XiaoMi-AI文件搜索系统
World File Search SystemGitHub
研究声明 - GitHub 页面
我的研究生工作重点是了解人类在自行车上保持平衡时使用的控制机制。由于自行车是一种动态复杂的车辆[1,15,36,18]，充当人类与环境之间的中介，因此它是了解平衡和手动控制的理想车辆平台。我早期的研究生工作重点是将主成分分析应用于跑步机上稳定骑行期间的大量运动捕捉数据，从而确定了主要运动模式并揭示了低速时用于保持平衡的细微腿部运动[17,35]。我们通过对城市周围和跑步机上更自然的骑行行为进行视频分析，进一步证实了这种低速行为[13]。此后，这项工作在运动研究文献中被广泛引用。在那些初步实验之后，我设计并制作了一辆装有独特仪器的自行车，能够准确测量骑车人-车辆系统的完整动态状态[21,32]，包括最
机器学习领域的现状：GitHub 上人工智能和机器学习软件开发的 10 年历程
在过去的几年里，人工智能 (AI) 和机器学习 (ML) 已经成为无处不在的术语。随着最近 AI 和 ML 工具、框架和库的猛烈冲击，这些强大的技术在学术界不再默默无闻，这些工具、框架和库使更广泛的开发人员可以使用这些技术。因此，应用 AI 和 ML 解决现有和新出现的问题是一种越来越流行的做法。然而，从软件工程的角度来看，人们对这个领域知之甚少。许多 AI 和 ML 工具和应用程序都是开源的，托管在 GitHub 等平台上，这些平台为大规模分布式软件开发提供了丰富的工具。尽管这些存储库被广泛使用和流行，但社区从未对这些存储库进行过检查，以确定其独特属性、开发模式和趋势。在本文中，我们对 GitHub 上托管的 AI 和 ML 工具（700 个）和应用程序（4,524 个）存储库进行了大规模实证研究，以开发这种特性。虽然 GitHub 不是唯一一个托管 AI 和 ML 开发的平台，但它有助于为每个存储库收集丰富的数据集，并在问题、提交、拉取请求和用户之间具有高度的可追溯性。为了将 AI 和 ML 社区与更广泛的存储库进行比较，我们还分析了一组 4,101 个不相关的存储库。我们通过对开发人员工作流程的深入研究来增强这种特性，该工作流程衡量了存储库内的协作和自主性。我们掌握了这个社区 10 年历史的关键见解，例如它的主要语言（Python）和最受欢迎的存储库（Tensorflow、Tesseract）。我们的研究结果表明，AI 和 ML 社区具有独特的特征，应该在未来的研究中加以考虑。