XiaoMi-AI文件搜索系统
World File Search System零到
ZHEJIANG LEAPMOTOR TECHNOLOGY CO., LTD. 浙江零 ...
2023年，我们实现新能源汽车年交付量144,155辆，较2022年同比增长29.7%。自2019年首款新能源汽车上市以来至报告期末，交付量年复合增长率为243.4%。2023年，C系列车型共交付105,701辆，占全年总交付量的73.3%以上，而2022年该比例为44.3%，表明产品结构不断改善。其中C11车型2023年全年交付80,708辆，较2022年同比增长81.9%。2023年连续实现20万辆、30万辆量产车交付，是公司跨越式发展的重要里程碑和新起点，巩固了公司行业新生力量的领先地位。
ZHEJIANG LEAPMOTOR TECHNOLOGY CO., LTD. 浙江零 ...
• 经过八年技术积累，我们全套自研技术实现了从LEAP1.0到LEAP3.0架构的升级迭代，并于2024年1月10日正式发布。LEAP3.0技术架构融合了多项行业首创的领先技术，包括行业首个四域合一的集中式集成电子电气（E/E）架构（“四叶草架构”）、行业首个用一颗8295芯片实现高级驾驶辅助系统（ADAS）、智能座舱、驾驶及泊车功能的集成技术、行业首个脱离导航的城市全场景NAC技术、行业首个无缝OTA升级技术、行业首个新能源黄金动力总成技术（CTC电池+油冷电驱），整车架构通用性指数达88%，为行业最高。
语义增强图像-文本预训练模型的零样本三维模型分类
Cheraghian 等人 [ 21 – 23 ] 在零样本 3 维模型分类方 面提出了 3 维点云的零样本学习方法、缓解 3 维零样 本学习中枢纽点问题的方法和基于直推式零样本学 习的 3 维点云分类方法，并将它们封装进一个全新 的零样本 3 维点云方法 [ 24 ] 中。以上方法均是利用已 知类样本的点云表征及其词向量对未知类别进行分 类，开创了零样本 3 维模型分类方法。近年来， CLIP 在零样本图像分类上取得了良好的效果，因此有研 究者将 CLIP 应用到零样本 3 维模型分类方法中， Zhang 等人 [ 25 ] 提出了基于 CLIP 的 3 维点云理解 (Point cloud understanding by CLIP, PointCLIP) 模型， PointCLIP 首先将 3 维点云投影成多个深度图，然 后利用 CLIP 的预训练图像编码器提取深度图特 征，同时将类别名称通过 CLIP 预先训练的文本编 码器提取文本特征。但是 PointCLIP 的性能受到深 度图和图像之间的域差异以及深度分布的多样性限 制。为了解决这一问题，基于图像 - 深度图预训练 CLIP 的点云分类方法 (transfer CLIP to Point cloud classification with image-depth pre-training, CLIP2Point) [ 26 ] 将跨模态学习与模态内学习相结合 训练了一个深度图编码器。在分类时，冻结 CLIP 的图像编码器，使用深度图编码器提取深度图特 征，该方法缓解了深度图和图像间的模型差异。用 于 3 维理解的图像 - 文本 - 点云一致性表征学习方法 (learning Unified representation of Language, Im- age and Point cloud for 3D understanding, ULIP) [ 27 ] 构建了一个图像、文本和点云 3 种模态的 统一嵌入空间，该方法利用大规模图像 - 文本对预 训练的视觉语言模型，并将 3 维点云编码器的特征 空间与预先对齐的视觉 - 文本特征空间对齐，大幅 提高了 3 维模型的识别能力。与之相似的是，基于 提示文本微调的 3 维识别方法 (CLIP Goes 3D, CG3D) [ 28 ] 同样使用 3 元组形式确保同一类别的 3 维模 型特征和图像特征之间以及 3 维模型特征和文本特 征之间存在相似性，从而使点云编码器获得零样本 识别的能力。另外， PointCLIP V2 [ 29 ] 在 Point- CLIP 的基础之上，通过利用更先进的投影算法和 更详细的 3 维模型描述，显着提高了零样本 3 维模型 分类准确率。本文采用语义增强 CLIP 解决图像和文 本的语义鸿沟问题，通过在语义层面为图像和文本 提供更多相似的语义信息，使图像和文本对齐更具有 一致性，从而有效提高 3 维模型的零样本分类性能。 2.2 提示工程
零能耗建筑电–氢–热双层能量优化调控方法
零能源建设电力 - 热热双层能量优化控制方法Kong Lingguo 1，Wang Shibo 1，Cai Guowei 1，Liu Chuang 1，Guo Xiaoqiang 2
零...
Healthcare 4.0是一个异质环境，许多智能医疗设备都可以连接以提供及时的医疗服务。作为下一代医疗保健4.0，可以在多个设备和通信技术上进行更多数字化和相互联系的服务，因此潜在攻击的可能性也大大扩展。关键医疗保健涉及高度敏感的患者数据，必须满足严格的监管要求。因此，合并零信任体系结构（ZTA）至关重要，以提供一个可靠的框架，以确保安全和保障防止不断发展的威胁。这项工作提出了一个框架，该框架可利用Healthcare 4.0的基于ZTA的连续轻质相互验证策略，以完成设备，边缘和云服务器之间的安全数据传输。这是一种灵活且轻巧的身份验证策略，它考虑了Healthcare 4.0中的所有实体，不受信任，并在每次会议期间都可以连续身份验证，以确保针对各种漏洞的高安全性。基于两个不同级别的连续和相互认证是在两个不同的级别上完成的。首先，基于动态哈希的消息身份验证代码（HMAC）的连续相互轻量级身份验证被利用了两种不同的传输，这些传输是设备到设备（D2D）和设备对边缘（D2E）。此外，该框架以三种方式分析其效率：基于Scyther-Tools的安全性分析，理论分析和基于仿真的分析。因此，它在安全性和资源消耗之间取得了更好的权衡，而不是资源受限的医疗保健4.0 Devicessecond，该框架采用了椭圆曲线加密加密标准（ECC-AES）基于重量的重量身份认证和基于身份的重量身份验证和基于基于身份的访问控制（IBAC）来启用Edge Control in Edge Control in Edge Condor to Cloud Server（E2C）。此外，基于Contiki/Cooja的模拟证明，所提出的框架是医疗保健4.0环境中各种D2D和D2E身份验证协议中的强大竞争者。
用零...
这项研究的目的是建立曲线下的零级紫外线光谱学 - 吸光度和零订单区域（AUC）方法（AUC）方法，用于估算大量和药物剂型的多x基胺琥珀酸酯。多克利胺琥珀酸酯是具有明显镇静特性的组胺H1拮抗剂。它用于过敏和抗精性，抗气和催眠。多克利胺也已在兽医应用中施用，以前用于帕金森氏症，蒸馏水被用作溶剂溶解毒胺琥珀酸酯的溶解度。当溶解在蒸馏水中时，发现多克利胺琥珀酸酯的最大吸收在波长260nm处。这些方法基于在260nm处的吸光度测量和曲线下面积的整合，以分析251.20-267.20 nm的波长范围内的多x胺琥珀酸酯。在10-60 µg/ml的浓度范围内，与相关系数r 2> 0.99的浓度范围保持线性。根据ICH指南，对所提出的方法进行了准确性（恢复％），精度，可重复性和坚固性的验证。提出的方法用于定性和片剂中多克莱明琥珀酸酯的定量估计，结果与所声称的标签非常吻合。开发的方法可用于散装和药剂片的多x基胺的常规分析。
零...
摘要 - dysarthria是一种运动语音障碍，通常与脑瘫，帕金森氏病，肌萎缩性侧面硬化症和中风有关。患有构音障碍的人通常会出现严重的语音困难，包括不精确的表达，缺乏流利性，言语缓慢以及量减少和清晰度，这可能会阻碍他们与他人有效沟通的能力。我们提出了一种两级语音转换方法，以增强违反语音的重建。在第一阶段，我们基于相同的性别回应策略开发了一种KNN-VC方法，以预先修复质心语音。在此阶段，我们仅将违反语音与同一性别的正常语音相匹配。在第二阶段，我们适应了So-Vits-SVC来恢复扬声器的音色，并提高了第一阶段修复的演讲的声音质量。在低资源构件构想唤醒单词斑点挑战（LRDWWS挑战）的数据集中进行了客观和主观评估，这表明，所提出的方法可以在说话者的相似性，语音清晰度和不知名的扬声器方面取得一些改善，这些评估也表明我们的方法还表明我们的方法具有良好的零料性能。我们的音频样本可以在线访问1。索引术语 - dysarthric语音重建，任何一对零射，语音转换
零...
这项研究的目的是建立曲线下的零级紫外线光谱学 - 吸光度和零订单区域（AUC）方法（AUC）方法，用于估计散装和阴道胶囊中硝酸硝酸盐的估计。芬太纳唑硝酸盐是一种抗真菌药物，它完全不溶于水。甲醇用作溶剂溶解芬太纳唑硝酸盐的溶解度。溶解在甲醇中时，发现硝酸芬太纳唑的最大吸收在波长253 nm处。这些方法基于在253nm处的吸光度测量和曲线下面积的整合，以分析242-262 nm波长范围内的芬康唑硝酸盐。在两种方法的相关系数r 2> 0.99的5-30 µg/ml浓度范围内，药物遵循线性。根据ICH指南，对所提出的方法进行了准确性（恢复％），精度，可重复性和坚固性的验证。将所提出的方法用于阴道胶囊中硝酸硝酸盐的定性和定量估计，结果与所声称的标签非常吻合。开发的方法可用于散装和阴道胶囊中硝酸盐的常规分析。