XiaoMi-AI文件搜索系统
World File Search System重放
本地能源市场的交易策略，一种深度强化学习方法
摘要 — 为应对能源结构不断增加和环境不断变化所推动的能源转型，本文提出了一种利用真实微电网数据的能源交易策略。具体而言，我们采用具有优先经验重放 (PER) 的深度 Q 网络 (DQN) 来开发基于 DQN-PER 的能源市场算法，以优化参与本地能源市场 (LEM) 的产消者所获得的效用。执行能源交易行为的问题被表述为一个顺序决策问题，以优化产消者在各种能源交易场景中的效用。这包括能源存储系统 (ESS) 提供的应急性或灵活性、太阳能光伏 (PV) 源的结合以及与电网或 LEM 交易能源的决策。结果表明，在 LEM 中交易能源所获得的收益更高，当纳入更多可再生能源时，收益更高。例如，在带有 ESS 的电网中，LEM 交易的平均收益为 35%，而当 PV 和 ESS 结合在一起时，收益将增加到 54%。索引术语 — 太阳能光伏、储能系统、深度 Q 网络、本地能源市场、深度强化学习、优先经验重放。
数字证据图像的存储、回放和处置
1.1 范围 这是为支持国家警务改革局 (NPIA) ACPO (2007) 警察使用数字图像的实践建议而制定的三份技术文件中的第一份。它涵盖了与警方生成或第三方传输的证据数字图像的存储、重放和最终处置相关的方面。在这种情况下，“证据”一词应理解为包括警方生成或传输给警方的任何图像，无论捕获这些图像的初衷如何，即最初假设所有图像都有可能成为证据。提出的一些问题并不特定于图像数据，也同样适用于其他形式的数字证据。然而，数字图像（尤其是视频）占用的存储空间特别大，也带来了与长期维护重放功能相关的独特困难。话虽如此，任何关于数字图像存档的讨论都不可避免地必须在 IT 系统设计的更广泛背景下进行。本文件并非试图涵盖 IT 方面，而是提供了一个模板，通过该模板可以将警察成像部门的需求传达给部队内的 IT 专家。目前，刑事司法系统各机构之间传输图像的更广泛问题（包括披露和公开的过程）不在本范围之内。然而，这些也将对广泛产生影响
NOVA 9000 A-SMGCS - 因陀罗
NOVA 9000 记录和回放系统 (RPS) 专为事故或事件调查而设计。该系统提供控制器工作位置的所有相关信息的存储和检索，包括高分辨率 SMR 视频、目标数据、每个 CWP 的相关操作员操作和事件（警报）。新功能，如屏幕转储可能性；打印到彩色激光/点阵打印机、电影制作；允许在任何 PC 上重放，以及集成语音记录和同步*。
NOVA 9000 A-SMGCS - 因陀罗
NOVA 9000 记录和回放系统 (RPS) 专为事故或事件调查而设计。该系统提供控制器工作位置的所有相关信息的存储和检索，包括高分辨率 SMR 视频、目标数据、每个 CWP 的相关操作员操作和事件（警报）。新功能，如屏幕转储可能性；打印到彩色激光/点阵打印机、电影制作；允许在任何 PC 上重放，以及集成语音记录和同步*。
NOVA 9000 A-SMGCS - Indra
NOVA 9000 记录和回放系统 (RPS) 专为事故或事件调查而设计。该系统提供控制器工作位置的所有相关信息的存储和检索，包括高分辨率 SMR 视频、目标数据、每个 CWP 的相关操作员操作和事件（警报）。新功能，例如屏幕转储可能性；打印到彩色激光/点阵打印机、电影制作；允许在任何 PC 上重放，以及集成语音录制和同步*。
NOVA 9000 A-SMGCS - 因陀罗
NOVA 9000 记录和回放系统 (RPS) 专为事故或事件调查而设计。该系统提供控制器工作位置的所有相关信息的存储和检索，包括高分辨率 SMR 视频、目标数据、每个 CWP 的相关操作员操作和事件（警报）。新功能，如屏幕转储可能性；打印到彩色激光/点阵打印机、电影制作；允许在任何 PC 上重放，以及集成语音记录和同步*。
NOVA 9000 A-SMGCS - Indra
NOVA 9000 记录和回放系统 (RPS) 专为事故或事件调查而设计。该系统提供控制器工作位置的所有相关信息的存储和检索，包括高分辨率 SMR 视频、目标数据、每个 CWP 的相关操作员操作和事件（警报）。新功能，例如屏幕转储可能性；打印到彩色激光/点阵打印机、电影制作；允许在任何 PC 上重放，以及集成语音录制和同步*。
Kyber-E2E提交CVPR的CARLA自主驾驶挑战 计划以计划为导向的自主驾驶
在本文中，我们介绍了Kyber-e2e提交给Carla Automous Driving（AD）Challenge的架构，CVPR2024。我们的解决方案包括经过独立培训的感知和计划模块。此外，我们采用了手工制作的模块来进行本地化和控制，以形成完整的AD管道。我们为精心手工制作的特权代理人提供了培训数据，以培训我们的看法和计划模块。尽管并不完美，但特权代理商成功地将Carla Leaderbaord 2.0中的所有场景成功提供了培训的可靠数据集。感知模块是从特权信息中以有监督的方式培训的。该计划模块最初是使用模仿学习来复制手工制作的特权代理的培训，后来在基于重放的仿真环境中进行了微调。
航空航天和国防领域的 HCL - HCLTech
一家为商业航空业提供服务的美国一级供应商与我们合作，为其一架主要飞机开发 TCAS [或机载防撞系统 (ACAS)]，采用全新的架构，使系统更易于维护且更高效。结果：这种计算机化的航空电子设备降低了空中相撞的危险。它独立于空中交通管制监控飞机周围的空域，并通过提供视觉或口头警报的高级图形用户界面向飞行员发出警告。我们开发的 CAS 逻辑和 CAS 模拟器有助于避免因技术风险而产生的重复性和周期性软件开发。我们提供记录和重放设施并同时执行多个测试，这大大缩短了回归时间，6 个月的计划仅用 3 个月就完成了。
受大脑启发的脉冲神经网络中的终身学习和发展联想记忆
生物系统中的 EAM，更具体地说是大脑中的 EAM，是通过终身学习 (LLL) 创建的，其中相关项目在时间和空间中的结构（例如集群）不断创建和修改。另一方面，LLL 依赖于基于共性和相似性将新项目添加到现有结构中，因此 LLL 和 EAM 是同一过程的双重原则。这种二元性涉及大脑中不同层次的分子和神经功能，例如：神经发生；神经调节；情景重放；元可塑性；多感觉整合。1 大脑中的 LLL 是基于神经网络的人工系统中 LLL 的终极灵感，更具体地说，是基于大脑启发的脉冲神经网络 (SNN) 架构，其中时空联结结构不断形成和修改以形成不断发展的时空联想记忆 (ESTAM)。2–5