XiaoMi-AI文件搜索系统
World File Search System于云
研究文章 新西兰国家糖尿病筛查计划中人工智能的实施：基于云、强大且定制化
卷积神经网络 (CNN) 已成为医疗分类任务中 AI 实现的一种重要方法。糖尿病视网膜病变 (DR) 分级一直是眼科 AI 发展的最前沿。然而，将这些 CNN 推广到现实世界的 DR 筛查程序中仍然存在重大障碍。我们认为这些困难是由于使用了 1) 小型训练数据集（<5,000 张图像）、2) 私有和“精选”存储库、3) 本地实施的 CNN 实现方法，而 4) 依赖测量的曲线下面积 (AUC) 作为衡量 CNN 性能的唯一标准。为了解决这些问题，公共 EyePACS Kaggle 糖尿病视网膜病变数据集被上传到 Microsoft Azure™ 云平台。训练了两个 CNN；1 个“质量保证”，2. 一个“分类器”。随后，在“质量评估”CNN 模型创建的“非精选”和“精选”测试集上测试糖尿病视网膜病变分类器 CNN (DRCNN) 的性能。最后，使用两种后训练技术提高了 DRCNN 的灵敏度。我们的 DRCNN 被证明是稳健的，因为它在“精选”和“非精选”测试集上的表现相似。实施“级联阈值”和“最大边际”技术显著提高了 DRCNN 的灵敏度，同时也提高了其他等级的特异性。
物流是否正处于云和新兴技术采用的转折点？
调查还询问了未来 12 个月物流运营的优先事项（见图 7）。首要任务显然是降低成本，其次是提高空间利用率、优化库存和业务流程/工作流效率。这种对运营优先事项的“展望”与受访者目前面临的主要障碍非常相似（见图 3）。有趣的是，对于这两个问题，受访者都表示有兴趣改进工作流、数据分析、沟通、协作和规划等领域，所有这些都是运输管理系统 (TMS)、仓库管理系统 (WMS) 和全球贸易管理 (GTM) 软件解决方案的功能。
基于云的控制的安全多方计算
摘要在本章中，我们将考虑到数据的动力学性质引入的挑战，探索从（可能分布式）系统的加密测量中对控制器进行云的隐私计算。这项工作中使用的隐私概念是密码多方隐私的概念，即，功能的计算不应透露任何内容，而不是仅从功能的输入和输出中推断出的内容。用于此目标的主要理论概念是同态加密，它允许评估加密数据上的总和和产品，当与其他密码学技术（例如秘密共享）结合使用时，会产生一种强大的工具，可解决一个强大的工具，以解决广泛的安全多方问题。我们将严格定义这些概念，并讨论如何在实施模型预测控制器时执行多方隐私，该模型预测控制器包括通过在加密数据上解决优化问题来稳定控制控制动作。