XiaoMi-AI文件搜索系统
World File Search SystemLookUp
micronas：内存和延迟约束硬件 -
设计域特定的神经网络是一项耗时，容易出错且昂贵的任务。神经体系结构搜索（NAS），以简化特定于域的模型开发，但在微控制器上进行时间分类的文献存在差距。因此，我们调整了可区分的神经修道搜索搜索（DNA）的概念，以解决有关资源约束的Mi-Crocontrollers（MCUS）的时间序列分类问题。我们介绍了Micronas，这是DNA，延迟查找表，动态音量和专门针对MCUS时序列分类设计的新颖搜索空间的DNA，延迟查找表，动态结合表和新颖的搜索空间的Micronas。所得系统是硬件感知的，可以生成满足用户定义的执行延迟和峰值内存消耗的限制的神经网络体系结构。我们在不同的MCUS和标准基准数据集上进行的广泛研究表明，Micronas找到了达到性能的MCU量身定制的体系结构（F1得分），附近是最先进的桌面模型。我们还表明，与独立于域的NAS基准（如DARTS）相比，我们的方法在遵守记忆和潜伏期限制方面具有优越性。
基于超低功耗实时机器学习的 fNIRS 运动伪影检测
摘要 — 由于迭代矩阵乘法或梯度计算，机器学习模块通常需要大量的处理能力和内存。因此，它们通常不适用于处理能力和内存有限的可穿戴设备。在本研究中，我们提出了一种用于功能性近红外光谱 (fNIRS) 系统的超低功耗、基于实时机器学习的运动伪影检测模块。我们实现了 97.42% 的高分类准确率、38 354 个查找表和 6024 个触发器的低现场可编程门阵列 (FPGA) 资源利用率以及 0.021 W 的动态功耗。这些结果优于传统的 CPU 支持向量机 (SVM) 方法和其他最先进的 SVM 实现。这项研究表明，可以利用基于 FPGA 的 fNIRS 运动伪影分类器，同时满足低功耗和资源限制，这在嵌入式硬件系统中至关重要，同时保持高分类准确率。
使用Amigolut扩展基于LUT的神经网络
高能物理和网络安全等应用需要极高的吞吐量和低潜伏神经网络（NN）推断。基于查找的NNS通过将NN作为查找表（LUTS）实现，在纳米秒的顺序上实现推理潜伏期来解决这些约束。由于LUTS是一个基本的FPGA构建块，因此基于LUT的NNS有效地映射到FPGA。逻辑（及其继任者）构成了一类基于LUT的NNS，该NN靶向FPGA，将神经元直接映射到LUTS，以满足低潜伏期约束，并以最少的资源来满足低潜伏期的约束。但是，很难构建更大的，更具性能的基于LUT的NN（例如Logicnets），因为LUT使用情况相对于Neu-ron fan-In（即突触×突触×突触位宽度）呈指数增长。一个大的基于LUT的NN迅速在FPGA上耗尽了LUT。我们的工作Amigolut通过创建基于较小的LUT的NNS的合奏来解决此问题，从而相对于模型数量线性扩展。Amigolut提高了基于LUT的NNS的可扩展性，达到更高的吞吐量，而LUTS比最大的基于LUT的NNS少了。
用人工智能方法评估知识库数字化转型中创新过程的数字化水平
摘要 本研究旨在设计一个模型来评估知识型企业以人工智能为中心的创新过程数字化水平，从而衡量组织创新过程的数字化成熟度。188项指标的结果以5点李克特问卷的形式和德尔菲法分两次分发给该领域的18位专家。该工作的结果是5个组成部分作为模型的输入，以问卷的形式发送给Pardis科技园区的230家知识型企业。198家公司完成了问卷并寄回。从这个样本数量中，基于随机函数分离出150个数据作为训练数据，48个数据作为模型测试。在最后阶段，即建模阶段，对模型采用自适应神经模糊推理方法。使用MATLAB 2023软件中的网格分离或查找表（PG）方法，使用均方根、误差（RMSE）和相对误差（E）评估模型的性能。本研究能够提供误差极低的智能模型，从而实现创新过程数字化程度的有效指标。
峰值存储系统的最佳设计 -
储能系统（ESS）在工业生产中提供了广泛的应用，有可能通过剃须，尤其是在德国大大降低电力成本。本文提出了一种设计专门针对工业高峰的方法，从技术经济的角度来看。所提出的方法利用混合企业线性编程（MILP）来计算最低年度总运营成本，比较各种能源储能技术（EST）来确定最佳解决方案，并执行灵敏度分析以识别对优化问题的关键影响因素。一个案例研究是通过现实世界数据实施的。结果表明，与其他三种存储技术相比，将38.4 kW/38.4 kWh锂离子（Li-ion）电池储能系统（BESS）连接到示例，提供了最大的经济利益。这会导致总成本节省980欧元/A，而峰值功率降低为33.8 kW。此外，还提供了查找表，以帮助工厂选择市场上可用的最佳锂离子贝丝。关键词 - 储能技术，工业生产，混合构成线性编程，峰剃须1简介
现代 FPGA 架构中的故障安全逻辑设计策略
摘要 — 故障安全计算是指在发生故障时恢复到非操作安全状态的计算系统。在本文中，我们研究了电路级技术作为在现场可编程门阵列 (FPGA) 上实现故障安全计算过程的缓解策略。在使用开源工具创建的 FPGA 架构中，评估了故障效应通过 FPGA 基元（包括查找表 (LUT)、可配置逻辑块和开关盒）的传播。分析表明，与等效专用集成电路 (ASIC) 版本的故障安全电路相比，可重构架构中存在更多漏洞，因此需要更复杂的冗余电路网络和检查逻辑。提出了一种经过 ASIC 验证的故障安全监控电路版本，并将其与 FPGA 中的等效电路要求进行了比较。固定布局和布线的故障安全电路设计策略有助于减少可能的故障传播路径数量并简化故障安全故障检测电路设计。介绍并讨论了基于 FPGA 的具有报警功能的故障安全电路结构的优点和局限性，以及模拟和形式分析。
住宅储能和屋顶太阳能指南
联邦和各州的脱碳目标已导致众多旨在增加可再生能源系统的使用和采用的财政激励措施和政策。结合太阳能光伏和电池储能系统成本的下降以及电力公用事业费率的上升，住宅可再生能源的采用变得比以往任何时候都更加有利。但是，并非所有州都提供相同的成本回收机会，复杂多变的政策和公用事业格局可能使家庭难以做出是否安装可再生能源系统的明智决定。本文旨在通过讨论影响可再生能源系统性能和回报的相关因素为考虑采用可再生能源的家庭提供指导，这些因素总结在州查找表中以供快速参考。选择五个州作为案例研究，根据净计量政策、公用事业费率结构和平均电力公用事业价格进行经济优化；选择这些州作为可能的因素组合的代表，以帮助所有州的客户进行决策。这项分析的结果凸显了国家对可再生能源的支持和价格信号的双重重要性，因为住宅可再生能源系统的好处在实施净计量政策和电力公用事业费率高于平均水平的州最能体现出来。
全 0 千米水面 AUV 实时飞行模拟
具有挑战性的机动，涵盖整个 0 ◦ –360 ◦ 飞行范围。此类 AUV 可受益于海洋生产、环境感知和安全等新用例，通过实现对接、检查或冰下作业的新功能。为了进一步探索它们在这些场景中的能力，必须能够在整个包络线上模拟它们的飞行动力学，其中包括强非线性效应和大攻角下的湍流。利用准确、高效的仿真模型，可以生成新的水上机动并制定控制策略。因此，本文提出了一种实时高效、准确地模拟水上机动的策略。通过结合分析、半经验和数值方法，合成了一个多保真流体动力学数据库，从而捕捉整个包络线上的流体力和力矩。组件构建工作流用于使用从数据库生成的查找表来组装非线性飞行动力学模型。该模拟模型用于执行高级水上机动的实时模拟。模拟结果与文献和实验结果一致，并且模拟器在设计新机动和控制策略时可作为开发工具使用。
无人驾驶飞机可见性建模，用于“看见并避开”操作
摘要：随着每天有更多的无人机 (UA) 升空，本来就很高的有人机与 UA 的接触率仍在持续增长。飞行员和规则制定机构意识到，UA 能见度对看见并避让概念下的运行是一个真实存在但无法量化的威胁。为了最终量化威胁，本文使用收集到的经验数据以及之前关于影响能见度的因素的研究，构建了一个新颖的基于对比度的 UA 能见度模型。这项研究表明，如果有人机和 UA 在看见并避让概念下运行且处于碰撞航线上，那么当 UA 能见度 < 1300 m 时，空中相撞将成为一个严重威胁。同样，这项研究还表明，当 UA 能见度 < 400 m 时，空中相撞可能无法避免。这项研究验证了飞行员和规则制定机构的担忧，表明在现实世界中，UA 能见度距离 < 1300 和 < 400 m 的情况经常发生。最后，该模型生成了 UA 可见性查找表，这可能对美国联邦航空管理局和国际民用航空组织等规则制定机构有用，可用于未来证明探测和避免操作的等效性。在此之前，在 UA 附近以较低空速飞行的飞行员可能会提高安全裕度。
基于物理的数字孪生，用于自主无人机着陆的模型预测控制
本文提出了一种两级数据驱动的数字孪生概念，用于飞机的自主着陆，并给出了一些假设。它具有一个用于模型预测控制的数字孪生实例；以及一个用于流体结构相互作用和飞行动力学的创新实时数字孪生原型。后者的数字孪生基于对高保真、粘性、非线性飞行动力学计算模型的预先设计的下滑道轨迹的线性化；并将其投影到低维近似子空间，以实现实时性能，同时保持准确性。其主要目的是实时预测飞行过程中飞机的状态以及作用于飞机的空气动力和力矩。与基于稳态风洞数据的静态查找表或基于回归的替代模型不同，上述实时数字孪生原型允许模型预测控制的数字孪生实例由真正动态的飞行模型而不是一组不太准确的稳态气动力和力矩数据点来告知。本文详细描述了所提出的两级数字孪生概念的构建及其通过数值模拟的验证。它还报告了其在斯坦福大学现成的无人机在自主模式下的初步飞行验证。