Pragniemy ponownej oceny obecnych metodologii i podjęcia wyzwania, jakim jest stworzenie bardziej praktycznych metod porównań w domenie Rozumienia Dokumentów. Zbiór i metodologia DUDE ma na celu postawienie nowych wyzwań w zakresie zrozumienia Dokumentów Bogatych Wizualnie. Przedstawiamy zbiór danych z nowymi rodzajami pytań, odpowiedzi i układem dokumentów w oparciu o wielobranżowe, wielodomenowe i wielostronicowe Dokumenty Bogate Wizualnie o różnym pochodzeniu i dacie. Co więcej, przesuwamy granice obecnych metod, tworząc wielozadaniowe i wielodomenowe konfiguracje ewaluacji, które dokładniej symulują rzeczywiste sytuacje, w których pożądane są silne uogólnienia i adaptacje w warunkach niskich zasobów. DUDE ma na celu ustanowienie nowego standardu jako bardziej praktycznego, długotrwałego punktu odniesienia dla społeczności i mamy nadzieję, że doprowadzi to do przyszłych rozszerzeń i wkładu, które odpowiadają na wyzwania świata rzeczywistego. Na koniec nasza praca pokazuje, jak ważne jest znalezienie skuteczniejszych sposobów modelowania języka, obrazów i układu w Rozumieniu Dokumentów.

Obecność trudno rozkładalnych związków organicznych w ściekach stanowi globalny problem. Procesy pogłębionego utleniania, w tym proces Fentona, są alternatywnymi technologiami stosowanymi do oczyszczania ścieków i wody. Książka ta przedstawia podstawy teoretyczne procesu Fentona, omawia główne czynniki wpływające na skuteczność tej technologii, obejmuje aplikacje, obliczenia kinetyczne i termodynamiczne oraz prezentuje przegląd możliwości prowadzenia procesu w sposób heterokatalityczny. Pokazuje, że heterogeniczny proces Fentona prowadzony z zastosowaniem różnych związków żelaza, w tym nanocząstkek, jako nowatorskie kompleksowe rozwiązanie jest wysoce efektywny, przyjazny dla środowiska i może być odpowiedni do oczyszczania ścieków komunalnych oraz przemysłowych.

Tematyka:

• Szczegółowy opis heterogenicznego procesu Fentona i jego zastosowań
• Analiza zalet i wad różnych dostępnych katalizatorów oraz ich przydatności do konkretnych procesów
• Analiza ekonomiczna procesu Fentona w pakiecie gotowym do użycia dla praktyków przemysłowych, do adaptacji do już istniejących technologii przemysłowych
• Promocja nowoczesnego rozwiązania problemu degradacji niebezpiecznych związków poprzez ekologiczne i przyjazne dla środowiska procesy oraz zastosowanie katalizatora, który może być poddany recyklingowi
• Wyjaśnienie skomplikowanych danych w zrozumiały i przyjazny dla czytelnika sposób

Książka jest przeznaczona dla profesjonalistów, naukowców, studentów wyższych lat studiów licencjackich i magisterskich w dziedzinie inżynierii środowiska, nauki o materiałach, chemii oraz dla osób zajmujących się zarządzaniem ściekami.

Aktywne eksplorowanie wzrokowe rozwiązuje problem ograniczonych możliwości sensorów w rzeczywistych scenariuszach, gdzie kolejne obserwacje są aktywnie wybierane na podstawie otoczenia. Aby poradzić sobie z tym problemem, wprowadzamy nową technikę o nazwie Entropia Mapy Uwagi (AME). Wykorzystuje ona wewnętrzną niepewność modelu opartego na transformatorach do określenia najbardziej informatywnych obserwacji. W przeciwieństwie do istniejących rozwiązań, nie wymaga dodatkowych składników funkcji straty, co upraszcza proces treningu. Poprzez eksperymenty, które naśladują sensory podobne do siatkówki oka, pokazujemy, że taki uproszczony trening znacząco poprawia wyniki rekonstrukcji, segmentacji i klasyfikacji na dostępnych publicznie zbiorach danych.

W naszej pracy badamy naukę przykładową bez wzorców (CIL) z uczeniem ze zrozumienia (KD) jako strategię regularyzacji, mającą na celu zapobieżenie zapominaniu. Metody oparte na KD są skutecznie stosowane w CIL, ale często mają trudności z regularyzacją modelu bez dostępu do wzorców danych treningowych z poprzednich zadań. Nasza analiza wykazuje, że ten problem wynika z istotnych zmian reprezentacji w sieci nauczycielskiej podczas pracy z danymi spoza dystrybucji. Powoduje to duże błędy w składniku straty KD, prowadząc do pogorszenia wyników w CIL. Zainspirowani niedawnymi metodami adaptacji w czasie testowania, wprowadzamy Adaptację Nauczyciela (TA), metodę, która jednocześnie aktualizuje nauczyciela i główny model podczas treningu przyrostowego. Nasza metoda bezproblemowo integruje się z podejściami CIL opartymi na KD i pozwala na spójne poprawianie ich wyników na wielu testach CIL bez wzorców.

Tworzenie wiernych wizualizacji ludzkich twarzy wymaga uchwycenia zarówno ogólnych, jak i drobnych detali geometrii i wyglądu twarzy. Istniejące metody są albo oparte na danych, co wymaga obszernego zbioru danych, który nie jest publicznie dostępny dla społeczności badawczej, albo nie są w stanie uchwycić drobnych szczegółów, ponieważ opierają się na geometrycznych modelach twarzy, które nie mogą reprezentować szczegółowych detali tekstury za pomocą dyskretyzacji siatki i liniowej deformacji zaprojektowanej do modelowania tylko ogólnej geometrii twarzy. Przedstawiamy metodę, która łączy te dwie kwestie, czerpiąc inspirację z tradycyjnych technik grafiki komputerowej. Nieznane wyrazy twarzy są modelowane poprzez mieszanie wyglądu z ograniczonego zestawu skrajnych pozycji. Ten proces mieszania jest wykonywany poprzez pomiar lokalnych zmian objętościowych w tych wyrazach i lokalne odtwarzanie ich wyglądu, kiedy podobny wyraz jest wykonywany podczas testu. Pokazujemy, że nasza metoda uogólnia się na niewidziane wcześniej wyrażenia twarzy, dodając drobne szczegóły do gładkich deformacji wolumetrycznych twarzy, oraz demonstrujemy, jak może być stosowana także do innych obiektów niż twarze.

Głębokie sieci neuronowe (ang. Deep Neraul Networks, DNN) osiągają znakomite wyniki w różnych zastosowaniach. Pomimo licznych wysiłków środowiska badawczego, próbki spoza dystrybucji (ang. Out-of-Distribution OoD) pozostają istotnym ograniczeniem klasyfikatorów wykorzystujących DNN. Zdolność do identyfikowania nieznanych próbek jako nowych jest kluczowa w aplikacjach krytycznych dla bezpieczeństwa, takich jak samochody autonomiczne, bezzałogowe pojazdy powietrzne i roboty. Istniejące podejścia do wykrywania próbek spoza dystrybucji traktują DNN jako czarną skrzynkę i oceniają wyłącznie wynikową pewność predykcji modelu. Niestety, ta metoda często zawodzi, ponieważ DNN nie są trenowane, aby zmniejszać swoją pewność dla próbek spoza dystrybucji. W tej pracy przedstawiono nową metodę wykrywania próbek spoza dystrybucji. Nasza metoda jest motywowana analizą teoretyczną binarnych wzorców aktywacji neuronów (ang. Neuron Activation Patterns, NAP) w architekturach wykorzystujących funkcję aktywacji ReLU. Zaproponowana metoda nie wprowadza wysokiego obciążenia obliczeniowego ze względu na binarną reprezentację wzorców aktywacji wyodrębnionych z warstw konwolucyjnych sieci neuronowej. Przeprowadzone badania eksperymentalne pokazały jej wysoką skuteczność na różnych architekturach sieci neuronowych oraz siedmiu zbiorach testowych.

W tym artykule przedstawiamy nowatorskie podejście do pomiaru przewodności elektrycznej objętościowych próbek materiałów przewodzących. Metoda opiera się na otwartym rezonatorze Fabry-Pérot, działającym w konfiguracji ze zwierciadłem płaskim i wklęsłym. Ze względu na to, że w rezonatorze tego typu wzbudza się wiele rodzajów typu TEM0,0,q, proponowana metoda umożliwia pomiar właściwości próbki na wielu częstotliwościach w zakresie od 10 do 40 GHz, z odstępem około 1,5 GHz między kolejnymi punktami częstotliwości. W przeciwieństwie do innych metod, nie wymaga ona docinania próbki na określony kształt, pod warunkiem że jej średnica jest znacznie większa od szerokości wiązki fali propagującej się w rezonatorze, a jej grubość wielokrotnie przekracza głębokość wnikania fali elektromagnetycznej. Nasza metoda zapewnia również wysoką dokładność pomiaru, porównywalną do metod opartych na rezonatorach jednomodowych oraz lepszą niż szerokopasmowe metody transmisyjne znane w literaturze. Pokazujemy, że otwarty rezonator, dzięki swojej wysokiej dobroci (Q) sięgającej 135 000, może być skutecznie stosowany do pomiarów próbek materiałów o różnej przewodności elektrycznej, od około 10^3 S/m (np. laminaty na bazie włókien węglowych) do ok. 10^7 S/m (np. stopy aluminium, miedź). Wykorzystując nasze urządzenie pomiarowe, pokazujemy również interesujący efekt silnej częstotliwościowej zależności przewodności efektywnej dla stali nierdzewnej. Jest to zjawisko typowe dla materiałów magnetycznych i wynika z dużych wartości złożonej przenikalności takich próbek. Ważne jest podkreślenie, że dostępnej literaturze nie znaleziono podobnych metod pomiarowych.

Baterie aluminiowe z elektrolitami imidazolowymi stanowią obiecujący kierunek dla nowej generacji baterii. Krytycznym aspektem jest odwracalność anody z metalicznego aluminium, który jest utrudniony podczas ładowania-rozładowywania baterii z powodu odwracalnych/nieodwracalnych reakcji ubocznych po stronie anodowej i katodowej. Niezbędne jest zrozumienie mechanizmów roztwarzania-osadzania na interfejsie elektroda-elektrolit, co nie zostało jeszcze dobrze zbadane ze względu na złożoność różnych reakcji zachodzących na powierzchni anody aluminiowej. W niniejszej pracy połączono model fizyczny wysokiej wierności z teorią funkcjonału gęstości, aby wyjaśnić mechanizmy roztwarzania-osadzania, które zachodzą na powierzchni anody aluminiowej przy różnych gęstościach prądu. Na eksperymentalnie zweryfikowanym modelu fizycznym przeprowadzono analizę wrażliwości, wykorzystując model regresji metodą Gaussa oparty na algorytmach uczenia maszynowego, w celu zidentyfikowania najważniejszych parametrów dla mechanizmu roztwarzania-osadzania aluminium. Elektroosadzanie aluminium jest kontrolowane zarówno przez dyfuzję, jak i kinetykę, a przy wysokiej gęstości prądu jest ograniczone przez kinetykę reakcji elektrochemicznych. Praca ta podkreśla znaczenie łączenia modeli na różnych skalach, algorytmów uczenia maszynowego i eksperymentów w celu analizy zachowania złożonych systemów elektrochemicznych.

Tradycyjne podejście do modernizacji sieci wymienników ciepła (HEN) opiera się na technikach projektowych bazujących na technologii Pinch (PT). Podejście to zostało rozszerzone, aby uwzględnić minimalizację strat energii wynikających z rozprężania pary kondensatu. Autorzy zaproponowali nowe podejście do minimalizacji strat energii w układzie gospodarki cieplnej sprzężonym z elektrociepłownią, wykorzystując zjawisko przechładzania kondensatu. Dodatkowo, zastosowanie przechładzania kondensatu może przeciwdziałać wadom powszechnie stosowanego wielostopniowego rozprężania kondensatu, co zwiększa operacyjność oraz obniża koszty inwestycyjne i eksploatacyjne. Studium przypadku ilustruje przydatność usprawnionej gospodarki kondensatem jako środka modernizacyjnego HEN. Obiektem badania jest zakład produkujący eter tert-butylowo-metylowy (MTBE), przetwarzający 18 t/h izobutylenu i zużywający 4386 kW gorącego czynnika (pary) w HEN. Badanie maksymalnego możliwego odzysku ciepła przy użyciu PT wskazuje, że łączny odzysk ciepła z gorących strumieni procesowych i kondensatu może zostać zwiększony o 510 kW w porównaniu do stanu istniejącego. Jednocześnie możliwe jest wygenerowanie dodatkowej mocy 120 kW w elektrociepłowni, która dostarcza energię do zakładu MTBE. Uwzględniono wykorzystanie istniejących wymienników ciepła przy rekonfiguracji HEN. Zaprezentowano nowy schemat systemu pary i kondensatu.

Techniki ukrywania informacji są szeroko wykorzystywane przez cyberprzestępców przykładowo w celu uniknięcia wykrycia przez sieciowe mechanizmy obronne. W ostatnim czasie używane są w szczególności do tworzenia ukrytych kanałów, czyli pasożytniczych ścieżek komunikacyjnych w ruchu sieciowym i obiektach cyfrowych. Niestety, wykrywanie ukrytych kanałów lub ich całkowite wyeliminowanie nie jest proste, szczególnie gdy nośnikiem ukrytej informacji są protokoły sieciowe. Jest to spowodowany faktem, iż ujawnienie obecności tego typu danych zależy od kontekstu, a ich normalizacja może częściowo upośledzić przepływ ruchu sieciowego. W niniejszym artykule przeanalizowano standardy organizacji IETF (Internet Engineering Task Force) w celu oceny, czy ryzyka związane z obecnością ukrytych kanałów zostały uwzględnione już podczas fazy standaryzacji. W rezultacie ustalono, że podatność protokołów sieciowych na zagrożenie ukrytą komunikacją było uwzględniane jedynie okazjonalnie. Następnie przedstawiamy kilka wytycznych mających na celu poprawę standaryzacji nowych protokołów i usług, co pozwoli na tworzenie protokołów odpornych na ukrywanie informacji.

Cząsteczki MikroRNA (miRNA) są istotne w wielu procesach biologicznych, są także związane z występowaniem niektórych chorób u ludzi. W pracy proponujemy model uczenia maszynowego, który przewidywać powiązanie cząsteczki o danej sekwencji z chorobą. Pozwala to redukować liczbę eksperymentów w laboratorium biologicznym, które są kosztowne i długotrwałe.

Liczne, wcześniejsze eksperymenty biologiczne zidentyfikowały wiele rodzajów związków między miRNA a chorobami, ale istniejące inne metody obliczeniowe nie są w stanie przewidywać poprawnie takich powiązań dla cząsteczek miRNA. Nasz algorytm wykorzystuje nową architekturę sztucznej sieci neuronowej, opartą na grafach, nazywaną MSHGATMDA. Uwzględniliśmy znane z literatury związki miRNA - choroba dodając pięć grafów, zaś model znajduje podobieństwo do któregoś z tych grafów. Taka architektura, uzupełniona warstwami w pełni połączonymi, pozwala poprawnie przewidzieć wyniki nieznanych związków miRNA - choroba.

Nasz program dla analizy danych z bazy HMDD, zawierającej 5430 ludzkich miRNA, pokazał znaczną poprawę w stosunku do innych metod, uzyskując przy pięciokrotnej walidacji krzyżowej następujące średnie oceny: dokładność 0.8595, precyzję 0.8601, czułość 0.8596 i miarę F1=0.8595. Ponadto uzyskaliśmy wartość AUC ROC wynoszącą 0.934, jest to obecnie wartość przewyższająca wyniki z innych podejść. Dodatkowo potwierdzamy skuteczność MSHGATMDA w przewidywaniu nieznanych chorób poprzez studia przypadków.

Angiogeneza to proces tworzenia nowych naczyń krwionośnych w oparciu o pierwotny splot naczyniowy. Jej przebieg kontrolowany jest przez liczne czynniki stymulujące (pro-angiogenne) oraz hamujące (anty-angiogenne). Zaburzenia gospodarki czynnikami angiogennymi uczestniczą w procesach wzrostu i przerzutowania guzów nowotworowych. Obecnie, badania nad angiogenezą prowadzone są z wykorzystaniem dwuwymiarowych hodowli komórkowych oraz zwierząt. Badania te są niewystarczające. Obiecującą alternatywą wydają się być mikroukłady przepływowe, które umożliwiają analizę mechanizmów regulujących angiogenezę na poziomie molekularnym. Mikroukłady przepływowe potencjalnie  pozwolą na opracowanie nowych, bardziej skutecznych, docelowo spersonalizowanych metod leczenia. W niniejszym przeglądzie podsumowujemy dotychczasowe badania w dziedzinie mikroplatform typu "unaczyniony nowotwór na chipie". Omawiamy techniki waskularyzacji stosowane w mikrofluidyce, przedstawiamy różne podejścia aktywacji "angiogenezy na chipie" oraz opisujemy dotychczasowe próby odtworzenia unaczynionego mikrośrodowiska nowotworowego w warunkach mikroprzepływowych.