XiaoMi-AI文件搜索系统
World File Search System集和
铁路语义分段的多上下文点云数据集和机器学习
摘要：铁路场景的理解对于各种应用程序至关重要，包括自主火车，数字缠绕和基础设施变更监控。但是，后者的开发受到现有算法缺乏注释的数据集和局限性的限制。为了应对这一挑战，我们提出了铁路3D，这是铁路环境中语义细分的第一个综合数据集，并进行了比较分析。Rail3D涵盖了来自匈牙利，法国和比利时的三种不同的铁路环境，捕获了各种各样的铁路资产和条件。有超过2.88亿个注释点，Rail3D超过了大小和多样性的现有数据集，从而可以训练可概括的机器学习模型。我们进行了一个通用的分类，该分类使用了九个通用类（地面，植被，铁路，电线，信号，围栏，安装和建筑物），并评估了三种最先进模型的性能：KPCONV（内核点卷积），LightGBM和随机森林。最佳性能模型，一种经过的kPCONV，在联合（MIOU）上达到了平均值为86％。基于LightGBM的方法获得了71％的MIOU，但表现优于随机森林。这项研究将通过为3D语义细分提供全面的数据集和基准，从而使基础设施专家和铁路研究人员受益。数据和代码可公开用于法国和匈牙利，并根据用户反馈进行连续更新。
sifinet：一种识别特征基因集和注释细胞
稳定性和外源分子特征的个体变异性。在这里，我们对46名成年人的血浆进行了化学22释放，每个等离子体在两年内在多构想健康中进行了六次采样。发现了新的化学物质，观察到了独特的共曝光模式，据报道，519个自信注释的物质的24个类相关系数（ICC）支持25个研究设计。化学释放体的纵向稳定性（平均ICC 0.30）明显低26个比蛋白质组，代谢组，脂质组或微生物组低26，并且必须比健康研究中其他分子特征频繁测量27。混合效应模型仍然显示出睾丸激素与全氟烷基物质之间的显着关联，以及低稳定性暴露的29个显着时间趋势。复杂的释放式数据30结构被可视化和探索，在Precision Health研究中证明了纵向展示学31的巨大潜力。32
前景：用于月球科学和探索的综合样本采集和分析套件
PROSPECT 是欧洲航天局开发的综合有效载荷包，它将支持月球表面和地下样本的提取和分析以及从其他环境传感器获取数据。PROSPECT 的关键要素是 ProSEED 钻机和 ProSPA 分析实验室。ProSEED 将支持从深达 1 米的地下获取低温样本并将其传送到 ProSPA 仪器。ProSPA 将接收样本并将其密封在微型烤箱中，加热样本，对释放的挥发性物质进行物理和化学处理，并使用两种类型的光谱仪通过质谱法分析获得的成分。背景信息将由摄像机提供，摄像机将生成钻机工作区域和所获取样本的多光谱图像，并通过钻杆中集成的温度传感器和介电常数传感器提供。该套件旨在最大限度地减少样本在采集和分析之间的挥发性损失。有效载荷包设计最初是为俄罗斯 Luna-27 任务的飞行而开发的，后来经过调整，以适应更通用的着陆器，并将在 NASA 商业月球有效载荷服务 (CLPS) 计划内开发的月球极地着陆器任务中使用。PROSPECT 的目标是在可能含有挥发性物质沉积物的月球区域进行科学研究和探索，同时也支持在月球环境中演示原位资源利用 (ISRU) 技术。PROSPECT 操作旨在实现高度自动化，但在关键阶段依赖于操作员监控。在这里，我们报告了 PROSPECT 飞行设计，该设计将根据欧洲空间技术工程标准进行建造、测试和鉴定，然后交付给着陆器供应商进行测试。
寒冷的天气EV数据收集和结果
tezlab•通过API•CON捕获从电动汽车发送到“母舰”的数据：仅适用于特斯拉（即将成为Rivians）•CON：收集的数据是基于车辆估计的，而不是现实世界。白板•捕获EV提供的数据并通过Tesla Gen3通用HPWC添加传递到EV的测量能量•CON•CON：不会捕获所有驱动器，也不会从车辆扫描仪Pro中捕获大量传感器数据•通过OBD端口记录
策划的数据集和用于使用机器学习网络钓鱼电子邮件检测的功能分析
摘要 - 尽管进行了持续研究，但网络钓鱼电子邮件攻击正在上升，并且缺乏用于培训和测试电子邮件过滤技术的丰富策划数据集。为了解决这个问题，我们生产并发布了七个策划的数据集，其中包含203,176个电子邮件实例，可与机器学习一起使用（ML），以区分网络钓鱼电子邮件和合法的电子邮件。我们通过精心策划网络钓鱼和来自不同存储库的合法电子邮件来创建这些数据集。然后证明我们的策划数据集适合该目的，我们进行了定量分析，以评估五种ML算法的性能。我们还分析了这些策划数据集中不同特征对这些ML算法的重要性和影响。这些策划的数据集以及定量分析的发现将推动针对网络钓鱼攻击的强大防御。
数据集和模型的系统审查
鉴于视网膜健康与神经退行性疾病之间的已知相关性，深度学习算法可能能够从视网膜图像中获得有关脑疾病的信息。15的确，越来越多的文献证明了神经退行性疾病的进展与医生观察的视网膜发现之间的相关性，例如视网膜小动脉和静脉口径，血管折磨，视网膜层厚度，视网膜层厚度和光盘椎间盘形态学。16未来的研究可能会集中于确定光学相干断层扫描（OCT），OCT血管造影（OCT-A）和彩色眼底图像中包含的信息。15此类研究还需要考虑无法从视网膜成像中获得哪些信息。10月，Act-a和底面成像允许对视网膜特征进行详细的定量和定性分析。OCT使用光的反射率来微图像视网膜和视盘的解剖结构。周围乳腺视网膜神经纤维层（PRNFL）和黄斑神经节细胞层和内丛状层（MGCIPL）特别涉及神经退行器态，而其他标记，例如黄斑体积和脉络膜厚度，也已研究。OCT-A通过在时间上比较视网膜层
关闭：3D服装细分数据集和模型
3D服装建模和数据集在娱乐，动画和数字时尚行业中起着至关重要的作用。现有工作通常缺乏详细的语义理解或使用合成数据集，缺乏现实主义和个性化。为了解决这个问题，我们首先介绍Close-D：一个新颖的大型数据集，其中包含3167扫描的3D服装分割，涵盖了18种不同的服装类别。此外，我们提出了封闭式网络，这是第一个基于学习的3D服装分割模型，用于从彩色点云中进行细粒度分割。封闭式网络使用局部点特征，身体贴相关以及基于服装和点特征的注意模块，从而提高了基准和先前工作的表现。提出的注意模块使我们的模型可以从数据中学习外观和几何学依赖性服装。我们通过成功分割了服装人员的公开可用数据集来确认方法的功效。我们还引入了Close-T，这是一种用于完善的3D交互工具
增强土壤聚集和有机碳...
摘要：在温室蔬菜生产中，还原性土壤消毒（RSD）有效地减轻了土壤传播的疾病，但其对土壤有机碳（SOC）动态的影响尚未得到充分检查。这项研究研究了深度RSD处理后土壤聚集体和有机碳保留机制的分布。温室实验，包括对照（CK），小麦稻草（RSD）和用化肥（RSD + NP）处理的小麦稻草，表明在RSD + NP治疗中，在RSD下，在RSD下形成了宏观凝聚力（> 2 mm和0.25-2 mm）的增强。粉质粘土颗粒转化为宏观和微聚集。傅里叶红外光谱谱图强调了SOC中含有碳的功能基团的增强，脂肪族碳在宏观聚集体中积聚，粉粘土中的芳香族碳。实验室培养实验采用了不同的C/N比（带小麦稻草的RSD1，带有奇异果分支的RSD2）强调了低C/N比有机物对粗大宏观宏观含量和平均重量图，几何量，几何学，几乎平均直径和silt silt silt silt silt silt silt clay coby c/n比的有益影响。低C/N比增强了大骨料的SOC保留率，而高比例稳定微聚集碳。这项研究强调了连续的温室种植系统中的严重降解，并强调了RSD的双重好处 - 预防疾病和改善的SOC保留率。实施RSD需要仔细考虑有机材料选择，即其C/N比率，这是一种关键因素的影响。