XiaoMi-AI文件搜索系统
World File Search System遮挡
电池储能系统应急响应预案...
鉴于 ERP 的主要读者可能是消防部门的成员，使用类比来解释电池管理系统或 BMS 及其重要性可能会有所帮助。例如，在到达典型的大型住宅或商业设施火灾或紧急情况时，消防部门的首席官员将找到火灾报警控制面板 (FACP)，这将使他们能够开始基本的现场评估。这可以深入了解警报的类型、位置以及可能涉及的设施范围。在 BESS 事件中，BMS 提供与 FACP 类似的功能。重要的是，在没有紧急情况/警报的正常日子里，BESS 设施的外观可能与紧急情况初期的外观没有什么不同。BESS 容器可能会遮挡产生警报的条件的视图。因此，必须利用 BMS 中的数据来做出明智的决策。通常，首席官员会对设施进行 360 度的物理评估。在 BESS 设施中，大多数重要数据都来自 BMS。
用于早期发现和进展神经系统疾病的纵向医疗分析：临床决策支持系统
摘要 包括阿尔茨海默病 (AD) 在内的神经系统疾病正在成为全球日益严峻的健康挑战。本研究提出了一种两阶段决策支持系统 (DSS)，该系统使用机器学习和神经成像技术进行早期 AD 检测和监测。第一阶段使用深度学习来预测 AD 可能性。第二阶段利用 3D 卷积神经网络来识别 AD 进展中的关键大脑区域。值得注意的是，DSS 使用遮挡图可解释性方法为机器学习的“黑匣子”问题提供了解决方案，从而提高了决策透明度。其设计可适应使用成像数据的其他疾病，凸显了其广泛的医疗保健潜力。通过提供一种创新且可解释的改进疾病管理工具，本研究有助于促进更好的患者护理和治疗结果。关键词：神经系统疾病、阿尔茨海默病、决策支持系统、疾病管理、机器学习、卷积神经网络。
对移动设备进行手工跟踪的深度学习实施的初步调查
摘要 - 手动跟踪是计算机图形和人机交互应用程序的重要组成部分。使用RGB摄像机没有特定的硬件和SENS（例如，深度摄像机）允许为大量设备和平台开发解决方案。尽管提出了各种方法，但由于阻塞，复杂的背景以及各种手势和手势，单个RGB摄像机的手跟踪仍然是一个具有挑战性的研究领域。我们提出了一个移动应用程序，用于从智能手机摄像机捕获的RGB图像中进行2D手跟踪。图像是由深层神经网络处理的，并经过修改，以解决此任务并在移动设备上运行，以寻找性能和计算时间之间的折衷方案。网络输出用于显示用户手上的2D骨架。我们在几种情况下测试了我们的系统，显示了交互式手动跟踪水平，并在变化的亮度和背景和小遮挡的情况下取得了令人鼓舞的结果。索引术语 - 深度学习，人类计算机互动，图像处理，手跟踪
增强了对障碍物交叉路口自动驾驶汽车的看法：实施基础设施（V2I）协作
摘要：在城市交叉点中，自动驾驶汽车（AV）的感觉能力通常受到视觉障碍的阻碍，对其稳健且安全的操作构成了重大挑战。本文介绍了一项实施研究，旨在在城市交叉点被遮挡的情况下，在情况下增强连接的自动化车辆（CAVS）的安全性和鲁棒性。为路边传感建立了一种新颖的LIDAR基础设施系统，并结合Baidu Apollo的自动驾驶系统（ADS）和Cohda Wireless V2X通信硬件，并建立了一个集成平台，以增强自主驱动的路边知觉。现场测试是在新加坡Cetran（自动驾驶汽车测试和研究卓越中心 - NTU）自动驾驶测试轨道上进行的，并遵守SAE J2735 V2X通信标准。沟通延迟和数据包输送率分析为评估指标。测试结果表明，该系统可以帮助CAV在城市阻塞的情况下提前检测障碍。
用于声道建模的多模态分割
精确的声道建模对于构建可解释语音处理和语言学的发音表征是必不可少的。然而，声道建模具有挑战性，因为许多内部发音器官被外部运动捕捉技术遮挡。实时磁共振成像 (RT-MRI) 可以测量语音过程中内部发音器官的精确运动，但由于标记方法耗时且计算成本高昂，MRI 的注释数据集大小有限。我们首先使用纯视觉分割方法为 RT-MRI 视频提出一种深度标记策略。然后，我们介绍一种使用音频来改进发声器官分割的多模态算法。我们共同为 MRI 视频分割中的声道建模设定了新的基准，并利用该基准为 75 位说话者的 RT-MRI 数据集发布了标签，将声道的带标签公共 RT-MRI 数据量增加了 9 倍以上。代码和数据集标签可在 rishiraij.github.io/multimodal-mri-avatar/ 找到。索引术语：发音语音、视听感知
纵向医疗保健分析，用于早期发现和进展
摘要 包括阿尔茨海默病 (AD) 在内的神经系统疾病正在成为全球日益严峻的健康挑战。本研究提出了一种两阶段决策支持系统 (DSS)，该系统使用机器学习和神经成像技术进行早期 AD 检测和监测。第一阶段使用深度学习来预测 AD 可能性。第二阶段利用 3D 卷积神经网络来识别 AD 进展中的关键大脑区域。值得注意的是，DSS 使用遮挡图可解释性方法为机器学习的“黑匣子”问题提供了解决方案，从而提高了决策透明度。其设计可适应使用成像数据的其他疾病，凸显了其广泛的医疗保健潜力。通过提供一种创新且可解释的改进疾病管理工具，本研究有助于促进更好的患者护理和治疗结果。关键词：神经系统疾病、阿尔茨海默病、决策支持系统、疾病管理、机器学习、卷积神经网络。
NISAR - NASA-ISRO 合成孔径雷达 - cloudfront.net
研究人员深入了解植被和土壤表面水分如何变化。 • L 波段合成孔径雷达（L 波段 SAR）： “L” 表示信号波长，约为 9 英寸（24 厘米）。L 波段 SAR 可以透过云层和森林冠层的树叶，这些可能会遮挡其他类型仪器的视线。 • S 波段合成孔径雷达（S 波段 SAR）： “S” 表示信号波长接近 4 英寸（9 厘米）。S 波段 SAR 能够透过云层和轻质植物覆盖，但它不能像 L 波段 SAR 信号那样穿透茂密的植被。 • 天线反射器：天线反射器呈鼓形，安装在 30 英尺长（9 米长）的吊杆上，是 NASA 有史以来在太空部署的最大的天线反射器，直径近 40 英尺（12 米）。反射器由镀金金属丝网制成，用于聚焦合成孔径雷达发送和接收的信号。发射时，雷达信号被发送到反射器，然后
使用机器学习的安全摄像机对象检测的系统分析
现代移动对象跟踪和识别技术已得到很大改进，帮助机器人技术，媒体生产，生物学研究，视频监控和身份验证系统等广泛的行业。尽管低分辨率视频录像（例如动态背景，照明，遮挡和阴影）存在持续的问题，但这些电影提供了直接的好处，例如减少处理，传输和存储要求。两相对象检测器（例如RCNN）过去很普遍并且成功。，新的发展将单相检测器及其相关算法带到了大多数两相检测器的最前沿。yolo爆炸（Yolo）已被广泛用于对象识别和检测，始终优于其两相检测器对应物[1，2，3]。该领域的这种转变主要是由机器学习（人工智能（AI）（ML）的一个分支）驱动的。使系统能够从以前的性能中发展和学习而无需明确编程。它对于对象识别的主题至关重要[4]。可以构建可靠的对象检测系统，因为机器学习算法能够识别大量标签
对象6D姿势识别和基于机器学习的抓握
摘要 - 6D姿势估计方法的研究对于增强机器人感知和操纵能力至关重要，尤其是在复杂的环境中。最初，我们在凉亭仿真环境中采用了深对象姿势估计（DOPE）项目来识别和掌握对象。但是，在高度混乱或遮挡的场景中，涂料表现出差的性能。为了应对这些挑战，我们转向了一种更强大的方法，并彻底检查了其基本的纸张和代码。计算资源和时间的限制，我们专注于一个对象，并调整了参数以加快培训和评估过程。我们成功地训练了密集型模型，进行了评估，并可视化了结果。我们将修改模型的性能与官方密集型模型进行了比较，观察到，尽管我们的调整提高了速度和可行性，但官方模型在评估和可视化任务方面的准确性和鲁棒性方面的表现优于我们的表现。此比较强调了在实际应用中模型优化与性能之间的权衡。
属于其特异性抑制剂复合物中铁蛋白的结构...
摘要人类铁稳态的一种中心调节机制涉及铁蛋白（FPN），唯一的细胞铁出口剂和肽激素肝激素，它抑制了Fe 2+ trans- trans-并诱导FPN的内在化和降解。FPN/肝素轴的失调导致病理条件的不同，因此，抑制FPN介导的铁运输的药理学化合物具有很高的临床意义。 在这里，我们描述了与合成纳米型和Vamifeport（VIT-2763）的复合物中人类FPN的低温微拷贝结构，这是第一个临床阶段的口服FPN抑制剂。 vamifeport与肝素竞争FPN结合，目前正处于β-丘脑和镰状细胞病的临床发展中。 结构显示了FPN的两个不同构象，代表了转运蛋白的向外和遮挡状态。 vamifeport位点位于蛋白质的中心，在该蛋白质中，与肝素相互作用的重叠基于两个分子之间的竞争关系。 在Vamifeport的结合袋中引入点突变会降低其与FPN的亲和力，强调结构数据的相关性。 一起，我们的研究揭示了FPN的构象重排，这与运输具有潜在相关性，并且它提供了对这种独特的铁外乘转运蛋白的药理靶向的初步见解。导致病理条件的不同，因此，抑制FPN介导的铁运输的药理学化合物具有很高的临床意义。在这里，我们描述了与合成纳米型和Vamifeport（VIT-2763）的复合物中人类FPN的低温微拷贝结构，这是第一个临床阶段的口服FPN抑制剂。vamifeport与肝素竞争FPN结合，目前正处于β-丘脑和镰状细胞病的临床发展中。结构显示了FPN的两个不同构象，代表了转运蛋白的向外和遮挡状态。vamifeport位点位于蛋白质的中心，在该蛋白质中，与肝素相互作用的重叠基于两个分子之间的竞争关系。在Vamifeport的结合袋中引入点突变会降低其与FPN的亲和力，强调结构数据的相关性。一起，我们的研究揭示了FPN的构象重排，这与运输具有潜在相关性，并且它提供了对这种独特的铁外乘转运蛋白的药理靶向的初步见解。