XiaoMi-AI文件搜索系统
World File Search System端到
利用第四代英特尔® 至强® 可扩展处理器和 Kubernetes/Kubeflow 提升端到端企业 AI 的性能和可扩展性
在本设计测试中，我们使用 BERT-Large 无大小写（全词掩码）预训练模型作为模型检查点。该模型包含 3.4 亿个参数。我们使用斯坦福问答数据集 (SQuAD) v1.1 数据集进行微调分析。用例要求按照英特尔架构 Model Zoo 在线存储库文档 中所述执行。为了展示使用可扩展端到端企业 AI 堆栈解决方案进行 BERT-Large 微调的性能和可扩展性，我们使用了潜在的英特尔优化，例如针对 oneDNN 优化的 TensorFlow 和用于分布式训练的 Horovod。Horovod 与英特尔® MPI 库 一起部署，进一步利用了英特尔在 MPI 层的优化。我们使用容器映像和一组 MPIJob 规范文件在 Kubeflow 的训练运算符上运行 BERT-Large 工作负载。
发掘弱监督端到端的潜力......
中风后言语和语言障碍（失语症）严重影响患者的生活质量。许多症状轻微的患者仍未得到诊断，而且由于医疗费用和/或服务不足，大多数人没有接受建议的强化治疗。自动语音识别 (ASR) 可以通过提高诊断率和在定制治疗期间提供反馈来帮助克服这些困难。然而，由于言语错误的高度可变性和训练数据集的稀缺，其性能通常不令人满意。本研究评估了最近发布的端到端模型 Whisper 在中风后失语症 (PWA) 患者中的表现。我们调整了它的超参数以实现失语症语音的最低字错误率 (WER)。与年龄匹配的对照组相比，PWA 中的 WER 显着更高（10.3% vs 38.5%，p < 0.001）。我们证明，通过表达性（外显命名和自发性言语生成）和接受性（书面和口头理解）语言评估，更严重的失语症与更严重的 WER 相关。中风病变大小不会影响 Whisper 的性能。考虑人口统计学因素、治疗持续时间和中风后时间的线性混合模型证实，左半球额叶病变患者的 Whisper 性能更差。我们讨论了这些发现对于如何在 PWA 中改进未来 ASR 的意义。
使用软系统方法方法评估从终端到小型燃料站的燃料供应链的概念模型
燃油供应链是印度尼西亚下游石油和天然气业务的重要活动之一。但是，该公司在通过小规模的燃料站分发燃油时遇到了几个障碍。本研究旨在应用软系统方法（SSM）方法来获得从终端到小型燃油站的燃油供应链活动的概念评估。但是，这项研究仅通过添加系统图和多参与者分析表来更好地理解问题，仅执行了四个SSM步骤。尽管如此，这项研究成功地确定了涉及的问题，参与者以及燃料供应链活动中的参与者之间的关系。因此，它可以为所涉及的利益相关者（尤其是公司负责人）提供转型步骤的概述。将在未来的研究中使用AHP-TOPSIS混合方法解决问题来继续这项研究。
用于可重复使用的基于人工智能的应用程序的可扩展端到端管理的网络架构
∗ 爱立信 AB，斯德哥尔摩，瑞典 电子邮件：flavio.brito、josue.castaneda.cisneros、neiva.linder@ericsson.com † 马尔凯理工大学，罗马，意大利 电子邮件：r.riggio@staff.univpm.it ‡ i2CAT 基金会，巴塞罗那，西班牙 电子邮件：estefania.coronado、javier.palomares@i2cat.com § 高性能网络和架构，卡斯蒂利亚-拉曼恰大学，阿尔瓦塞特，西班牙 电子邮件：estefania.coronado@uclm.es ¶ 意大利电信 SpA，都灵，意大利 电子邮件：jovanka.adzic@telecomitalia.it ∥ ATOS 研究与创新部门 (ARI)，Atos Spain SAE，马德里，西班牙；电子邮件：fco.renart@atos.net ∗∗ RISE Research Institutes of Sweden AB，瑞典斯德哥尔摩 电子邮件：anders.lindgren@ri.se †† Aerotools，西班牙马德里 电子邮件：miguel.rosa@aerotools-uav.es ‡‡ 隆德大学，瑞典隆德；电子邮件：per.odling@eit.lth.se
通过轻量级端到端技术实现高效的脑肿瘤检测...
摘要：在医学成像领域，深度学习取得了长足进步，尤其是在脑肿瘤诊断方面。医疗物联网 (IoMT) 使得将这些深度学习模型结合到先进的医疗设备中成为可能，以实现更准确、更高效的诊断。卷积神经网络 (CNN) 是一种流行的脑肿瘤检测深度学习技术，因为它们可以在大量医学成像数据集上进行训练，以识别新图像中的癌症。尽管深度学习具有更高的准确性和效率等优点，但它也存在一些缺点，例如计算成本高以及由于训练数据不足而导致结果出现偏差的可能性。需要进一步研究以充分了解深度学习在 IoMT 脑肿瘤检测中的潜力和局限性，并克服与实际实施相关的障碍。在这项研究中，我们提出了一种新的基于 CNN 的脑肿瘤检测深度学习模型。建议的模型是一个端到端模型，与早期的深度学习模型相比，它降低了系统的复杂性。此外，我们的模型很轻量，因为与其他以前的模型相比，它由较少的层构成，这使得该模型适合实时应用。准确率快速提高（二分类准确率为 99.48%，多分类准确率为 96.86%）的乐观结果表明，新的框架模型在比赛中表现出色。这项研究表明，所提出的深度模型在检测脑肿瘤方面优于其他 CNN。此外，该研究还提供了一个用于安全传输医学实验室结果的框架，并提出了安全建议，以确保 IoMT 的安全。
在基于视觉的端到端驾驶政策中学习稳定性的关注
今天的端到端学习系统可以学会从感知中明确推断控制。很难保证这些系统的稳定性和鲁棒性，因为它们通常是针对非结构化，高维且复杂的观察空间的（例如，来自像素输入流的自动驾驶）。我们建议利用控制控制的Lyapunov功能（CLFS）为基于端到端视觉的策略配备具有稳定性的策略，并在CLFS（ATT-CLF）中引入稳定性注意力，以解决环境变化并提高学习灵活性。我们还提出了一种不确定性传播技术，该技术被紧密整合到ATT-CLF中。我们通过与经典的CLF，模型预测控制以及在光真实的模拟器和实际的全尺度自动驾驶汽车中进行比较，证明了ATT-CLF的有效性。关键字：端到端学习，稳定性，自主驾驶
使用长短期记忆网络的端到端癫痫发作预测方法
越来越多的癫痫患者遭受着癫痫发作的痛苦，有效预测癫痫发作可以改善他们的生活质量。为了获得高灵敏度的癫痫发作预测，当前的研究通常需要复杂的特征提取操作，这严重依赖于人工经验（或领域知识）并且具有很强的主观性。为了解决这些问题，本文提出了一种基于长短期记忆网络（LSTM）的端到端癫痫发作预测方法。在新方法中，仅提取原始脑电图（EEG）信号的伽马波段作为网络输入直接进行癫痫发作预测，从而避免了主观和昂贵的特征设计过程。尽管方法简单，但在从脑电图信号中识别发作前期时，所提出的方法在波士顿-麻省理工学院儿童医院（CHB-MIT）头皮脑电图数据库上分别实现了 91.76% 的平均灵敏度和 0.29/h 的错误预测率（FPR）。此外，与仅考虑发作前和发作间期脑电图分类的传统方法不同，我们在所提出的方法中引入了发作后阶段作为额外类别。因此，癫痫发作预测的性能进一步提高，获得了更高的灵敏度 92.17% 和较低的 FPR 0.27/h。平均预警时间为 44.46 分钟，这表明该预测方法为患者采取干预措施预留了足够的时间。
指导文件：推进端到端可追溯性
1. 经营者独特身份和独特海产品原料标识符的主要 KDE 14 2. 主要供应链停点，确定由船旗国监管的 CTE 和 KDE 16 3. 沿海国家监管的标准供应链的主要供应链停点、CTE 和 KDE 20 4. 港口国家监管的标准供应链的主要供应链停点、CTE 和 KDE 24 5. 加工国监管的标准供应链的主要供应链停点、CTE 和 KDE 28 6. 终端市场国家监管的标准供应链的主要供应链停点、CTE 和 KDE 30 7. 饲料生产和分销的主要供应链停点、CTE 和 KDE 33 8. 孵化场/苗种养殖的主要供应链停点、CTE 和 KDE 35 9.农场/养殖区 38 10. 确定水产养殖产品加工 42 的主要供应链站点、CTE 和 KDE 11. 确定双壳类 44 水产养殖产品的特定供应链站点、CTE 和 KDE
PSA货物解决方案和BDP国际品牌以提供增强的端到端供应链解决方案
PSA International PTE Ltd（PSA）和BDP International，Inc。（BDP）今天宣布，PSA的PSA Cargo Solutions（Cargo Solutions）是PSA的业务部门，将与BDP结合，形成一个新品牌：PSA BDP。此公告是PSA在2022年4月成功收购BDP之后的。新的PSA BDP品牌融合了两家公司的补充优势和能力，以增强整个供应链中的服务和解决方案。以PSA的全球网络为60多个深海，铁路和内陆终端的强度，以及BDP作为全球物流解决方案提供商和供应链促进器的实力，PSA BDP将利用战略枢纽端口和宽敞的全球资产组合为复杂的全球环境提供更大的敏捷性和选择性。PSA BDP将通过行业领先的数字化和数据功能来增强创新和可持续性解决方案的交付，以增强供应链生态系统的连通性。自收购以来，货物解决方案和BDP已密切努力为跨关键行业垂直行业的客户提供完整的端到端供应链编排模型，包括扩展的终端增值服务，中途物流，中型物流，数字应用，用于简化合规过程，多型运输解决方案，这些解决方案侧重于降低降低碳碳的排放量。早些时候，PSA集团被重组为两类业务 - 港口和货物解决方案。新的PSA BDP品牌将代表PSA集团的货物解决方案类别的业务类别，合并的团队提供了完整的供应链解决方案，以满足货物所有者的不断变化和多方面的需求。“ PSA BDP的推出标志着我们正在进行的转型旅程中的重要里程碑，并象征着我们决心进一步扩展全球网络和服务产品，向我们的供应链客户和全球利益相关者。将小组重组成两个主要的业务类别，加强了我们继续承诺发展港口业务的承诺，同时增强了我们在补充货物解决方案领域中创新和提供未来解决方案的能力。我们认为，这种能力，才能和资产的综合将创造令人兴奋的机会 - 在这方面，总和大于各个部分。” PSA International集团首席执行官Tan Chong先生说。