XiaoMi-AI文件搜索系统
World File Search SystemLoop
VALIO：基于视觉注意的线性时间逻辑方法，用于可解释的环外识别
脱离回路（OOTL）现象会严重影响飞行员的表现并对航空安全构成威胁。以前识别 OOTL 状态的尝试主要使用了“黑箱”机器学习技术，但这些技术无法对其发现提供可解释的见解。为了弥补这一差距，我们的研究在名为“用于识别 OOTL 的视觉注意 LTL f”（VALIO）的框架内引入了线性时间逻辑 (LTL) 方法的一种新应用，利用眼动追踪技术非侵入式地捕捉飞行员的注意力焦点。通过将驾驶舱内的兴趣区 (AOI) 和注视持续时间编码为视觉注意轨迹 (VAT)，该方法可以捕捉视觉注意的空间和时间维度。它使 LTL 方法能够生成可解释的公式，对飞行员行为进行分类并提供对 OOTL 现象的理解。通过模拟飞行实验案例，我们比较了该方法在不同时间窗口（10 秒至 75 秒）下的有效性。结果表明，VALIO 在所有时间窗口上的表现都很稳定，最佳 F1 得分为 0.815，最低 F1 得分为 0.769。并且在使用短于 30 秒的时间窗口时，它的表现明显优于其他机器学习方法，表明其能够更及时地检测 OOTL 状态。此外，VALIO 通过推导人类可读的 OOTL 状态来阐明飞行员的行为。
自我校正的自我消耗循环用于生成模型培训
随着综合数据变得更高质量并在互联网上产生了生命，因此越来越多地培训了人类和机器生成数据的培训。尽管有合成数据代表学习的成功故事，但使用合成数据进行代码模型培训仍会创造“自我消耗循环”，这可能会导致训练不稳定甚至崩溃，除非满足某些条件。我们的论文旨在稳定自我消耗的复杂模型培训。我们的理论结果表明，通过引入理想化的控制函数，该功能将数据点映射在真实的数据分布下，可以使自消耗循环变得更加稳定。然后，我们提出依靠专家知识的自我纠正功能（例如模拟器中编程的物理定律），旨在自动和大规模近似理想化的校正器。我们从经验上验证了在具有挑战性的人类运动综合任务上自我纠正自我校正循环的有效性，并观察到它成功避免了模型崩溃，即使合成数据与真实数据的比率高达100％。
用于加强学习运动任务的开环基线
为了寻找运动任务中深度强化学习的简单基线，我们提出了一种无模型的开环策略。通过利用先验知识和简单振荡器的优雅来产生周期性的关节动作，它在五个不同的运动环境中实现了可观的性能，其中许多可调参数是DRL算法通常所需的数千分之一。我们使用开环振荡器进行了两个其他实验，以确定这些算法的当前缺点。我们的结果表明，与基线相比，DRL暴露于传感器噪声或故障时，DRL更容易降解。此外，我们使用弹性四足动物展示了从模拟到现实的成功转移，其中RL在没有随机或奖励工程的情况下失败。总体而言，拟议的基线和协会实验突出了DRL在机器人应用中的现有局限性，提供了有关如何解决它们的见解，并鼓励对复杂性和一般性的成本进行反思。
被无人机塑造和塑造：在感知循环中编程
在为人类互动的美学设计设计的长期承诺中，缺乏塑造和互动性感觉无人机行为的工具而感到困扰。通过观察为期三天的无人机挑战的参与者，我们隔离了无人机的组成部分，如果使透明的人可以帮助参与者更好地探索他们的审美潜力。通过一个智慧来分析访谈，ELD笔记，视频录制和检查每个团队代码的检查，我们描述了团队1）将其E ORT从瞄准无缝的人与无人机互动的目标转移到将无人机视为脆弱，故意，故意和易受撞车的撞车事故； 2）与亲密，身体相互作用进行更精确的探测，理解并赋予其无人机的能力； 3）采用了解决方案策略，强调训练无人机或飞行员。我们在塑造无人机行为的潜在美学方面贡献了限制的经验解释，并讨论编程环境如何更好地支持用于设计和编程目的的术语感知循环。
闭环合作伙伴 2023 年影响报告
随着新的“循环”创新的出现。这些因素使得发展循环经济对企业的未来如此重要，以至于它将竞争对手聚集在一起，组建了闭环基金，帮助奠定了美国循环经济的基础基础设施。几年后，随着循环经济的发展，我们最初的闭环基金吸引了更多的企业投资者，包括 3M、亚马逊、BlueTriton、高露洁棕榄、达能和星巴克，催化了更多资本进入循环经济基础设施。随着我们的生态系统不断发展，增加了更多的策略和资产类别，我们吸引了来自金融机构的资本，包括贝莱德管理的基金和账户、领先的家族办公室和基金会捐赠基金。为了满足人们对循环经济日益增长的兴趣，闭环基金的愿景扩展到其他策略，现在所有策略都构成了更广泛的闭环合作伙伴平台。
推荐引用 推荐引用 Perozzo, Haiat；Eisenberg, Julia；和 Ravarini, Aurelio，“人类在循环中：探索生成式人工智能在团队环境中的工作制定中的作用”（2024 年）。ECIS 2024 TREOS。22。https://aisel.aisnet.org/treos_ecis2024/22
生成式人工智能应用程序的易用性和广泛功能为工人提供了一个机会，使他们能够利用它们以多种方式支持他们的工作。特别是，生成式人工智能的一个有前途的领域可能是工作设计，这是一个自下而上的问题解决过程，个人参与其中以重新设计他们的工作，改善他们的工作条件。由于组织主要依靠团队来构建工作，因此重要的是要研究生成式人工智能如何影响工作设计过程，而不仅仅是在个人层面，而且在团队层面。在分析人机协作的最新发展时，我们研究了对工作设计的影响。我们的研究扩展并促进了人机协作的学术研究。关键词：生成式人工智能、工作设计、团队动态。
一种具有无线低能超声波功率和通信功能的新型闭环脑电刺激装置
神经调节装置，例如外周神经刺激器和迷走神经刺激器，被批准用于治疗枕神经痛、偏头痛、癫痫和抑郁症。6 神经调节已被用于治疗肥胖症、7 抑郁症、8 阿尔茨海默病、9 创伤后应激障碍、10 药物成瘾、11 神经性厌食症、12 中风康复 13 和许多其他疾病。随着我们逐渐了解越来越多神经系统疾病的回路过程，我们可以扩大这些创新疗法的适应症。对网络疾病机制的这种日益深入的理解提出了更精细的神经调节方法，可能需要跨多个目标协调神经感知和刺激。在过去十年中，闭环刺激范式已成为神经调节领域的一个重要范式转变。14 该技术现在已在用于治疗癫痫的 RNS 设备中商业化使用。 3 最新一代迷走神经刺激器系统还结合了心率检测作为癫痫发作活动的闭环指标和刺激触发。15 最后，一些最新的 DBS 系统记录选定的局部场电位，并有能力（目前锁定在商业版本中）根据这些信号调整刺激。16
基于脉冲宽度调制的直流电机闭环...
印度海得拉巴 Sridevi 女子工程学院 EEE 系。摘要 使用微控制器和脉冲宽度调制 (PWM) 技术调节直流电机的速度是本项目的主要目标。每个机器人项目都严重依赖直流电机控制。在许多应用中，旋转具有高或低速度限制的直流电机是必要的。我们为此采用 PWM 方法。在脉冲宽度调制 (PWM) 电路中，可以通过调整开关比将平均导通时间从零调整到百分之百，从而产生方波。这允许改变对负载的功率输送。与电阻功率控制器相比，脉冲宽度调制 (PWM) 电路效率更高。当设置为 50% 的负载功率时，PWM 使用大约 50% 的全功率，几乎所有功率都流向负载。相比之下，电阻控制器使用大约 71% 的全功率，其中一半功率流向负载，另外 21% 的功率浪费在加热串联电阻上。脉冲宽度调制还有一个额外的好处，就是允许脉冲达到整个电源电压。这样，它们就能够更容易地克服电机内部的阻力，从而在电机中产生更大的扭矩。这个项目采用了使用嵌入式 C 指令编码的车载计算机。车载计算机可以与输入和输出模块通信。为了显示直流电机的当前速度，LCD 充当输出模块。可以使用控制按钮调整电机的速度。
FFCL：具有皮质环路的前向-前向网络，无需反向传播即可在边缘进行训练和推理
前向-前向学习 (FFL) 算法是最近提出的一种无需占用大量内存的反向传播即可训练神经网络的解决方案。在训练期间，标签会伴随输入数据，将其分类为正输入或负输入。每一层都会独立学习对这些输入的响应。在本研究中，我们通过以下贡献增强了 FFL：1) 我们通过在层之间分离标签和特征转发来优化标签处理，从而提高学习性能。2) 通过修改标签集成，我们增强了推理过程，降低了计算复杂性并提高了性能。3) 我们引入了类似于大脑皮层环路的反馈回路，信息在其中循环并返回到早期的神经元，使各层能够将来自前几层的复杂特征与低级特征相结合，从而提高学习效率。
虚拟传感器仿真和在网环测试系统上用于网络物理交通系统中的自动驾驶汽车的后处理
Wolfenbüttel，德国电子邮件：X.liu-henke@ostfalia.de摘要 - 自动驾驶和连接的网络物理交通系统对开发和验证高级驾驶员援助系统和自动驾驶功能提出了越来越多的挑战。特别是实时优化和测试涉及重大的工作量和风险。为整个车辆提供具有实时功能的整体，可灵活的可配置测试床可以解决此问题。但是，为了使功能更准确地通过测试工作台验证，传感器仿真是一个重要的组件，即在模拟环境中生成真实传感器信息的能力。此外，虚拟传感器的数据结构以及传输类型和采样频率应与其真实传感器的数据结构接近甚至是一致的。此外，我们还将实际传感器中的噪声添加到虚拟传感器中。引用的噪声值是从真实传感器的数据表中获取的。此对齐使测试工作台能够更好地测试车辆的实时功能及其处理传感器信号的能力。