XiaoMi-AI文件搜索系统
World File Search SystemAutomatic
Wafbooster：自动提升WAF安全...
摘要 - Web应用程序防火墙（WAF）通过一组安全规则检查了往返Web应用程序的恶意流量。它在保护Web应用程序免受Web攻击方面起着重要作用。但是，随着网络攻击的复杂性，WAF越来越难以阻止旨在绕过防御力的变异恶意有效载荷。响应这个关键的安全问题，我们开发了一个新型的基于学习的框架，名为WAFB Ooster，旨在公布WAF检测中的潜在旁路，并建议规则来强化其安全性。使用影子模型和有效载荷生成技术的组合，我们可以识别恶意有效载荷，并根据需要删除或修改它们。WAFB Ooster使用高级聚类和正则表达式匹配技术为这些恶意有效载荷生成签名，以修复我们发现的任何安全差距。在我们对八个现实世界WAF的全面评估中，WAFB Ooster将突变的恶意有效载荷的真实拒绝率从21％提高到96％，而没有虚假拒绝。WAFB Ooster达到的虚假接受率3×低于生成恶意有效载荷的最先进方法。与WAFB Ooster一起，我们向前迈出了一步，以确保Web应用程序免受不断发展的威胁。
nn学习驱动的自动控制＆...
在当代工程和科学研究中，自动控制与机器学习之间的相互作用变得越来越重要。本报告探讨了这种关系的两个关键方面：机器学习技术以增强自动控制系统的应用以及使用自动控制原理以改善机器学习算法。首先，我们讨论如何利用机器学习来优化复杂系统中的控制策略，从而对动态环境产生适应性和智能的反应。的技术（例如增强学习和神经网络）是否有能力从数据中学习，从而产生更有效的控制机制，这些机制可以处理不确定性和非线性。其次，我们研究了如何将自动控制原理应用于完善机器学习过程。可以利用诸如反馈控制之类的概念来稳定学习算法，减少过度拟合并确保各种机器学习应用中的收敛性。这种双重视角强调了整合这两个领域而产生的相互利益和协同作用。通过案例研究和示例，我们证明了将机器学习和自动控制相结合，为机器人技术，自主系统和智能技术的进步铺平道路的变革潜力。最终，本报告旨在提供有关研究的未来方向以及合并这两个领域的实际含义的见解。
沥青路面上的自动破解分类...
摘要：沥青路面裂缝构成了表面材料的普遍和严重的困扰，在选择适当的维修策略之前，必须对劣化的类型进行分类以识别根本原因。有效的检测和分类最大程度地减少伴随成本，并同时增加路面服务寿命。这项研究采用了使用Crack500数据集和GitHub提供的其他数据集可用的辅助数据，采用卷积神经网络（CNN）进行沥青路面裂纹检测。此数据集具有四种类型的裂纹。：水平，垂直，对角线和鳄鱼。还对ImageNet训练的五个预训练的CNN模型也接受了培训和评估以进行转移学习。紧急结果表明，有效网络B3是最可靠的模型，并获得了94％F1_SCORE和94％精度的结果。通过对ImageNet预先训练的权重进行转移学习和对CNN进行微调，通过在同一数据集上进行了培训。结果表明，修改模型以96％的F1_SCORE和96％的精度显示出更好的分类性能。通过将ImageNet重量的有效传输和对有效网络B3架构的顶层进行微调以满足分类要求的有效转移，可以实现这种高分类的精度。最后，混乱矩阵表明，某些类别的裂纹在概括方面的性能要比其他裂纹更好。因此，需要进一步的进一步进步，以微调的预训练模型。这项研究表明，高分类结果是由于使用ImageNet权重的成功转移学习和微调而产生的。
自动有效发现量子内核
摘要 - 量词计算可以通过启用内核机器来利用量子kernels来代表数据之间的相似性度量来增强机器学习模型。量子内核能够捕获在经典设备上无法有效计算的数据中的关系。但是，没有直接的方法可以针对每个特定用例设计最佳量子内核。我们提出了一种方法，该方法采用了与神经体系结构搜索和自动化中使用的技术相似的优化技术，以启发式方式自动找到最佳内核。为此，我们定义了用于构建实现相似性度量作为组合对象的量子电路的算法，该算法是根据成本函数进行评估的，然后使用元效法优化技术进行了迭代修改。成本函数可以启用许多标准，以确保候选解决方案的有利统计属性，例如动态LIE代数的等级。重要的是，我们的方法独立于采用的优化技术。通过在高能物理问题上测试我们的方法获得的结果表明，在最佳情况下，我们可以相对于手动设计方法匹配或提高测试准确性，表明我们技术的潜力可以减少努力来提供卓越的结果。
规范和自动验证计算降低
我们对计算减少的以下验证问题感兴趣：对于算法问题p和p⋆，给定的候选者减少的减少确实是从P到P⋆降低的吗？毫不奇怪，即使对于非常有限的减少类别，这个问题也无法确定。这导致了一个问题：是否有天然，表达的减少类别可以对算法进行验证问题？我们通过引入易于使用的计算减少图形规范机制（称为cookbook降低）来积极回答这个问题。我们表明，食谱减少足以覆盖许多经典的图形降低并表达足够的表达式，以使SAT保持NP完整（在线性阶的存在下）。令人惊讶的是，验证问题对于降低食谱的自然和表达子类是可决定的。
自动多类皮肤的人工智能方法...
皮肤病是最常见的健康问题之一。大多数皮肤病都不是恶性的，因此大多被忽视。事实上，不适当的治疗可能会降低生活质量。另一方面，提供皮肤病诊断具有挑战性。由于某些症状相似，诊断错误是可以避免的。近年来，人工智能 (AI) 方法已被推广用于支持医疗实践，以提供准确的皮肤病诊断。大多数工作仍然集中在检测最致命的皮肤病黑色素瘤上。在探索人工智能进行更一般的多类皮肤病识别方面的工作有限。本文介绍了用于检测一般多类皮肤病的机器学习方法的模拟工作和分析。此外，为了全面了解 AI 在皮肤病学中的应用，还介绍了 AI 方法在皮肤病学中的研究工作映射。在模拟工作中，采用、分析和讨论了两种机器学习框架，即传统机器学习和迁移学习方法。以六 (6) 种不同的皮肤病、皮肤纤维瘤、水痘、湿疹、角化病、牛皮癣和疥疮为研究案例。根据模拟结果，所提出的方法实现了 70%-80% 的准确率。传统机器学习方法与迁移学习方法相比表现出色。根据准确度指标和收敛行为，这两种方法都有望通过更大的数据集得到进一步开发和修改。
家用自动太阳能植物浇水系统
摘要 本文介绍了一种自动太阳能植物浇水系统的开发，该系统将帮助那些难以找到足够时间灌溉植物的家庭园丁。该系统使用 DHT11 湿度温度传感器和土壤湿度传感器监测周围的种植园和植物下方的土壤状态。利用 Arduino IDE 程序，Arduino Uno R3 (Atmega 328p) 接收来自这些传感器的读数以确定植物的状态。为了确定植物是否获得足够的水并调节水泵进行灌溉，Arduino IDE 程序计算传感器值并确定土壤条件是高于还是低于阈值。要使自动植物浇水系统发挥作用，需要一个五伏太阳能电池板和一个 MPPT 充电控制器。DHT11 传感器和土壤湿度传感器的推荐范围在文章中有明确说明和记录。关键词：植物浇水、浇水系统、太阳能、家庭园艺、嵌入式系统
CoralNet：用于自动注释底栖图像的 AI
Beijbom、Edmunds、Roelfsema、Smith、Kline、Neal、Dunlap、Moriarty、Fan、Tan、Chan、Treibitz、Gamst、Mitchell、Kriegman，“面向底栖调查图像的自动注释：人类专家的多变性和自动化操作模式”，PLOS ONE，2015 年
自动注册/升级 - 我的计划是祖父吗？
教会计划政府计划的其他详细信息包括：延期必须投资于合格的默认投资替代方案（QDIA），除非参与者另有选择。参与者可以在初次延期后的90天期间撤回在90天期间制造的自动剥夺。该规定适用于12/29/2022之后采用多雇主计划（MEP）的雇主，即使在该日期之前建立了MEP。Secure 2.0中包含的新401（k）和403（b）计划的自动注册/自动升级要求可能是某些计划赞助商的“陷阱”时刻。有90多个新法律规定，有很多东西要揭开。我们可以帮助您避免被安全2.0的精美印刷品埋葬的东西措手不及。