XiaoMi-AI文件搜索系统
World File Search System通识
通过低...
制定绿色和有效的制备策略是2D过渡金属氮化物和/或碳化物（MXENES）领域的持续追求。传统的蚀刻方法，例如基于HF的或高温的Lewis-Acid-Molten-Molten-Salt蚀刻途径，需要更严格的蚀刻条件，并且表现出较低的制备效率，具有有限的可扩展性，严重限制了其商业生产和实际应用。在这里，通过使用NH 4 HF 2作为Etchant，提出了一种超快低温熔融盐（LTMS）蚀刻方法，用于大规模合成不同的MXENES。增加的热运动和改善的熔融NH 4 HF 2分子显着加快了最大相的蚀刻过程，从而在短短5分钟内实现了Ti 3 C 2 T X Mxene的准备。LTMS方法的普遍性使其成为快速合成各种MXENE的宝贵方法，包括V 4 C 3 T X，NB 4 C 3 T X，MO 2 TIC 2 T X X和MO 2 CT X。LTMS方法易于扩展，并且可以在单个反应中产生超过100 g Ti 3 c 2 t x。获得的LTMS-MXENE在超级电容器中表现出出色的电化学性能，显然证明了LTMS方法的效果。这项工作为大规模商业生产提供了一种超快，通用和可扩展的LTM蚀刻方法。
探索开放式识别的各种表示
打开集识别（OSR）要求模型对属于封闭设置的样本进行分类，同时在测试过程中拒绝未知样本。当前，生成模型通常比OSR中的判别模型更好，但是最近的研究表明，生成模型可能是计算在复杂任务上是不可行的或不稳定的。在本文中，我们提供了有关OSR的见解，并发现学习表达可以从理论上降低开放空间风险。基于分析，我们提出了一个新的模型，即多人注意融合（MEDAF），该模型以歧视性的方式学习了不同的表示。MEDAF由多个专家组成，这些专家以注意力多样性的正则化项为生，以确保注意力图互惠互机。每个前一个学到的逻辑都具有自适应融合，并用于通过分数函数识别未知数。我们表明，注意图的差异可能导致各种表示形式，以便融合的表示可以很好地处理开放空间。进行了实验，是根据标准和OSR大规模基准进行的。结果表明，所提出的鉴别方法可以在AUROC上胜过高达9.5％的生成模型，并实现新的最先进的效果，而计算成本很少。我们的方法还可以无缝整合现有的分类模型。代码可在https://github.com/vanixxz/medaf上找到。
微生物识别的生物解决方案
接种和孵育后，将微板放入ID站中进行分析。记录了生物体产生的独特代谢模式，并将其与生物学数据库中数千个识别概况进行了比较。该仪器在两个波长下进行光密度读数，以在微板孔中始终如一地量化颜色反应。
枪声识别的机器学习分析
公共安全是全球任何城市的重要问题。为了确保执法部门快速响应，可靠且逼真的枪声检测系统必不可少。为了加快调查进程，必须了解犯罪现场，并且当局应有能力重现现场。强大的枪声识别系统将通过协助犯罪现场重建、估计射手的位置和射弹的轨迹以及核实目击者提供的细节而变得有用。随着犯罪率的上升，视听监控系统越来越受欢迎。ShotSpotter [ 1 ] 是 SoundThinking 推出的 SafetySmart 平台中的枪声检测系统。执法机构通过在城市地区战略性地放置音频和视频传感器网络来使用 ShotSpotter。该系统捕捉所有周围的声音；如果它检测到任何枪声，它会对位置进行三角测量并向有关当局发出警报。该系统收集并分析数据，以创建易发生枪支暴力地区的地图。但是，该系统不会提供有关暴力事件所用枪支的信息，并且可能会对汽车回火或烟花等声音发出误报。大多数关于枪声检测系统的研究都使用来自使用多个麦克风或传统录音设备的严格受控环境的训练数据 [ 2 ]。此类数据通常仅包含光谱信息，因此使用几种模式识别方法来实现没有任何空间信息的枪声检测系统。输入时域信号通常分为多个短窗口帧和一些广泛使用的特征 - 例如梅尔频率倒谱系数（MFCC），线性预测系数（LPC），线性预测倒谱系数