XiaoMi-AI文件搜索系统
World File Search SystemComputers
生物医学计算机 NExpR - 赵凯
医学图像通常需要重新缩放到各种空间分辨率，以确保在不同层面上的解释。传统的基于深度学习的图像超分辨率 (SR) 增强了固定尺度的分辨率。隐式神经表征 (INR) 是一种实现任意尺度图像 SR 的有前途的方法。然而，现有的基于 INR 的方法需要重复执行神经网络 (NN)，这既慢又低效。在本文中，我们提出了用于快速任意尺度医学图像 SR 的神经显式表征 (NExpR)。我们的算法用显式解析函数表示图像，其输入是低分辨率图像，输出是解析函数的参数化。通过单个 NN 推理获得解析表示后，可以通过在所需坐标处评估显式函数来得出任意尺度的 SR 图像。由于解析显式表示，NExpR 比基于 INR 的方法快得多。除了速度之外，我们的方法还实现了与其他强大竞争对手相当或更好的图像质量。在磁共振成像 (MRI) 数据集（包括 ProstateX、fastMRI 和我们内部的临床前列腺数据集）以及计算机断层扫描 (CT) 数据集（特别是 Medical Segmentation Decathlon (MSD) 肝脏数据集）上进行的大量实验证明了我们方法的优越性。我们的方法将重新缩放时间从 1 毫秒的数量级缩短到 0.01 毫秒的数量级，实现了超过 100 倍的加速，同时不损失图像质量。代码可在 https://github.com/Calvin-Pang/NExpR 上找到。
计算机和信息学
技术进步导致各种农业系统发生巨大变化，从而大幅提高生产能力 [1]。这些技术进步还确保了粮食安全、肉类和牛奶供应以及工业发展原材料的使用 [1]。农业技术进步越来越多地取代传统农业机械和其他设备的人力和干预 [2]。技术进步促进了农业支持功能的成功自动化，例如机械和肥料的输送以及原材料的生产 [3]。随着计算机技术和计算机系统的发展（表 1），成本进一步降低，农业系统的效率越来越强大 [4, 5]。计算机在农业中的应用分为三个重要领域：图像分析、作物模型和信息技术 [6]。计算机及其在这三个领域的应用改变了大多数传统农业耕作活动的面貌，从农学中最基本的土地利用转变为最高水平的工业加工 [6]。然而，计算机信息系统 (CIS) 是传递农业和非农业部门全球发展所需信息的基本基础 [7, 8]。 CIS 可以看作是人类发展不同领域所需的信息集 [4]。CIS 的主要类型包括执行支持系统 (ESS)、决策支持系统 (DSS)、管理信息系统 (MIS) 和交易处理系统 (TPS) [9]。ESS 通常被称为专家信息系统 (EIS)，它结合了 MIS 和 DSS 的诸多功能，信息以根据使用系统的高管的偏好量身定制的形式呈现，例如使用图形用户界面 (GUI) [4]。DSS 向负责对特定情况做出判断的高层管理人员提供信息，并在结构不太完善的情况下（例如风险分析）为决策者提供支持 [4]。
ENERGY STAR 计算机 9.0 版最终草案...
9) 工作站：用于专业工作流程（如建筑、工程、计算机辅助绘图、产品开发、财务应用、科学应用和/或内容创建）的高性能计算机。本规范涵盖的工作站 (a) 作为工作站销售；(b) 不支持更改超出 CPU 和 GPU 制造商出厂操作规格的频率或电压；(c) 具有支持纠错机制的系统硬件，该机制通过 CPU、互连和系统内存上的专用电路检测和纠正数据错误。此外，工作站必须拥有 4 个或更多独立软件供应商 (ISV) 专业工作流程产品认证（参见上文示例）。这些认证可能正在进行中，但合作伙伴应确保在产品上市之日起 6 个月内完成。
HC2X/HC5X 医疗移动计算机产品概述手册
将 HC2X/HC5X 与 Connect Cradle 相结合，可在护士站、便携式“移动计算机”等设备上创建功能齐全的移动工作站。Zebra 的 Workcloud Communication 套件支持实时协作，因此您的员工可以通过 PTT、PBX 和安全文本在正确的时间联系到正确的角色中的正确同事。此外，Workcloud Communication Profile Manager 使员工能够覆盖多个角色和部门，只需访问其设备上的预设配置文件即可。
Ayanwale，Musa Adekunle； Ntshangase，Sibusiso D.；阿德拉娜，先知保罗；议长昆勒·瓦希德 (Kunle Waheed)； Adam，Umar A.和Stella Oluwakemi（2024）。驾驭未来：探索在职教师对人工智能融入南非学校的准备情况。计算机与教育：人工智能，7，文章编号: 100330.
本研究为现有关于如何将人工智能 (AI) 融入全球学校系统的研究做出了贡献。本研究探讨了在职教师对将人工智能融入学校的准备情况。我们在南非学校系统的背景下进行了这项研究，受试者是科学、社会科学、数学和语言等不同专业的教师。借鉴扩展的技术接受和使用统一理论 (UTAUT2)，我们通过技术整合、社会影响、人工智能伦理、态度、TPACK、感知自我效能、人工智能专业发展和人工智能准备八个变量收集了教师的观点。为了分析本研究涉及的 430 名教师的数据，我们使用了结构方程模型分析方法和 SmartPLS 软件版本 4.1.0.0。我们的结果表明，技术整合、社会影响、态度和感知自我效能会影响教师对人工智能的准备。然而，TPACK 和道德并不影响教师为将人工智能融入学校所做的准备。本研究进一步基于变量的中介和调节分析提出了有趣的见解。我们讨论我们的发现并强调它们对实践和政策的影响。
Honeywell CK67 和 CK62 移动计算机
全球最发达的经济体都面临着零售、仓储和配送等多个关键行业持续且日益严重的劳动力短缺问题。为仓库员工配备最新的霍尼韦尔手持设备（如 CK62 或 CK67）不仅可以提高整个业务的准确性和速度，而且还可以大大改善用户体验，从而提高员工满意度和生产率。这可以最大限度地减少员工流失，让仓库有信心投资于员工的长期发展。
计算机与工业工程
在由许多互连组件组成的软件系统中，每个组件的脆弱性都会影响其他组件和整个系统的脆弱性。现有技术可以量化单个组件的脆弱性，但当它们互连或相互依赖时，评估它们的脆弱性仍然是一个挑战。本研究通过一种新的系统范围脆弱性评估 (SWVA) 框架解决了这一问题，该框架针对互连软件组件，基于关联随机神经网络 (ARNN)，根据单个组件已知的局部脆弱性及其互连来估计所有软件组件的系统范围脆弱性。ARNN 使用特定于问题的权重初始化，并使用基于梯度的深度学习算法从现有软件系统示例中学习。然后使用 ARNN 来评估迄今为止未见过的软件系统的脆弱性。对所提出的基于 ARNN 的 SWVA 框架的性能进行了评估，并与几种著名的机器学习技术在 13 个不同版本的真实软件系统（最多包含 11 个组件）上进行了比较。实验结果表明，ARNN 的性能优越，中位准确率达到 85% 以上，并且相对于连接的软件组件数量具有良好的高可扩展性。
新加坡的微电子和计算机小组委员会
推荐引用推荐引用Yuan-Lu，Lu（2023），“新加坡的微电子和计算机小组委员会”，《东盟科学与技术杂志》的开发与技术杂志：第1卷。10：No. 2，第7条。 doi：https：//doi.org/10.29037/ajstd.428可在以下网址提供：10：No.2，第7条。doi：https：//doi.org/10.29037/ajstd.428可在以下网址提供：
量子信息和计算（QIC）研讨会Robert Coenen（IQM量子计算机）2:30 PM，2024年10月23日，星期三，电气工程221
随着对全球量子技术的日益兴趣，越来越需要访问相关的物理系统进行教育和研究。在本演示文稿中，我们使用超导技术引入了一台商业上可用的现场量子计算机，并提供了对其基本硬件和软件组件的见解。我们展示了如何在教育中使用该系统来教授量子概念并加深对量子理论和量子计算的理解。它为未来的人才提供了学习机会，并为技术进步做出了贡献。此外，我们证明了它在研究中的使用。