XiaoMi-AI文件搜索系统
World File Search System五六十年代
无损检测用超声波传感器
无损检测性能要求的演变是由质量要求的发展决定的。因此，这些技术的发展历史 [1] 以检查目标的演变为标志：20 世纪 60 年代的“零缺陷”目标在 20 世纪 70 年代被检测“关键缺陷”的目标所取代，随后在 20 世纪 70 年代至 80 年代又被提高缺陷可检测性的目标所取代。应该指出的是，无损检测 (NDE) 一词就是为这种缺陷表征的演变而发展起来的。20 世纪 80 年代至 90 年代，目标是对易老化的系统和结构进行持续和改进的无损检测。20 世纪 90 年代至 21 世纪，出现了对大面积检查的需求，需要通过结构健康监测 (SHM) 持续监测某些结构的健康状况，同时降低检查和其他评估的成本。
海洋热收敛和北大西洋多年代热含量变异性深度学习模拟器对区域气候模型预测的可转让性和解释性：未来应用的观点
摘要：区域气候模型（RCM）是模拟和研究区域气候变化和变化的重要工具。但是，它们的高计算成本限制了区域气候预测的全面合奏，涵盖了各个地区的多种情况和驱动全球气候模型（GCM）。RCM模拟器基于深度学习模型最近被引入了一种具有成本效益且有希望的替代方案，仅需要简短的RCM模拟来训练模型。因此，评估其转移性到不同时期，场景和GCMS成为一个关键而复杂的任务，其中GCM和RCMS的固有偏见起着显着的作用。在这里，我们通过考虑文献中引入的两种不同的仿真方法的关注，并在这里分别称为完美预后（PP）和模型输出统计量（MOS），遵循良好建立的降水术语。除了标准评估技术外，我们还通过可解释的人工智能（XAI）的方法扩展了分析，以评估模型学到的经验联系的物理一致性。我们发现，两种方法都能够在不同的时期和场景（软传递性）中模仿RCM的某些气候特性，但是仿真函数的一致性在AP的范围之间有所不同。虽然PP学习了鲁棒且身体上有意义的模式，但MOS结果在某些情况下依赖于GCM，并且在某些情况下缺乏物理一致性。这限制了其适用于构建RCM结束的适用性。由于存在GCM依赖性偏差，将仿真函数转移到其他GCM（硬传递性）时都面临问题。我们通过为未来的申请提供前景来得出结论。
2024 年 10 月 马修·威尔金斯
数字化转型是现代经济中广泛使用的一个术语，但它已经以各种形式存在了很多年，甚至几十年了。追溯它的起源实际上就是要追溯到多久以前。是从 20 世纪 60 年代和 70 年代的大型机，到 20 世纪 80 年代和 90 年代个人电脑的广泛采用，这得益于微处理器和图形用户界面，使计算更便宜，更易于大众使用？这些早期的例子都与一个共同的主题有关——即利用技术提高任务的速度和简化程度。
人工智能热潮如何破灭 | 2024 年 2 月
在我最近的两篇专栏文章（2023 年 6 月和 2023 年 12 月）中，我追溯了人工智能 (AI) 作为智力品牌和计算机科学分支领域的历史，从 1955 年诞生到 1970 年代末。虽然我承认人工智能从 1960 年代中期开始受到高度质疑，但我认为 1970 年代是人工智能研究界稳步增长的时期。与普遍看法相反，1970 年代的“第一个人工智能寒冬”从未发生过。相比之下，1980 年代，以专家系统方法为中心的政府资助的人工智能泡沫迅速膨胀，泡沫破裂开启了真正的人工智能寒冬：长达二十年的低迷。我将在这里讲述这个故事，但首先我想谈谈人工智能的成熟在教科书和计算机科学课程中是如何体现的。
暖通空调行业的人工智能
与人工智能的发展同步，暖通空调系统在过去几十年中也取得了重大进步。暖通空调的历史可以分为几个关键阶段，每个阶段都由技术创新和不断变化的社会需求推动。• 自动化和控制（20 世纪 70 年代 - 90 年代）20 世纪 70 年代的石油危机激发了人们对能源效率的更大兴趣，从而推动了暖通空调技术的进步。电子控制装置的集成和可编程恒温器的发展使得室内温度和有人/无人时间的调节更加精确，从而降低了能耗。楼宇自动化系统 (BAS) 出现于 20 世纪 80 年代和 90 年代，实现了对暖通空调、照明和其他建筑系统的集中控制。这些系统通过优化暖通空调设备的性能，提高了运行效率和居住舒适度。
神经网络中的量化优势与局限性
● 1943 年 - Pitts 和 McCulloch 创建了基于人脑神经网络的计算机模型 ● 20 世纪 60 年代 - 反向传播模型基础 ● 20 世纪 70 年代 - AI 寒冬：无法兑现的承诺 ● 20 世纪 80 年代 - 卷积出现，LeNet 实现数字识别 ● 1988-90 年代 - 第二次 AI 寒冬：AI 的“直接”潜力被夸大。AI = 伪科学地位 ● 2000-2010 年 - 大数据引入，第一个大数据集 (ImageNet) ● 2010-2020 年 - 计算能力，GAN 出现 ● 现在 - 深度学习热潮。AI 无处不在，影响着新商业模式的创建