自然语言处理（NLP）是人工智能（AI）和计算语言学的一个领域，其中自然语言由计算机处理。数据的增加和应用领域的增加使这一主题的努力迅速变得重要。近年来，NLP在扩大技术和社会科学中的技术应用方面发挥了突出作用。将技术发展带入法律领域并致力于在法律中使用人工智能非常重要。关于法律文本的NLP研究是相当新的，并且越来越受到关注。许多国家已经开始开发针对本国语言和法律制度的技术。显然，我国需要采取类似的国家步骤。在该项目中，通过确定土耳其法律体系中可以通过NLP方法处理的结构特征，开发了为土耳其法律体系设计的原创和开创性的NLP基础设施和技术。

CONVERSER项目汇集了巴勒斯坦的学术专长和土耳其的工业专长，开发了一个具有巨大商业潜力的现实应用程序。它将比尔宰特大学阿拉伯语NLP研究的进步与SESTEK在人工智能和语音处理方面的创新相结合。特别是在构建一个更高效、更高质量的能够理解阿拉伯语的对话式人工智能方面。通过这种方式，创建了一种高效、高质量的阿拉伯语会话人工智能，这是商业和科学领域的需求。CONVERSER项目专注于以阿拉伯语为中心的自然语言理解、语音识别和文本转语音技术的研究、分析、开发和集成活动，以设计一种新型的会话式人工智能产品。在语音处理活动中，该团队受益于端到端系统和基于深度神经网络的语言模型。在自然语言理解方面，该团队专注于句子中阿拉伯语单词的形态分析，预测句子中给定引理（阿拉伯语单词）的候选同义词，以及自动提取人名、组织、数量和货币值等命名实体。此外，该系统能够理解阿拉伯语方言，集中了黎凡特阿拉伯语。

公司开发出了专有的基于液态金属的喷墨打印技术，可以实现大尺寸金属部件的定制化制造，而且比在此之前的所有技术都更加经济和高效，足以推动金属3D打印技术进入主流制造领域。公司获得专利的纳米金属射流技术利用纳米粒子来创建特殊的液态金属，从而可以快速打印出金属部件，该技术将金属3D打印的速度和打印量都提升了一个台阶，并且可以实现无与伦比的精度和表面光洁度，另外操作也非常简单、安全。这项技术可用于定制医疗设备，比如钛合金膝盖，可以现场打印，或者是钢或铝材料的汽车零部件等。

这项工作的重点是开发基于人工智能（AI）的解决方案，用于诊断罕见的皮肤病。我们的项目得到了土耳其科学技术研究委员会 (TÜBİTAK) 的支持。该研究的目的是利用人工智能和深度学习技术生成逼真、多样化的皮肤病图像，以改善罕见皮肤病的诊断过程。许多深度学习算法，特别是 Auto-GANderm 模型，都是使用基于 GAN（生成对抗网络）的数据增强方法开发出来的。这些算法显著提高了皮肤病学图像分类性能。研究结果表明，所采用的基于 GAN 的数据增强方法优于传统方法。通过 Kullback-Leibler 散度和 Fréchet Onset Distance 等测量，成功评估了生成的图像与真实图像的相似性和多样性。这项研究展示了人工智能和GAN技术在罕见皮肤病诊断中的潜力。

白俄罗斯国家科学院“多功能无人系统科学与生产中心”制造无人机系统“UAS EM”，用于详细监测地形和物体，包括茂密的森林植被，通过树冠，从无人机跟踪移动和静止物体，并通过无线电信道将接收到的信息传输到地面控制站（GCS）和其他远程消费者，以接近实时的时间尺度工作。

无人机系统“UAS EM”配备了组合式陀螺稳定视频、照片、红外摄像机和其他目标负载，可以在白天和黑暗中以 0 至 40 公里/小时的行驶速度和最大 50 公里的距离进行详细监控。综合体的组成：* 基于飞艇的无人机；* 控制站；*备件套件；* 技术保障手段；* 接收-发射设备模块；* 标准有效载荷套件（陀螺稳定视频、照片、红外或多光谱摄像机或组合式电视和红外模块）。

白俄罗斯国家科学院“多功能无人系统科学与生产中心”制造弹射器，用于将无人机 (UAV) 加速到安全起飞速度，同时确保加速段中所需的迎角和无人机运动稳定性。

弹射器具有以下可能性：

* 确保方便地执行所有强制性的飞行前准备操作；

* 将无人机可靠地保持在起始空间位置；

* 在发射时释放无人机；

* 将无人机加速到安全起飞速度，同时在加速段中提供所需的迎角和无人机运动稳定性；

* 加速后，将发射器的结构元件与无人机可靠且快速地分离。

在这个项目中，研究了机器人自发发现和学习抽象概念、符号和规则，从而使机器人能够进行复杂的推理。我们的项目是在一个实验装置中进行的，其中一个手臂机器人与桌子上的各种物体（如盒子、杯子和球）进行交互，并且可以通过提供颜色和深度感知的摄像头以及手腕上的力反馈传感器观察它在环境中的动作所产生的效果。他正在研究能够使用物体符号（例如可卷和可推）、关系符号（例如大和长）以及将这些符号与动作和动作效果关联起来的概率规则进行抽象推理的机器人，这是他在具有端到端训练的人工神经网络的模拟环境中发现的。通过将概率规则自动转移到能够表达环境、动作和感知中的噪声和不确定性的概率规划空间描述语言，目的和实现机器人使用标准概率人工智能规划器自动找到给定任务所需的动作序列。在我们的项目中，首先发现了半符号表示，并且结果表明使用这些表示可以更快地进行学习。然后，提出了一种基于编码器-解码器的新型人工神经网络，该神经网络由具有离散激活的瓶颈层组成，在单目标环境中以目标图像和动作作为输入并估计对目标的影响，并找到了代表目标的符号和由此产生的影响。

在过去的十年里，人们对空中机器人或无人机的兴趣和研究有了相当大的增长。除了最近消费类无人机的普及外，这种机器人还支持服务人员，特别是在高风险场景中，因为它们能够飞到危险或难以到达的地方。为了完全有效，空中机器人需要易于运输和快速部署。简化无人机运输的一种直接方法是减小其尺寸，但这会降低其有效载荷能力。作为对此的回应，有人建议可折叠结构能够包装运输，同时快速部署以供操作。目前的设计利用可折叠梁或可拆卸附件进行存储。这意味着操作员必须在部署前手动配置机器人，这通常无法扩展到多个单元。为此，设计了具有自展开结构的机器人，以实现自动部署。该技术利用了一种基于可折叠折纸的新兴技术，以优化有效载荷能力和部署效率。目前的原型由一个口袋大小的可折叠方形车组成，可以在使用前自行展开，也可以手动包装以便于运输。

当前的控制界面依赖于操作员和机器人动作之间的映射，机器人的远程操作可能具有挑战性。本发明依赖于一种可穿戴遥控器，该遥控器学习用户想要如何控制远端机器人。本发明为真实和模拟机器人提供了一种直观的、基于手势的控制界面，在学习时间和转向能力方面优于标准操纵杆。

SPAD广泛应用于激光雷达、光学断层扫描和光纤通信等领域，但它们检测近红外光子的能力受到低光子检测概率和高过偏压要求的阻碍。所提出的设计引入了由p阱层和高压n阱层形成的n-p-n-p结轮廓。这种结构创造了一个宽度至少为1µm的宽耗尽区，能够有效吸收近红外光子。它还包含两个不同的倍增区，掺杂浓度和深度经过优化，以保持一致的电场强度。