XiaoMi-AI文件搜索系统
World File Search System原型
基于原型的神经网络，用于图像异常检测和定位
图像异常检测和定位不仅执行图像水平异常分类，还可以定位像素级异常区域。最近，由于其在各个领域的广泛应用，因此受到了很多研究的关注。本文提出了原型，这是一种基于原型的神经网络，用于图像异常检测和定位。首先，普通图像的贴片特征是通过对自然图像预先训练的深网进行提取的。然后，通过非参数聚类来学习北斑特征的原型。最后，我们通过将特征提取网络附加到具有L 2特征正常ization，1×1卷积层，通道最大 - 功能和减法操作的特征提取网络来构建图像异常定位网络（PITOAD）。我们将原型用作1×1卷积层的内核；因此，我们的神经网络不需要训练阶段，并且可以以端到端的方式进行异常检测和定位。对两个挑战的工业异常检测数据集MVTEC AD和BTAD进行了广泛的实验，这表明，原始AD达到了具有较高推理速度的最先进方法的竞争性能。源代码可在以下网址获得：https：//github.com/98chao/protoad。
探索生成AI在原型XR应用中的潜力
涵盖虚拟现实（VR），增强现实（AR）和混合现实（MR）[1]的扩展现实（XR）的领域，近年来已经显着上升，尤其是在引入诸如Apple Vision Pro [2]和Meta Quest 3 [3]之类的现代耳机的引入中。这些设备使XR更容易获得，并为各种领域的身临其境的体验开辟了新的可能性，包括游戏，教育，医疗保健等。但是，XR应用程序的开发仍然很复杂且具有挑战性。创建沉浸式和互动体验需要技术专业知识，这是一个耗时的过程。鉴于所涉及的复杂性，原型制作在缓解这些挑战方面起着至关重要的作用。原型制作使开发人员可以快速迭代设计概念，并在开发周期的早期收集用户反馈[4]。这个迭代过程不仅有助于完善设计，而且还减少了与XR应用程序开发相关的总体工作和成本。通过原型XR应用程序，设计师和开发人员可以更好地了解用户体验，确定潜在问题并做出明智的决策，最终导致更加抛光和成功的XR体验。我们目睹了生成人工智能的利用率显着上升，尤其是在引入大语言模型[5]（例如Chatgpt [6]）之后。今天，有各种生成的AI模型可以合成新文本[6,7,8]，图像[9，10]，音乐[11]甚至视频[12]。此功能已导致
西南先进原型中心 (SWAP Hub)
除了这些核心成员外，该中心的合作伙伴还涵盖半导体制造的价值链，包括台积电、英特尔和微芯片等大型跨国半导体公司；Synopsis、西门子和 Cadence 等电子设计自动化 (EDA) 公司；以及 BAE Systems、诺斯罗普·格鲁曼和洛克希德·马丁等系统集成商。为了支持学术研究和劳动力发展活动，除了 ASU 之外，该中心的合作伙伴还包括亚利桑那大学、北亚利桑那大学、加州大学圣巴巴拉分校、密歇根大学和德克萨斯大学奥斯汀分校。
音乐家的生成AI：设计智能乐器的小数据原型
https://www.theguardian.com/music/2023/sep/08/ai-music-bigsound-brisbane-brisbane-brisbane-ai-dj-spotify-beatles [4] rebecca fiebrink，dan trueman和perry r cook。 2009。 用于交互式机器学习的元启动。 在国际音乐表达新界面会议论文集（Nime '09）。 匹兹堡，美国宾夕法尼亚州，280-285。 http://www.nime.org/proceedings/2009/ nime2009_280.pdf [5] shulei ji，Xinyu Yang和Jing Luo。 2023。 符号音乐生成深度学习的调查：表示，算法，评估和挑战。 ACM计算。 幸存。 56，1（2023）。 https://doi.org/10.1145/3597493 [6]ThéoJourdan和Baptiste Caramiaux。 2023。 音乐表达的机器学习：系统文献综述。 在国际音乐表达界面国际会议上。 13页。 http://nime.org/proceedings/2023/nime2023_46.pdf [7] Marc Leman，Pieter-Jan Maes，Luc Nijs和Edith Van Dyck。 2018。 什么是体现的音乐认知？ 在Springer系统音乐学手册中，Rolf Bader（编辑）。 施普林格柏林海德堡，柏林，海德堡，747–760。 https://doi.org/10.1007/978-3-662-55004-5_34 [8] George E. Lewis。 2000。 太多的注释：“ Voyager”中的计算机，复杂性和文化。 Leonardo Music Journal 10（2000），33-39。 https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。 2019。 260–265。 2023。 2003。https://www.theguardian.com/music/2023/sep/08/ai-music-bigsound-brisbane-brisbane-brisbane-ai-dj-spotify-beatles [4] rebecca fiebrink，dan trueman和perry r cook。2009。用于交互式机器学习的元启动。在国际音乐表达新界面会议论文集（Nime '09）。匹兹堡，美国宾夕法尼亚州，280-285。http://www.nime.org/proceedings/2009/ nime2009_280.pdf [5] shulei ji，Xinyu Yang和Jing Luo。2023。符号音乐生成深度学习的调查：表示，算法，评估和挑战。ACM计算。 幸存。 56，1（2023）。 https://doi.org/10.1145/3597493 [6]ThéoJourdan和Baptiste Caramiaux。 2023。 音乐表达的机器学习：系统文献综述。 在国际音乐表达界面国际会议上。 13页。 http://nime.org/proceedings/2023/nime2023_46.pdf [7] Marc Leman，Pieter-Jan Maes，Luc Nijs和Edith Van Dyck。 2018。 什么是体现的音乐认知？ 在Springer系统音乐学手册中，Rolf Bader（编辑）。 施普林格柏林海德堡，柏林，海德堡，747–760。 https://doi.org/10.1007/978-3-662-55004-5_34 [8] George E. Lewis。 2000。 太多的注释：“ Voyager”中的计算机，复杂性和文化。 Leonardo Music Journal 10（2000），33-39。 https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。 2019。 260–265。 2023。 2003。ACM计算。幸存。56，1（2023）。https://doi.org/10.1145/3597493 [6]ThéoJourdan和Baptiste Caramiaux。 2023。 音乐表达的机器学习：系统文献综述。 在国际音乐表达界面国际会议上。 13页。 http://nime.org/proceedings/2023/nime2023_46.pdf [7] Marc Leman，Pieter-Jan Maes，Luc Nijs和Edith Van Dyck。 2018。 什么是体现的音乐认知？ 在Springer系统音乐学手册中，Rolf Bader（编辑）。 施普林格柏林海德堡，柏林，海德堡，747–760。 https://doi.org/10.1007/978-3-662-55004-5_34 [8] George E. Lewis。 2000。 太多的注释：“ Voyager”中的计算机，复杂性和文化。 Leonardo Music Journal 10（2000），33-39。 https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。 2019。 260–265。 2023。 2003。https://doi.org/10.1145/3597493 [6]ThéoJourdan和Baptiste Caramiaux。2023。音乐表达的机器学习：系统文献综述。在国际音乐表达界面国际会议上。13页。http://nime.org/proceedings/2023/nime2023_46.pdf [7] Marc Leman，Pieter-Jan Maes，Luc Nijs和Edith Van Dyck。2018。什么是体现的音乐认知？在Springer系统音乐学手册中，Rolf Bader（编辑）。施普林格柏林海德堡，柏林，海德堡，747–760。https://doi.org/10.1007/978-3-662-55004-5_34 [8] George E. Lewis。 2000。 太多的注释：“ Voyager”中的计算机，复杂性和文化。 Leonardo Music Journal 10（2000），33-39。 https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。 2019。 260–265。 2023。 2003。https://doi.org/10.1007/978-3-662-55004-5_34 [8] George E. Lewis。2000。太多的注释：“ Voyager”中的计算机，复杂性和文化。Leonardo Music Journal 10（2000），33-39。 https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。 2019。 260–265。 2023。 2003。Leonardo Music Journal 10（2000），33-39。https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。2019。260–265。2023。2003。具有混合密度复发神经网络的交互式音乐预测系统。在国际音乐表达界面国际会议上。https://doi.org/10.5281/Zenodo.3672952 [10] Blake Montgomery。 音乐出版商Sue Amazon Basked AI Company to Song歌词。 监护人（2023年10月）。 https：//www.theguardian。 com/technology/2023/oct/19/Music Lawsuit-ai-song-lyrics-homhthrocs [11]françoispachet。 连续器：与风格的音乐互动。 新音乐研究杂志32，3（2003），333–341。 https://doi.org/10。 1076/jnmr.32.3.333.16861 [12] Teresa Pelinski，Rodrigo Diaz，AdánL。Benito Temprano和Andrew McPherson。 2023。 管道用于录制数据集和在Bela嵌入硬件平台上运行神经网络。 在国际音乐表达界面国际会议上。https://doi.org/10.5281/Zenodo.3672952 [10] Blake Montgomery。音乐出版商Sue Amazon Basked AI Company to Song歌词。监护人（2023年10月）。https：//www.theguardian。com/technology/2023/oct/19/Music Lawsuit-ai-song-lyrics-homhthrocs [11]françoispachet。连续器：与风格的音乐互动。新音乐研究杂志32，3（2003），333–341。https://doi.org/10。 1076/jnmr.32.3.333.16861 [12] Teresa Pelinski，Rodrigo Diaz，AdánL。Benito Temprano和Andrew McPherson。 2023。 管道用于录制数据集和在Bela嵌入硬件平台上运行神经网络。 在国际音乐表达界面国际会议上。https://doi.org/10。1076/jnmr.32.3.333.16861 [12] Teresa Pelinski，Rodrigo Diaz，AdánL。Benito Temprano和Andrew McPherson。2023。管道用于录制数据集和在Bela嵌入硬件平台上运行神经网络。在国际音乐表达界面国际会议上。
咨询报告：香港绿色分类框架原型
香港金融管理局（金管局）委托气候债券倡议组织（气候债券）制定绿色分类框架，供本地市场采用。2023 年 5 月，我们发表了一份题为“香港绿色分类框架原型”的讨论文件。该文件除了概述我们对制定本地绿色分类框架的想法，包括背景、潜在好处和核心原则外，还提出了原型框架的结构和核心要素。根据该文件，我们进行了一次市场咨询，以收集持份者对该框架的开发和应用的反馈。金融业参与者、行业协会、学术界、智库和非政府组织 (NGO) 等一系列持份者均受邀参加咨询和相关的外展会议。
高级反应堆原型部署的环境合规路线图
作为电力系统发电设施的一部分操作，或以任何其他方式操作，目的是证明适用于这种反应堆的商业应用。•如果所需的DOE网站完成了一个选址或编程EIS分析高级反应堆部署
基于体外转录的糖基酸性生物传感，用于复杂酶cascade的原型
。cc-by-nc-nd 4.0国际许可证未通过同行评审获得证明）是作者/资助者，他已授予Biorxiv授予Biorxiv的许可，以永久显示预印本。它是此预印本的版权持有人（该版本发布于2024年4月26日。; https：//doi.org/10.1101/2024.04.26.591264 doi：biorxiv Preprint
抑制4'-Cyano修饰的核苷酸类似物对原型呼吸道RNA病毒的不同RNA聚合酶的机制和光谱
未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本的版权持有人（此版本发布于2024年4月23日。; https：//doi.org/10.1101/2024.24.22.590607 doi：biorxiv Preprint
基于 LoRa 通信的鸡蛋孵化器温度监测与控制原型
摘要 家禽业在生产雏鸡 (DOC) 时遇到问题。家禽业通常使用孵化器生产 DOC。孵化器必须具有高精度的机器内部环境温度读取能力。孵化器内部的温度环境需要保持在 36°C - 40°C 范围内。另一方面，孵化场和鸡舍通常不在一个地方。家禽业需要应用技术来解决这个问题。这个问题可以通过使用物联网来解决。但是物联网的成本非常高。本研究旨在利用低成本通信技术实现对孵化器原型内部温度的监测和控制。研究结果表明，当读取的温度分别为 36°C、37°C、38°C、39°C 和 40°C 时，控制系统可以将孵化器原型温度保持在最佳范围内，精度分别为 99.63%、99.83%、99.97%、99.64% 和 99.37%。本研究实施了用于监测系统的长距离 (LoRa) 技术。与物联网技术不同，点对点 LoRa 通信不需要付费即可进行通信，但仍可提供广域通信。根据研究结果，点对点 LoRa 通信在 50m、100m、150m、200m、250m 和 300m 范围内发送温度数据时性能良好，平均接收信号强度 (RSSI) 也较高。本研究可以得出结论，所提出的鸡蛋孵化器可以将温度保持在最佳范围内。所提出的孵化器还可以正确通信以发送数据温度以监测温度。