描绘脑肿瘤的位置和扩散范围。因此，为了改善手术效果并提高患者的生活质量，提供准确癌症界定的支持系统至关重要。作为欧洲“高光谱成像癌症检测”（HELICoiD）项目的一部分，开发的脑癌检测系统满足了这一要求，它利用了一种适合医学诊断的非侵入性技术：高光谱成像 (HSI)。该系统必须满足的一个关键约束是提供实时响应，以免延长手术时间。表征高光谱图像的大量数据以及分类系统执行的复杂处理使得高性能计算 (HPC) 系统对于提供实时处理至关重要。本工作中开发的最有效的实现利用了图形处理单元（GPU）技术，能够在不到三秒的时间内对数据库中最大的图像（最坏情况）进行分类，基本上满足了外科手术 1 分钟的实时约束，成为在不久的将来实现高光谱视频处理的潜在解决方案。
IITP AI 和 DSE 宣传册.cdr
Rajeev Srivastava 教授目前担任印度理工学院 (BHU) 瓦拉纳西分校计算机科学与工程系教授、计算与信息服务中心 (CCIS) 主任和院长 (资源与校友事务)。他还曾于 2017 年 8 月至 2020 年 12 月期间担任计算机科学与工程系主任。他拥有计算机科学与工程学士、硕士和博士学位，拥有 23 年以上的教学和研究经验。他是印度工程师学会 (FIE)、电子和电信工程师学会 (FIETE) 的会员、IEEE 美国高级会员和 ACM 美国会员。他在著名的国际期刊和会议上发表了大约 165 多篇研究论文、04 本研究参考书和 18 个书籍章节以及一项专利。他曾担任教育部、政府资助的研究项目的首席研究员。印度政府和印度国防研究与发展组织 (DRDO) 的博士后研究员。他已获得 13 份博士学位，提交了 3 份博士论文，并正在指导 04 份博士学位论文。他担任 NBA、UGC、UPSC、DRDO、UPPSC、印度政府知名学院和大学等不同小组的专家成员。他的研究兴趣包括人工智能 (AI)、机器学习、深度学习、图像和视频处理、计算机视觉和计算生物信息学。
基于AI的智能信号交通信号灯控制系统
1，学生1计算机工程文凭1 JSPM的Rajarshi Shahu工程学院，理工学院，浦那，印度摘要：由于道路上的车辆越来越多，交通拥堵在国内和国际上都是典型的事件。由于重要的交叉点，由于常规的交通瓶颈而损失了很多小时。这使得需要有效的交通控制系统。随着城市汽车数量的增加，最持久的问题之一是交通管理。交通拥堵不仅增加了压力水平，并对我们的日常生活造成了更严重的破坏，而且还通过提高碳排放对环境产生了不利影响。日益增长的人口正在导致大城市面临严重的问题和日常运输相关的活动的重大延误。定期评估交通密度并采取相关操作需要有效的交通管理系统。尽管不同的车辆类型有自己的车道，但交通信号点的通勤等待时间并没有减少。为了在当前系统中解决此问题，建议的方法使用人工智能从信号中收集实时图像。为了有效的交通拥堵管理，此方法使用Yolov8图像处理方法计算交通密度。Yolov8算法以更高的精度检测几辆车辆。智能监控技术通过使用信号转换算法来协调时间分配并减少信号交叉点的交通拥堵来减少车辆的等待时间。因此，我们将付诸实践一个智能流量控制系统，该系统基于使用实时视频处理技术来评估交通密度。索引术语 - 信号切换算法，Yolov8，人工智能和交通灯系统
管电压对旋转X射线阳极侵蚀的影响
本论文旨在为有视觉障碍的个体开发一个负担得起的立体视频导航系统。通过解决预算限制内的实际实施挑战，该研究旨在探索在视觉上受损的社区中使用双目摄像机在辅助技术中的可行性。立体视觉系统项目涉及对其技术和局限性的广泛研究，尤其是专注于双眼相机设置和机器学习。组装的立体声视觉设备利用开源计算机视觉库（OPENCV）进行对象识别和视频处理，启用距离计算（深度估计）。该项目具有双眼摄像机的持有人，并为用户提供了控制器形状的反馈系统。使用计算机辅助设计（CAD）软件实心边缘和三维（3D）打印的设计结合了振动电动机，以传达环境特性和障碍物接近用户。实施后，进行了实际测试，并评估了模块。项目的结果是针对双眼相机的完整设计，也是一个能够向用户提供信息的触觉反馈系统，从而使经过简单对象的导航能够。通过机器学习，该信息包括纸板箱的检测以及这些盒子的深度估计，这些盒子是根据校准和三角测量计算得出的。深度估计不会产生准确的结果，但是机器学习表现出很高的熟练程度，可以识别纸板箱。实际测试的结论表明，如果在该主题内完成了进一步的深入探索，则可以将双眼摄像机实施并发展为视觉障碍者的技术援助。