XiaoMi-AI文件搜索系统
World File Search SystemEasyChair
EasyChair 预印本 - 人工智能的兄弟
约翰·麦卡锡（John McCarthy，1927 年 9 月 4 日 - 2011 年 10 月 24 日）是美国计算机科学家和认知科学家。“人工智能”一词由他创造（维基百科，2020 年）。萨蒂什·加贾瓦达（Satish Gajawada，1988 年 3 月 12 日 - 至今）是印度独立发明家和科学家。他在本文中创造了“人工满足”一词（Gajawada，S. 和 Hassan Mustafa，2019a）。本文介绍了一个名为“人工满足”的新领域。本文发表后，“人工满足”将被称为“人工智能之兄”。本文设计并实现了一种名为“人工满意度算法（ASA）”的新算法。为了简单起见，粒子群优化（PSO）算法用人工满意度概念进行了修改，以创建“人工满意度算法（ASA）”。 PSO 和 ASA 算法应用于五个基准函数。对获得的结果进行了比较。本文的重点更多地在于定义和向世界介绍“人工满意度领域”，而不是从头开始实现复杂的算法。
EasyChair 预印本如果量子力学是解决方案，......
逻辑系统与模型系摘要：本文讨论了量子力学实际上解决的问题。其观点表明，在理解问题时忽略了时间及其过程的关键环节。量子力学历史的常见解释认为离散性仅在普朗克尺度上，而在宏观尺度上则转变为连续性甚至平滑性。这种方法充满了一系列看似悖论的悖论。它表明，量子力学的当前数学形式主义仅与其表面上已知的问题部分相关。本文接受的恰恰相反：数学解决方案是绝对相关的，并作为公理基础，从中推导出真实但隐藏的问题。波粒二象性、希尔伯特空间、量子力学的概率和多世界解释、量子信息和薛定谔方程都包括在该基础中。薛定谔方程被理解为能量守恒定律对过去、现在和未来时刻的推广。由此推导出的量子力学的现实问题是：“描述任何物理变化（包括任何机械运动）中时间进程的普遍规律是什么？” 关键词：能量守恒定律；希尔伯特空间；量子力学的多世界诠释；过去、现在和未来；量子力学的概率诠释；量子信息；薛定谔方程；时间；波粒二象性
EasyChair 线性基础设施预印本项目管理
摘要：如今，从构思到使用阶段，对基础设施的管理主要通过 BIM（建筑信息模型）功能来解决。由于 BIM 通常侧重于建筑数据的管理，因此几乎无法涵盖基础设施的特性。在处理线性基础设施时，这个问题变得至关重要。此类基础设施由跨多个结构的线性装置驱动，需要与特定信息（例如岩土或地形信息）进行交互。由于 PLM（产品生命周期管理）在过去十年中已显示出通过通用信息系统管理不同专业知识的效率，我们建议研究 PLM 涵盖的功能。通过将它们与 BIM 涵盖的功能进行比较，我们将能够确定一组可以满足线性基础设施管理要求的基本功能。关键词：PLM、BIM、线性基础设施 1 简介
深度学习在计算机视觉中的作用 - Easy Chair
本文探讨了深度学习在计算机视野领域的关键作用。计算机视觉是对启示机感知和理解视觉信息的研究，随着深度学习技术的出现，已经取得了重大进步。传统的计算机视觉方法在处理复杂的视觉任务时面临局限性，激发了对高级方法的需求。深度学习，由神经网络和卷积神经网络（CNN）提供支持，通过提供端到端的学习，功能表示和适应性来彻底改变计算机视觉。本文讨论了深度学习在计算机视觉中的各种应用，包括图像分类，对象检测，语义细分和视频分析。它还解决了深度学习的优势，例如其处理大规模数据集和概括的能力。但是，研究了挑战和局限性，包括对标记数据和计算要求的需求。本文通过强调最近的进步和未来的方向，例如转移学习，生成对抗网络（GAN）和注意机制，强调了在这个迅速发展的领域中正在进行的研发的重要性。总体而言，深度学习已成为计算机视觉中的关键工具，并有可能显着影响各种领域和应用。
EasyChair 预印本使用机器学习进行飞机事故预测...
空中交通系统变得多层次、多维、高度分散、相互依赖，其复杂程度在几十年前是难以想象的。这就是为什么在如此复杂的环境中保持高水平的安全性比以前更具挑战性 [1]。民航是一个复杂的混合体，由许多不同但相互关联的人为、技术、环境和组织因素组成，这些因素影响系统的安全性和性能。在商业航空的早期，飞机事故数量众多是一个特点。所有安全流程的重点是事故预防，但在航空时代初期，飞机事故调查是预防的主要工具。如今，人们采用了主动的安全方法。这意味着利益相关者应该收集数据，以预测不仅实际和当前的安全风险，而且还要预测即将发生的安全风险。在这种情况下，必须改进安全分析以预测未来的安全风险和安全性能。设计和广泛使用识别和预测不良安全事件的技术和方法至关重要。当今是数据丰富和技术繁荣的时代，这为人工智能和机器学习进入我们现实的每一个角落打开了一扇大门。在这项工作中，我们提出了一种用于飞机事故预测的机器学习算法。主要思想是支持主动安全方法。该技术可以在 SAR（搜索和救援）任务中作为空难严重程度预测工具发挥作用，以优化 SAR 行动中的资源投入。机器学习是一种非常强大的技术，它可以使用数据来训练算法并赋予计算机系统“学习”的能力（即逐步
EasyChair 预印本使用机器学习进行飞机事故预测...
多维、高度分布式、相互依赖，其复杂程度在几十年前是无法想象的。这就是为什么在如此复杂的环境中保持高水平的安全性比以前更具挑战性 [1]。民航是一个复杂的混合体，由许多不同但相互关联的人为、技术、环境和组织因素组成，这些因素影响系统的安全性和性能。在商业航空的早期，飞机事故数量众多是一个特点。所有安全流程的重点是事故预防，但在航空时代初期，飞机事故调查是预防的主要工具。如今，人们采用了积极主动的安全方法。这意味着利益相关者应该收集数据，以预测不仅实际和当前的安全风险，而且还要预测即将发生的安全风险。在这种情况下，必须改进安全分析以预测未来的安全风险和安全性能。设计和广泛应用识别和预测不良安全事件的技术和方法至关重要。当今是一个数据丰富、技术繁荣的时代，这为人工智能和机器学习进入我们现实的每一个角落打开了一扇大门。在这项工作中，我们提出了一种用于飞机事故的机器学习算法
