XiaoMi-AI文件搜索系统
World File Search SystemEmbedded
嵌入式 SoC 架构实时最优控制的设计空间探索
摘要 — 使资源有限的机器人能够执行计算密集型任务（例如移动和操作）是一项挑战。本项目提供了全面的设计空间探索，以确定适合基于模型的控制算法的最佳硬件计算架构。我们对通用标量、矢量处理器和专用加速器中的代表性架构设计进行了分析和优化。具体来说，我们使用内核级基准和端到端代表性机器人工作负载来比较标量 CPU、矢量机和领域专用加速器。我们的探索提供了定量的性能、面积和利用率比较，并分析了这些具有代表性的不同架构设计之间的权衡。我们证明架构修改、软件和系统优化可以缓解瓶颈并提高利用率。最后，我们提出了一种代码生成流程，以简化将机器人工作负载映射到专用架构的工程工作。
在放射学中实现公平性的道德要求：交叉性和社会嵌入方式
哈佛医学院通过机器学习（ML）系统的攻击性诊断系统通常被认为是客观且公平的。但是，它可能对某些患者亚组表现出偏见。造成这种情况的典型原因是ML系统筛查的疾病特征的选择，ML系统从人类临床判断中学习，这些判断通常是有偏见的，并且ML中的公平性通常被不当概念化为“平等”。具有此类参数的ML系统无法准确诊断并满足患者的实际健康需求以及他们如何依赖患者的社会身份（即交叉性）和更广泛的社会条件（即嵌入）。本文探讨了鉴于患者的交叉性和健康的社会嵌入性，以确保ML系统的公平性的道德义务。本文提出了一组干预措施来解决这些问题。它建议对ML系统的发展进行范式转移，使他们能够筛查内源性疾病原因和患者相关潜在的健康影响（例如社会经济的情况。本文提出了一个道德要求的框架，以建立这一转变并进一步确保公平。关键字：机器学习；公平正义;道德要求；放射学I型机器学习（ML）系统在临床护理环境中发现了在医疗保健监测，诊断和风险管理中的应用（Bates＆Zimlichman，2015; Chen等，2024; Obermeyer等，2019）。但是，此光环可能没有完全合理。需求集中患者的交叉性和健康的社会嵌入性，最值得注意的是（i）通过（i）整合到ML系统中，适用于患者情况对健康影响的可测量医学指标，（ii）在道德上，多样性，代表性和正确的患者数据，与相关的疾病特征和（III）相关的社会敏感性和（III）涉及的疾病以及（III）的敏感性和（iii）涉及的数据，以及涉及的研究，并涉及社会敏感的系统，并将其涉及互联网互动，并将其涉及互联网效果。利益相关者。在放射学中，ML系统用于协助或增强临床医生在各种图像获取，分析，解释，诊断和决策支持任务中的工作（Hanneman等，2024； Yu等，2024）。这种更广泛采用的主要驱动力似乎是ML系统在图像解释和精确方面的表现（Pot等，2021; Satariano等，2023; Yu等，2024）。所谓的“自动化偏见” - 人类对自动化系统产生的信息的有效性和预测能力的倾向”（Pot等，2021，p。7） - 赋予了ML ML系统，具有对象和公平性的AURA（Pot等，20211）。对实现这些高希望的主要挑战已被证明是ML偏见系统和相关不公平结果的流行（Gichoya等，2022，2023; Hanneman等，2024; Pot et al。，2021）。ML偏见的医疗保健访问和治疗不足，引起了ML系统引起或永久存在的整体不公平性的道德问题。实证研究已系统地记录了ML偏见系统的持久性和对历史上服务不足的患者人群的不公平治疗，包括放射学（Obermeyer等，2019; Gichoya et al。，2023; Seyyed-Kalantari-Kalantari-Kalantari-Kalantari et al。等，2022； Mukherjee等人，2022年）。
计划 7 PPO HSA（嵌入式免赔额）您的网络
注意： x 本文件中所述的福利须经保险部门批准，且可能会发生变化。 x 如果您在门诊设施（例如医院或门诊手术设施）拜访了您的初级保健医生或专家，则承保服务的福利将以“门诊设施服务”的形式支付。 x 费用可能因服务地点而异。根据所提供的服务，可能适用其他费用分摊。请查看您的承保范围证明以了解详情。 x 如果免赔额适用于计划，则所有需要共同保险的医疗服务也需缴纳年度医疗免赔额。 x 如果您的计划包括住院共付额，并且您在之前因同一诊断入院后 72 小时内再次入院，则您再次入院的住院共付额将被免除。 x 如果您的计划包括网络外福利，并且您使用非参与提供商，则您将负责承保费用与实际非参与提供商收费之间的差额。 x 如果您的计划有免赔额，则网络内预防性护理不受免赔额限制。 x 如果您的计划包括网络外福利，而您使用非参与提供商，则您应承担承保费用与实际非参与提供商收费之间的差额。当从网络外提供商处接受护理时，会员除了任何适用的共付额、共同保险和/或免赔额外，还可能需要支付余额账单。此金额不适用于网络外自付限额。 x 有关此计划的更多信息，请访问 www.sbc.anthem.com 获取“福利和
嵌入式系统老化检测与监测技术综述
嵌入式数字设备逐渐被部署到可靠或安全关键的系统中。这些设备会经历严重的硬件老化，尤其是在恶劣的环境中。这增加了它们发生故障的可能性。了解老化过程并尽早发现硬件退化对于保证系统可靠性至关重要。在本调查中，我们回顾了核心老化机制，并确定和分类了嵌入式系统中普遍存在的商用现货 (COTS) 组件的老化检测和监控技术的一般工作原理：现场可编程门阵列 (FPGA)、微控制器、片上系统 (SoC) 及其电源。从我们的审查中，我们发现在线技术在 FPGA 上的应用比在其他组件上的应用更广泛，并且机器学习应用在分析硬件老化方面呈上升趋势。根据所审查的文献，我们确定了该领域的研究机会和潜在的兴趣方向。通过这项工作，我们打算通过以简洁的方式系统地介绍所有主要方法来促进未来的研究。
2024嵌入式系统周
嵌入式系统周（ESWeek）是涵盖嵌入式系统和软件的所有方面的首要活动。通过将三个领先的会议（案例，代码+ISS和Emsoft）汇总在一起，一个研讨会，五个热门主题研讨会，五个特别会议，两个小组，十个教程，七个教程，七个教育课，两次与演示的比赛，一项博士学位。论坛和招聘活动。eSweek向与会者提供各种选择，揭示了最新的嵌入式系统设计和硬件/软件体系结构。此外，Esweek 2024还有一个特别小组来庆祝20年的Esweek。遵循有关三个会议的期刊集成出版物模型（案例，代码+ISS和Emsoft），所有介绍的常规论文均发布在有关集成电路和系统的计算机辅助设计的ACM交易中。此外，作者有可能在IEEE嵌入式系统信件中发表较晚的破碎论文，并在Esweek诉讼中发表纸张中的论文。周一，星期二和星期三的技术计划包括21次常规会议和5次会议。由于每篇论文的海报演示，参与者可以与作者讨论论文。尤其是在常规会议后安排一个海报会话。在星期二，我们进行了两次软件比赛。排列了两个面板。第一个小组在星期二晚上安排，以解决嵌入式系统和环境危机。第二个小组将庆祝Esweek 20周年，并在星期三下午安排。Esweek计划的重点是学术界和工业领导者的三个主题演讲。周一早上，研发工程师Jean-LouisColaço与ANSYS杰出工程师，对工具进行了讨论，以支持开发安全 - 关键的嵌入式软件。在星期二早上，康奈尔大学的史蒂文·J·杰克逊（Steven J. Jackson）教授就计算基础设施如何改变我们的星球以及行星思维如何改变我们如何进行计算基础架构的方式进行了讨论。最后，来自新加坡国立大学的图利卡·米特拉（Tulika Mitra）教授在星期三上午就嵌入式指数：里程碑，动力和边境进行了演讲。时间颁奖典礼的考验将于周二上午举行，以纪念Esweek先前版本发表的文章作者（分别是Case 2009，Codes+ISSS 2008和Emsoft 2008），并具有最大的影响。
用于嵌入传感器界面的实时热监测系统
摘要：本文提出了一种使用嵌入式集成传感器界面的实时热监测方法，该界面专用于工业集成系统应用。工业传感器接口是涉及模拟和混合信号的复杂系统，其中几个参数可以影响其性能。这些包括在敏感的综合电路附近存在热源，需要考虑各种传热现象。这需要实时热监测和管理。的确，瞬态温度梯度或温度差异变化的控制以及先进集成电路和系统早期设计阶段可能引起的热冲击和应力的预测至关重要。本文解决了微电子应用在几个领域的增长需求，这些领域的高功率密度和热梯度差异的差异是由于在同一芯片上实施不同系统（例如新生成5G电路）引起的。为了减轻不良热效应，使用应用于Freescale嵌入式传感器板的McUxPresso工具提出了实时预测算法，并通过将嵌入式传感器编程到FRDM-KL26Z板上，以实时监控和预测其温度预测。基于离散温度测量值，嵌入式系统用于预测嵌入式集成电路（IC）中的过热情况。在本文中，还提供了FPGA实施和比较测量值。这些结果证实了所提出算法的峰检测能力，该算法可令人满意地预测FRDM-KL26Z板中的热峰，并使用有限元元素热分析工具（用于系统分析的数值集成元件（NISA）工具），以评估可能是当地热力学压力的水平。这项工作为热应力和局部系统过热提供了解决方案，这是集成传感器界面设计人员在设计各种高性能技术或恶劣环境中的集成电路时的主要关注点。
在英特尔 Myriad X 嵌入式 SoC 上加速人工智能和计算机视觉以进行卫星姿态估计
在边缘部署人工智能 (AI) 和计算机视觉 (CV) 算法的挑战性推动了嵌入式计算社区研究异构片上系统 (SoC)。这种新型计算平台提供了接口、处理器和存储的多样性，然而，AI/CV 工作负载的有效分区和映射仍然是一个悬而未决的问题。在此背景下，本文在英特尔的 Movidius Myriad X 上开发了一个混合 AI/CV 系统，这是一个异构视觉处理单元 (VPU)，用于初始化和跟踪卫星在太空任务中的姿态。航天工业是研究替代计算平台以遵守机载数据处理的严格限制的社区之一，同时也在努力采用 AI 领域的功能。在算法层面，我们依靠基于 ResNet-50 的 UrsoNet 网络以及自定义经典 CV 管道。为了实现高效加速，我们结合多种并行化和低级优化技术，利用 SoC 的神经计算引擎和 16 个矢量处理器。所提出的单芯片、稳健估计和实时解决方案在 2W 的有限功率范围内为 100 万像素 RGB 图像提供高达 5 FPS 的吞吐量。
嵌入式设备的 EMB3D™ 威胁模型
我们国家关键基础设施的安全取决于嵌入式设备，而这些设备往往缺乏足够的安全控制或未经过足够的漏洞测试。这些问题的普遍性从 CISA ICS 公告中可见一斑，1 迄今为止，该公告已针对 ICS 设备和软件发布了 2,459 条警报，其中 1,243 条的通用漏洞评分系统 (CVSS) 严重程度至少为中等。2 此外，白宫工业控制系统网络安全 (ICS) 备忘录和 CISA 安全设计和默认重点 3,4 等举措都表明需要改进关键基础设施和相关设备的安全。尽管做出了这些努力，但对于嵌入式设备面临的威胁以及哪些安全机制或功能可以缓解这些威胁，人们的理解仍然存在不一致。
比较裸机嵌入式系统上的ECDSA签名验证实现
椭圆曲线数字签名算法（ECDSA）是一种加密方案，用于生成数字签名和验证它们。在这项研究过程中，实施了两个软件库，以执行ECDSA签名验证。讨论了ECDSA签名验证的两个实现，并就其性能进行了比较。在最小的模拟测试环境中，这两个实现都针对单个核心RISC-V CPU。第一个实现纯粹是在软件中完成的，而第二个实现是使用协处理器来加速执行的。为了访问此协处理器，RISC-V GNU工具链在这项研究期间通过自定义说明进行了扩展。这是根据ECDA及其对特别大数的要求完成的（例如283位整数）。在软件中处理这些数字需要相对较高的执行时间，尤其是在低时钟频率的单核系统上。对于这些系统，协处理器库非常适合大多数情况。如果系统时钟频率分别高，则纯软件实现也可能符合人的要求，而无需其他硬件。此外，如果签名验证的数量非常低（例如在应用程序启动时仅一次），然后，协处理器需要运行时大多未使用的芯片区域。
嵌入式系统老化检测与监测技术综述
嵌入式数字设备逐渐被部署到可靠或安全关键的系统中。这些设备会经历严重的硬件老化，尤其是在恶劣的环境中。这增加了它们发生故障的可能性。了解老化过程并尽早发现硬件退化对于保证系统可靠性至关重要。在本调查中，我们回顾了核心老化机制，确定并分类了嵌入式系统中普遍存在的商用现货 (COTS) 组件的老化检测和监控技术的一般工作原理：现场可编程门阵列 (FPGA)、微控制器、片上系统 (SoC) 及其电源。从我们的审查中，我们发现在线技术在 FPGA 上的应用比在其他组件上更为广泛，并且机器学习应用在分析硬件老化方面呈上升趋势。根据所审查的文献，我们确定了该领域的研究机会和潜在的兴趣方向。通过这项工作，我们打算以简洁的方式系统地介绍所有主要方法，以促进未来的研究。