XiaoMi-AI文件搜索系统
World File Search System麻雀
考虑叫牌的麻将AI - 信息科学广场
摘要：近年来，人工智能在将棋、黑白棋等具有完美信息的游戏中已经可以与顶级职业选手相媲美，但在具有不完美信息的游戏中却只取得了部分成功。例如，一些研究人员已经在扑克游戏中实现了与顶级职业选手相媲美的人工智能，但在麻将游戏中却未能实现，麻将是一种信息不完美且复杂度高于扑克的游戏。Mizukami 等人(2013, 2014) 构建了一个接近顶级职业麻将水平的人工智能。但是，这种人工智能无法夺取一张牌来为每个 Yaku 构建一个组合。另一方面，Harada 等人构建了麻将人工智能——全手牌提取（CHE），该人工智能考虑了高概率构建的役牌。基于此工作，我们将 CHE 应用于麻将人工智能，该人工智能可以认领一张牌，从而为每个役牌构建一个组合。在使用 CHE 的麻将游戏中，所提出的人工智能的有效性得到了证实。
将改进的麻雀搜索算法应用于移动机器人的路径计划
摘要：路径计划是机器人技术领域的重要研究方向；但是，随着现代科学和技术的发展，对机器人研究领域的有效，稳定和安全的路径规划技术的研究已成为现实的需求。本文介绍了一种改进的麻雀搜索算法（ISSA），并采用了融合策略，以进一步提高解决挑战性任务的能力。首先，用圆形混沌映射初始化了麻雀种群，以增强多样性。第二，在探索阶段使用了北陀螺仪的位置更新公式，以替换安全情况下的Sparrow Search Algorithm的位置更新公式。这改善了发现者模型在解决方案空间中的搜索广度，并优化了解决问题的效率。第三，该算法采用了Lévy飞行策略来提高全球优化能力，因此在迭代的后期，麻雀会跳出本地最佳。最后，自适应T分布突变策略在后期迭代中增强了局部勘探能力，从而提高了麻雀搜索算法的收敛速度。将其应用于CEC2021函数集，并将其与其他标准智能优化算法进行比较以测试其性能。此外，ISSA是在移动机器人的路径规划问题中实施的。比较研究表明，就路径长度，运行时间，路径最佳性和稳定性而言，所提出的算法优于SSA。结果表明，在移动机器人路径计划中，所提出的方法更有效，健壮和可行。
麻将AI超级凤凰机器学习方法研究与改进
由于 ∂u ( l +1) k ∂u ( l ) j = w ( l +1) kj f ′ ( u ( l ) j )，我们有 δ ( l ) j = ∑ J k =1 δ ( l +1) k ( w ( l +1) kj f ′ ( u ( l ) j ))。
基于麻雀搜索算法 - 深度信念网络的EEG信号的分类
摘要：在脑部计算机界面（BCI）系统中，识别运动成像（MI）脑信号提出了挑战。已建立的识别方法从SSVEP，AEP和P300等模式中实现了有利的性能，而MI的分类方法需要改进。因此，寻求一种表现出高精度和鲁棒性在MI-BCI系统中的应用是必不可少的。在这项研究中，拼音搜索算法（SSA）优化的深信信仰网络（DBN）（称为SSA-DBN）旨在识别经验模式分解（EMD）提取的EEG特征。通过SSA获得的优化超参数增强了DBN的性能。我们的方法的功效在三个数据集上进行了测试：两个公共和一个私人。结果表明，相对较高的精度率，表现优于三种基线方法。具体来说，在私人数据集上，我们的方法的准确度为87.83％，标志着标准DBN算法的10.38％改善。对于BCI IV 2A数据集，我们记录了86.14％的精度，超过DBN算法的精度为9.33％。在SMR-BCI数据集中，我们的方法达到了87.21％的分类精度，比常规DBN算法高5.57％。这项研究表明，MI-BCI的分类能力增强，有可能导致BCI领域的进步。
使用粪便DNA metabarcoding
表和图表的列表表1：本研究中使用的麻雀粪便样品数量。原始计数是从每个站点收集的粪便样本数量。每个麻雀物种的数量是通过现场通过质量控制的样品数量。过滤计数是完整数据集中每个站点的粪便样本的最终数。图1：通过读取深度在每个麻雀粪便样品中观察到的ASV的丰富度的稀疏曲线。图2：观察到的ASV丰富度的稀疏曲线，用于总读数少于2,000的粪便样品。图3：用于比较羊膜麻雀的同胞和同种异体饮食的地点。同种异体位点被鉴定为一个主要物种，而两种物种相似的位点被分类为这些物种的同胞。仅显示收集弹药样品的位置。图4：发生的频率或存在猎物分类子的粪便样品百分比，在六种麻雀种类的班级水平上。图5：六种潮汐沼泽麻雀物种饮食中猎物类别的发生百分比。发生的百分比表示每个物种的每个猎物分类群中所有发生的粪便样品中所有发生的百分比。麻雀物种按降低盐沼泽的顺序排列：海边麻雀（SESP），盐玛斯麻雀（萨尔斯），尼尔森的麻雀（NESP），沼泽麻雀（SWSP），Song Sparrow（SOSP）和Savannah Sparrow（Savannah Sparrow（Savs）。仅显示了12个最常见的订单。图6：猎物分类群的平均相对阅读丰度（RRA）在班级六种潮汐沼泽麻雀的饮食中。rra表示每个粪便样品中猎物分类读的百分比，在每个物种的所有样品中平均。麻雀物种按降低盐沼泽的顺序排列：海边麻雀（SESP），盐玛斯麻雀（萨尔斯），尼尔森的麻雀（NESP），沼泽麻雀（SWSP），Song Sparrow（SOSP）和Savannah Sparrow（Savannah Sparrow（Savs）。图7：出现的频率，或存在猎物分类子的粪便样品百分比，在所有六种麻雀种类的订单水平上。
ciutat Esportiva Joan Gamper
黄腿湾。。。9铁鸽子。。。。。。。10个女人常见。。11欧亚领取的鸽子。12 Swift。。。。。。。。。。。。13 Swift Alpine。。。。。。。。。14自我普遍。。。。。。15公益猎鹰。。。。。16个折磨的和尚。。。。。。17种熏玫瑰。。18喜p。。。。19普通蓝色山雀。。。。20伟大的山雀。。。。。。。。。。。21燕子法官。。。。。。。22撒丁莺。。。23最自由的普通。。。。24 Starling普遍。。。。。25共同的黑鸟。。。。26家麻雀。。。。。。。27欧亚树麻雀。。28白色Wagtail。。。。。。。29欧洲绿色。。30欧洲金雀。。。31欧洲塞林。。。。。。32
年龄、繁殖策略、种群密度和邻居数量对草原麻雀 (Passerculus sandensis) 领地大小和形状的影响
摘要 动物繁殖领地的大小和形状是受多种内在和外在因素影响的动态特征，对生存和繁殖具有重要意义。定量研究这些领地特征的变化可以更深入地了解动物生态学和行为。我们探讨了年龄、繁殖策略、种群密度和邻居数量对岛屿草原麻雀种群繁殖领地大小和形状的影响。我们的数据集包括 11 年间采样的 225 只雄性 407 个繁殖领地。我们将领地大小与雄性领地持有者的年龄、雄性的繁殖策略（一夫一妻制与一夫多妻制）、研究种群中的鸟类数量（种群密度）和直接领地邻居的数量（局部密度）进行了比较。我们发现领地大小存在很大差异，领地面积从 57 到 5,727 平方米（0.0057-0.57 公顷）相差两个数量级。年龄较大的雄性拥有较大的领地，一夫多妻制的雄性拥有较大的领地，在人口密度较高的年份，领地较小，较大的领地与更近的领地邻居相关。我们还发现领地形状存在很大差异，从近圆形到不规则形状。有更多邻居的雄性拥有不规则形状的领地，但形状不会因雄性年龄、繁殖策略或种群密度而变化。对于寿命为 2 年或更长时间的雄性，我们发现领地大小在几年内存在强烈的一致性个体差异，但领地形状的个体差异较小，这表明大小具有较高的可重复性，而形状具有较低的可重复性。我们的工作提供了证据表明，鸣禽的领地是高度动态的，它们的大小和形状既反映了内在因素（年龄和繁殖伴侣的数量），也反映了外在因素（人口密度和领地邻居的数量）。关键词：地理信息系统、GIS、邻域大小、Passerculus sandensis、种群规模、资源防御、草原麻雀、领地性、领地形状
带激光的电子网络系统...
摘要 - 大米是印尼人口的主食之一，在国内生产总值（GDP）的形成中起着重要作用。但是，由于许多害虫攻击并导致农作物衰竭，其中之一是麻雀害虫。因此，使用超声声音进行了一项研究，以干扰害虫，以免降落并离开稻米植物。当鸟儿靠近并打破散布在大米植物上的激光束的电子网时，发出了超声声音。该原型是使用Nodemcu ESP32微控制器作为控制器和系统构建的。和Telegram用作辅助应用程序，以发出/关闭命令和电池百分比探测器，以促进使用。根据这项研究，原型的功能正常，并且被超声声音打扰，频率为0-22,000 Hz，声压水平在31.6-93.2分贝之间。关键字：ESP32，激光，大米，麻雀，超声波。
生物多样性净福利传单v1 3月24日
•用于山雀，麻雀或star的巢箱应固定在一棵树或墙壁上两到四米。•除非有白天的树木或建筑物在盒子上遮挡盒子，否则面对北部和东部之间的盒子，从而避免了强烈的阳光和最潮湿的风。•确保鸟类在没有任何直接入口的杂物的情况下通往巢穴的清晰路径。稍微向前倾斜盒子，以便任何驱动雨都会撞到屋顶并弹跳。