XiaoMi-AI文件搜索系统
World File Search System馈送
采用多平面光转换的超宽带偏振不敏感光学混合器
众所周知，光混合器 [1] 是光通信相干接收器中的关键组件。它可以采用多种技术构建，包括光纤、硅光子学和偏振光学 [2-5]。扩展可用带宽以匹配光电探测器的整个范围可以实现新的应用，例如相干光谱 [6]、光纤传感 [7]、光检测和测距 (LiDAR) [8]，以及生物医学传感和成像 [9]，例如光学相干断层扫描 (OCT) [10]。在迄今为止报道的制备的混合器中，最大的带宽为 120 nm，约为 1550 nm，这是因为如果不进行主动调整就难以获得精确的 90° 相移 [11-13]。多平面光转换 (MPLC) 是一种多输入、多输出光束重塑技术，由一系列由自由空间传播分隔的相位掩模组成 [14, 15]，因此可以产生具有 2 个输入和 4 个输出的光混合器。图 1 显示了由 14 个光滑相位掩模板和一个金镜组成的多反射腔中形成的光学混合器的示意图。输入由微透镜准直的单模光纤阵列馈送，输出是四束高斯光束，这些光束与类似的光纤准直器阵列模式匹配，或者可以在自由空间光电探测器上检测到。
HQ ACC/A52K 300 Exploration Way 汉普顿，弗吉尼亚州 - ELICSAR
300 Exploration Way Hampton, VA 23666-6193 主题：任务线程跟踪器 (MTT) 部署授权备忘录 1. 本备忘录作为官方通知，宣布 ELICSAR 平台上的任务线程跟踪器 (MTT) 现已上线。自即日起，它是捕获所有任务线程 (MT) 请求的主要工具，并将确保所有数据馈送要求的透明度、沟通和连续性。不再接受版本 2 纸质表格。MTT 可在以下位置找到：https://elicsar.cce.af.mil/mtt/index.html#/tracker。 2. 访问 MTT 和创建请求需要 ELICSAR 帐户。这可以通过 FAMS 网页完成：https://fams.cce.af.mil/pub/content/saffm/en.html。在 FAMS 内，所有域均可访问 ELICSAR，可根据个人情况和运营需要提出请求。如果需要机密 MT，请求组织将提交 MTT 的非机密版本，以便进行跟踪。提交后，批准组织或 Discovery 人员将联系您，以安排进一步的通信和指定机密级别的所需文件。3. 如果有任何问题，请联系 ELICSAR 的 ACC/A52K POC 是 Todd Meigs 先生（william.meigs.1@us.af.mil）和 ELICSAR 团队 ACC/A52KD（ACCA589.A52KD.ELICSARMT@us.af.mil）。
研究文章优化了IEEE的功率损失预测...
抽象准确的功率损失估计对于有效的电力系统操作和计划至关重要。传统方法依赖于假设，导致不准确。这项研究采用了多层馈送神经网络（MFNN）来开发一个模型，该模型估计电力线中的真实和反应性损失。负载流技术用于获得训练多种模型的变量。调整神经元数并比较其他模型的性能指标后，选择了所需的模型。使用MATPOPTOR对118个BUS IEEE测试网络进行建模。Levenberg-Marquardt反向传播算法对生成数据训练了该模型。结果表明，25-神经元模型表现最好，在1000个时期达到了最小平方误差（0.00047543）。相关系数显示20个神经元和25个神经元模型的值为0.9999。分析确定了25个基于训练的模型是预测功率损耗的最准确的模型。据观察，25-神经元模型以1000个时期的最高相关系数（0.99999）达到了最佳性能（0.99999）和最小平方误差（0.00047543）。这项研究证明了ANN在估计传输线中功率损失方面的有效性。推荐的25个基于基于Neuron的训练有素的模型提供了研究模型的最佳预测，从而提高了电力系统效率和计划。关键字：神经网络，神经元，负载流，Levenberg-Marquardt，Newton Raphson
使用自主无人机群监测和封锁野火
摘要：无人驾驶飞行器或无人机已成为消防员用于监测野火的设备中不可或缺的一部分。然而，它们仍然通常仅用作远程操作的移动传感平台，由人类飞行员直接实时控制。同时，大量文献强调了自主无人机群在各种态势感知任务中的潜力，包括在环境保护背景下。在本文中，我们介绍了通过数值方法（即蒙特卡罗模拟）进行系统调查的结果。我们报告了对关键参数（例如火势蔓延动力学、观察表面积和群体大小）对无人监督下自主无人机部队性能的影响的见解。我们限制使用无人机进行被动传感操作，目的是为地面上的消防员提供实时态势感知。因此，目标被定义为能够定位模拟火灾事件，然后在其周围建立连续的边界（警戒线），以提供实时数据馈送，例如视频或红外线。特别强调仅使用简单、强大且可实际实施的分布式决策功能，这些功能能够支持群体在追求集体目标的过程中进行自组织。我们的结果证实了上述参数之间的相互作用存在强烈的非线性效应，可以使用经验定律进行近似。这些发现可以根据已知的任务特征和可接受的几率（成功几率）逐案调动足够的资源。
人工智能增强型综合交通管理系统 (AI-ITMS) 2023 年最终报告
首字母缩略词 定义 AI 人工智能 AI-ITMS 人工智能增强型综合交通管理系统 AI-TOMS 基于人工智能的交通运营和管理系统 API 应用程序编程接口 ATCMTD 先进交通和拥堵管理技术部署 ATSPM 自动交通信号性能测量 BCA 成本效益分析 BSM 基本安全信息 CAD 计算机辅助调度 CAN 控制器局域网 CAV 网联和自动驾驶汽车 CCTV 闭路电视 COM 组件对象模型 ConOps 作战概念 COVID-19 2019 年冠状病毒病 DE # 特拉华州路线 # DelDOT 特拉华州交通部 DMP 数据管理计划 DMS 动态信息标志 DMZ 非军事区 DSS 决策支持系统 DTC 特拉华州交通公司 FAST Act 《修复美国地面运输法案》 FCC 联邦通信委员会 FFS 自由流速度 FHWA 联邦公路管理局 GHz 千兆赫 GPU 图形处理单元 GTFS 通用交通馈送规范 GTS 时间序列图 GUI 图形用户界面HR 高分辨率 I- 州际 ITMS 综合交通管理系统 ITS 智能交通系统 Jacobs Jacobs 工程集团公司 JSON JavaScript 对象表示法 LSTM 长短期记忆 ML 机器学习 MUTCD 统一交通控制设备手册 MV 机器视觉 NCHRP 国家合作公路研究计划 NTCIP 国家交通通信 ITS 协议 OBU 车载单元
安全城市的表面之下： - 巴黎政治学院
近年来，大量新技术的出现促进了信息和通信技术 (ICT) 公司的全球部署，这些新技术包括通信网络、更轻更快的基础设施以及实时通信系统带来的全新可用功能。利用新技术进步带来的可能性，例如实时通信馈送、数据收集和聚合，这些公司已经闯入并日益扰乱全球格局，并涉足以前被忽视的活动领域。由于这种倾向，世界主要城市的安全保障发生了变化，传统的闭路电视电路正在被取代，新的安全城市系统有望通过增强的分析和持续的创新，在城市地区实现全知。中兴通讯和华为等中国公司率先实现了这一转变，这得益于前所未有的金融和组织手段，这些手段结合了国家支持、长期的行业发展轨迹以及在全球范围内测试旨在促进城市安全保障的全方位平台的能力。这种变化远非渐进式的，而是跨越了当今的各大洲和地区，并汇总了以前与人类安全相关的不相关数据集，通常超出了社会接受的界限。本报告试图解释这种转变的动态和局限性，并借助这些公司的战略来解释监控监管框架如何在不久的将来迅速发展。关键词：安全城市、中国、监控、中兴通讯、华为
执法清理行动中人机与无人机和无人机群的互动
执法清理行动中人机与无人机和无人机群的交互 Richard T. Stone 1、Thomas M. Schnieders 1、Kevin A. Push 1、Stephen Terry 2、Mary Truong 3、Inshira Seshie 4 和 Kathryn Socha 1 1 爱荷华州立大学 2 宾夕法尼亚州立大学 3 西北大学 4 马里兰大学巴尔的摩分校 警察通常必须单独进行清理行动，这一程序涉及调查建筑物中的威胁并做出适当反应。无人机群和警察之间的合作有可能在这些高压力行动中提高警察和平民的安全性，并降低敌对人员伤害的风险。这项由两部分组成的研究探讨了使用单个无人机或无人机群进行执法建筑清理行动过程中的信任、态势感知、心理需求、性能和人机交互等方面。结果表明，单架无人机的使用可以增加操作时间，但清理的准确性和安全性会得到提高。单架无人机的使用提高了态势感知能力，减少了未击中目标的数量，并获得了中等程度的信任。对于无人机群，结果表明，与单架无人机相比，群数据馈送的心理工作量存在显著差异，但发现目标的准确性没有显著差异。引言美国联邦航空管理局将无人机定义为无人驾驶飞机系统 (UAS) (FAA，2018)。最早的实际用途
tptu-v2：提高任务计划和大型工具的使用...
大型语言模型（LLMS）已经证明了需要解决任务计划和使用外部工具（例如天气和计算器API）组合的任务的熟练程度。但是，现实世界中的复杂系统提出了有关任务计划和工具使用情况的三个普遍的挑战：（1）实际系统通常具有许多API，因此将所有API的描述以LLMS的提示馈送是不切实际的，因为代币长度有限； （2）实际系统是为处理复杂任务而设计的，基本LLM几乎无法为此类任务计划正确的子任务订单和API呼叫顺序； （3）实际系统中API之间的类似语义和功能在区分它们时都为LLM甚至人类都带来了挑战。回应，本文介绍了一个旨在增强现实世界中LLM代理的任务计划和工具使用（TPTU）功能的综合框架。我们的框架包括三个旨在应对这些挑战的关键组件：（1）API猎犬在广泛的API集合中选择最相关的API； （2）LLM FineTuner对基本LLM进行调整，以增强其在任务计划和API调用方面的能力； （3）演示选择器检索与难以区分的API相关的演示，该演示进一步用于秘密学习以提高最终性能。我们使用现实世界中的行业系统和开源的学术数据集验证我们的方法，证明了每个组件以及集成框架的功效。
模式识别
视觉方式是当前连续情绪识别方法的最主要方式之一。与脑电图的内在限制（如受试者偏置和低空间分辨率）相比，脑电图的声音相对较小。这项工作试图通过使用视觉模态的黑暗知识来改善脑电图模式的持续预测。教师模型是由级联卷积神经网络建立的 - 时间卷积网络（CNN -TCN）体系结构，学生模型由TCN构建。它们分别由视频框架和EEG平均频带功率功能馈送。采用了两个数据分配方案，即试验级随机shu ffl ing（TRS）和剩余的受试者（LOSO）。独立的老师和学生可以产生优于基线方法的连续预测，而视觉到EEG跨模式KD的使用进一步改善了统计学意义的预测，即p-value <0。01对于TRS和P值<0。05用于LOSO分区。受过训练的学生模型的显着性图表明，与活动价状态相关的大脑区域不在精确的大脑区域。相反，它是由于各个大脑区域之间的同步活动而引起的。和快速β和伽马波的频率为18-30 Hz和30-45 Hz，对人类的情感过程贡献最大。该代码可在https://github.com/sucv/visual _ to _ eeg _ cross _ modal _ kd _ for _ cer上获得。
复合单词变压器：学习构成全...
要将神经序列模型（例如变形金刚）应用于音乐发电任务，必须通过一系列有限的代币来代表一段音乐。这样的词汇通常涉及各种类型的令牌。例如，要描述音符，一个人需要单独的令牌来指示音符的音高，持续时间，速度（动态）和放置时间（起始时间）。虽然不同类型的令牌可能具有不同的适当性，但现有模型通常以与自然语言建模单词相同的方式对待它们。在本文中，我们提出了一种概念上不同的方法，该方法明确考虑了令牌的类型，例如注释类型和度量标准类型。，我们提出了一种新的变压器解码器 - 使用不同的馈送头来建模不同类型的kens。通过扩展压缩技巧，我们通过对相邻令牌进行分组，大大降低了令牌序列的长度，从而将一段音乐转换为一系列复合单词。我们表明，在动态有向超图中，可以将结果模型视为学习者。，我们采用它来学会创作全面的长度长度（每首歌曲最多涉及10k个个人to-kens）的表现力的流行钢琴音乐，无论是有条件地和无条件的）。我们的实验表明，与最先进的模型相比，所提出的模型在训练时收敛了5至10倍（即，在一天的GPU上，在具有11 GB内存的单个GPU上），并且在生成的音乐中具有可比的质量。