XiaoMi-AI文件搜索系统
World File Search System生成器
NHD 和 AI - 2024 年 1 月 (11 x 8.5 英寸)
我们鼓励您使用图书馆数据库、计算机程序（例如文字处理、图形设计、网页构建器、视频编辑软件等）和互联网等工具来完成您的项目。人工智能 (AI) 是一种新兴技术和工具。与任何工具一样，它也有其局限性。学生不需要使用 AI 工具（例如聊天机器人、视频生成器、艺术生成器、代码生成器、文本生成器等）来参与 NHD。如果您要使用 AI，则需要正确使用它。
NHD 和 AI - 2024 年 1 月 (11 x 8.5 英寸)
我们鼓励您使用图书馆数据库、计算机程序（例如文字处理、图形设计、网页构建器、视频编辑软件等）和互联网等工具来完成您的项目。人工智能 (AI) 是一种新兴技术和工具。与任何工具一样，它也有其局限性。学生不需要使用 AI 工具（例如聊天机器人、视频生成器、艺术生成器、代码生成器、文本生成器等）来参与 NHD。如果您要使用 AI，则需要正确使用它。
apd13a柴油生成集400/230 V -50 Hz
a）生成集合控制模块DSE6120功能：✓使用该模块来监视备用生成集合集的主要供应，启动和停止✓基于微处理的基于微处理器的设计✓自动控制主和发电机接触器✓监控发动机性能和AC功率输出的电源输出量的LED警报指示✓不用构造的数字距离距离距离4个数字距离4件数字距离4件数字✓4 6可配置的直流输出✓简单的按钮控制停止 /重置 - 手动 - 自动 - 测试 - 启动b）通过LCD显示显示：✓发电机伏特（L -L / L -N）发电机KVA✓发动机机油压力（PSI -BAR）发电机KW期生成器kW时间（L1，L2，L2，L2，L2，L2，L2，L2，L2，L3）生成器（L2，L3）生成器（L2，L3）生成器（L2，L3）生成器（fentorator cos（L2）生成器（fentorator cos（L2，L3）） ✓工厂电池电压✓发动机小时✓电压伏（ph-ph/ph-n）
生成人工智能 (GENAI) 概述
生成对抗网络 (GAN) 是成对的深度学习算法，称为神经网络，它们同时进行训练。其中一个是生成器，经过训练可根据标签（例如“狗”、“棕色”、“友好”）产生新的输出，而第二个是鉴别器，它尝试将示例分类为真实的（来自域）或假的（由生成器生成），直到鉴别器定期被生成器“欺骗”。GAN 可以输出音频、视频和 3D 模型以及图像。
嵌入式系统的轻巧伪随机数生成器Andi Sama 1*，Meyliana 2，Yaya Heryadi 1，Taufik Roni Sahroni 3
用于数据传输加密的加密算法提供了机密性，需要相当大的计算能力，并且在具有有限的计算能力的嵌入式系统中不常用，例如可编程逻辑控制器（PLC）。PLC是工业自动化中自动化和控制的核心组成部分。数十年来，PLC优先考虑速度而不是安全性； PLC中的程序执行必须尽可能高效。加密算法使用种子，初始化矢量，用加密量键加密数据以加强加密。伪随机数发生器（PRNG）可以用作初始化向量。本文提出了Xorasm PRNG算法，该算法是基于Xorshift的轻量级算法，并带有系统时钟的修改种子。应用的方法可以生成和可视化PRNG，测试随机性并在紧凑型PLC上实现PRNG。Xorasm进行统计评估。这项研究的发现是，p值表明Xorasm在统计学上是统计学和明显的随机性，并且有证据表明，Xorasm生成的数据分布实际上是在99.95％的置信度下随机的，适用于嵌入式系统中的实施，作为轻量级的PRNG。
产品设计中人工智能图像生成工具的比较
摘要 近年来，人工智能 (AI) 图像生成器的复杂程度和公众可访问性显著提高，能够从一行文本创建逼真的复杂图像。这些图像生成器的一个潜在应用是在产品设计项目的概念生成阶段。在概念生成中成功实施 AI 文本转图像生成器可以为公司和设计师节省成本和时间。因此，本文的目的是研究 AI 与产品设计和教育的整合。进行了文献综述，以大致了解 AI 是什么以及 AI 图像生成器如何工作。进行了一项实验，使用了三个不同的图像生成器：Stable Diffusion、DALLꞏE 2 和 Midjourney。每个 AI 文本转图像生成器都生成了三张餐桌图像，并将其插入到加权和评级矩阵中，与宜家的三张真实餐桌一起作为概念进行评级。矩阵中有四个设计规范来评估概念：美观度、性能、尺寸、安全性。该矩阵已发送给产品设计专业的学生和毕业生，以匿名方式填写。得分最高的概念来自宜家，其次是 DALLꞏE 2 生成的概念。根据实验结果，得出结论，AI 图像生成器还不是产品设计中概念生成的可行替代方案，但可以成为在概念生成阶段激发设计师使用新想法的有用工具。
量子不可预测性 - 密码学电子印刷档案
不可预测函数 (UPF) 在经典密码学中起着重要作用，包括消息认证码 (MAC) 和数字签名。在本文中，我们介绍了 UPF 的量子类似物，我们称之为不可预测状态生成器 (UPSG)。UPSG 由伪随机函数类状态生成器 (PRFS) 隐含，伪随机函数类状态生成器是伪随机函数 (PRF) 的量子类似物，因此即使单向函数不存在，UPSG 也可能存在，类似于其他最近引入的原语，如伪随机状态生成器 (PRSG)、单向状态生成器 (OWSG) 和 EFI。在经典密码学中，UPF 等同于 PRF，但在量子情况下，等价性尚不清楚，UPSG 可能比 PRFS 弱。尽管如此，我们证明所有已知的 PRFS 应用也可以通过 UPSG 实现。它们包括 IND-CPA 安全密钥加密和具有不可克隆标签的 EUF-CMA 安全 MAC。我们的研究结果表明，对于许多应用来说，量子不可预测性而不是量子伪随机性就足够了。
AI 生成的论证有多有说服力？GPT-3 AI 文本生成器生成的论证文本质量分析
摘要。在本文中，我们使用伪算法程序来评估人工智能生成的文本。我们应用自然论证综合评估程序 (CAPNA) 来评估人工智能文本生成器 GPT-3 在《卫报》撰写的一篇评论文章中产生的论点。CAPNA 从三个方面检查论证实例：其过程、推理和表达。使用论证类型识别程序 (ATIP) 进行初步分析，首先确定存在论证，其次根据论证周期表 (PTA) 的论证分类框架确定其具体类型。然后使用程序问题来测试论证在三个方面中的可接受性。分析表明，虽然人工智能文本生成器提出的论证在类型上各不相同，并且遵循人类推理的熟悉模式，但它们存在明显的弱点。由此我们可以得出结论，自动生成有说服力的、合理的论证比生成有意义的语言要困难得多，并且如果要使人工智能系统提出的论证具有说服力，它们就需要一种方法来检查其自身输出的合理性。