XiaoMi-AI文件搜索系统
World File Search System预测性
机电工程中的人工智能：ESPRIT 模型 Mohamed Hedi Riahi、Nadia Ajailia ESPRIT 工程学院 摘要 近十年来，人工智能 (AI) 蓬勃发展，现已涵盖自动化、电力和维护等机电领域，为此我们引入了 ESPRIT 方法。该方法强调工程师需要丰富技能组合，以适应不断变化的环境。这种教育模式将 AI 模块整合到机电工程课程中，符合 CDIO 标准，以培养广泛的 AI 能力。该课程经过精心设计，从基础知识进阶到高级应用和评估，采用主动学习策略提高学生的技术、解决问题和专业技能，最终鼓励全面掌握工程领域的 AI。本文介绍了 ESPRIT 方法，这是一种专为让机电工程师具备必要的 AI 能力而量身定制的教学范式。ESPRIT 机电工程课程中专用 AI 模块的整合符合 CDIO 标准，标志着工程教育取得了重大进步。我们的教学贡献有三方面，涵盖了三年内 AI 模块的设计、执行和评估。该课程采用主动学习策略（标准 8）让学生沉浸在 AI 问题解决中，营造出一种实践参与的环境。课程以结构化的方式展开（标准 3），从第三年的 AI 发现阶段开始，学生将熟悉 Python、AI 库和基础 AI 概念，包括基本分类和回归算法。第二阶段是第四年，重点是应用和强化所获得的知识，重点是 AI 项目的生命周期。学生通过开展一个遵循 AI 项目惯例的小型项目来结束这一阶段。第五年的最后阶段强调实际应用和掌握，最终在 NVIDIA DLI 研讨会上结束，学生有机会获得预测性维护 AI 证书。最后，本文对这种教学方法进行了批判性分析，强调了其实用应用和与学生能力相符的节奏良好的学习轨迹。尽管如此，它强调了在 AI 的理论和实践方面实现对称平衡的必要性，以充分利用其在机电工程中的潜力。关键词
机电工程中的人工智能：ESPRIT 模型 Mohamed Hedi Riahi、Nadia Ajailia ESPRIT 工程学院 摘要 近十年来，人工智能 (AI) 蓬勃发展，现已涵盖自动化、电力和维护等机电领域，为此我们引入了 ESPRIT 方法。该方法强调工程师需要丰富技能组合，以适应不断变化的环境。这种教育模式将 AI 模块整合到机电工程课程中，符合 CDIO 标准，以培养广泛的 AI 能力。该课程经过精心设计，从基础知识进阶到高级应用和评估，采用主动学习策略提高学生的技术、解决问题和专业技能，最终鼓励全面掌握工程领域的 AI。本文介绍了 ESPRIT 方法，这是一种专为让机电工程师具备必要的 AI 能力而量身定制的教学范式。ESPRIT 机电工程课程中专用 AI 模块的整合符合 CDIO 标准，标志着工程教育取得了重大进步。我们的教学贡献有三方面，涵盖了三年内 AI 模块的设计、执行和评估。该课程采用主动学习策略（标准 8）让学生沉浸在 AI 问题解决中，营造出一种实践参与的环境。课程以结构化的方式展开（标准 3），从第三年的 AI 发现阶段开始，学生将熟悉 Python、AI 库和基础 AI 概念，包括基本分类和回归算法。第二阶段是第四年，重点是应用和强化所获得的知识，重点是 AI 项目的生命周期。学生通过开展一个遵循 AI 项目惯例的小型项目来结束这一阶段。第五年的最后阶段强调实际应用和掌握，最终在 NVIDIA DLI 研讨会上结束，学生有机会获得预测性维护 AI 证书。最后，本文对这种教学方法进行了批判性分析，强调了其实用应用和与学生能力相符的节奏良好的学习轨迹。尽管如此，它强调了在 AI 的理论和实践方面实现对称平衡的必要性，以充分利用其在机电工程中的潜力。关键词
增强神经胶质瘤IDH突变状态的可预测性...
根据世界卫生组织中枢神经系统肿瘤的分类，抽象的目的，等酸脱氢酶（IDH）基因的突变状态已成为神经胶质瘤的主要诊断鉴别剂。 因此，基于成像的IDH突变状态的预测对于个别患者管理是高度兴趣的。 我们比较并评估了源自双正电子发射断层扫描（PET）和磁共振成像（MRI）数据的放射线学的诊断值（MRI）数据，以无创地预测IDH突变状态。 使用[18 F] GE-180，使用[18 F] FET和T1-/T2加权MRI扫描的pET靶向易位蛋白（TSPO）的PET进行了八十七名胶质瘤患者。 除了计算所有模式的肿瘤与背景比（TBR）图像外，还产生了量化动态[18 f] FET信息的参数图像。 从TBR和参数图像中提取放射线特征。 采用接收器操作特征曲线（AUC）下的面积来评估逻辑回归（LR）分类器的性能。 为了报告可靠的估计值，应用了五个折叠和50个重复的嵌套交叉验证。 结果TBR GE-180从TSPO阳性体积提取的特征在TBR图像中具有最高的预测能力（AUC 0.88，年龄为副因素为0.94）。 动态[18 f] FET PET达到了类似的高性能（0.94，年龄为0.96）。抽象的目的，等酸脱氢酶（IDH）基因的突变状态已成为神经胶质瘤的主要诊断鉴别剂。因此，基于成像的IDH突变状态的预测对于个别患者管理是高度兴趣的。我们比较并评估了源自双正电子发射断层扫描（PET）和磁共振成像（MRI）数据的放射线学的诊断值（MRI）数据，以无创地预测IDH突变状态。使用[18 F] GE-180，使用[18 F] FET和T1-/T2加权MRI扫描的pET靶向易位蛋白（TSPO）的PET进行了八十七名胶质瘤患者。除了计算所有模式的肿瘤与背景比（TBR）图像外，还产生了量化动态[18 f] FET信息的参数图像。放射线特征。采用接收器操作特征曲线（AUC）下的面积来评估逻辑回归（LR）分类器的性能。为了报告可靠的估计值，应用了五个折叠和50个重复的嵌套交叉验证。结果TBR GE-180从TSPO阳性体积提取的特征在TBR图像中具有最高的预测能力（AUC 0.88，年龄为副因素为0.94）。动态[18 f] FET PET达到了类似的高性能（0.94，年龄为0.96）。多模式分析中最高的LR系数包括TBR GE-180特征，来自动力学和早期静态[18 f] FET PET图像的参数，年龄以及TBR T2图像的特征，例如峰度（0.97）。结论结果表明，结合TBR GE-180功能以及来自Dynamic [18 f] FET PET的动力学信息，Tbr T2的峰度以及年龄可以产生非常高的IDH突变状态可预测性，从而有可能改善早期患者的管理。
sicnav：使用模型预测性控制和二线优化的安全且交互式人群导航
摘要 - 机器人需要预测和对人类动作做出反应，以在没有冲突的情况下在人群中导航。许多现有的方法将预测与计划的预测无法解释机器人和人类动作之间的相互作用，并且可能导致机器人被卡住。我们提出了SICNAV，这是一种模型预测控制（MPC）方法，该方法共同解决了机器人运动并预测闭环中的人群运动。我们在人群中对每个人进行建模，以遵循最佳的倒数避免避免（ORCA）方案，并将该模型嵌入机器人的本地规划师中，从而导致了双重非线性MPC优化问题。我们使用KKT改制将双重问题作为单个级别施放，并使用非线性求解器进行优化。我们的MPC方法可以影响行人运动，同时明确满足单机器人多人类环境中的安全限制。我们在两个模拟环境中分析了SICNAV的性能，并使用真实机器人进行了室内实验，以证明可以影响周围人类的安全机器人运动。我们还验证了在人类轨迹数据集上孔口的轨迹预测性能。代码：github.com/sepsamavi/saf-interactive-crowdnav.git。
季节性温度分布的十年可预测性
抽象的十年预测定期关注单个值的预测性，例如均值或极端。在这项研究中，我们研究了全球和欧洲尺度上完整的基础表面温度分布的预测技能。我们研究了Max Planck Institute地球系统模型decadal预测系统的初始化后广播模拟，并比较季节性每日温度的分布与估计气候和非传统历史模拟的估计。在分析中我们表明，初始化的预测系统在北大西洋地区具有优势，因此可以对整个温度频谱进行可靠的预测，以提前两到10年。我们还证明了初始化气候预测预测温度分布的能力取决于季节。
精神病学：预测可预测性
精神病学是一个新兴领域，旨在为精神卫生保健提供个性化的方法。实现此精度的重要策略是减少对预后和治疗反应的不确定性。多变量分析和机器学习用于基于临床数据，例如人口统计学，评估，遗传信息和大脑成像创建结果预测模型。尽管已经将很多重点放在技术创新上，但心理健康的复杂性和多样性的性质给这些模型的成功实施带来了挑战。从这个角度来看，我回顾了精神病学领域的十个挑战，包括需要对现实世界人群进行研究和现实的临床结果定义，以及考虑与治疗相关的因素（例如安慰剂效应和对处方不遵守）的考虑。公平性的验证是当前正在研究的其他关键问题。从基于线性和静态疾病概念的回顾性研究提出了转变，转移到了前瞻性研究，该研究认为情境因素的重要性以及心理健康的动态和复杂性。
证据是什么？算法偏见在预测性警务工具中具有社会竞争的作用
本文在芝加哥犯罪预测算法的背景下，对算法偏见的社会作用进行了重要的定性研究，这是一种预测性的警务工具，该工具预测最有可能发生城市犯罪的何时何地。通过与18个芝加哥地区社区组织，学术研究人员和公共部门参与者的访谈，我们表明，来自不同群体的利益相关者表达了该工具算法的多样化问题诊断，从战略上讲，从战略上讲，它可以证明与利益相关者的地位和政治目的相吻合的刑事司法干预措施。从凯瑟琳·伊格纳齐奥（Catherine D'Ignazio）的“拒绝和使用”数据的税收中汲取灵感，我们发现利益相关者使用算法偏见的证据来改革围绕警察巡逻分配的政策；拒绝基于算法的警务干预措施；将犯罪重新构建为结构性问题，而不是人际交往问题；揭示有关权威数字的数据，以颠覆其权力；修复和治愈家庭和社区；而且，对于更强大的参与者，重申自己的权威或现有权力结构。我们确定了这些算法偏见的各种用途的隐式假设和范围作为证据，表明它们对警务和AI的价值观不同（有时是矛盾）。这种差异反映了经常以系统影响的社区为中心的解放价值与康复价值之间的犯罪司法改革格局的长期紧张，以及经常在数据驱动的改革措施中实例化的监视和威慑价值。我们主张将受到监禁影响的社区的利益和经验知识居中，以确保算法偏见的证据可以作为挑战现状的手段。
螺栓故障位置分析，实现预测性维护
在本研究中，我们从汽车和轮胎厂收集了大量断裂接头螺栓，并对每个螺栓进行分析，以确定失效原因和螺栓上裂纹的起始位置。然后根据失效原因和位置对螺栓进行分组，以调查失效概率和失效位置概率。结果表明，低周和高周疲劳占螺栓失效的 70%，80% 的螺栓失效发生在螺栓螺纹区域的深处。只有在确定因低周疲劳而失效的样本中才会发现更靠近头部和杆部交叉处的失效位置。尽管如此，只有 40% 的低周疲劳导致的螺栓失效发生在靠近头部的位置，60% 的失效发生在远离头部的螺纹区域。本研究结果有助于预测螺栓的故障位置，从而有助于指导接头螺栓的预防性维护程序。
量子不可预测性 - 密码学电子印刷档案
不可预测函数 (UPF) 在经典密码学中起着重要作用，包括消息认证码 (MAC) 和数字签名。在本文中，我们介绍了 UPF 的量子类似物，我们称之为不可预测状态生成器 (UPSG)。UPSG 由伪随机函数类状态生成器 (PRFS) 隐含，伪随机函数类状态生成器是伪随机函数 (PRF) 的量子类似物，因此即使单向函数不存在，UPSG 也可能存在，类似于其他最近引入的原语，如伪随机状态生成器 (PRSG)、单向状态生成器 (OWSG) 和 EFI。在经典密码学中，UPF 等同于 PRF，但在量子情况下，等价性尚不清楚，UPSG 可能比 PRFS 弱。尽管如此，我们证明所有已知的 PRFS 应用也可以通过 UPSG 实现。它们包括 IND-CPA 安全密钥加密和具有不可克隆标签的 EUF-CMA 安全 MAC。我们的研究结果表明，对于许多应用来说，量子不可预测性而不是量子伪随机性就足够了。
对加密货币ZEC价格预测性能的LSTM，GRU和Transformer深度学习模型的比较分析
摘要。本文深入研究了加密货币价格预测的有趣领域，采用了尖端的深度学习方法，以ZCASH（ZEC）为重点。该研究介绍了两个至关重要的特征：“ CLOSS_OFF_HIGH”和“波动性”，然后系统地分析了这些变量与ZEC价格之间的相关性。通过研究三个突出的神经网络架构长期记忆（LSTM），门控复发单元（GRU）和变压器模型的预测准确性 - 研究表明，LSTM和GRU模型在预测ZEC的价格运动中表现优于其他人。此外，本文仔细检查了不同激活函数对模型性能的影响，在这种情况下阐明了线性激活函数的效率。该研究还解决了预测建模中的共同挑战，例如过度拟合和多重共线性。此外，它坦率地承认与仅关注单一的加密货币相关的局限性，认识到需要更广泛的搜索工作和跨学科的合作才能对不断变化的加密货币景观进行更详细的了解。随着加密货币市场继续迅速发展，这项研究为投资者提供了有价值的见解，为加密货币投资提供了理性的观点。它强调了利用适当的模型和拥抱跨学科合作来浏览复杂而动态的加密货币世界的重要性。通过弥合深度学习的尖端世界与金融市场之间的差距，这项研究为实现未来的调查和更明智的投资决策铺平了道路。
使用快速嵌入式模型预测性机器人导航
摘要 - 预测计划是机器人有效，安全地浏览填充环境的关键能力。在密集拥挤的场景中具有不确定的人类运动预测，预测路径计划和控制可能会变得昂贵，因为维度的诅咒，实时计算。目的是在共享环境中实现积极主动和清晰的机器人运动，在本文中，我们提出了人类MPC，这是一种用于Hu Man Motion的计算有效算法，使用快速嵌入式M odel P Redictive c Ontrol进行了Ware n Vaine N。该方法由一种新型的模型预测控制（MPC）公式组成，该公式利用基于顺序二次编程实时迭代方案的快速状态优化后端，同时还提供可行性监视。我们的实验，在模拟和完全集成的基于ROS的平台上，表明该方法通过快速计算时间实现了出色的可扩展性，而不会惩罚所得的回避行为的路径质量和效率。