XiaoMi-AI文件搜索系统
World File Search System系统生成
气体附录：为自动驾驶汽车系统生成快速准确的替代模型
图1显示了在玉米田中车辆相机收集的现实世界图像的原始验证数据集上，作物 - 监测工具[1]使用的RESNET-18网络的错误分布。左右图分别用于标题和距离感知误差。直方图显示实际误差频率，而线路显示拟合的正态分布。分布与直方图非常匹配，表明神经网络的误差是正态分布的。图2从视觉上比较了神经网络输出分配与凉亭内捕获的图像预测的分布。红色虚线椭圆和蓝色实心椭圆显示了神经网络输出分布的3σ置信边界和感知模型预测的分布。这两个分布彼此紧密匹配，尤其是当车辆在中心附近并直接指向前方时。
南达科他州 - 统一司法系统生成人造...
将任何个人标识符或敏感信息输入生成AI帐户。AI使用基于用户提供的数据和在线资源构建的渐进学习算法来生成响应。因此，输入的任何数据都可以集成到AI系统中并由其他人访问。鉴于UJS处理的数据的敏感性，至关重要的是避免输入任何个人身份信息，例如姓名，社会保险号，出生日期和地址中的AI系统。如果不适合公众观看，则不应将其输入AI系统。
使用生成式人工智能为自主系统生成行动计划。联系人 Damien Pellier (Damien.Pellier@imag.fr) LIG-Marvin Humbert Fiorino (Hum
使用生成式人工智能为自主系统生成行动计划。联系人 Damien Pellier (Damien.Pellier@imag.fr) LIG-Marvin Humbert Fiorino (Humbert.Fiorino@imag.fr) LIG-Marvin，关键词 自动规划，生成式人工智能 上下文 自动规划 [1] 是人工智能的一个领域，其目的是设计决策算法用于自主系统，即机器人、无人机、机器人等代理。由于这些系统无需人工监督即可“自主”运行，因此它们必须始终制定行动计划以实现分配给它们的目标。众所周知，自主规划是 NP 难问题，而领域特定语言 (DSL)（如 PDDL（规划领域描述语言）[2]）被设计用于将代理任务（行动、目标和世界状态等）建模/指定为规划问题。计划生成基于许多经典的 AI 技术，例如树搜索和启发式搜索、SAT 或 CSP 问题求解等（有关更多详细信息，请参阅 PDDL4J [3] 和 [1]）。同时，生成人工智能（也称为生成 AI 或 GenAI [4]）是能够使用生成模型生成文本、图像或其他媒体的人工智能 [5][6][7]。生成 AI 模型学习其输入训练数据的模式和结构，然后生成具有相似特征的新数据。在 2020 年代初期，基于 Transformer 的深度神经网络的进步使许多生成 AI 系统成为可能，这些系统以接受自然语言提示作为输入而闻名。其中包括大型语言模型聊天机器人（如 ChatGPT、Bing Chat、Bard 和 LLaMA）以及文本到图像的人工智能艺术系统（如 Stable Diffusion、Midjourney 和 DALL-E）。
为工业控制系统生成蜜罐流量
摘要 保护关键基础设施资产是一项重要但极其困难且昂贵的任务。从历史上看，诱饵已被非常有效地用于分散攻击者的注意力，在某些情况下，还可以说服攻击者透露他们的攻击策略。一些研究人员提出使用蜜罐来保护可编程逻辑控制器，特别是关键基础设施中使用的控制器。但是，大多数这些蜜罐都是等待潜在攻击者的静态系统。为了有效，蜜罐诱饵需要尽可能逼真。本章介绍了一个概念验证蜜罐网络流量生成器，它模拟了正在运行的真实控制系统。使用西门子 APOGEE 楼宇自动化系统对单子网和双子网实例进行的实验表明，所提出的流量生成器支持诱饵楼宇自动化网络中的蜜罐集成、流量匹配和路由。
为工业控制系统生成蜜罐流量
摘要 保护关键基础设施资产是一项重要但极其困难且昂贵的任务。从历史上看，诱饵已被非常有效地用于分散攻击者的注意力，在某些情况下，还可以说服攻击者透露他们的攻击策略。一些研究人员已经提出使用蜜罐来保护可编程逻辑控制器，特别是关键基础设施中使用的控制器。然而，大多数这些蜜罐都是等待潜在攻击者的静态系统。为了有效，蜜罐诱饵需要尽可能逼真。本章介绍了一个概念验证蜜罐网络流量生成器，它模仿了正在运行的真实控制系统。使用西门子 APOGEE 楼宇自动化系统对单子网和双子网实例进行的实验表明，所提出的流量生成器支持诱饵楼宇自动化网络中的蜜罐集成、流量匹配和路由。