XiaoMi-AI文件搜索系统
World File Search SystemMachine
性能的物理知情的机器学习方法
重型燃气轮机由于发电率较低，灵活性和热效率而在发电中发挥了越来越重要的作用。在严格的环境条件下，燃气轮机的主要子系统（如压缩机，燃烧器和涡轮机）在运行时间内降低，这在很大程度上影响了系统的效率和生产力。因此，开发有效方法以监测重型燃气轮机的性能降解以进行系统预测性维护，从而提高机器的效率和生产率至关重要。本文提出了一种新的物理知情的机器学习方法，以通过无缝整合热力学热平衡机制，组件特征，多源数据和人工神经网络模型来预测燃气轮机的降解。考虑到流量，质量和能量平衡，建立了基于机制的热力学模型，然后将其集成到系统水平，以在不同条件下对燃气轮机进行性能模拟。系统模型能够有效地模拟那些无法测量的参数的值（例如gt排气流）或不准确测量（例如燃油流）。基于机器学习的数据清洁方法用于预处理燃气轮机的多元原始数据。使用ISO条件下的物理信息模型获得的设计性能数据和校正值之间的差异用于评估性能降解。从
MCA-Machine-arearning-Syllabus-2018-19.pdf
目的：本课程的目的是使学生意识到机器学习概念，以便他们能够基于机器学习来创建应用程序。主要目标是使学生能够具有基本知识，以建立一个代表人类做出决策的知识机器。本课程涵盖了如何通过模型进行学习的技术，如何评估它，构建学习模型的算法是什么。
将Apriltags检测与机器学习
现有的建筑库存翻新是建筑自动化的关键方面。例如，准确地确定连接器的位置对于在建筑物外部的预制面板进行安装至关重要。，传统的测量方法，例如使用总站的使用（请参阅[1]）有几个限制，包括耗时，需要熟练的技术人员等。为了应对这些挑战并利用自动化的优势，将计算机视觉技术与视觉基准系统的集成被认为是可行的。在本文中，我们提出了与机器学习集成以解决上述问题的精制APRILTAG（请参见[2]）检测管道。图1显示了其架构。我们将首先讨论Apriltag本地化准确性的研究差距。然后，我们将详细介绍管道的组合。第4节中的实验表明，我们的精制管道的精度非常好。这项研究是Ensnare项目[3]的一部分。
数据科学和机器学习的博士后奖学金广告| AY23-24
NYU上海是纽约大学全球网络中的第三级授予校园。这是中国的第一家高等教育合资企业，被授权授予在美国和中国获得认证的授予学位。所有教学均以英语进行。一所具有文科和科学的研究大学的核心，纽约大学上海居住在世界上拥有充满活力的知识分子社区的世界伟大城市之一中。nyu上海招募了最高才能的学者，他们致力于纽约大学对变革性教学和创新研究的全球愿景，并体现我们所生活的全球社会。
人工智能与机器学习辅修
人工智能和机器学习 (AIML) 辅修课程是一个包含三门课程的辅修课程。它对所有 VSB 学生开放，课程包括构建原型智能系统、自然语言处理、专家系统、监督和无监督学习、机器人技术以及构成广泛 AI 领域的其他领域。
人工智能和机器学习方法
参考文献 1] Klaus Greff 等人。“LSTM：搜索空间漫游。”IEEE 神经网络和学习系统学报，28 (2015): 2222-2232。 https://doi.org/10.1109/tnnls.2016.2582924。[2] Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., Erhan, D., Vanhoucke, V., & Rabinovich, A.(2014)。更深入地了解卷积。2015 IEEE 计算机视觉和模式识别会议 (CVPR)，1-9。 https://doi.org/10.1109/CVPR.2015.7298594。[3] Lee, J., Jun, S., Cho, Y., Lee, H., Kim, G., Seo, J., & Kim, N. (2017)。医学成像中的深度学习：概述。韩国放射学杂志，18，570 - 584。 https://doi.org/10.3348/kjr.2017.18.4.570。[4] Klyuchnikov, N., Trofimov, I., Artemova, E., Salnikov, M., Fedorov, M., & Burnaev, E. (2020)。NAS-Bench-NLP：自然语言处理的神经架构搜索基准。IEEE Access，PP，1-1。https://doi.org/10.1109/access.2022.3169897。[5] Lu, Z., Whalen, I., Dhebar, Y., Deb, K., Goodman, E., Banzhaf, W., & Boddeti, V. (2019)。用于图像分类的深度卷积神经网络的多目标进化设计。IEEE Transactions on Evolutionary Computation，25，277-291。https://doi.org/10.1109/TEVC.2020.3024708。[6] Zhang, T., Lei, C., Zhang, Z., Meng, X., & Chen, C. (2021)。AS-NAS：用于深度学习的具有强化进化算法的自适应可扩展神经架构搜索。IEEE 进化计算学报，25，830-841。 https://doi.org/10.1109/TEVC.2021.3061466。[7] Sun, Y., Sun, X., Fang, Y., Yen, G., & Liu, Y.(2020)。一种用于进化神经架构搜索算法性能预测器的新型训练协议。IEEE 进化计算学报，25，524-536。https://doi.org/10.1109/TEVC.2021.3055076。[8] Verma, M., Sinha, P., Goyal, K., Verma, A., & Susan, S. (2019)。一种用于爬山领域的神经架构搜索的新框架。2019 IEEE 第二届人工智能与知识工程国际会议 (AIKE)，1-8。https://doi.org/10.1109/AIKE.2019.00009。[9] Zhang, H., Jin, Y., Cheng, R., & Hao, K. (2020)。通过采样训练和节点继承实现注意力卷积网络的有效进化搜索。IEEE
秋季2024 CS 375：机器学习简介
合作与荣誉代码每个学生负责自己的工作。学生可以一起讨论问题，但必须写下自己的解决方案。编写解决方案时，学生应写下与他们讨论任务的人的名字（如果有）。请注意，禁止复制家庭作业或编程作业。学生发现作弊或窃的学生将立即转介给学生院长和NJIT专业行为委员会，并受到纪律缓刑，记录下的永久标记，可能的解雇以及课程中的“ F”等级。所有提交的作业将检查是否相似，窃和认定的学生确定。在考试中，每个学生都必须签署《荣誉守则协议》，“我的荣誉，我保证我没有违反《 NJIT学生荣誉法》的规定。”