XiaoMi-AI文件搜索系统
World File Search System误会
基于 FPGA 的剪枝神经网络可靠性评估
卷积神经网络（CNN）被广泛用于图像分类。为了使CNN适合在资源有限的系统（如FPGA）上实现，剪枝是一种降低复杂度的流行技术。本文以VGG16为例，评估了剪枝后的CNN对FPGA加速器权重和配置内存错误的鲁棒性，并考虑了两种流行的剪枝方法（基于幅度和过滤器剪枝）。特别地，基于故障注入实验测试了原始VGG16和具有不同剪枝率的VGG16的精度损失，结果表明两种剪枝方法对权重和配置内存的错误影响不同。对于权重错误，使用两种方法剪枝的网络在剪枝率较高的情况下表现出更高的可靠性，但使用过滤器剪枝的网络可靠性相对较低。对于配置内存错误，大约30%的配置位上的错误会影响CNN操作，其中只有14%会导致显着的精度损失。但相同关键比特位对于两种剪枝方法的影响是不同的，采用基于量级方法剪枝后的网络可靠性低于原始VGG16，而采用过滤器剪枝后的网络可靠性高于原始VGG16。从CNN加速器的结构和两种剪枝方法的性质出发，解释了这种不同的影响，并评估了基于量级方法量化对CNN可靠性的影响。
航空维修中的人为因素：了解错误、管理和技术趋势
飞机维护和检查是一个复杂的系统，需要按时间安排工作，需要不同专业人员的团队合作才能保持飞机的适航性。维护和检查过程中的错误会导致飞行中发动机停机、航班延误、航班取消，有时还会导致事故和事件，造成严重的经济后果。由于对航空公司的安全和财务方面都有重大影响，本文重点关注机库维护，因为这项工作是由不同的技术人员分几班进行的，并解决导致错误的各种人为因素问题。本文还将简要讨论轮班工作和维护技术人员的健康问题、影响维护的人为因素问题、了解人为因素模型的重要性以及维护和检查错误的影响，并附上案例研究，特别是主要由人为因素问题引起的飞机事故。此外，本文还探讨了飞机维护技术的最新进展和趋势，强调了它们通过预测性维护、机器人技术、增强和虚拟现实、大数据分析、区块链和增材制造带来的变革潜力。这些技术有望提高维护实践的效率、安全性和有效性。本文最后介绍了错误管理方法的见解，并为未来的研究提供了建议。通过将传统见解与尖端技术考虑相结合，这项综合分析旨在为航空维修领域安全协议和实践的发展做出重大贡献。
公开声明 - | 欧洲证券和市场管理局
1 人工智能 (AI) 是一类快速发展的技术。为了确保法律确定性，同时提供灵活性以适应未来的技术发展，《人工智能法案》将“人工智能系统”（AI 系统）定义为“设计为以不同程度的自主性运行的基于机器的系统，该系统在部署后可能表现出适应性，并且为了明确或隐含的目标，根据其收到的输入推断如何生成输出，例如可以影响物理或虚拟环境的预测、内容、建议或决策” 2 算法偏差是指计算机系统中的系统性错误，这些错误会造成不公平的结果，并可能导致人工智能系统无意中延续、放大或引入基于种族、性别、年龄或其他特征的针对某些个人或群体的歧视。算法偏差通常源于用于训练人工智能模型的数据，反映了历史不平等、社会刻板印象或开发者自己的偏好。 3 当提到“投资公司”时，我们也包括提供投资服务的信贷机构。 4 ESMA 指出，该声明基于 MiFID II 框架，并不影响欧盟更广泛的数字治理框架（例如，上述《人工智能法案》和《DORA》），其中人工智能是该框架的一个组成部分，也不影响公司为确保遵守该框架而应采取的任何其他行动。5 例如，Oliver Wyman 和英国金融（由 300 家金融中介机构组成的行业协会）于 2023 年 11 月发布的一项研究指出，超过 90% 的英国金融成员已经在金融服务中部署了人工智能。
人工智能和机器学习在中风诊断和管理中的应用：美国食品药品管理局批准技术的叙述性回顾
摘要：中风是一种紧急情况，治疗延误会导致神经功能严重丧失甚至致命。提高中风诊断速度和准确性或辅助中风后康复的技术可以改善患者的预后。目前尚无资源可以全面评估用于治疗缺血性和出血性中风的人工智能/机器学习 (AI/ML) 技术。我们查询了美国食品药品监督管理局 (FDA) 数据库以及 PubMed 和私人公司网站，以确定最近评估 FDA 批准的 AI/ML 技术临床表现的文献。FDA 已批准 22 项 AI/ML 技术，可对脑成像进行分类以便更立即诊断或促进中风后神经/功能恢复。辅助诊断的技术主要使用卷积神经网络来识别异常脑图像（例如 CT 灌注）。这些技术的表现可与神经放射科医生相媲美，可改善临床工作流程（例如从扫描采集到读取的时间），并改善患者预后（例如在神经重症监护室度过的天数）。两种设备通过利用神经调节技术进行中风后康复。目前有多种经 FDA 批准的技术可以帮助临床医生更好地诊断和管理中风。本综述总结了有关这些技术的功能、性能和实用性的最新文献，以便临床医生在实践中使用它们时做出明智的决定。
监控分布式实时系统：调查与...
美国前总统罗纳德·里根的标志性名言是俄罗斯谚语“信任，但要核实”。这句话象征着美苏冷战期间的政治环境。对于安全关键系统，我们必须有类似的警惕性。尽管运行环境恶劣，但超关键数字系统（如飞行关键商用航空电子设备）发生灾难性故障的概率不应超过每小时十亿分之一 [2]。为了达到这种可靠性，系统必须设计为容错系统。但是，意外的环境条件或逻辑设计错误会显著降低系统的假设可靠性。测试无法证明系统具有“十亿分之一”的可靠性——根本问题是必须执行的测试太多了 [3]。形式化验证——即严格的数学证明——在代码级别上证明系统具有超可靠性，目前对于工业设计来说也不切实际，尽管“轻量级”方法继续获得关注 [4]。由于单独的测试或形式化验证都不足以证明超可靠系统的可靠性，因此提出了在运行时监控系统的想法。监视器观察系统的行为并检测其是否符合规范。我们对在线监视器特别感兴趣，它在运行时检查是否符合规范（而不是稍后离线检查），因此如果发现系统偏离其规范，它可以将系统置于已知的良好状态。监视器可以在运行时提供额外的信心，确保系统满足其规范。
利用扩散模型进行自适应在线重新规划
扩散模型已成为一种有前途的数据驱动规划方法，并已展示出令人印象深刻的机器人控制、强化学习和视频规划性能。给定一个有效的规划器，需要考虑的一个重要问题是重新规划——何时应由于动作执行错误和外部环境变化而重新生成给定的计划。直接执行计划而不进行重新规划是有问题的，因为来自单个动作的错误会迅速累积，并且环境是部分可观察和随机的。同时，在每个时间步重新规划会产生大量的计算成本，并且可能会阻止任务成功执行，因为不同的生成计划会阻止任何特定目标的一致进展。在本文中，我们探讨了如何使用扩散模型有效地进行重新规划。我们提出了一种原则性方法来确定何时重新规划，该方法基于扩散模型对现有生成计划的估计可能性。我们进一步提出了一种重新规划现有轨迹的方法，以确保新计划遵循与原始轨迹相同的目标状态，这可以有效地引导先前生成的计划。我们说明了我们提出的附加功能组合如何显著提高扩散规划器的性能，使其在 Maze2D 上的性能比过去的扩散规划方法提高了 38%，并进一步实现了随机和长视界机器人控制任务的处理。视频可在匿名网站上找到：https://vis-www.cs.umass. edu/replandiffuser/ 。
微藻喂养及其效果-Cenaim
摘要全球对螃蟹的需求，再加上对自然种群的威胁越来越多，就需要提出圈养圈养育种计划。为了实现这一目标，至关重要的是要对其生命周期的关键方面进行全面的了解。这项研究代表了红树林螃蟹，Ucides concidentalis的早期全面表征。更重要的是，利用落叶显微镜，我们研究了六种不同的微藻饮食对幼虫阶段进展及其随后的生存的影响。U. Occidentalis的胚胎发育在14天内展开，在八个不同的阶段进行系统地详细介绍，每一个阶段都以胚胎的逐步出现及其相关的附属物的逐步出现。值得注意的是，在产卵之前，心率增加了。产卵后，在胚胎成功破裂绒毛之前，短暂的10-15分钟经过。幼虫的发育经过了五个Zoeal阶段（ZI – ZV）的分割，跨越了15天的持续时间，等效的时间周期涵盖了巨型阶段，直到达成了第一个少年板条板。阶段之间的每个过渡都被一个误会事件预示了。尽管我们的观察证实了对评估的微藻的摄入和消化，但很明显，用旋转液和盐水虾补充饮食对于优化摩擦时期，从而提高生存率至关重要。具体来说，摄入并消化到Zoea V阶段的硅藻chaetoceros graciris和Chaetoceros Muelleri。相比之下，微藻Tetraselmis maculata和Rhodomonas salina在经历摄入和消化的同时，只能维持幼虫，直到Zoea III阶段。我们研究的结果肯定了U. Occidentalis Crablet在实验室环境中的生存能力，从而将该物种的潜在包括作为宝贵的水产养殖产品。这项努力有望为野生美国人口的保护和增强做出贡献。
县专员委员会
博尔德县和博尔德县公共卫生尊敬地要求您对SB23-174的支持。证据绝对清楚地表明科罗拉多州正处于青年心理健康危机之中：2021年，儿童医院宣布处于青年心理健康状况，自杀是10-24岁的科罗拉多州青年死亡的主要原因。青年心理健康也是一个重要的当地问题。在博尔德县，我们有40％的高中生报告了2021年的抑郁症。这包括2个（47％）女学生中的1个（47％），大约3个（58％）LGBTQ高中生。青春期是健康发展的关键时期，它使人们面临精神健康挑战的脆弱性。由于食物和住房不安全感等压力源，居住在低收入的年轻人更容易受到这些挑战的影响。年轻人应该获得合适的支持服务，并且需要知道他们可以在正确的时间获得正确的护理。不幸的是，在我们的社区健康评估中，我们一直从包括青年和父母在内的社区成员那里听到，获得心理健康和药物使用护理是一个障碍。延误会导致儿童和青少年的心理健康危机。在博尔德县，我们有近20,000名医疗补助人员。通过允许21岁以下的医疗补助接收者在没有诊断的情况下获得行为健康服务，这20,000名年轻人将改善获得行为医疗保健的机会。它将消除护理的障碍，并最终可以挽救生命。此外，消除诊断的需求将减轻我们已经挑战的行为健康劳动力的行政负担。简而言之，该法案将帮助科罗拉多州的青年获得他们过着幸福，健康生活所需的行为卫生服务。感谢您对SB 174的考虑，并感谢赞助商提出这项法案。
社论：哺乳动物大脑中GABA能抑制回路的组装，可塑性和功能的细胞和分子机制
通过GABA能中间神经元（INS）抑制法规在正常大脑中的复杂神经计算中起着至关重要的作用，其畸形和功能错误会导致多种脑部疾病（Del Pino等，2018; Frye等，2016; kepecs and 2016; Kepecs and 2014; kepecs and fishell，2014; theanno; theang; theang; ealig; al ang e e eT; Al。，2016）。在过去的二十年中，在理解GABA能抑制回路的发展，可塑性，功能和病理相关性方面取得了显着进展。尤其是单细胞OMICS，遗传靶向，体内成像，功能操纵和行为分析的最新技术进步，我们在亚型中的知识已经爆炸。文章的研究主题，包括七篇原始研究论文和两项评论，其主题是“哺乳动物大脑中GABA能抑制回路的组装，可塑性和功能的主题”主题，突显了我们要走多远，以及我们需要走的地方。这些报告全面讨论了有关GABA能抑制系统的主题，从细胞类型的规范，突触组件和功能多样性到其在健康和疾病中的作用。总体目标是解开无数的INS将自己编织到功能电路中，这是理解皮质抑制的力量和脆弱性的核心。The challenging but essential tasks for dissecting the inhibitory system is to disentangle intricate inhibitory circuits consisting of diverse GABAergic IN subtypes ( Bandler et al., 2017 ; Hu et al., 2017 ; Lodato and Arlotta, 2015 ; Miyoshi, 2019 ; Pelkey et al., 2017 ).Machold和Rudy回顾了由转录组学和发育起源定义的亚型皮质和海马的新兴观点，并突出了一种用于靶向亚型特定的遗传工具包，以及每种方法固有的技术考虑因素。
朝着错误的机器人，信任和时间persper
1 Ph.D.学生，印第安纳州西拉斐特市普渡大学土木工程学院。 电子邮件：chang803@purdue.edu 2印第安纳州西拉斐特市普渡大学建筑工程与管理本科研究助理。 电子邮件：aborowia@purdue.edu 3印第安纳州西拉斐特市普渡大学莱尔斯土木工程学院助理教授。 （通讯作者）电子邮件：sogandm@purdue.edu摘要将机器人介绍给未来的施工站点将施加额外的不确定性，并需要工人的情境意识（SA）。 虽然以前的文献表明，系统错误，信任变化和时间压力可能会影响SA，但这些因素与工人SA之间的联系在未来的建筑行业中进行了研究。 因此，这项研究旨在通过模拟未来的瓦工工人 - 机器人协作任务来填补研究空白，参与者在互动过程中经历了机器人错误和时间压力。 结果表明机器人错误会严重影响受试者对机器人的信任。 但是，在时间关键的施工任务下，工人倾向于恢复对错误的机器人（有时过度信任）的信任，并降低其情境意识。 这项研究的贡献在于为SA在未来的工作地点的重要性提供见解，以及为更好地准备未来工人做好准备的有效策略的需求。 简介机器人将是未来建筑行业不可或缺的一部分，而工人将与机器人互动。 因此，这个1 Ph.D.学生，印第安纳州西拉斐特市普渡大学土木工程学院。电子邮件：chang803@purdue.edu 2印第安纳州西拉斐特市普渡大学建筑工程与管理本科研究助理。电子邮件：aborowia@purdue.edu 3印第安纳州西拉斐特市普渡大学莱尔斯土木工程学院助理教授。（通讯作者）电子邮件：sogandm@purdue.edu摘要将机器人介绍给未来的施工站点将施加额外的不确定性，并需要工人的情境意识（SA）。虽然以前的文献表明，系统错误，信任变化和时间压力可能会影响SA，但这些因素与工人SA之间的联系在未来的建筑行业中进行了研究。因此，这项研究旨在通过模拟未来的瓦工工人 - 机器人协作任务来填补研究空白，参与者在互动过程中经历了机器人错误和时间压力。结果表明机器人错误会严重影响受试者对机器人的信任。但是，在时间关键的施工任务下，工人倾向于恢复对错误的机器人（有时过度信任）的信任，并降低其情境意识。这项研究的贡献在于为SA在未来的工作地点的重要性提供见解，以及为更好地准备未来工人做好准备的有效策略的需求。简介机器人将是未来建筑行业不可或缺的一部分，而工人将与机器人互动。因此，这个尽管机器人可以增强构建中的自动化，但这种合并可能会在工作场所施加额外的不确定性（例如，工人击中了一个机器人）（例如Jeelani和Gheisari 2022）。为了确保未来建筑工地的安全性，工人应在人类机器人相互作用期间对新引入的机器人进行情境意识（SA）。但是，本研究发现了对影响工人SA在未来建筑行业的因素的研究差距。文献提出了一些可能影响工人在未来建筑工地上的因素。例如，在研究人类无人机相互作用的研究中，LU和SARTER发现参与者将在知道无人机在检测任务中犯错误之后会减少对无人机的信任，并更多地关注他们（LU和SARTER 2020）。因此，机器人的错误和信任水平的变化可能会影响工人的注意力分配和机器人的SA。另一方面，在研究时间压力对工人冒险行为的影响的研究中，Pooladvand和Hasanzadeh确定了他们在压力下忽略潜在危害的趋势（Pooladvand and Hasanzadeh 2022）。也就是说，时间压力可能会迫使工人专注于任务，同时忽略处境了解机器人。但是，这些因素与SA之间的联系尚未在未来的建筑行业的背景下进行调查。