2023 - 05 - 05 - t02:45:36z eprint https://repository.www.guaguababy.com/images/sitelogo.png https://repository.www.guaguababy.com/ 2022 - 08 - 23 - t09:03:17z 2022 - 08 - 23 - t09:03:17z https://repository.www.guaguababy.com/id/eprint/2062 该项目位于存储库中，URL为:https://repository.www.guaguababy.com/id/eprint/2062 2022 - 08 - 23 - t09:03:17z

头部轮廓和姿势的快速估计在许多学科中都有应用，例如，它可以用于睡眠呼吸暂停筛查和正畸检查，或者可以支持合适的物理治疗方案。因此，本文将重点研究有效准确地估计头部轮廓和姿势的方法，并开发和评估可以实现这一目标的数据集、特征和深度学习模型。因此，本文初步研究了轮廓曲线的特性，这些特性可以作为训练机器学习模型的有效特征。基于曲率和一阶、二阶高斯导数的特征进行了评估。这些优于文献中用于训练长短期记忆递归神经网络的既定特征，并且在需要对采样数据集进行预过滤的情况下，在执行时间上产生了显着的加速。在此基础上，生成了新的头部轮廓轮廓数据集，并对其进行了人体测量颅面标记，提出了一种基于平面曲线曲率的自动提高标记位置精度的新方法。本文识别的特征是从新的头部轮廓数据集中提取出来的，并用于训练长短期循环神经网络。与未处理的轮廓特征相比，使用高斯导数特征的最佳网络的准确率为91%，宏观F1得分为91%，分别提高了51%和71%。当使用高斯导数特征时，网络能够准确地回归地标，平均绝对误差范围为0 ~ 5.3像素，标准差范围为0 ~ 6.9。还研究了端到端机器学习方法，其中深度神经网络从原始输入数据中学习最佳特征。 Such an approach, using a one-dimensional temporal convolutional network was able to match previous classifiers in terms of accuracy and macro F1 score, and showed comparable regression abilities. However, this was at the expense of increased training times and increased inference times. This network was an order of magnitude slower when classifying and regressing contours.

戈登可谓 2021 - 09 - 17 - t09:20:33z 2022 - 12 - 09 - t10:45:53z https://repository.www.guaguababy.com/id/eprint/1780 该项目位于存储库中，URL为:https://repository.www.guaguababy.com/id/eprint/1780 2021 - 09 - 17 - t09:20:33z

这项工作展示了微型企业如何利用数值技术来提供更好的产品。这是通过学习有限元分析(FEA)的课程来证明的，这些课程是从其他行业学习到的，并将其应用于开发风筝冲浪板的案例研究中。这项工作讨论了这是否可能，这样做的好处，以及如何以这种方式开发产品。本研究中使用的复合材料的材料特性是通过与振动测试的相关性建立的，然后通过超声波测试技术进行验证，然后将这些特性输入到随后在案例研究中使用的数值技术中。数值技术显示了一个产品应该如何制造，使它具有最初在这项工作中建立的理想的机械响应。然后，它继续展示了典型的董事会在这种环境下的行为，并显示了提议的产品适合目的。为了验证所提出的方法，所讨论的物理产品的比例表示被制造和测试。一个任意放置的风筝冲浪板的代表被制造和测试。采用提出的设计方法开发和制造具有相同结构特征的替代板。使用建议的设计方法开发的板被证明是更有效的，同时在有限元模型和物理部件中保持理想的结构特征。 However, the cost of the hardware and the software required may currently be prohibitive for Mirco-Enterprises to apply to structural orthotropic composite materials.

开尔文湖 2017 - 12 - 21 - t09:27:41z 2022 - 12 - 09 - t10:11:08z https://repository.www.guaguababy.com/id/eprint/816 该项目位于存储库中，URL为:https://repository.www.guaguababy.com/id/eprint/816 2017 - 12 - 21 - t09:27:41z

本研究的核心目标是提出一种新的移动自组织网络路由协议“ANTMANET”。提出的协议旨在减少在manet中由节点移动带来的网络开销和延迟。在该协议中嵌入了两种技术，“Local Zone”技术和“North Neighbour”表。它们利用节点可以通过任何方式获取其位置信息的特点，减少路由发现阶段的网络开销，减小路由表的大小，保证更快的收敛速度。ANTMANET是一种基于蚁群优化(ACO)的混合路由协议。ACO是一种群智能(Swarm Intelligence, SI)路由算法，与其他分布式路由算法(如Link State和Distance Vector)相比，它以其高质量的性能而闻名。ANTMANET已经在各种场景中针对ACO路由协议ANTHOCNET和一些标准路由协议进行了基准测试，包括Ad-Hoc按需距离矢量(AODV)、Landmark Ad-Hoc路由(LANMAR)和动态按需MANET (DYMO)。性能指标，如开销，端到端延迟，吞吐量和抖动被用来评估ANTMANET性能。实验采用QualNet模拟器进行。进行了基准测试，以评估ANTMANET网络与ANTHOCNET网络的性能，两种协议都以AODV作为已建立的MANET协议进行基准测试。 ANTMANET has demonstrated a notable performance edge when the core algorithm has been optimised using the novel adaptation method that is proposed in this thesis. Based on the simulation results, the proposed protocol has shown 5% less End-to-End delay than ANTHOCNET. In regard to network overhead, the proposed protocol has shown 20% less overhead than ANTHOCNET. In terms of comparative throughputs ANTMANET in its finest performance has delivered 25% more packets than ANTHOCNET. The overall validation results indicate that the proposed protocol was successful in reducing the network overhead and delay in high and low mobility speeds when compared with the AODV, DMO and LANMAR protocols. ANTMANET achieved at least a 45% less delay than AODV, 60% less delay than DYMO and 55% less delay than LANMAR. In terms of throughputs; ANTMANET in its best performance has delivered 35% more packets than AODV, 40% more than DYMO and 45% more than LANMAR. With respect to the network overhead results, ANTMANET has illustrated 65% less overhead than AODV, 70% less than DYMO and 60 % less than LANMAR. Regarding the Jitter, ANTMANET at its best has shown 60% less jitter than AODV, 55% jitter less than DYMO and 50% less jitter than LANMAR.

Mabrouka S. Abuhmida