XiaoMi-AI文件搜索系统
World File Search System性能测量
TS 128 310 - V18.6.0 - LTE；5G
6 能效解决方案 ................................................................................................................................................ 20 6.1 移动网络数据能效评估解决方案 .............................................................................................................. 20 6.1.1 NG-RAN 能效 ...................................................................................................................................... 20 6.1.2 网络切片能效 ...................................................................................................................................... 21 6.1.2.1 简介 ...................................................................................................................................................... 21 6.1.2.2 空隙 ...................................................................................................................................................... 22 6.1.2.3 空隙 ...................................................................................................................................................... 22 6.1.2.4 空隙 ...................................................................................................................................................... 22 6.1.2.5 空隙 ...................................................................................................................................................... 22 6.2 节能解决方案 ................................................................................................................................................ 22 6.2.1 概述 ...................................................................................................................................................... 22 6.2.2 集中节能解决方案 ................................................................................................................................ 23 6.2.2.1 程序 ................................................................................................................................................ 23 6.2.2.1.1 节能激活 ................................................................................................................................ 23 6.2.2.1.2 节能停用 ................................................................................................................................ 24 6.2.2.2 管理服务 ...................................................................................................................................... 24 6.2.2.2.1 MnS 组件类型 A ...................................................................................................................... 24 6.2.2.2.2 MnS 组件类型 B ...................................................................................................................... 25 6.2.2.2.2.1 目的和指标 .............................................................................................................................25 6.2.2.2.2.2 控制信息 ...................................................................................................................................... 25 6.2.2.2.3 MnS 组件类型 C ............................................................................................................................. 25 6.2.2.2.3.1 需要优化的参数 ............................................................................................................................. 25 6.2.2.2.3.2 性能测量 ............................................................................................................................. 25 6.2.3 分布式节能解决方案 ............................................................................................................................. 28 6.2.3.0 用于分布式 SON ES 解决方案的管理服务组件 ............................................................................. 28 6.2.3.1 管理服务 ............................................................................................................................................. 28 6.2.3.1.1 MnS 组件类型 A ............................................................................................................................. 28 6.2.3.1.2 MnS 组件类型 B ............................................................................................................................. 28 6.2.3.1.2.1 目的和指标 ...................................................................................................................................... 28 6.2.3.1.2.2 控制信息 ...................................................................................................................................... 29 6.2.3.1.3 MnS 组分类型 C ............................................................................................................................. 29 6.2.3.1.3.1 需要优化的参数 ............................................................................................................................. 29 6.2.3.1.3.2 性能测量 ...................................................................................................................................... 29 6.2.3.2 程序 ...................................................................................................................................................... 32 6.2.3.2.1 节能激活 ............................................................................................................................................. 32 6.2.3.2.2 节能停用 ............................................................................................................................................. 32 6.3 能耗解决方案 ............................................................................................................................................. 33 6.3.1 PNF 能耗解决方案........................................................................................................... 33 6.3.2 VNF/VNFC 能耗解决方案 .........................................................................................................33 6.3.2.1 简介 ................................................................................................................................................ 33 6.3.2.2 基于 VM 的 VNF/VNFC 解决方案 ........................................................................................................ 34 6.3.2.2.1 基于虚拟计算资源 vCPU 使用率的解决方案 ................................................................................ 34 6.4 意图驱动的 RAN 节能解决方案 ............................................................................................................. 35
ODOT 农村 AI 交通信号升级以提高安全性......
美国 69 号公路 (US-69) 是一条南北向的货运走廊，最终将达拉斯与堪萨斯城连接起来，更不用说整个俄克拉荷马州可能存在的各种直接和间接连接。鉴于巨大的交通量、它所服务的重型卡车交通以及社区确定的运营问题，俄克拉荷马州阿托卡的 US-69 走廊是创新试点项目走廊的理想走廊。试点项目（在本叙述中称为项目）将包括信号设备升级，包括高分辨率检测、人工智能 (AI) 设备、联网汽车硬件，以及对监控和响应自动交通信号性能测量 (ATSPM) 的独特承诺。试点项目（第 1 阶段）的结果将应用于全州其他农村社区走廊（第 2 阶段）。
国防部系统工程计划 (SEP) 大纲
图 2.1-1 说明需求分解和技术基线的规范树 ...................................................................................................................................... 10 图 3.1-1 截至 [日期] 的系统技术进度表（强制性）（样本） ........................................................ 19 图 3.1-2 截至 [日期] 的系统系统进度表（强制性）（样本） ............................................................. 21 图 3.1-3 截至 [日期] 的项目办公室组织（强制性）（样本） ............................................................. 23 图 3.1-4 项目技术人员配备（强制性）（样本） ............................................................................. 25 图 3.1-5 SEPM 预算（强制性）（样本） ............................................................................................. 26 图 3.1-6 IPT/WG 层次结构（强制性）（样本） ............................................................................. 27 图 3.2-1 截至 [日期] 的风险报告矩阵（强制性）（样本） ............................................................. 32 图3.2-2 截至 [日期] 的风险燃尽计划（高风险必填；其他可选）（示例）......................................................................................................................................... 33 图 3.2-3 技术性能测量或指标图（推荐）（示例）......................................................................................... 38 图 3.2-4 TPM 应急定义 ......................................................................................................................... 39
性能和功耗：使用 CARAML 对加速器上的 AI 工作负载进行系统评估
摘要 — 机器学习 (ML) 技术的快速发展推动了专用硬件加速器的发展，旨在促进更高效的模型训练。本文介绍了 CARAML 基准测试套件，该套件用于评估在一系列硬件加速器上训练基于 Transformer 的大型语言模型和计算机视觉模型时的性能和能耗，包括 NVIDIA、AMD 和 Graphcore 的系统。CARAML 提供了一个紧凑、自动化、可扩展和可重复的框架，用于评估各种新型硬件架构中 ML 工作负载的性能和能耗。本文详细讨论了 CARAML 的设计和实现，以及一个名为 jpwr 的自定义功率测量工具。索引术语 — 机器学习、能量、NLP、计算机视觉、AI、性能测量、基准、GPU、IPU、加速器
0.0023 毫米$^2$/ch. 具有刺激伪影抑制功能的增量编码、时分复用混合信号 ECoG 记录架构
摘要 — 本文展示了一种可扩展的时分复用生物电位记录前端，能够实时抑制差分和共模伪影。增量编码记录架构利用了皮层脑电图 (ECoG) 记录的功率谱密度 (PSD) 特性，结合了 8 位 ADC 和 8 位 DAC，以实现 14 位动态范围。利用数字反馈架构的灵活性，将 64 个差分输入通道时分复用到共享混合信号前端，与最先进的技术相比，通道面积减少了 2 倍。用于增量编码的反馈 DAC 还可以通过片外自适应环路消除差分伪影。本文包括对该架构的分析以及 65 nm CMOS 测试芯片实现的硅片性能测量（包括工作台和体内）。
朝着新西兰地壳温度模型
扩展具有明显表面表达的外部区域外的地热能使用的关键部分是对地壳热结构有很好的了解。但是，新西兰大部分地区的地壳温度分布尚不清楚。高质量的地壳温度测量值稀疏且分布不均。此外，新西兰的热流动方式很复杂，对流体对流和对流的影响很大，以及与相对年轻且高度构造的陆地相关的瞬态过程（例如，最近的沉积和侵蚀）。由于缺乏关于地壳岩石热性能的良好数据，预测地壳温度的进一步限制。我们正在使用一维瞬态热流建模方法开发国家温度图。为了支持该模型，我们已经建立了热性能测量能力，并将测量与地球化学和矿物学数据结合使用来确定热性能。本文为将各种数据集集成到新西兰的国家温度模型中介绍了进展。
分析 ML 和 DL 在打击...中的有效性
摘要 — 虚假健康新闻的广泛传播带来了巨大的挑战，危及了普通民众的健康和福祉。在信息过剩的时代尤其如此。为了开发能够发现欺诈性健康相关信息的自动化系统，研究人员应用了机器学习 (ML) 和深度学习 (DL) 等人工智能方法。这些方法已被用于构建这些系统。为了解决现在面临的问题，人们正在这样做。本研究的目的是分析与机器学习 (ML) 和深度学习 (DL) 系统相关的方法、性能测量和问题，以识别虚假健康新闻。本研究过程中介绍了该分析。我们研究了在机器学习 (ML) 和深度学习 (DL) 范式中特征工程、模型架构设计和评估指标过程中应用的多种方法。这些方法用于特征工程过程。此外，我们评估了我们的研究结果对于提高识别虚假健康新闻的系统效率的重要性，并为这一至关重要的领域提供了进一步研究的潜在领域。最后，我们得出结论，我们的研究结果有可能提高这些系统的有效性。
基于文本分析和机器学习方法在开发信息系统中检测入侵
摘要该论文分析了网络安全的主要概念和网络安全技术，研究了在网络安全中使用人工智能的特征，分析了机器学习的应用方法，并介绍了有关机器学习方法在网络安全中应用的实验研究结果。在这项工作中，将实施基于智能文本分析技术的主机入侵检测系统。工作描述了数据源可能面临的困难，例如，患有复杂功能的方法。本文提出了用于检测SQL注入，XS和路径遍历攻击的方法的分类，并为指定模型提供了性能测量。使用渗透测试方法。该技术检测到与最流行的攻击有关的漏洞，例如SQL注入（SQLI），跨站点脚本（XSS）和敏感数据披露。提出了安全解决方案和建议，即IT管理员可以用作保护系统免受网络犯罪威胁的指南。因此，通过修复所有检测到的漏洞以实现基本安全标准，可以证实拟议系统的有效性。使用文本分析技术开发了基于主机的入侵检测系统（HID）。
对供应链管理的评估和风险分析：
本研究通过基于Slack的Measitnet网络数据包络分析（SBM-NDEA）从金融市场的角度（SBM-NDEA）提出了盈利能力和资产利用对公司价值产生的贡献。尽管在面对新的数据集时，SBM-NDEA在性能测量方面具有优越性，但由于缺乏预测能力，因此仍存在限制。为了克服这一点，作者将双支持向量机集成到其中。经理对风险的态度在提高效率和价值产生中也起着至关重要的作用，但是数值不会传达此类信息。带有弹性本质的文本消息因此带来了不仅仅是数字消息的信息。为了帮助用户量化风险类型，作者引入了高级文本分析仪，以猜测经理对每种风险的态度。结果表明，具有预测能力的绩效评估模型可以将经理的角色从监视过去转移到计划未来。这项研究还表明，具有文本信息的模型达到了卓越的预测性能。
运动意图和反应时间的深度学习用于康复机器人的脑电信息自适应
摘要 — 越来越多的证据表明，适应性是康复机器人促进运动学习的关键机制。然而，它通常基于机器人衍生的运动运动学，这是一种相当主观的性能测量，尤其是在存在感觉运动障碍的情况下。在这里，我们提出了一个深度卷积神经网络 (CNN)，它使用脑电图 (EEG) 作为两个运动学成分的客观测量，这两个成分通常用于评估运动学习并从而评估适应性：i) 发起目标导向运动的意图，以及 ii) 该运动的反应时间 (RT)。我们根据从内部实验中获得的数据评估了我们的 CNN，在该实验中，13 名受试者在平面上向四个方向移动康复机械臂，以响应视觉刺激。我们的 CNN 在意图（意图与无意图）和 RT（慢速与快速）的二元分类中分别实现了 80.08% 和 79.82% 的平均测试准确率。我们的结果表明，从运动开始前获取的同步 EEG 数据可以预测不同类型的运动学习所涉及的单个运动成分。因此，我们的方法可以实时为机器人适应提供信息，并有可能进一步提高人们执行康复任务的能力。