XiaoMi-AI文件搜索系统
World File Search System原型系统
增强远程控制：复杂研究...
数字电视的转变正在将电视机变成一种娱乐和信息供应设备，提供与观众的双向通信。然而，目前的遥控设备不适合浏览未来数字电视提供的大量服务和信息，大概也是一种访问互联网的设备。应对电视观众所需的复杂信息导航的一种可能性是增强目前电视可用的交互工具。本文研究了两种增强方法：将纸质电视指南与数字电视连接起来，并通过语音交互增强遥控器。增强纸质电视指南是一种基于将纸质电视指南集成到计算技术的未来研究方法。该解决方案提供了交互式纸质电视指南，它还可以用作电视的遥控器。开发了一个原型系统，并进行了探索性研究来研究这种方法。这些研究表明将纸质电视指南集成到电视机中的好处。它们还揭示了为家庭信息系统提供创新解决方案的潜力。将熟悉的物理制品（如纸和笔）集成到电视技术中，可以轻松访问通常由 PC 和互联网提供的信息服务。因此，电视所需的相同增强功能
制造系统杂志
近年来，Edge -Cloud协作制造系统已应用于CNC加工领域的准确数据跟踪和智能加工分析。但是，由于缺乏与过程数据相关的其他维标签，例如工作速度和速度，因此当前系统仍处于处理时间标签加工数据的水平。解决将实际的加工数据与其他维标签联系起来的问题，这可以实现设计和制造之间的更准确和智能的数据交互。本文提出了基于步骤NC的边缘 - 云协作制造系统，该系统可以交换由WorkStep标记的加工数据，提高数据可追溯性的准确性，并为更智能的处理分析奠定基础。尤其是，提出了一种动态任务交付和数据订阅的方法，以提高制造系统的双向数据流相互作用能力。在此基础上，提出了一种基于WorkStep的制造信息分割方法，这使得从耦合数据中对信息进行排序变得更加容易。此外，该系统与异质的CNC机床兼容以实现大规模的工业应用。最后，在位于COMAC的研讨会中安装了一个原型系统，并在CNC机床上进行了相应的实验，以用于COMAC零件制造，该实验验证了该方法的可行性。
在移动应用程序的自动 UI 本地化测试中使用 AI
科学文献中很少提到本地化测试，特别是在移动应用领域。本论文重点介绍了 iOS 移动应用自动本地化测试系统的实际实施。我在一家以移动和桌面应用为主要产品的国际公司担任软件工程师。每个应用都本地化为多种语言。测试每个用户界面 (UI) 是否按每种语言显示正确的内容是软件开发生命周期中最耗时的部分。由于测试的视觉性质，需要在具有各种操作系统和屏幕分辨率的不同设备上手动重复完成此操作。有效测试本地化应用对于质量工程师来说始终是一个挑战，因为他们不是语言专家。测试范围在某种程度上仅限于查找错误布局、重叠、未翻译的文本和错误表示的字符等错误。名为 NEAR 的原型系统是本论文的成果。它旨在自动执行 UI 本地化测试中的大多数任务。它集成了来自 Google 等服务提供商的经过预先训练的基于云的自然语言处理 (NLP) 和计算机视觉人工智能模型，为测试添加了视觉上下文。因此，运行回归测试所需的时间更少。测试范围现在包括查找需要语言技能的错误，例如误译、文本截断和语言环境违规。
![arXiv:2310.12419v2 [cs.CR] 2024 年 6 月 6 日](/simg/g:\will\search\icon\source\f\f0c960cb0da1202222e3b6f934d6ea05a542d293.png)
arXiv:2310.12419v2 [cs.CR] 2024 年 6 月 6 日
在本文中，我们提出了一种名为 AFLR UN 的新型定向模糊测试解决方案，其特点是目标路径多样性度量和无偏能量分配。首先，我们通过维护每个覆盖目标的额外原始地图来开发一种新的覆盖度量，以跟踪击中目标的种子的覆盖状态。这种方法可以将通过有趣路径击中目标的航点存储到语料库中，从而丰富每个目标的路径多样性。此外，我们提出了一种语料库级能量分配策略，确保每个目标的公平性。AFLR UN 从均匀的目标权重开始，并将该权重传播到种子以获得所需的种子权重分布。通过根据这种期望的分布为语料库中的每个种子分配能量，可以实现精确且无偏的能量分配。我们构建了一个原型系统，并使用标准基准和几个经过广泛模糊测试的真实应用程序评估了其性能。评估结果表明，AFLR UN 在漏洞检测方面的表现优于最先进的模糊测试器，无论是数量还是速度。此外，AFLR UN 在四个不同的程序中发现了 29 个以前未发现的漏洞，包括 8 个 CVE。
利用卷积干扰消除网络实现人工智能驱动的通用抗干扰解决方案
无线链路越来越多地用于提供关键服务，而故意干扰（干扰）仍然是此类服务的严重威胁。在本文中，我们关注的是通用抗干扰模块的设计和评估，该模块与通信链路的具体情况无关，因此可以与现有技术相结合。我们认为，这样的模块不需要显式探测、探测、训练序列、信道估计，甚至不需要发射机的配合。为了满足这些要求，我们提出了一种依赖于机器学习的进步以及神经加速器和软件定义无线电前景的方法。我们确定并解决了多个挑战，从而产生了卷积神经网络架构和多天线系统模型，以推断干扰的存在、干扰发射的数量及其各自的相位。这些信息被不断输入到消除干扰信号的算法中。我们开发了一个双天线原型系统，并使用软件定义无线电平台在各种环境设置和调制方案中评估我们的干扰消除方法。我们证明，配备我们方法的接收节点可以以超过 99% 的准确率检测干扰器，即使干扰器功率比合法信号高出近两个数量级 (18 dB)，也能实现低至 10 − 6 的误码率 (BER)，而且无需修改链路调制。在非对抗性环境中，我们的方法还可以具有其他优势，例如检测和缓解冲突。
使用 I 期肿瘤学试验的概念验证试点研究
本研究旨在利用自然语言处理 (NLP) 技术开发可解释的 AI 方法，将患者与 1 期肿瘤临床试验进行匹配，以应对患者招募方面的挑战，从而提高药物开发的效率。已经开发出一个基于现代 NLP 技术的原型系统，将患者记录与 1 期肿瘤临床试验方案进行匹配。匹配考虑了四个标准：癌症类型、体能状态、基因突变和可测量疾病。系统输出匹配分数摘要以及证据解释。根据领域专家在十二份合成虚拟患者记录和六个临床试验方案的数据集上提供的真实匹配结果，评估了 AI 系统的输出。该系统的精确度为 73.68%，灵敏度/召回率为 56%，准确率为 77.78%，特异性为 89.36%。对错误分类案例的进一步调查表明，缩写的歧义和对上下文的误解是导致错误的重要因素。系统发现所有假阳性病例都没有匹配的证据。据我们所知，目前公共领域中还没有系统采用可解释的基于人工智能的方法来识别 1 期肿瘤试验的最佳患者。这项针对 1 期肿瘤试验开发患者和临床试验匹配人工智能系统的初步尝试取得了令人鼓舞的结果，有望在不牺牲患者试验匹配质量的情况下提高效率。
VPI：车辆计算的车辆编程接口
摘要软件定义的车辆（SDV）的出现以及自动驾驶技术结合了车辆计算的新时代（VC），车辆是一个移动计算平台。然而，汽车系统和多种技术要求的跨歧视复杂性使得对机动车的发展应用具有挑战性。为了简化在SDV上运行的应用程序的开发，我们提出了一个全面的车辆编程接口（VPI）套件。在这项研究中，我们严格探讨了VC领域内的处理开发的细微要求，以我们对开放车辆数据分析平台（OpenVDAP）的建筑错综复杂的分析进行了分析。然后，我们详细介绍了一组全面的标准化VPI套件，涵盖了五个关键类别：硬件，数据，计算，服务和管理，以满足这些不断发展的程序要求。为了验证VPI的设计，我们使用室内自动驾驶汽车Zebra进行实验，并开发OpenVDAP原型系统。通过将其与行业影响的汽车界面进行比较，我们的VPI在编程效率方面表现出显着提高，这标志着SDV应用程序开发领域的重要进步。我们还展示了案例研究并评估其表现。我们的工作强调了VPI可显着提高开发VC应用程序的效率。他们满足了当前和未来的技术要求，并推动软件定义的汽车行业迈向更相互联系和聪明的未来。
采用混合增材制造系统制造螺旋桨叶片
摘要 混合增材制造 (Hybrid-AM) 描述了多操作或多功能的增材制造系统。在工业中，混合增材制造的应用趋势日益增长，这带来了改进制造新零件或混合零件的新方法的挑战。混合增材制造无需任何组装操作即可生产功能齐全的组件。在本研究中，混合增材制造系统意味着要设计一个物体，该物体部分由预制或现成的零件制成，并通过电弧增材制造 (WAAM) 工艺添加。为此，设计并构建了一个使用脉冲 TIG-Wire-Arc 技术的混合增材制造原型系统。构建的成型金属沉积 (SMD) 系统在 x、y 和 z 轴上有三个驱动器和一个额外的旋转驱动器（第四轴）。使用混合增材制造机器，可以将线状材料沉积在现有的原始轮廓上，即棒、管、轮廓或任何 3D 表面上，从而缩短生产时间。通过这种方式，可以将螺旋形特征或扭曲的叶片形状添加到圆柱形零件上。在本研究中，使用开发的混合 AM 原型机将不锈钢螺旋桨叶片沉积在管道上。使用非平面刀具路径沉积后续层，并使用 4 轴 CNC 加工完成螺旋桨叶片的表面。
基于人工智能的多维数据库技术
基于人工智能的多维数据库技术是一项新技术。该技术可以实现多模态数据（非结构化数据、半结构化数据、结构化数据）的分布式存储，同时还可以将数据以超立方体的形式存储，并对数据进行实时的多维分析和查询。传统的多维数据库直接从二维表中提取维度信息，没有考虑维度信息之间的关联性。因此，结合人工智能技术，可以实现多模态数据的关联分析，自动生成维度信息。具体而言，针对商业智能（BI）领域对多维数据高效分析、存储和处理的需求，开展基于人工智能的多维数据库技术应用研究，实现多领域异构数据的统一采集，高效、实时、自动标注、聚类，数据信息智能提取及语义关联，超立方体存储和在线分析OLAP、在线分析处理等。设计基于人工智能的多维数据库原型系统，满足海量数据智能分析处理需求。系统学习用户的查询行为模式和数据特征。通过内置机器学习算法构建立方体数据模型。持续进行模型优化，针对特定用户精准生成查询结果。通过分布式算法引擎、混合在线分析处理、分布式存储引擎等人工智能功能模块，整合多源异构数据资源，实现数据关联、智能学习、推理和预测，为管理决策端和业务运营端提供更加完善、可靠的预测决策服务。
赫尔曼·B
已完成： • 与 PromiSight, Inc 签订的行业合同 $37,191 “HydroLenz 颗粒的生产” 角色：PI（1% 努力） 2018 年 3 月 1 日 – 2022 年 6 月 30 日 项目摘要：该项目工作涉及使用 Buchi B-90 喷雾干燥机为 PromiSight, Inc 制造和表征 HydroLenz 颗粒。 • 路易斯维尔大学内部研究奖励补助金 $5,000 “辐射诱导的细胞外基质重塑” 角色：PI 2015 年 1 月 - 2015 年 12 月 项目摘要：细胞外基质 (ECM) 的特性已被证明会改变细胞功能和形态发生，这可能会加速退行性病理生理状况。该项目研究了成纤维细胞产生的 ECM 的辐射诱导变化，最终导致具有不同特性的重塑 ECM。 • NASA EPSCoR (NNX13AD33A) 675,000 美元 “针对暴露于辐射的人类的范式转换疗法” 角色：科学 PI（10% 的努力）2013 年 1 月 - 2016 年 12 月 项目摘要：该项目的主要目标是开发一个概念验证原型系统，通过优化精确设计的药物输送系统来减轻低和高 LET 辐射的影响，以最大限度地提高三种特定放射保护剂的系统输送。 • KY 空间资助联盟/肯塔基大学研究基金会