XiaoMi-AI文件搜索系统
World File Search System近实时
神经外科手术中脑移位的生物力学建模
1) Lesage 等人，2020 年，IPEM，“使用公共基准数据预测内向脑移位的粘弹性生物力学模型” 2) Sun 等人，2013 年，Journal of Translational Engineering in Health and Medicine，“使用生物力学模型进行近实时计算机辅助手术矫正脑移位” 3) Xiao 等人，2017 年，AAPM，“脑肿瘤的回顾性评估 (RESECT)：低级别胶质瘤手术前 MRI 和术中超声临床数据库” 4) Poulios 等人，2022 年，开源软件，GetFEM 5) Chen 等人，2017 年，IEEE Xplore，“基于有限元法和静水力学的神经导航简单脑移位估计” 6) Bom 等人，2018 年，Acustica e Vibracoes， “基于 Arduino 的头部跟踪设备：组装和在声学中的应用” 7) Dreamstime，免版税，https://www.dreamstime.com/measuring-cups-different-fluid-levels-measuring-cups-scale-different-fluid-levels-flat-design-simple-image189837634 8) Cohen-Gadol，2022 年，《神经图谱》，“脑肿瘤：患者需要知道什么”
专题 - 有人机载情报、监视和侦察：战略、战术......两者兼而有之？
21 世纪初反叛乱冲突的迫切需要——世界上最好的战术级情报供应商。美国空军的载人机载 ISR 资产库是阿富汗战场上的固定资产，地面作战人员依靠这些平台获取战术情报。2 美国载人机载 ISR 部队传达的情报通常意味着地面部队在战斗中的生死差别。然而，情况并非总是如此。在海湾战争之前，这些平台是和平时期机载侦察计划的主人。他们在冷战期间在苏联和许多其他国家的边缘飞行，收集旨在告知国家级决策者的情报。从海湾战争开始，到“持久自由行动”全面发展，载人机载 ISR 发生了变化。这支新部队首先为在伊拉克上空巡逻的机组人员提供指示和警告，然后发展出向阿富汗地面部队发出近实时威胁警告的能力，现在已成为世界级的战术情报提供者。然而，即将到来的亚洲再平衡和几乎同时的阿富汗撤军预示着任务的转变。现在的问题是，载人机载 ISR 的下一步是什么？
未来精确打击导弹系统的技术
讲座系列中涉及的精确打击导弹系统的新兴技术包括：任务规划技术。评估包括机外传感器集成、近实时任务规划、飞行高度、地形跟踪和用于飞行中瞄准的导弹数据链路。导弹空气力学技术。评估包括高超音速机身、低成本/高温结构和冲压式喷气推进。制导与控制技术。概述了现有的制导和控制。评估包括精确制导和最佳制导律。导弹 GPS/INS 传感器技术。评估包括低成本 INS 和 GPS/INS 集成。导弹设计技术。概述了导弹设计过程。评估包括概念设计和导弹设计标准的计算机程序和电子表格。导引头技术。评估包括主动和被动成像红外和雷达导引头。导弹/飞机集成技术。评估包括高火力武器概念、减少可观测性和不敏感弹药。模拟/验证技术。评估包括硬件在环和设计验证。自动目标识别技术。评估包括稳健算法和硬件/算法优化。
本文已被接受在IEEE Wireless Communications杂志上发表。请引用它为A. S. Abdalla，J。Moore，N。Adihikari，
摘要 - 开放无线接入网络（O-RAN）为建立和操作高级蜂窝网络提供了新的自由度。强调分类，开放界面，多供应商支持和运行智能控制器（RICS），o-ran o-ran促进了对新应用程序和技术趋势的适应。然而，该体系结构引入了新的安全挑战。本文提出了利用零信托原则的o-ran安全性。我们介绍了零信任ran（Ztran），该信托ran（Ztran）嵌入了服务身份验证，入侵检测和安全的切片子系统，该子系统被封装为XAPP。我们在开放的人工智能蜂窝（OAIC）重新搜索平台上实现ZTRAN，并在合法的用户吞吐量和延迟数字方面证明了其可行性和有效性。我们的实验分析说明了Ztran的入侵检测和安全切片微服务如何有效地运作，并在O-Ran Alliance的近实时RIC的一部分中共同运行。研究方向包括探索机器学习和其他威胁智能供稿，以提高性能并扩大Ztran的范围。
AstroLibrary：一个用于实时合相评估和
地球空间已经很拥挤，而且会更加拥挤。这种趋势会迅速增加空间物体之间发生碰撞的概率。由于物体以极高的速度飞行，碰撞后果将是灾难性的。然而，即使当前空间目录的大小为 O(10^4)，准确有效的结合评估 (CA) 和碰撞避免 (COLA) 也一直是一大挑战。由于新卫星数量的增加、传感器能力的提高以及凯斯勒综合症，空间目录的大小将迅速增加，除非设计出一种范式转换计算方法，否则情况会更糟。这里我们提出了 SpaceMap 方法，它可以对 O(10^6) 或更多对象执行实时 CA 和近实时 COLA，前提是通过预处理将卫星之间的时空接近度表示在简洁的数据结构中。理论和计算基础是 Voronoi 图，它被称为二维和三维空间中许多对象之间时空推理的最简洁、最有效的数据结构。该算法以 C++ 实现，并以 AstroLibrary 的形式提供，它具有 RESTful API 和 Python 包，可从应用程序调用。借助该库，任何具有基本编程技能的人都可以轻松开发高效的应用程序来解决具有挑战性的时空问题。还介绍了实验结果。
** 2021 年 8 月亚洲哨兵项目办公室新闻 * ...
背景 亚洲哨兵是亚太地区空间机构论坛 (APRSAF) 发起的一项国际合作倡议，旨在展示使用地球观测技术、近实时信息传播方法和 Web-GIS 制图工具为亚太地区灾害管理提供支持的潜在价值和影响。 亚洲哨兵社区早已认识到需要进行能力建设以加强其活动。为了满足这一需求，在 2019 年于曼谷举行的联合项目团队会议上，首次组织了一次专门的培训研讨会，成员组织通过分享各自的专业知识和知识一起进行培训。在培训研讨会上，印度空间研究组织和国际水资源管理研究所分别开展了“拓扑和水文建模”和“使用多源卫星数据进行应急响应制图”培训计划。在 2019 年培训研讨会之后，印度空间研究组织和国际水资源管理研究所联合提议扩大其成就，自愿为亚洲哨兵社区提供能力建设研讨会。首先，提出了以下能力建设计划：
数字孪生 RAN 用例研究报告
随着业界和学术界的研究界继续塑造第六代 (6G) 无线网络的范围，显然许多新颖的应用和服务将在其初期出现，包括扩展现实、沉浸式多媒体、全息通信、网络和计算融合、多维感知、普适智能、工业 4.0 及以后的连接 [1]。基于人工智能 (AI)/机器学习 (ML) 的无线接入网络 (RAN) 自动化、管理、编排和优化技术是 O-RAN 架构基础的关键因素，也是未来 6G 演进的关键支持技术之一。事实上，非实时 (Non-RT) 和近实时 (Near-RT) RAN 智能控制器 (RIC) 目前是这些支持 RAN 智能的技术的两个主要主机。然而，在 AI/ML 驱动的解决方案能够大规模商业部署并开始在未来创造真正的商业价值之前，整个行业仍有许多问题和挑战需要解决。要实现如此广泛的用例，需要满足一系列不同的要求，而前几代无线网络很难满足这些要求。为此，各种最先进的技术已成为 6G 用例的关键推动因素，其中数字孪生 (DT) 脱颖而出，成为促进 6G 无线网络设计、分析、操作、自动化和智能化的极有希望的候选技术 [2]。
全球水资源并使用模型WaterGap v2.2E
摘要。水 - 全球评估和预后（WATERGAP）是一种建模方法，用于量化自1996年以来一直服务于科学和社会的地球所有土地地区的水源和用水。在本文中，描述了最新模型版本v2.2E的重新构件，新算法和新数据，以及对模拟的用水量，溪流流量和针对观察数据的Terres-Treres-Treres-Treres-Treres-tres-aftres-trenes-treres-agion-trenes-trenes trenes trenes-avile评估。Water-GAP v2.2E改善了内陆水槽的处理，现在不仅在模拟归化条件时不仅排除了大型，而且不包括小型的人制造物。更新了储层和非灌溉用水数据。此外，对1509个测量站的流动观测值的更新和扩展数据集进行了校准。修改量导致估计的全球可再生水资源的减少很小。现在可以使用规定的水库和其他条件开始模型，从而促进数据同化以及近实时的纪念和预测模拟。对于特定的应用，该模型可以考虑冰川模型的输出，并具有上升CO 2浓度对蒸发的影响，或计算河流中的水温。在论文中，描述了公开可用的标准模型输出，并与ISIMIP3框架中模型设置的描述一起提供了模型版本的警告。
机器学习和结构健康监测概述，重点介绍新兴技术和高维数据源
摘要 传统的损伤检测技术正逐渐被最先进的智能监测和决策解决方案所取代。结构健康监测 (SHM) 系统中的近实时和在线损伤评估是一种有希望的过渡，可以弥合过去应用效率低下与未来新兴技术之间的差距。在智慧城市、物联网 (IoT) 和大数据分析时代，数据驱动的民用基础设施监测框架的复杂性尚未完全成熟。因此，机器学习 (ML) 算法提供了必要的工具来增强 SHM 系统的功能并为过去的挑战提供智能解决方案。本文旨在阐明和回顾现代 SHM 系统中涉及的 ML 前沿。提供了 ML 管道的详细分析，并在增强表格和图中总结了需求量大的方法和算法。通过物联网范式连接基础设施中关键信息的无处不在的感知和大数据处理是 SHM 系统的未来。随着这些数字技术的进步，考虑到下一代 SHM 和 ML 的结合，本文详细讨论了 (1) 移动设备辅助、(2) 无人机、(3) 虚拟/增强现实和 (4) 数字孪生方面的最新突破。最后，本文探讨了 SHM-ML 结合的当前和未来挑战以及未解决的研究问题。在 ML 参与的 SHM 中利用新兴技术的路线图仍处于起步阶段；因此，本文展望了监测系统在评估民用基础设施完整性方面的未来发展。
lora在冰上 - 使用IoT Technologies
海冰测量值是理解极地区域的复杂动力学及其对全球气候变化的影响的关键。自主传感器设计用于长时间测量海冰性能，是从远程和无法访问区域获取数据的核心组成部分。虽然卫星通讯在这些自主系统的数据传输中起着重要作用，尤其是在无法检索的情况下，陆地无线电链路和低功率广泛区域网络（LPWAN）并未被广泛使用。在这种情况下，应用技术（IoT）技术的应用具有巨大的潜力，在易于集成，延长的电池寿命和成本效益方面具有优势。在这里，我们介绍了为海冰研究量身定制的无线传感器网络（WSN）的设计和实施。我们的定制传感器采用远距离（LORA）无线电技术和远距离广泛区域（Lorawan）协议。我们利用物联网技术描述了在南极的Neumayer III研究站附近的科学测量系统的部署。在操作的第一年中，进行了多次测试，以验证系统从以前仅依赖卫星连接的现有介绍站点收集和传输数据的能力。数据的简单传感器集成和数据的近实时可用性表明该技术能够提高现场活动的有效性。我们确定了当前的技术局限性，并提出了针对海冰研究的下一代WSN的改进，旨在进一步提高数据质量并减少后勤工作。