सेंसर

आर्टिफिशियल इंटेलिजेंस सिस्टम (एआईएस) के लिए आवश्यकताओं की विशिष्टता और एआईएस निर्माण और आधुनिकीकरण के लिए उनके सत्यापन को जटिल बनाने वाले कारकों का विश्लेषण किया जाता है। परिभाषाओं का सामंजस्य और मानकीकरण के लिए तकनीकों और उपकरणों के विकास के नियमन के लिए एआईएस विशेषताओं के पदानुक्रम का निर्माण, साथ ही एआईएस के निर्माण और कार्यान्वयन के दौरान मूल्यांकन और आवश्यकताओं का प्रावधान अत्यंत महत्वपूर्ण है। अध्ययन का उद्देश्य विशेषताओं की परिभाषा और क्रम के आधार पर कृत्रिम बुद्धिमत्ता (एआई), एआई प्लेटफॉर्म (एआईपी), और एआईएस के लिए गुणवत्ता वाले मॉडल के उपयोग को विकसित और प्रदर्शित करना है। एआई गुणवत्ता मॉडल विकास और उसके अनुक्रम के सिद्धांतों की पुष्टि की जाती है। एआईएस विशेषताओं की परिभाषा तैयार करने के दृष्टिकोण, निर्भरता के प्रतिनिधित्व के तरीके और विशेषताओं के पदानुक्रम दिए गए हैं। एआई और एआईपी की 46 विशेषताओं के बीच पदानुक्रमित संबंधों की परिभाषा और सामंजस्य विकल्प सुझाए गए हैं। विश्लेषणात्मक, सारणीबद्ध और ग्राफ रूपों में प्रस्तुत एआई, एआईपी और एआईएस के गुणवत्ता मॉडल का वर्णन किया गया है। सबसे महत्वपूर्ण विशेषताओं के कम सेट वाले तथाकथित बुनियादी मॉडल प्रस्तुत किए जाते हैं। यूएवी वीडियो नेविगेशन सिस्टम के लिए एआईएस गुणवत्ता मॉडल के उदाहरण और रोगों के निदान के लिए निर्णय समर्थन प्रणाली का वर्णन किया गया है।पूरा लेख

पोषक तत्वों की खपत और एफ्लाटॉक्सिन बी के गतिशील परिवर्तनों का अध्ययन करना₁(एएफबी₁ कवक उपनिवेशण के साथ मूंगफली की गुठली में संचय, सूक्ष्म इमेजिंग के साथ संयुक्त मैक्रो हाइपरस्पेक्ट्रल इमेजिंग तकनीक की जांच की गई। सबसे पहले, एएफबी की भविष्यवाणी करने के लिए प्रतिगमन मॉडल₁ 1000 से 2500 एनएम तक के हाइपरस्पेक्ट्रल डेटा से सामग्री विकसित की गई और परिणामों की तुलना बॉक्स-कॉक्स परिवर्तन के साथ डेटा सामान्यीकरण से पहले और बाद में की गई। परिणामों ने संकेत दिया कि प्रतिस्पर्धी अनुकूली रीवेटेड सैंपलिंग (CARS) का उपयोग करते हुए सपोर्ट वेक्टर रिग्रेशन (SVR) मॉडल के साथ दूसरे क्रम के व्युत्पन्न ने R के साथ सर्वश्रेष्ठ प्रदर्शन हासिल किया।_सी²= 0.95 और आर_वी² = 0.93। दूसरा, टाइम-लैप्स माइक्रोस्कोपिक इमेज और स्पेक्ट्रोस्कोपिक डेटा को स्कैनिंग इलेक्ट्रॉन माइक्रोस्कोपी (एसईएम), ट्रांसमिशन इलेक्ट्रॉन माइक्रोस्कोपी (टीईएम), और सिंक्रोट्रॉन रेडिएशन-फूरियर ट्रांसफॉर्म इंफ्रारेड (एसआर-एफटीआईआर) माइक्रोस्पेक्ट्रोस्कोपी के साथ कैप्चर और विश्लेषण किया गया। समय चूक डेटा ने मूंगफली की गुठली में पोषक तत्वों की हानि और एफ्लाटॉक्सिन संचय के अस्थायी पैटर्न का खुलासा किया। मैक्रो और माइक्रो इमेजिंग तकनीकों का संयोजन मूँगफली को संक्रमित करने वाले विषाक्त कवक के अंतःक्रिया तंत्र का पता लगाने और एएफबी के संचय की भविष्यवाणी करने का एक प्रभावी तरीका साबित हुआ।₁मात्रात्मक रूप से।पूरा लेख

चलना एक ऐसा व्यायाम है जो मानव शरीर की मांसपेशियों और जोड़ों का उपयोग करता है और शरीर की स्थिति को समझने के लिए आवश्यक है। चाल के माध्यम से शरीर की गतिविधियों का विश्लेषण मानव पहचान, खेल विज्ञान और चिकित्सा में अध्ययन और लागू किया गया है। इस अध्ययन ने एकत्रित कंकाल की जानकारी से पैथोलॉजिकल-गैट वर्गीकरण पर लागू ध्यान तकनीकों का उपयोग करते हुए एक स्पोटियोटेम्पोरल ग्राफ कन्वेन्शनल नेटवर्क मॉडल (एसटी-जीसीएन) की जांच की। इस अध्ययन का फोकस दुगना था। पहला उद्देश्य संयुक्त कनेक्शन द्वारा प्रस्तुत कंकाल की जानकारी से स्पोटियोटेम्पोरल सुविधाओं को निकालना और इन सुविधाओं को ग्राफ कन्वेन्शनल न्यूरल नेटवर्क पर लागू करना था। दूसरा उद्देश्य वर्तमान चाल में महत्वपूर्ण जोड़ों पर ध्यान केंद्रित करने के लिए, स्पोटियोटेम्पोरल ग्राफ कन्वेन्शनल न्यूरल नेटवर्क के लिए एक ध्यान तंत्र विकसित करना था। यह मॉडल सरकोपेनिया के निदान के लिए एक पैथोलॉजिकल-चाल-वर्गीकरण प्रणाली स्थापित करता है। तीन डेटासेटों पर प्रयोग, अर्थात् NTU RGB+D, GIST की पैथोलॉजिकल चाल और मल्टीमॉडल-गैट समरूपता (MMGS), इस बात की पुष्टि करते हैं कि प्रस्तावित मॉडल चाल वर्गीकरण में मौजूदा मॉडल से बेहतर प्रदर्शन करता है।पूरा लेख

ऑटोएन्कोडर मॉडल की आम तौर पर अनुपयोगी प्रकृति का तात्पर्य है कि मुख्य प्रशिक्षण मीट्रिक को इनपुट छवियों और उनके संबंधित पुनर्निर्माण के बीच त्रुटि के रूप में तैयार किया गया है। विभिन्न पुनर्निर्माण हानि भिन्नताएं और गुप्त स्थान नियमितीकरण को हल करने के लिए कार्यों के आधार पर मॉडल प्रदर्शन में सुधार और विघटन जैसे नए वांछनीय गुणों को प्रेरित करने के लिए दिखाया गया है। फिर भी, इनपुट पिक्सेल स्पेस में सफलता को मापना या गुणों को लागू करना एक चुनौतीपूर्ण प्रयास है। इस काम में, हम उपलब्ध डेटा का अधिक कुशलता से उपयोग करना चाहते हैं और प्रशिक्षण के दौरान वांछनीय गुणों को निहित रूप से प्रेरित करने के लिए भविष्य के डेटासेट की रिकॉर्डिंग या पीढ़ी में विचार करने के लिए डिज़ाइन विकल्प प्रदान करना चाहते हैं। यह अंत करने के लिए, हम एक नई नमूना तकनीक का प्रस्ताव करते हैं जो अन्य भागों को यादृच्छिक करते हुए छवि के महत्वपूर्ण भागों से मेल खाती है, जिससे मुख्य विशेषता निष्कर्षण और महत्वहीन विवरणों की उपेक्षा होती है। प्रस्तावित विधि को किसी भी मौजूदा पुनर्निर्माण हानि के साथ जोड़ा जा सकता है और प्रदर्शन लाभ ट्रिपल नुकसान से बेहतर है। हम विभिन्न डेटासेट पर परिणामी गुणों का विश्लेषण करते हैं और कई कंप्यूटर विज़न कार्यों में सुधार दिखाते हैं: रोशनी और अवांछित सुविधाओं को सामान्य या सुचारू किया जा सकता है और छाया को इस तरह हटा दिया जाता है कि वर्गीकरण या अन्य कार्य अधिक मज़बूती से काम करते हैं; अवांछित सुविधाओं के संबंध में एक बेहतर आविष्कार प्रेरित होता है; सिंथेटिक से वास्तविक छवियों की सामान्यीकरण क्षमता में सुधार होता है, जैसे कि अधिक शब्दार्थ संरक्षित होते हैं; अनिश्चितता का अनुमान मोंटे कार्लो ड्रॉपआउट और मॉडलों के एक समूह से बेहतर है, विशेष रूप से उच्च दृश्य जटिलता के डेटासेट के लिए। अंत में, अव्यक्त स्थान में सरल रैखिक क्लासिफायर के माध्यम से वर्गीकरण सटीकता को ट्रिपल लॉस की तुलना में बेहतर बनाया गया है। प्रत्येक कार्य के लिए, अनुसंधान समुदाय के साथ-साथ ऑटोमोटिव अनुप्रयोगों में आमतौर पर उपयोग किए जाने वाले कई डेटासेट पर सुधारों पर प्रकाश डाला गया है।पूरा लेख