本文由 Jefferson Digital Commons 免费提供给您,供您开放访问。Jefferson Digital Commons 是托马斯·杰斐逊大学教学与学习中心 (CTL) 的一项服务。Commons 是杰斐逊书籍和期刊、同行评审的学术出版物、大学档案馆的独特历史收藏和教学工具的展示平台。Jefferson Digital Commons 让世界各地的研究人员和感兴趣的读者了解和掌握杰斐逊奖学金的最新进展。本文已被 Jefferson Digital Commons 的授权管理员接受,将收录在药理学和实验治疗学系教师论文中。如需更多信息,请联系:JeffersonDigitalCommons@jefferson.edu。
摘要:2020 年,美国报告了 10,000 多起鸟击事件,平均每年修复费用超过 2 亿美元,全球修复费用上升至 12 亿美元。鸟类与飞机的碰撞对人类安全和野生动物构成了重大威胁。本文介绍了一种专用于监控机场上空空间的系统,用于定位和识别移动物体。该解决方案是一种基于立体视觉的实时鸟类保护系统,它使用物联网和分布式计算概念以及先进的 HMI 来提供设置的灵活性和可用性。为了实现高度定制,提出了一种具有自由定向光轴的改进型立体视觉系统。为了为中小型机场提供可负担得起的市场定制解决方案,采用了用户驱动的设计方法。数学模型在 MATLAB 中实现和优化。在真实环境中验证了实施的系统原型。使用带有 GPS 记录器的固定翼无人机对系统性能进行定量验证。得到的结果证明了该系统实时检测和尺寸分类的高效性以及高度的定位确定性。
摘要:2020 年,美国报告了超过 10,000 起鸟击事件,平均每年修复费用超过 2 亿美元,全球修复费用上升至 12 亿美元。这些鸟类与飞机的碰撞对人类安全和野生动物构成了重大威胁。本文介绍了一种专用于监控机场上空空间的系统,用于定位和识别移动物体。该解决方案是一种基于立体视觉的实时鸟类保护系统,它使用物联网和分布式计算概念以及先进的 HMI 来提供设置的灵活性和可用性。为了实现高度定制,提出了一种具有自由定向光轴的改进型立体视觉系统。为了为中小型机场提供可负担得起的市场定制解决方案,使用了用户驱动的设计方法。在 MATLAB 中实现并优化了数学模型。在真实环境中验证了所实现的系统原型。使用带有 GPS 记录器的固定翼无人机对系统性能进行定量验证。获得的结果证明了该系统实时检测和尺寸分类的高效性,以及高度的定位确定性。
orcid ID:0000-0002-7490-1077 doi:10.56201/ijaes.v10.no10.2024.pg9.13摘要该项目是为了研究Jega Gocal Inducal村的Jega Gocal Indurophia village jega kebbi State,Kebbi State,Nigeria,Nigeria,Nigeria的Sanagi村庄的人类居住区中的游戏鸟类物种的分布和丰富性。评估不同的游戏鸟类,并确定研究区域(人类居民区)中的主要和稀有物种。早上观察是在06:00 AM至10:00 AM之间进行的,而晚上的访问是从04:30 pm到06:30 PM,当时温度相对凉爽,鸟类活动很高。一本野外指南被用来识别野外看到的鸟类,即双筒望远镜,用来从远处看鸟,一本录音书,以记录被视为的鸟类的特征。使用了所收集的数据,例如使用社会科学(SPSS)的频率,表格,表格和统计包。从结果中,在研究区域中确定了五(5)种游戏鸟类的数量,还可以观察到,早晨的鸽子具有主要数量的游戏鸟种(29.46%)),而最少的(13.95)是牛Egret,是较少的游戏鸟类的牛。应该进行更多的研究,以评论这项工作,并更清楚地了解研究区域中的野鸟的组成。关键字:物种;游戏鸟;主导者;稀有物种和鸟类
摘要 - 探索无人机(UAV)进行交付服务有望减少交付时间和人力资源成本。但是,这些无人机与地面的接近性可以使它们成为机会性犯罪的理想目标。因此,无人机可能会被黑客入侵,从目的地转移或用于恶意目的。此外,作为一种分散的(PEER-PEER)技术,区块链具有不大的潜力,可以在无人机之间实现安全,分散和合作的交流。考虑到这一目标,我们提出了区块链授权,不可变和可靠的交付服务(鸟类)框架,以应对数据安全挑战。鸟类通过可扩展网络部署通信中心。在鸟类的注册阶段之后,根据特定共识证明(POC)进行无人机节点选择,其中仅根据其信誉来评估无人机。选定的决赛入围者被授予Birds Global Order履行系统的证书。模拟结果表明,与常规溶液相比,鸟类需要更少的无人机,从而减少了成本和排放。所提出的鸟类框架满足了众多用户的要求,同时需要减少网络流量和消耗低能量。索引条款 - 无人飞机,可靠性,隐私,区块链和送货服务。
肌电控制,在肌肉收缩期间生成的肌电图(EMG)信号来控制系统或设备,是一种有希望的方式,可实现对新兴无处不在的计算应用程序的始终可用控制。但是,由于用户之间的行为和生理差异,其历史上的广泛使用受到对用户特定机器学习模型的需求的限制。利用公开可用的612-用户EMG-EPN612数据集,这项工作消除了这一概念,表明如果没有特定用户的培训,则可以实现真正的零射击交叉用户肌电控制。通过采用离散的分类方法(即,将整个动态手势视为一个事件),在一组306个未见的用户(没有提供培训数据)的一组中,可以实现六个手势的分类精度为93.0%,与大多数EMG研究(通常仅使用10-20个用户相比),可以雇用强大的交叉控制。通过将结果组织成一系列的小型研究,这项工作提供了对离散跨用户模型的深入分析,以回答未知问题并发现新的研究方向。特别是,这项工作探讨了建立跨用户模型所需的参与者数量,转移学习对这些模型的影响以及代表性不足的最终用户人口统计数据在培训数据中的影响等。结果表明,大型数据模型可以有效地推广到新的数据集,并减轻历史上限制基于EMG的输入的常见混杂因素的影响。另外,为了进一步评估创建的跨用户模型的性能,创建了一个全新的数据集(使用相同的记录设备),其中包括已知的协变量因子,例如跨日使用和肢体位置可变性。
摘要 - 综合语音构成中的进步,包括文本到语音(TTS)和语音转换模型(VC)模型,允许产生令人信服的合成声音,通常称为音频深击。这些深击构成了日益增长的威胁,因为对手可以在社交媒体或绕过语音身份验证系统上使用它们来模仿个人,特别是突出的人物,从而产生广泛的社会影响。最先进的验证系统有效地检测语音深击的能力令人震惊。我们提出了一种新型的音频深击检测方法Voiceradar,它通过物理模型增强了机器学习,以近似音频样品中的频率动力学和振荡。这显着增强了检测能力。Voiceradar利用了两个主要的物理模型:(i)多普勒效应了解音频样品的频率变化和(ii)鼓头振动以将复杂的音频信号分解为组件频率。语音形式通过应用这些模型来识别音频信号中的微妙变化或微频。这些微观频率是聚合以计算观察到的频率的,从而捕获了音频的独特签名。该观察到的频率集成到机器学习算法的损耗函数中,从而使算法能够识别将人类生产的音频与AI生成的音频区分开的不同模式。我们构建了一个新的不同数据集,以全面评估Voiceradar,其中包含来自领先的TTS和VC模型的样本。我们的结果表明,语音的表现优于准确识别AI生成的音频样品的现有方法,展示了其作为音频深击检测的强大工具的潜力。
我们介绍多视图的细心上下文化(MVACON),这是一种简单而有效的方法,用于改善基于查询的多视图3D(MV3D)对象检测中的2D- TO-3D功能。尽管在基于查询的MV3D对象检测的领域取得了显着的进展,但先前的艺术通常会因高分辨率的高分辨率2D特征而缺乏基于密集的注意力提升的高分辨率2D特征,或者由于高计算成本,或者由于3D Queries的高度密集地接地不足,无法以3D Queries的高度质量为基于稀疏注意的多级2D功能。我们提出的MVACON使用代表密集但计算稀疏的细心特征连续化方案击中了两只鸟,该方案对特定的2d到3d feleture提升方法不可知。在实验中,使用BEVFormer及其最近的3D变形注意(DFA3D)变体以及PETR对纳斯曲霉基准进行了彻底的测试,并显示出一致的检测性能提高,尤其是在位置,方向和VELOCITY PRECTICTAR中提高了一致的检测性能。还可以在Waymo-Mini基准测试器上进行测试,并具有类似的改进。我们在定性和定量上表明,基于全局群集的上下文有效地编码了MV3D检测的密集场景级上下文。我们提出的MVA-CON的有希望的结果加强了计算机视觉中的格言 - “(contectu-alsized)特征事项”。