无人驾驶汽车（UAV）的使用提供了各种应用程序的许多优势。但是，安全保证是广泛使用的关键障碍，尤其是考虑到无人机所经历的不可预测的操作和环境因素，这些因素很难仅在设计时间内捕获。本文提出了一种称为SAFEDRONES的新可靠性建模方法，以通过实现无人机的运行时可靠性和风险评估来帮助解决此问题。它是可执行数字可靠身份（EDDI）概念的原型实例化，该概念旨在为多机器人系统的实时，数据驱动的可靠性保证创建基于模型的解决方案。通过提供实时可靠性估算，SAFEDRONES允许无人机以自适应方式相应地更新其任务。
translated by 谷歌翻译
交叉路口交叉代表了运输系统的瓶颈和连接的自动驾驶汽车（CAVS）可能是解决问题的开创性解决方案。这项工作提出了一个新颖的框架，即避免到期，其中相交经理（IM）控制着骑士接近交叉点，以最大程度地提高交叉路口的能力，同时最大程度地减少骑士的气体消耗。与文献中的大多数作品相反，骑士的位置不确定性被解释了，定期交流和重新优化允许为骑士创建安全的轨迹。为了提高高流量交叉点的可伸缩性，还开发了（避免事件）事件触发方法，以最小化计算和通信复杂性。避免事件将要求的重新挑选的数量减少92.2％，同时保留避免期间引入的大多数好处。
translated by 谷歌翻译
随着未经驾驶汽车（UAV）未经授权操作的数量正在上升，多功能反无人机系统的实施变得必要。在这项工作中，我们开发了一种基于无人机的反无人机系统，该系统采用算法来检测和跟踪无人机无人机，并与无线截距功能结合使用，共同堵塞了流氓无人机，同时为追捕者无人机实现自我定位。在拟议的系统中，软件定义的Radio（SDR）用于在障碍物传输和频谱清除功能之间进行切换，以分别实现所需的GPS破坏和自定位。广泛的现场实验证明了在各种参数设置下在现实世界环境中提出的解决方案的有效性。
translated by 谷歌翻译
元素是单细胞曲线的不相交和均匀的组，代表离散和高度颗粒细胞状态。现有的元算法倾向于仅使用一种模态来推断元素，即使单细胞多摩变数据集谱图在同一细胞内多个分子模态。在这里，我们提出\ textbf {c} ross-m \ textbf {o} dal \ textbf {e} mbedding for \ textbf {m} etacell标识（coem），它利用嵌入式空间，利用scatac-seq和scatac-seq和scatac-seq和SCRNA-SEQ执行聚合，平衡精细分辨率和足够的测序覆盖范围之间的权衡。COEM通过有效识别具有连续和离散细胞类型的数据集的准确且分离良好的元素来优于最先进的方法海科。此外，COEM显着改善了峰到基因的关联分析，并促进了复杂的基因调节推理任务。
translated by 谷歌翻译
我们研究了大规模实时乘车系统的优化，并提出了一种模块化设计方法，用于乘车共享的组件算法（CAR）。我们评估了一套多种汽车（总共14辆），重点是乘车共享的关键算法组件。我们采用一种多目标方法，评估了与全球效率，复杂性，乘客，驾驶员和平台激励措施有关的12个指标，以在各个方面非常类似于现实，重点介绍了能力二的工具。据我们所知，这是迄今为止最大，最全面的评估。我们（i）确定在全球，乘客，驾驶员或平台指标上表现良好的汽车，（ii）证明，轻巧的搬迁计划可以显着提高服务质量高达$ 50 \％\％$，并且（iii）强调了一种实用的，一种实用的，在所有指标中都能很好地运行，可扩展的启动汽车。
translated by 谷歌翻译