XiaoMi-AI文件搜索系统
World File Search System计算技术
关于手语姿态高级计算技术的调查
摘要： - 手语动作的解释对于改善聋人和听力障碍者的交流可访问性至关重要。本研究提出了一个全面的计算框架，用于特征提取和长期记忆（LSTM）网络，以捕获跨手势序列的时间动态。CNN体系结构用于评估视觉输入，成功地识别和分类了对正确手势解释至关重要的手动形状，面部表情和身体姿势。通过添加LSTM，我们的方法有效地复制了手语的顺序性质，从而识别了先前运动影响的连续手势。我们使用众多创新策略来处理手语检测问题，例如签名样式，周围噪声以及实时处理的需求。多模式数据融合包含视觉，上下文和语言信息，以提高模型鲁棒性。旋转，缩放和时间变化被用作数据增强程序，以增加训练数据集并提高各种签名设置的模型适用性。混合CNN-LSTM体系结构通过超级参数调整，辍学正则化和批准化来增强，以减少过度拟合，同时保持出色。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
DOE 高级科学计算研究 (ASCR) 新兴计算技术
• 应用数学和计算机科学基础，促进对自然和工程系统的理解，并从高端模拟、模型和数据中揭示科学见解。 • 高级计算，为基于新兴先进计算技术和微电子技术的科学未来做好准备。 ASCR 设施推动美国在计算、数据和网络方面的全球领导地位
人类细胞图谱的计算技术
当研究人员收集单细胞数据并将其细化为细胞图谱时，一项关键任务是对每种细胞类型进行表征和标记或注释。“这通常是一项非常耗时、繁重的任务，只有少数生物学专家才能完成，”计算生物学家、麻省理工学院和哈佛大学布罗德研究所 HCA 细胞注释平台负责人 Evan Biederstedt 说。研究人员已经开发了几种自动标记细胞的程序，但这些工具并不总是能得出相同的答案。popV 就是个例子。它的功能简单但功能强大：它将八种自动细胞注释工具整合到一个平台中，并且可以在有更多工具可用时添加 1 。“这是一个加速工具，”联合开发者、加州大学伯克利分校的计算生物学家 Can Ergen 说。拥有新鲜生成的单细胞 RNA 测序数据的研究人员可以将其加载到 popV 中，八种方法中的每一种都会对细胞身份进行“投票”——因此该工具的全名是 popular Vote。对于任何给定的细胞，用户可以检查所有八种注释是否一致，或者对可能的身份是否存在分歧投票。如果这些方法对某种细胞类型的判定一致，研究人员就可以对其身份充满信心；如果存在分歧，可能就没那么自信了。为了量化这一点，popV 提供了“不确定性分数”，以便用户知道在其鉴定中可以给予多大信任度。“这真的很酷，”Regev 说。PopV 使用来自 Tabula Sapiens 的数据进行训练，Tabula Sapiens 是一张人类细胞图谱，涵盖了近 500,000 个细胞，代表了 15 个人的 24 个器官。研究人员随后在来自人类肺细胞图谱 2 的数据库上对其进行了测试；根据最终论文，popV 的预测与大多数注释一致，比任何单个计算注释器都更准确。Biederstedt 计划将 popV 整合到 HCA 细胞注释平台用户界面中，科学家将能够在对细胞类型进行分类时查看 popV 的预测。“它确实让社区更接近自动细胞注释的梦想，并将极大地帮助研究人员，”他说。一旦研究人员发现了一种有趣的细胞类型或状态，他们可能会想知道它还会出现在哪里。Regev 和她的同事开发了 SCimilarity 来回答这个问题。该软件可以获取感兴趣的细胞概况
基于区块链和雾计算技术制定先进的医疗物联网安全协议
物联网 (IoT) 已成为科学和实际生活中的基本轴线之一。其重要类型之一是医疗物联网 (IoMT)。由于收集大量医疗数据、深度学习和云计算的技术进步迅速，它被认为是最强大、最持久、最方便和最可用的应用之一。IoMT 是一个集成的生态系统，包含互连的医疗传感器、计算机系统和临床系统。近年来，由于医疗服务和医疗保健的质量和效率面临重大挑战，它受到了极大关注 [1]。此外，医疗保健系统的集成可以减少诊断和临床错误和成本，增强患者护理，减轻医生和医护人员的负担，并检测可能使系统遭受网络攻击的错误。联网医疗保健系统通常容易受到来自网络服务器和外围设备的安全、隐私和可用性威胁 [2]。
2024 年国际发明计算技术会议（ICICT 2024）
版权所有 © 2024 电气和电子工程师协会。保留所有权利版权和重印许可：允许进行摘要，但需注明来源。图书馆可以超出美国版权法的限制，为顾客私人使用而复印本卷中首页底部带有代码的文章，但前提是代码中所示的每份费用通过版权许可中心支付，地址为 222 Rosewood Drive, Danvers, MA 01923。对于其他复制、重印或转载许可，请写信给 IEEE 版权经理，IEEE 服务中心，445 Hoes Lane, Piscataway, NJ 08854。保留所有权利。*** 这是 IEEE 数字图书馆中内容的打印表示。电子媒体版本固有的一些格式问题也可能出现在此打印版本中。 IEEE 目录号：CFP24F70-POD ISBN（按需印刷）：979-8-3503-5930-5 ISBN（在线）：979-8-3503-5929-9 ISSN：2767-777X 可从以下地址获取本出版物的更多副本： Curran Associates, Inc 57 Morehouse Lane Red Hook, NY 12571 USA 电话：(845) 758-0400 传真：(845) 758-2633 电子邮件：curran@proceedings.com 网址：www.proceedings.com
新兴传感，成像和计算技术以扩展纳米到宏观的根际动态 - 审查和研究观点
*相应的作者：Amir H. Ahkami amir.ahkami@pnnl.gov，odeta qafoku odeta.qafoku@pnnnl.gov。作者的贡献：Amir H. Ahkami：概念化了这项工作，撰写了摘要，简介和第5.1节，用于监测根际中的营养和化学交换的第5.1节，促进了图1,2和7的发展，并审查并编辑了手稿。odeta Qafoku：概念化了工作；撰写介绍和第2节；综合成像和生化方法论，以解决时空中的根际过程；促进了图1,2和7的发展，并审查并编辑了手稿。tamas varga：写下基于图像的植物土壤相互作用的基于图像的建模的第4.1-4.2节：根际多尺度测量和建模；有助于开发图1和7。Tiina Roose：写第4节，基于图像的植物土壤相互作用的建模：根际多尺度测量和建模；有助于开发图7。Pubudu Handakumbura：撰写了第3.2节的构建环境，用于实验室，以对根际过程进行现场调查；有助于开发图2。Jayde A. Aufrecht：撰写了第3.1节的构建环境，用于实验室，以对根际过程进行现场调查；有助于开发图2。Arunima Bhattacharjee：审查和编辑第3.2节Yi Lu：撰写了第5.2节，《生物传感器》，用于监测根际中的营养和化学交换的生物传感器；开发图3。Quanbing Mou：撰写了第5.2节，《生物传感器》，用于监测根际中的养分和化学交换；开发图3。Zoe Cardon：写了第6节，对田间根际化学梯度的分布和动力学的测量；开发图4。Yuxin Wu：写了第7节，跨尺度的根际相互作用的检测：复杂系统中的升级挑战；写了《陆地生物圈命运》第8.2节：将植物土壤 - 微生物相互作用缩放到景观和世界上；开发图5。Joshua B. Fisher：书面第8节，陆地生物圈的命运：将植物土壤 - 微生物相互作用缩放到景观和世界上；开发图6。詹姆斯·J·莫兰（James J.
工作簿 - 计算技术准备水平
trl 4是TRL 4的所有子系统的组件吗？是否满足子系统TRL 3的标准？子系统的关键功能和性能参数是否来自科学测量要求？是否有实验室测试表明该软件符合关键功能和性能参数？相关操作环境的定义记录了针对集成组件测试定义的实验室测试和测试环境？通过建模和模拟评估的实验室环境中集成组件性能的预测试预测？为集成的组件实验室测试而建立的关键参数性能指标？实验室测试支持设备和计算环境已完成集成组件测试？系统/子系统/组件级别编码完成了吗？针对最终用户应用程序定义的初步系统要求？关键的测试环境和相对于初步操作环境定义的绩效预测？针对最终用户应用程序定义的初步系统要求？定义的相关测试环境？
Eni 成立 Eniquantic，一家致力于量子计算技术开发的新企业
2 全栈量子计算集成了所有硬件、软件、固件和云门户组件，这些组件都是通过应用量子物理原理开发的。基本信息单元是量子比特（或量子位），与传统比特不同，它们可以保存 0 到 1 之间的多个值。量子计算机利用物质的微观特性执行复杂的操作，成倍地提高了当今传统计算机可实现的计算能力。量子计算机的架构将基于用激光捕获的单个超冷镱原子的内存寄存器。镱 (Yb) 是稀土族的化学元素。它通常与钇和其他镧系元素有关，存在于独居石、钇矿和磷钇矿中。
可逆计算技术的经济案例
然而，数字计算还有另一种范式，它有可能将数字技术的能效提高几个数量级，超出传统方法的限制。这种替代方案就是可逆计算，它的基础是避免数字信息的不可逆丢失及其相关信号能量的耗散。相反，我们可以以主要可逆的方式转换信息，同时将其几乎所有信号能量保持为有用的形式，以便在后续操作中重复使用。可逆计算的可行实现技术已在半导体和超导技术平台上得到验证。