Loading...
机构名称:
¥ 1.0

学术任命 北卡罗莱纳州达拉斯大学法学院 法学副教授(终身教授):2020 年至今;法学助理教授:2014-2020 年 2015 年至今:民事诉讼 I 和 II、证据、证据实习和诉讼的高级专题 2014-15:民事诉讼 I 和 II 和法律研究与写作 北卡罗莱纳州理工大学法学院 法学客座助理教授 2013-14:法律实践 I 和 II 和专家证人研讨会 2013:电子取证客座讲师(夏季) 教育 哈佛法学院,法学硕士,2013 年 5 月 GPA:3.8571;法学硕士论文:《改善国际案件中个人管辖权和判决执行的平等性:帮助恢复《海牙判决公约》的国内提案》,获得“优等”成绩,网址:http://works.bepress.com/eric_porterfield/2)。贝勒大学法学院,法学博士,以最优等成绩毕业,2004 年 5 月 GPA:4.32(2002-2006 年毕业班 GPA 排名前 0.003%)《法律评论》:

埃里克·波特菲尔德

埃里克·波特菲尔德PDF文件第1页

埃里克·波特菲尔德PDF文件第2页

埃里克·波特菲尔德PDF文件第3页

埃里克·波特菲尔德PDF文件第4页

埃里克·波特菲尔德PDF文件第5页

相关文件推荐

2020 年
¥4.0
2024 年

致: 克拉斯·克诺特先生 巴勃罗·埃尔南德斯·德科斯先生 主席 金融稳定理事会 巴塞尔银行监管委员会主席 埃里克·泰登先生 让-保罗·塞维斯先生 候任主席 巴塞尔银行监管委员会主席 国际证监会组织 法比奥·帕内塔先生 卡迈恩·迪·诺亚先生 主席 金融和企业事务主任 支付和市场基础设施委员会 经济合作与发展组织 抄送: 约翰·辛德勒先生 尼尔·埃肖先生 秘书长 金融稳定理事会 巴塞尔银行监管委员会秘书长 塔金德·辛格先生 代理秘书长 秘书处负责人 国际证监会组织 支付和市场基础设施委员会 塔拉·赖斯女士欢迎二十国集团继续在人工智能领域发挥领导作用,经济合作与发展组织(“OECD”)、金融稳定理事会(“FSB”)、国际证监会组织(“IOSCO”)、巴塞尔银行监管委员会(“BCBS”)和支付与市场基础设施委员会(“CPMI”)在合作和协调评估人工智能对资本市场的影响方面所展现出的领导力。FSB和IOSCO最近发布了2024年最新工作计划,增加了对人工智能的关注。我们期待支持这些努力,并重视金融稳定参与小组(“FSEG”)在支持监管发展(包括监督)一致性方面可能发挥的作用,因为这项技术具有跨部门的固有性质。人工智能已在金融服务业使用多年,但由于生成人工智能(“GenAI”)和预测人工智能(“PredAI”)的进步,最近人们对人工智能的关注度有所提高。随着当局在 2024 年开始就这一主题开展新的工作,包括审查潜在的金融稳定风险影响,GFMA 希望分享行业对资本市场使用人工智能和监管方法的关键考虑因素的看法。金融服务业是最早和最突出的人工智能行业之一;它“已有数十年的历史,在金融服务领域有着长期的应用。”2 多年来,公司一直使用“传统”形式的人工智能和机器学习,因此根据其现有的监管规则,制定了治理流程来监督、管理和监控其人工智能的应用。

¥1.0
2021 年

用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响,从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据,它们正在提供前所未有的空间环境实时表征,包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步,但仅靠它们是不够的。为了优化任务规划,许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事,但最近随着 21 世纪人工智能 (AI) 技术的应用,大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型,并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期(0 到 60 分钟)、中期(1 小时到 3 小时)和长期(3 到 48 小时)。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下,多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度,卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后,组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据,因此,使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明,在几乎所有情况下,这些预测技术都优于持久性,而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点,将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是,云层可以部分或完全遮挡目标,并阻止或要求降低光通信系统的数据速率。但是,通过准确表征和预测大气影响,可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统,该系统可生成高分辨率的大气衰减预测,以支持太空激光和监视应用的决策辅助。为了实现这一目标,HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据,并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测:1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时;最长 2+ 小时;最长 48 小时。最长 1 小时;最长 2+ 小时;最长 48 小时。

¥1.0