XiaoMi-AI文件搜索系统
World File Search System限制带
采用 InGaAs 四象限光电二极管实现地面和卫星系统中的自由空间光通信
自由空间光学 (FSO) 最早的应用是以火作为发射器，以眼睛作为接收器，进行早已失传的视距 (LOS) 任务。自由空间光通信 (FSOC) 的下一步发展是使用太阳作为发射器，用镜子或屏蔽来调制到达眼睛的光线作为接收器。这是一个基本的通信系统。快进几千年到 1880 年，光电话专利授予贝尔和泰恩特，用于发射器（太阳或碳丝）和接收器（硒传感器）之间的光通信。许多人认为这是光纤和自由空间光通信的先驱。在现代，无线地面和卫星通信基于射频传输，通过有限的频带和开放的传输路径限制带宽和安全性。随着光子学的发展将其足迹扩展到自由空间光学和自由空间光通信，太赫兹传输触手可及。
人工智能在癌症治疗中的应用前景
摘要：癌症是全球死亡率的重要因素，每年导致 930 万人死亡。为了减轻这种负担，人们已提出在肿瘤学的各个领域使用人工智能 (AI) 应用。然而，人工智能的潜在应用及其广泛采用的障碍仍不清楚。本研究旨在通过对 1000 多名人工智能和癌症研究人员进行横断面、全球、基于网络的调查来解决这一差距。结果表明，大多数受访者认为人工智能将对癌症分级和分类、后续服务和诊断准确性产生积极影响。尽管有这些好处，但也发现了一些局限性，包括难以将人工智能纳入临床实践以及癌症健康数据缺乏标准化。这些限制带来了重大挑战，特别是在测试、验证、认证和审计人工智能算法和系统方面。本研究的结果为参与人工智能和癌症研究与开发的利益相关者（包括个人研究人员和研究资助机构）提供了宝贵的见解，帮助他们做出明智的决策。
使用 CNN 特征跟踪连续视频帧中的关键点以用于太空应用
摘要：太空任务中的严格时间限制带来了许多自主任务的快速视频处理问题。视频处理涉及分离不同的图像帧、获取图像描述符、应用不同的机器学习算法进行物体检测、避障以及航天器自动操纵中涉及的许多其他任务。这些任务需要在时间限制内对图像进行最翔实的描述。在流量估计应用中，需要从连续图像帧中跟踪这些信息点。SIFT 和 SURF 等经典算法是特征描述开发的里程碑。但计算复杂性和高时间要求迫使关键任务避免在实时处理中采用这些技术。因此，本文选择时间保守且复杂度较低的预训练卷积神经网络 (CNN) 模型作为特征描述符。使用预训练的 VGG 模型参数设计和实现 7 层 CNN 模型，然后使用这些 CNN 特征匹配月球下降视频连续图像帧中的兴趣点。系统的性能是基于视觉和经验关键点匹配来评估的。然后使用 CNN 特征将视频中两个连续图像之间的匹配分数与 SIFT 和 SURF 等最先进的算法进行比较。结果表明，对于太空任务的关键点跟踪应用，在时间关键的视频处理任务中，CNN 特征更可靠、更稳健。关键词：人工智能；卷积神经网络；特征描述符；机器学习；太空任务 1 引言