XiaoMi-AI文件搜索系统
World File Search System议论
PEO-SW SOFIC 2022 简报 - NDIA 会议论文集
• 战场意识 • 对抗通信 • 电子战 • 部队防护 • 综合防空（IAD）击败 • 下一代（NEXGEN）无人机系统（UAS）/反无人机系统 • 精确打击与效果 • 特征管理
会议论文集 - DIVAI 2022
尼特拉的康斯坦丁哲学大学决定组织一次会议，重点讨论信息通信技术在信息学学科教学中的应用。在会议的最初几年，我们对参与者的数量非常谨慎。参与者大多来自捷克和斯洛伐克共和国大学的信息学系，这主要与其他领域对在工作场所使用现代信息技术来支持教育的强烈不满有关。在会议的最初几年，名为 DIVAI（应用信息学远程教育），有影响力的信息学专家社区成功证明了使用互联网提供的工具支持教育具有其实质性和永久地位，主要是在远程教育学生的形式中。斯洛伐克和捷克共和国的信息学系开始使用这些工具，并为他们的活动创建教育环境。在尼特拉 FNS、CPU 信息学系，这样的工具就是学习管理系统 - LMS MOODLE，它不仅在我们的工作场所而且在大多数欧洲国家都得到了持续使用。
引用 (APA) Robbemond, V., Inel, O., & Gadiraju, U. (2022)。了解解释模态在人工智能辅助决策中的作用。在 UMAP2022 - 第 30 届 ACM 用户建模、适应和个性化会议论文集（第 223-233 页）。（UMAP2022 - 第 30 届 ACM 用户建模、适应和个性化会议论文集）。计算机协会 (ACM)。https://doi.org/10.1145/3503252.3531311 重要提示 要引用此出版物，请使用最终发布的版本（如果适用）。请检查上面的文档版本。
人工智能和机器学习的进步导致人工智能在各个领域中用于增强或支持人类决策的采用急剧增加。越来越多的研究致力于解决模型可解释性和解释的好处，以帮助最终用户或其他利益相关者解读所谓“黑匣子人工智能系统”的内部工作原理。然而，目前人们对传达解释的方式（例如，文本、可视化或音频）在通知、增强和塑造人类决策方面的作用了解甚少。在我们的工作中，我们通过可信度评估系统的视角来解决这一研究空白。考虑到通过各种渠道获得的大量信息，人们在做出决策时会不断考虑他们所消费信息的可信度。然而，随着信息过载的增加，评估我们所遇到的信息的可信度并非易事。为了帮助用户完成这项任务，自动可信度评估系统已被设计为各种情况下的决策支持系统（例如，，评估新闻或社交媒体帖子的可信度）。但是，为了使这些系统有效地支持用户，它们需要得到信任和理解。事实证明，解释在告知用户对决策支持系统的依赖方面发挥着至关重要的作用。在本文中，我们研究了解释方式对人工智能辅助可信度评估任务的影响。我们使用一项涵盖六种不同解释模式的受试者间实验（N = 375），以评估解释模式对 AI 辅助决策结果准确性、用户对系统信任度以及系统可用性的影响。我们的结果表明，解释在塑造用户对决策支持系统的依赖方面发挥着重要作用，从而影响决策的准确性。我们发现，在有解释的情况下，用户在评估陈述的可信度时表现更准确。我们还发现，在没有解释的情况下，用户很难就陈述的可信度达成一致。如果有解释，文本和音频解释比图形解释更有效。此外，我们发现
第九届年度深部脑刺激智库会议论文集：尖端技术、人工智能、神经调节、神经伦理学、疼痛、介入精神病学、癫痫和创伤性脑损伤方面的进展
引文：Wong JK、Deuschl G、Wolke R、Bergman H、Muthuraman M、Groppa S、Sheth SA、Bronte-Stewart HM、Wilkins KB、Petrucci MN、Lambert E、Kehnemouyi Y、Starr PA、Little S、Anso J、Gilron R、Poree L、Kalamangalam GP、Worrell GA、Miller KJ、Schiff ND、Butson CR、Henderson JM、Judy JW、Ramirez-Zamora A、Foote KD、Silburn PA、Li L、Oyama G、Kamo H、Sekimoto S、Hattori N、Giordano JJ、DiEuliis D、Shook JR、Doughtery DD、Widge AS、Mayberg HS、Cha J、Choi K、Heisig S、Obatusin M、Opri E、Kaufman SB、Shirvalkar P、Rozell CJ， Alagapan S、Raike RS、Bokil H、Green D 和 Okun MS (2022) 第九届深部脑刺激智库会议论文集：尖端技术、人工智能、神经调节、神经伦理学、疼痛、介入精神病学、癫痫和创伤性脑损伤的进展。Front. Hum. Neurosci. 16:813387。doi：10.3389/fnhum.2022.813387
智能人类国际会议论文集
前言 近几年来，人机交互 (HCI) 科学技术取得了巨大进步。这推动了两种相反的趋势。一种不同的趋势是组织单独的会议，讨论诸如“交互设计和以用户为中心的设计等”等重点主题，而这些主题以前都属于 HCI 范畴。另一种趋同的趋势是在 HCI 会议中吸收新的领域，例如“用文字计算”、“亲社会代理开发”和“基于注意力的应用”等。IHCI-2021 是少数专注于上述趋势交叉点上的“智能”和“人机交互”问题的会议之一。很荣幸能够介绍第 13 届智能人机交互国际会议 (IHCI-2021) 的论文集。该会议由肯特州立大学于 2021 年 12 月 20 日至 22 日在美国俄亥俄州肯特市肯特州立大学设计创新中心举办。IHCI 是人机交互领域的年度国际会议，我们在会上探讨机器智能与人类智能之间复杂交互中出现的研究挑战。这是第十三次以“超越物理极限的智能交互”为主题的活动，有 12 个特别专题，与会议主题以及 IHCI 领域的一般主题有关。在提交的 138 篇论文中，66 篇论文被程序委员会接受进行口头陈述和出版，该委员会基于至少 3 位专家审稿人的建议。论文集分为九个部分，与会议的每个专题相对应。第 13 届 IHCI 会议包括五位主旨演讲人和十位受邀演讲人，以及 29 位强大的专家会议主席和 6 位论坛组织者，他们曾在行业和学术界工作，吸引了 200 多名参与者，成为全球（超过 22 个国家）最重要的学术研究人员、研究生、顶级研究智库和行业技术开发人员的聚会。因此，我们确实相信，参与者最大的好处是实现他们在 HCI 领域的目标。这最终将带来更大的商业成功，最终对社会有益。此外，我们应该向所有向 IHCI-2021 提交作品的作者表示热烈的感谢。在提交、审查和编辑阶段，Easy chair 会议系统非常有用。我们感谢技术计划委员会 (TPC) 和当地组织委员会为确保本次会议的成功所做的不懈努力。最后，我们要感谢我们的演讲者、作者和参与者为使 IHCI-2021 成为一个令人振奋和富有成效的会议所做的贡献。如果没有他们未来的持续支持，IHCI 会议系列就无法实现年度里程碑。2021 年 12 月
智能人类国际会议论文集
人机交互 (HCI) 科学技术在过去几年中取得了巨大进步。这推动了两种相反的趋势。一种不同的趋势是组织针对重点主题的单独会议，例如“交互设计和以用户为中心的设计等”，而这些主题以前都属于 HCI 的范畴。另一种趋同的趋势是在 HCI 会议中吸收新的领域，例如“用文字计算”、“亲社会代理开发”和“基于注意力的应用”等。IHCI-2021 是少数专注于上述趋势交叉点上的“智能”和“人机交互”问题的会议之一。很荣幸能够介绍第 13 届智能人机交互国际会议 (IHCI-2021) 的论文集。该会议由肯特州立大学于 2021 年 12 月 20 日至 22 日在美国俄亥俄州肯特市肯特州立大学设计创新中心举办。IHCI 是人机交互领域的年度国际会议，我们在会上探讨机器智能与人类智能之间复杂交互中出现的研究挑战。这是第十三次以“超越物理极限的智能交互”为主题的活动，有 12 个特别专题与会议主题以及 IHCI 领域的一般主题相关。在提交的 138 篇论文中，66 篇论文被程序委员会接受进行口头陈述和发表，这是基于至少 3 位专家审阅者的建议。会议记录分为九个部分，与会议的每个主题相对应。第 13 届 IHCI 会议包括五位主旨发言人和十场受邀演讲，二十九位强大的专家会议主席和六位论坛组织者曾在工业界和学术界工作，吸引了 200 多名参与者，成为全球（超过 22 个国家）最重要的学术研究人员、研究生、顶级研究智库和行业技术开发人员的聚会。因此，我们确实相信，对参与者来说，最大的好处是实现他们在 HCI 领域的目标。这最终将带来更大的商业成功，最终有益于社会。此外，我们应该向所有向 IHCI-2021 提交作品的作者表示热烈的感谢。在提交、审查和编辑阶段，Easy chair 会议系统非常有用。2021 年 12 月我们感谢技术计划委员会 (TPC) 和当地组织委员会为确保本次会议的成功所做的不懈努力。最后，我们要感谢我们的演讲者、作者和参与者为使 IHCI-2021 成为一次令人振奋且富有成效的会议所做的贡献。如果没有他们在未来持续的支持，这个 IHCI 会议系列就无法实现年度里程碑。
会议论文集：人工智能和机器学习
人工智能 2021 是一个国际平台，用于了解和研究最新技术、创新、应用和深入研究，以分享完整的知识。会议邀请了来自世界各地的重要国际专家、教授、专家、研究学者和学生代表以及参展商参加我们的大会，主题为“在边缘部署人工智能和机器人技术知识”。会议将以口头报告、海报展示、主题演讲、研讨会等形式进行。
会议论文集 智能系统集成 2021 年 4 月 27 日至 29 日
过去几年，深度神经网络 (DNN) 已成为人工智能的主导子领域。机器学习 (ML) 框架（如 TensorFlow [10]）有助于在高抽象级别上设计更强大的神经网络，从而实现新的架构和网络拓扑。FPGA 甚至 ASIC 被证明是加速 DNN 推理的有前途的后端设备，可提供良好的吞吐量和延迟，同时通过多种优化技术解决硬件资源有限的挑战。然而，手工设计这些设计是一项非常耗时的任务，因为 DNN 模型及其工作负载会不断变化，即使对于即将到来的高级综合 (HLS) 领域也是如此。为了弥补生产力方面的差距，已经引入了许多框架，从高级网络描述开始，自动为 FPGA 板 [3-5] 和 ASIC [3] 生成优化的硬件实现。已发布的结果表明，这些框架在性能、延迟和能效方面能够超越最先进的加速器，甚至超越基于 GPU 和 TPU 的解决方案 [3]。本文首先简要概述了最近提出的一小部分框架解决方案，并深入了解了它们的方法。这些框架中的每一个都根据其方法和优化技术定义了一个单独的设计空间。它们大多数自动化设计空间探索 (DSE) 的支柱是专门的预测工具或分析模型，用于估计参数选择将如何影响早期设计阶段的整体性能、能耗或后期硬件系统的面积。提出的结果表明，与实际硬件实现相比，这些预测可以实现可靠的准确性 [3,5]，从而有效地选择最佳设计候选方案。在设计周期的早期获取这些信息至关重要
IPIC 2021 会议论文及海报投稿稿...
物理互联网 (PI, π) 对运输和物流效率提升寄予厚望。PI 代表物理对象的物流网络，类似于数据互联网 (DI)。道路交通代表这些物流网络之一。在这里，仍然有很多空载和未充分利用的行程（国际运输论坛，2019 年）。因此，基于道路的物理互联网 (RBPI) 具有很大的潜力，它将对运输和物流战略以及车辆设计产生影响。在 DI 上，物流策略在协议中实施。为了将这些概念转移到 RBPI，已经分析了 DI 的相关协议并将其转移到物理对象世界。但是，并非所有功能都可以一对一地转移，例如如果发生损坏或丢失，DI 中的数据包可由集线器简单地重新生成。为了应对挑战，我们根据设计科学原理 (vom Brocke, 2007) 设计了一个具有适当转换定制的框架工件。由此得出了对未来车辆的要求。本文为 RBPI 的实施做出了贡献，以使公路车辆适应未来的运输和物流世界。
2017 年 IRPS 会议论文集 - Squarespace
• 基本 FEOL 可靠性：栅极电介质中缺陷的产生会导致电介质击穿和器件性能下降 - Kenji Okada，TowerJazz 松下半导体 • 复合半导体可靠性 101 - Bill Roesch，Qorvo • 互连可靠性基础知识 - Zsolt Tokei，IMEC • VLSI 设计方法和可靠性设计验证 - Michael Zaslavsky 和 Tim Turner，可靠性模拟组 • 电迁移 101 - Cathy Christiansen，Global Foundries • NAND 闪存可靠性 - Hanmant Belgal 和 Ivan Kalastirsky，英特尔 • 芯片封装相互作用 (CPI) 及其对可靠性的影响 - CS Premachandran，Global Foundries • 故障分析的挑战 - 汽车和超越摩尔定律 - Ulrike Ganesh，博世 • 1. HKMG p-MOSFET 中 NBTI 的最新进展以及 2.现代 FINFET、ETSOI 和全栅极环绕 III-V 晶体管中自热的新挑战：从晶体管到平板电脑的视角 - Souvik Mahapatra（印度理工学院，孟买）和 Muhammad Ashraf Alam（普渡大学）• 汽车转型 - 从应用到半导体技术的成本、上市时间、可靠性和安全性驱动的设计优化 - Andreas Aal，大众汽车集团 • AlGaN/GaN 功率器件可靠性 - Peter Moens，安森美半导体 • 可靠性工程的系统遥测 - Rob Kwasnick，英特尔 • 高级 MOL 和 BEOL 可靠性 - Shou Chung Lee，台积电 • 汽车功能安全简介 - 历史、趋势和与可靠性的关系 - Karl Greb，NVIDIA • 相变存储器：从基础技术到系统方面和新应用 - Haris Pozidis，IBM • 系统可靠性 - Geny Gao，博士 • 先进封装和 3D 可靠性 - C. Raman Kothandaraman，IBM • 兼顾基于知识和基于标准的资格 - Bob Knoell，汽车电子委员会和 NXP • 自旋转矩 MRAM - Daniel C. Worledge，IBM • 现场容错、自我修复、检测和恢复技术的考虑因素 - Arijit Biswas，英特尔