XiaoMi-AI文件搜索系统
World File Search SystemILP
2022-ilp-report.pdf
读者应在解释或使用本报告中的EX POST或EX ANTE列中的估计的MW值时谨慎行事。事后估计反映了在特定时间段内和实际天气条件下发生的历史性事件，由活动当天参加的客户组合。ex ante预测会说明未包含在事后估算中的变量，例如归一化天气条件，预期的客户组合，一天中发生的预期时间发生了哪些事件，预期的一周发生了哪些事件以及其他较小的效果等。预报反映了预测影响估计值，如果在系统的高峰日同时调用所有DR程序，则基于1英寸2（正常）天气条件，在特定DR计划的操作季节中下午4点至晚上9点之间进行预测估计值。在任何一种情况下，本报告中的MW估计值与根据决定08-04-050的PG＆E年度4月份合规提交的估计以及可能提供给其他机构的报告文件的估计有所不同。Caiso，FERC，NERC等。PG＆E在每月ILP报告中发现的 MW估计值未使用用于运营报告，资源计划和成本效益分析或制定监管文件。MW估计值未使用用于运营报告，资源计划和成本效益分析或制定监管文件。
医疗基线计划申请部分A
读者应在解释或使用本报告中的EX POST或EX ANTE列中的估计的MW值时谨慎行事。事后估计反映了在特定时间段内和实际天气条件下发生的历史性事件，由活动当天参加的客户组合。ex ante预测会说明未包含在事后估算中的变量，例如归一化天气条件，预期的客户组合，一天中发生的预期时间发生了哪些事件，预期的一周发生了哪些事件以及其他较小的效果等。预报反映了预测影响估计值，如果在系统的高峰日同时调用所有DR程序，则基于1英寸2（正常）天气条件，在特定DR计划的操作季节中下午4点至晚上9点之间进行预测估计值。在任何一种情况下，本报告中的MW估计值与根据决定08-04-050的PG＆E年度4月份合规申请提交的估计，以及可能提供给其他机构的报告文件，例如Caiso，FERC，NERC等。PG＆E在每月ILP报告中发现的 MW估计值未使用用于运营报告，资源计划和成本效益分析或制定监管文件。MW估计值未使用用于运营报告，资源计划和成本效益分析或制定监管文件。
机器人工程师
随着可观的3D打印的出现，可以按需构建自定义制造的工具，并且添加了低成本的计算机，传感器和执行器，甚至可以构造自定义的机器人。当需要自主系统在新环境中操作或执行新任务时，此功能特别有用。例如，在城市搜救和救援中，通常很难预见如何获得访问权限，以及机器人完成其任务需要什么样的配置。同样，在敏捷制造中，为新任务重新装修自动化设备也消耗了大量资源。降低这一成本使制造商能够对市场变化更容易和有效地做出反应。在本文中，我们描述了用于自动设计和构建3D可打印工具的方法，这些工具可以由机器人用于响应新颖和不断变化的环境和任务。设计源自ILP系统学到的规格。响应机器人在紧急情况下越来越多地使用[5]。目前，他们主要被送入灾难现场，以进行初步监视，然后才进入危险的环境。通常，不可能事先知道机器人需要什么功能来完成其任务。例如，在灾难网站（例如倒塌的建筑物）中获得并在灾难网站上工作是有问题的，因为它们包含意外的障碍，损坏的基础设施，狭窄的空间等。因此，很难预见应该如何配置机器人。而不是使用3D打印，可以创建适合灾难网站独特情况的自定义工具，甚至可以制造完整的机器人[6]。
巴基斯坦战略2024
MEBL 1.07 0.9 170 205 34% Buy 54.86 46.59 3.1 3.6 1.3 1.1 22.0 22.0 13% 13% UBL 0.80 0.8 186 220 44% Buy 54.35 51.80 3.4 3.6 0.9 0.8 48.0 42.0 26% 23% HBL 0.64 1.1 125 140 25% Buy 48.02 48.01 2.6 2.6 0.5 0.4 16.0 18.0 13％14％PPL 1.09 2.4 114 168 57％购买37.70 32.53 3.0 3.0 3.5 0.5 0.5 0.5 0.5 11.0 11.0 11.0 10％10％10％10％FFC 0.54 0.3 121 140 32％购买24.94 24.94 24.94 27.5 209.22 4.5 3.8 1.5 1.3 18.0 21.0 2％3％DGKC 0.12 0.8 80 105 33％购买12.02 19.39 6.6 6.6 4.1 0.5 0.4 1.0 2.0 2.0 1％3％SYS 0.48 0.6 464 610 33％ 43% Buy 106.14 98.91 1.9 2.1 0.4 0.3 15.0 20.0 7% 10% INDU 0.34 0.1 1,235 1,640 42% Buy 183.52 209.62 6.7 5.9 1.5 1.4 119.0 136.0 10% 11% ILP 0.37 0.2 75 90 29% Buy 15.23 19.18 4.9 3.9 1.8 1.5 6.0 9.0 8％12％
数据驱动的人工智能辅助绿色网络设计和管理
由于流量需求和网络连接用户数量的增加，移动网络的能耗不断增加。为了确保移动网络的可持续性，能源效率必须成为下一代移动网络的关键设计支柱。在本文中，我们从两个角度来提高 5G 及更高网络的能源效率，即最小化网络能耗和节能网络架构设计。在本文的第一部分，我们重点关注基站 (BS) 的节能方法，基站是移动网络中能耗最高的组件。我们从移动网络运营商那里获得了一个包含网络负载信息的数据集。由于数据的时间粒度较粗，使用移动网络流量数据训练 ML 算法进行睡眠模式管理决策是一项挑战。我们提出了一种考虑到到达突发性的移动网络流量数据再生方法。我们提出了基于 ML 的算法来决定何时以及将 BS 置于睡眠状态的深度。目前关于在网络管理中使用 ML 的文献无法保证任何服务质量。为了解决这个问题，我们将基于分析模型的方法与 ML 相结合，其中前者用于网络中的风险分析。我们定义了一种新的指标来量化决策风险。我们设计了一个数字孪生，它可以模拟具有高级睡眠模式的真实 BS 的行为，以持续评估风险并监控 ML 算法的性能。仿真结果表明，与基线相比，使用所提出的方法可以获得相当大的能源节省，而延迟用户数量可以忽略不计。在论文的第二部分，我们研究并模拟了基于虚拟化云 RAN 的云原生网络架构的端到端能耗和延迟，从而形成了开放式 RAN 的基础。如今，大型电信运营商就基于混合 C-RAN 的开放式 RAN 架构达成了共识，本文将对此进行研究。从传统的分布式 RAN 架构迁移到基于混合 C-RAN 的网络架构在能耗和成本方面具有挑战性。我们从 OPEX 和 CAPEX 两个方面对迁移成本进行建模，并考虑未来流量预测对虚拟化云原生架构进行经济可行性分析。考虑到前传和光纤链路的基础设施成本，尚不清楚在什么条件下基于 C-RAN 的架构比 D-RAN 更具成本效益。我们制定了一个整数线性规划 (ILP) 优化问题，以优化设计前传，从而最小化迁移成本。我们使用商业求解器以最佳方式解决问题，并提出基于 AI 的启发式算法来处理大问题规模的可扩展性问题。处理网络能耗和延迟之间的权衡是网络设计和管理中的一个挑战性问题。在多层混合 C-RAN 架构中，我们制定了一个 ILP 问题，通过将热门内容存储在更靠近用户的边缘来优化延迟并最小化网络能耗。此外，我们研究了网络中总能耗和占用带宽之间的权衡。我们证明智能内容放置不仅可以减少延迟，还可以通过在性能指标之间找到折衷来节省能源。为了实现最小化网络能耗的类似目标，我们提出了一种端到端网络切片方法，其中逻辑网络针对特定服务进行量身定制。根据文献，端到端网络切片针对
在POMDPS中学习政策指导的逻辑规范
部分可观察到的马尔可夫决策过程（POMDP）是在不确定性下进行计划的有力框架。他们允许对状态不确定性建模为一种信念概率分布。基于蒙特卡洛抽样的近似求解器，在放宽计算需求并执行在线计划方面取得了巨大的成功。然而，将许多动作和较长计划视野的比例扩展到复杂的现实域仍然是一个重大挑战，实现良好性能的关键点是指导采取行动选择程序，并使用针对特定应用程序域量身定制的域依赖性政策启发式方法。我们建议从任何求解器生成的执行trace traces中学习高质量的启发式方法。我们将信仰行动对转换为逻辑语义，并进行了数据和时间效率的归纳逻辑编程（ILP），以生成可解释的基于信念的政策规范，然后将其用作在线启发式方法。我们在两个臭名昭著的POMDP问题上彻底评估了我们的方法，涉及大型动作空间和较长的计划范围，即摇滚样本和Pocman。考虑了包括POMCP，Supstot和Adaops在内的不同最先进的在线POMDP求解器，我们表明，在答案集编程（ASP）中表达的启发式方法（ASP）屈服表现出优于神经网络，并且类似于最佳手工制作的任务 - 在较低计算时间内的特定特定的启发式方法。此外，它们已经概括为在训练阶段没有经历的更具挑战性的场景（例如，在岩石样品中增加岩石和网格大小，增加了地图的大小以及Pocman中鬼魂的侵略性）。
在边缘网络中启用多播切片
摘要 — 电信网络正在经历一场颠覆性的转变，转向在用户附近具有虚拟化网络功能 (VNF)（例如防火墙、入侵检测系统 (IDS) 和转码器）的分布式移动边缘网络。这一转变将使网络服务（尤其是物联网应用）能够作为具有一系列 VNF 的网络切片进行配置，以保证其连续数据和控制流的性能和安全性。在本文中，我们研究了边缘网络中物联网应用多播流量的延迟感知网络切片问题。我们首先通过将问题转化为整数线性规划 (ILP) 来提出精确解。我们进一步设计了一种具有近似比的近似算法，用于单个多播切片的延迟感知网络切片问题，目标是在网络切片的延迟要求约束下最小化其实施成本。给定多个多播切片请求，我们还提出了一种有效的启发式算法，通过探索总计算资源需求和延迟要求之间的非平凡相互作用的影响，可以接纳尽可能多的用户请求。然后，我们研究了具有给定延迟保证级别的延迟导向网络切片问题，考虑到不同类型的物联网应用具有不同级别的延迟要求，我们提出了一种基于强化学习 (RL) 的有效启发式算法。最后，我们通过模拟和在实际测试平台上的实现来评估所提算法的性能。实验结果表明，所提出的算法很有前景。
基于逻辑的可解释和增量机器学习
在ILP中也以非单调逻辑程序和默认规则（Srinivasan，Muggleton和Bain 1992; Dimopoulos and Kakas 1995）学习了身体中的目标。将模型表示为默认规则带来了可观的优势，可解释性，增量学习和数据经济。我们提出了可解释和可解释的基于LP的机器学习算法，以及用于增量学习的基于LP的强化学习，以及基于LP-基于LP的解释，用于解决数据经济问题。我们可解释的基于LP的机器学习方法（Shakerin，Salazar和Gupta 2017; Wang and Gupta 2022，2024）与最先进的技术竞争，例如XGBOOST（Chen and Guestrin 2016）和Mult-ceptrons/ceptrons/nealurations/nealuret网络（Aggarwal 2018）。表1显示了基于LP的ML算法的Fold-SE（Wang and Gupta 2024）的性能比较，以及XG-BOOST和MLP在二进制分类任务上的性能比较。与其他可解释的ML算法不同的是，它可以从数据中学习基于简洁的逻辑规则集，然后可以使用该规则集来进行预测。表2显示了Fold-SE与另一个流行的可解释的ML算法Ripper的比较。fold-se在产生明显较小的规则集的同时，达到了更高或可取的精度。nesyfold（Padalkar，Wang和Gupta 2023; Padalkar and Gupta 2023）是一个使用Fold-Se-M算法（用于多类别分类）的框架，从对图像分类任务进行培训的CNN生成全局解释。对于整个火车组，将最后一层内核的输出进行了二元。然后使用折叠-SE-M算法来学习一个规则集，其中每个谓词的真实值都被二进制内核的输出确定。每个内核都可以映射到它所学会的概念中，可以将其识别为识别及其相应的谓词可以将其标记为这些概念。图1说明了用于对“浴室”，“床房”和“厨房”的图像进行分类的CNN的Nesyfold框架。可以通过域专家仔细检查获得的规则集，以检查CNN可能学到的偏见。默认规则是捕获关系数据集的逻辑的绝佳方法。人类在日常推理中使用默认值（Stenning and van Lambalgen 2008； Dietz Saldanha，Houldobler和Pereira 2021）。大多数数据集都是由人类驱动的活动产生的（例如贷款
帕金斯诉肯塔基州计划
如今，肯塔基州比以往任何时候都更加重视劳动力和经济发展。地方、地区和州各级都致力于将教育和劳动力优先事项无缝结合起来。推动这项工作的因素包括许多战略优先事项和合作伙伴关系。肯塔基州教育部 (KDE) 肯塔基州教育部位于肯塔基州法兰克福，组织结构包括七 (7) 个办公室。KDE 职业和技术教育办公室为肯塔基州所有 171 个 K-12 公立学区提供领导、支持和服务，涉及中学职业和技术教育、双学分和衔接学分、大学先修课程 (AP)、大学和职业咨询、个人学习计划 (ILP)、职业和技术学生组织 (CTSO)、学术和 CTE 整合项目，以及基于职业的 CTE 教师执照和专业学习。该办公室还负责管理 50 个州立区域技术中心 (ATC)，并担任 Perkins 问责制的财务代理。K-12 问责制系统的许多数据收集工作也由该办公室负责。肯塔基社区技术学院系统 (KCTCS) KCTCS 是一个由 16 所学院组成的系统，在肯塔基州拥有 70 多个分校，并提供在线证书、文凭和副学士学位，可直接进入职场或转入四年制大学。学院还提供可获得普通教育发展证书 (GED) 的成人教育、与肯塔基州教育部合作的双学分课程、基于工作的学习机会、为在职员工提供的学分和非学分企业培训以及为希望进入职场的人提供的就业能力培训。虽然这些学院都是单独认证的，但它们向 KCTCS 总裁汇报。有一个管理委员会（KCTCS 董事会），学院顾问委员会由董事组成。 KCTCS 学院和系统办公室工作人员与当地劳动力投资委员会 (WIB)、肯塔基州劳动力创新委员会 (KWIB) 以及教育和劳工内阁、经济发展部、卫生和家庭服务部和公共安全部合作，提供高等教育和继续教育。无缝衔接的学习途径和学习计划当初中生计划他们想要的职业机会时，KDE 和 KCTCS 合作开设了包括高中和双学分机会在内的学习途径，这些机会可直接通往职业、学徒或转入两年制学院或四年制大学。有 28 个州批准的职业和技术教育学习计划已在该州最热门的地区完成。