慢性心力衰竭的管理在现代医疗保健中提出了重大挑战,需要持续监测,早期发现恶化和个性化治疗策略。 本文介绍了在这方面进行的PrediHealth研究项目的初步结果。 具体来说,它旨在通过将远程医疗,移动健康解决方案和预测分析整合到一个统一的数字医疗保健平台中来应对上述挑战。 我们利用基于网络的物联网平台、带有医疗设备和环境传感器的远程监控工具包以及人工智能驱动的预测模型来支持临床决策。 该项目遵循结构化方法,包括新兴CPS / IoT技术,系统原型设计,预测模型开发和经验验证的研究。
物联网在城市的扩散,加上数字孪生,为智慧城市创造了丰富的数据基础,旨在改善城市生活和运营。 生成式AI(GenAI)通过处理多模态内容并生成文本和模拟等新输出,显著增强了这一潜力,超越了传统的AI分析和预测。 使用专业或基础模型,GenAI的自然语言能力,如自然语言理解(NLU)和自然语言生成(NLG),可以为量身定制的应用程序和统一界面提供动力,大大降低了用户与复杂智慧城市系统交互的障碍。 在本文中,我们专注于基于智慧城市中三个关键用户原型 - 公民,运营商和规划师的会话界面的GenAI应用程序。 我们确定并审查在这些用户原型的背景下为各种城市子系统提出或部署的GenAI模型和技术。 我们还考虑如何基于官方城市记录、物联网数据流和城市数字孪生的现有数据基础构建GenAI。 我们相信,这项工作代表了从智慧城市中关键用户的角度首次全面总结智慧城市的GenAI技术。
路由是 VLSI 设计流程中的关键一步。 随着制造技术的进步,设计规则出现了更多的限制,特别是在路由过程中的障碍,导致路由复杂性增加。 不幸的是,由于缺乏可扩展的避障树生成方法以及处理具有复杂障碍物和网的现代设计的能力,许多全球路由器难以有效地生成无障碍物的解决方案。 在这项工作中,我们提出了具有障碍的VLSI设计高效的具有障碍物感知全局路由流。 该流程包括基于规则的避免障碍的直线色纳最小树(OARSMT)算法在树生成阶段。 这种算法既可扩展又快速,可在全球范围内提供树拓扑结构,避免早期阶段的障碍。 在其指导下,建议在后期阶段采用OARSMT引导和障碍物感知稀疏迷宫路由,以进一步减少障碍物违规并降低溢出成本。 与具有障碍物的基准上的先进方法相比,我们的方法成功地消除了障碍物的违规行为,并降低了线长和溢出成本,同时仅通过计数和运行时开销牺牲了有限数量。
在过去的几十年中,虚拟考古学通过数据采集和表示的进步,例如改进的数据记录技术和虚拟现实设备,发生了重大变化。 沉浸式环境为公众和研究人员提供具有高视觉质量的历史事件或物体的新方法。 在这里,我们研究了Immersive Analytics的新兴领域如何有助于增强对考古数据的理解和探索,并探索虚拟考古学和沉浸式分析的交界处,利用罗马已故皇帝Maxentius的陵墓重建进行论证。 基于我们的工作,我们倡导将历史和计算机科学专业知识相结合的价值,用于虚拟重建和沉浸式环境,以促进对考古数据的更深入的理解和互动探索。
合作感知通过车辆到一切(V2X)通信实现多智能信息共享,扩展了自动驾驶汽车的感知能力。 与传统机载传感器不同,V2X充当动态“信息传感器”,其特点是通信、异质性、移动性和可扩展性有限。 本调查从以信息为中心的合作感知角度对近期进展进行了全面审查,重点关注三个关键维度:信息表示、信息融合、大规模部署。 我们将信息表示分为数据级、特征级和对象级方案,并突出显示在通信约束下减少数据量和压缩消息的新兴方法。 在信息融合中,我们探索理想和非理想条件下的技术,包括解决异质性、定位错误、延迟和数据包丢失的技术。 最后,我们总结了系统级方法,以支持密集交通场景中的可扩展性。 与现有调查相比,本文通过将V2X通信视为信息传感器,并强调在现实智能交通系统中部署合作感知的挑战,引入了新的视角。
运动数据在各种应用和科学领域普遍存在,通常以其大规模和复杂性为特征。 探索性数据分析(EDA)在总结和描述此类数据方面起着至关重要的作用,使研究人员能够产生见解并支持科学假设。 尽管其重要性,传统的EDA实践在应用于高维,未标记的移动数据时面临限制。 这种类型的数据的复杂性和多方面性质需要更先进的方法,超越当前EDA技术的能力。 这项研究解决了当前EDA实践的差距,提出了一种新的方法,利用运动变量分类和异常检测。 我们假设将运动特征组织到分类法中,并将异常检测应用于分类学节点的组合,可以揭示有意义的模式,并导致对数据进行更可解释的描述。 为了验证这个假设,我们引入了TUMD,这是一种将运动分类与异常检测相结合的新方法,以增强数据分析和解释。 TUMD使用固定参数值在四个不同的移动对象数据集中进行评估。 它的有效性是通过两个传递来评估的:第一个通过将所有数据集的Kinematic,Geometric或Hybrid分类,而第二个通过将这些行为细化为更具体的类别,如速度,加速或缩进。 TUMD符合三个数据集的有效性标准,证明了其描述和完善运动行为的能力。 结果证实了我们的假设,表明运动分类法和异常检测的结合成功地揭示了高维,未标记的运动数据中有意义和可解释的模式。
本文介绍了一个数字双授权实时最佳交付系统,该系统通过概念验证(PoC)演示真实自动驾驶汽车共享服务进行了专门验证。 这项研究整合了校园环境中的路边单元(RSU)和联网和自动驾驶汽车(CAV)的实时数据,以应对城市交通的动态挑战。 拟议的系统利用信息时代(AoI)指标,通过保持数据新鲜度和动态适应实时交通状况来优化车辆路由。 PoC的实验结果表明,22种传统的最短路径方法不考虑信息新鲜度。 此外,基于数字孪生的模拟结果表明,这个拟议的系统将整体交付效率提高了12,使每辆车选择最短路线的峰值平均AoI减少了23,而不考虑信息新鲜度。 这项研究证实了合作驾驶系统的实际可行性,强调了它们通过在复杂城市环境中的可扩展数字孪生部署来增强智能移动解决方案的潜力。
Kullback-Leibler(KL)发散是比较概率分布的基础措施。 然而,在多变量设置中,其单个值通常掩盖了发散的根本原因,将单个变量分布(边缘)中的不匹配与统计依赖关系产生的影响混为一谈。 我们得出联合分布 P(X1, ...,Xn) 和标准产品参考分布 Q(X1, ...,Xn) = product_i q(Xi) 之间的 KL 差的代数精确、加法和分层分解,其中变量假定为独立且根据共同的引用 q 分布相同。 总差精确分为两个主要组成部分:(1)每个边际分布Pi(Xi)与共同引用q(Xi)的总结差异,量化边际偏差;(2)总相关性(或多信息),捕获变量之间的总统计依赖性。 利用子集格上的 Mobius 反转,我们进一步将这个总相关性项分解为来自不同成对、三元组和高阶统计相互作用的符号贡献的层次结构,使用标准的 Shannon 信息量表示。 这种分解使用既定的信息措施提供了KL发散的代数完整和可解释的分解,不需要近似值或模型假设。 使用超几何采样进行数值验证证实了分解在不同系统配置中机器精度的精确性。 该框架能够精确诊断发散起源 - 区分交互效应的边缘效应 - 以及机器学习,计量经济学和复杂系统分析的潜在应用。
最优的统计决策应该超越用来描述它们的语言。 然而,我们如何保证坐标的选择——优化问题的参数化——不会巧妙地决定解决方案? 本文揭示了一个基本的几何不变性原理。 我们首先分析两种无症状正常估算器在严格的凸痕-AMSE风险下的最佳组合。 虽然已知寻找最佳权重的方法,但我们证明,在加权方案的直接亲和力再参数化下,由此产生的最优估算器是不变的。 这体现了一个更广泛的原则,我们术语为meta-equivariance:任何严格的凸,矩阵空间上可区分的标量目标的独特最小化器在空间的任何可逆的亲和力再参数化下共同变换。 与数据对称性相关的经典统计等价物不同,元等量源于凸优化本身的不可变几何。 它保证,在这些设置中,最优性不是表征的人工制品,而是一种内在的、无坐标的真理。
现代国家使用的人物主要分为意识形态人物和语音人物,两者都有其优缺点。 中文很难学,容易掌握,而英语很容易学,但词汇量大。 仍然没有一种语言结合了两种语言的优点,记忆能力少,能形成文字,而且很容易学习。 因此,发明可以组合和普及深厚知识的新角色,通过沟通减少纠纷。 第一,观察中英文的优缺点,如词汇、信息内容、深厚科学知识易学性,创建新的书写系统。 然后,使用比较分析来观察新语言的总得分。 通过本文可以得出结论,新文本结合了象形文字和字母书写的优点:可以组合成单词的新字符减少了需要学习的词汇;特殊的前缀允许初学者快速猜测看不见的单词的大致类别和含义;新字符可以使人类快速学习更先进的知识。
一个国家的综合实力从强到弱,分为降、周期性破坏或迅速上升三个条件,探索差异可以解决发展危机.对一个国家来说最重要的是利益、武器和生物,对应于金钱、技术和人。 船舶工业具有经济利益和技术武器的两个属性。 商船可以运输大量商品,军舰可以运输大规模技术武器的更新; 但一个新的核心:股权激励已经出现,它帮助了计算机行业的快速发展。 本文用比较分析和比较历史分析来观察美中两国在相互流通后的变化,以及历史上三个要素的双重流通,如GDP和专利申请的增长率。 然后,它总结了文明核心给国家带来的变化.通过本文可以得出结论,文明的核心由船舶、公平激励、有记录智慧的方法组成;通过新元素的流通,一个国家可以转变为三个周期的文明,实现三个周期之间的相互流通,增强内生力量;文明的核心可以增强经济发展的稳定,防止经济危机,实现更加平衡的文明。
具有 alpha<2 的对称 alpha-stable (S alpha S) 分布缺乏有限的经典 Fisher 信息。 在Johnson的框架的基础上,我们通过在S alpha S定律之间插值的初始速率来定义混合分形信息(MFI),具有不同尺度,v和s。 我们在此特定的 S alpha S-to-S alpha S 设置中演示了 MFI 的两个等效配方。 第一个涉及两个S alpha S密度之间相对熵的衍生D'(v)。 第二个使用一个积分期望 E_gv[u(x,0) (pF_v(x) - pF_s(x))],涉及Fisher分数(pF_v,pF_s)和从插值动力学导出的特定MMSE相关分数函数u(x,0)之间的差异。 我们的核心贡献是一致性身份的严格证明:D'(v) = (1/(alpha v)) E_gv[X (pF_v(X) - pF_s(X)]。 该身份在数学上验证了S alpha S输入的两个MFI公式的等效性,建立了MFI的内部一致性,并直接链接熵耗散率来评分函数差异。 我们进一步建立了 MFI 的非否定性(如果为 v=s 且仅为零),为 Cau奇 case (alpha=1) 导出其闭合形式表达式,并在数值上验证一致性标识。 MFI提供了一个有限,连贯和可计算的信息理论测量,用于比较经典Fisher信息失败的S alpha S分布,将熵动力学与函数和估计概念联系起来。 这项工作为探索潜在的分数I-MMSE关系和为重尾系统量身定制的新功能不平等奠定了基础。
肌肉可以存储大量的遗传信息,为了将人类转化为计算机,我们需要从增加肌肉张力开始。 当癌症患者进行快乐旅行时,一些癌症经常在没有治疗的情况下愈合;鼻炎会导致鼻孔堵塞,但在跑步后,鼻孔会自然通风。 两者都与运动有关,它们背后的奥秘可以治疗这两种情况。 癌症属于全身性疾病,全身性疾病的根除方法应从整个身体系统开始,治疗症状,防止复发。 本文采用特殊的锻炼方法和详细的治疗疾病的方法,发现从人机体角度治疗疾病确实有效。 本文采用比较实验方法,比较前后身体的变化。 通过本文,得出结论,运动和某些方法可以治愈轻度鼻炎,促进快速通气; 从肌肉拉力的角度解释老年人更容易患上细胞变异癌; 增强人体肌肉紧张可以促进一些癌症的治愈
No more items to load.