XiaoMi-AI文件搜索系统
World File Search SystemMilj
时不时使用人工智能
人工智能（AI）的目标是实现像人类思考和行为方式一样的技术。在人工智能的发展过程中，我们可以看到，自 20 世纪 50 年代出现以来，其使用重点已经发生了转移。本研究的目的是比较2011年和2021年人工智能在不同行业的应用情况，看看行业和重点是否存在差异。实现这一目标的方法是主题内容分析。此外，我们采用了系统的收集方法从 Web of Science 数据库中收集文章，并进行了界定，重点关注软件中的人工智能。研究结果显示，2011年确定了15个不同的行业：石油和天然气生产行业、技术、设计、基金会和协会、电力、环境、汽车工业、城市规划、工业、核技术、电子、商业系统、建筑、银行和核电。 2021 年，确定了 13 个不同的行业：农业、食品工业、医疗保健、社会服务、音乐、能源部门、司法、制造业、网络安全、社交媒体、电子商务、技术和教育。结果还显示，不同年份对人工智能使用方式的关注程度有所不同。 2011 年出现了 13 个不同的主题，2021 年出现了 12 个不同的主题。其中六个主题两年都相同，其中三个主题含义相同，三个主题含义不同。
推进便携式水性药物输送至人体肺部
肺部疾病对人类健康影响巨大：许多肺部疾病目前无法治愈，需要持续治疗。由于便携式吸入器易于使用且可融入日常生活，因此成为患者的首选治疗选择。人们尝试替代排放温室气体的便携式吸入器，并因此产生了便携式水基系统，即所谓的软雾吸入器（SMI）。然而，与市场上的推进剂驱动系统相比，SMI 气雾化装置在致病安全性方面仍然存在缺点，硅占用空间较大，并且必须在洁净室环境中制造。本论文开发了三种不同类型的喷嘴，在病原体安全性、制造成本和气雾化性能方面对现有技术进行了改进。新型 3D 打印整体式涡流喷嘴首次能够在洁净室环境之外制造这种气雾化装置。该装置能够将易碎且剪切敏感的大分子药物温和地雾化。一种处理和封装硅 MEMS 的新方法使得世界上最小的便携式吸入器水基喷嘴得以展示，其硅面积仅为 1/6 平方毫米。为了改善 SMI 设备缺乏致病安全性的问题，开发了一种带阀喷嘴，可以有效地在喷嘴处密封吸入装置，防止运动肠道细菌的致病内生。这一发展可能使环保型 SMI 能够改善多种肺部疾病的治疗。
设计用于军事用途的增强现实的挑战
增强现实（Augmented Reality，瑞典语称为增强现实）是一项以某种形式存在了 30 多年的技术。增强现实系统通过视频或透明显示器在我们的现实视野中构建和叠加虚拟对象。尽管其历史悠久，但直到最近才开始在任何有意义的意义上发展，因为它受到处理器和显示技术的严重限制。除了技术限制之外，它还面临用户处理系统输出信息的能力方面的限制。如果信息量超过容量，用户就会过载，这种情况称为信息过载，导致用户难以接受和理解信息。这可以通过练习良好的用户界面设计来解决，这是任何系统的重要组成部分。军方对这项技术非常感兴趣，希望它能让他们更好地了解战场。然而，战场环境可能会非常紧张，这会增加信息过载的风险，并使设计有用的系统更具挑战性。本文旨在将增强现实、信息过载和界面设计的信息收集到一个地方，并将其应用到军事项目中，以研究基于传统指南和原则进行军事用途设计时会出现哪些挑战。
课程以人为本的人工智能硕士课程
以人为本的人工智能硕士课程，120 个学分 课程代码：T2HAI 高级水平/第二周期 1. 批准 该课程于 2022-09-12（GU 2022/1389）获得 IT 学院委员会批准，并于 2023-02-07（GU 2023/154）进行最后修订。修订后的课程自 2023 年秋季学期 2023-08-28 起生效。 负责部门/对等部门：应用信息技术系 2. 目的 人工智能 (AI) 为企业、公共部门、私人和整个社会创造了全新的条件。人工智能对社会各方面的变革既带来了新的机遇，也带来了挑战。现有的结构和运营模式正在受到挑战并发生根本性改变。有关可持续性和社会转型的全球社会挑战正在受到影响。随着个人互动变成与人工智能代理的数字互动，人际互动与人工智能之间的区别变得越来越模糊。因此，社会各个领域都需要了解人工智能与社会的关系，以便在持续的社会转型中负责任地发挥人工智能的潜力。该项目的总体目标是让学生深入了解人工智能如何改变社会，并有能力在这一转变中发挥主导作用。该课程为学生提供理解问题的广泛理论基础，以及分析人工智能影响的方法和技术，以及管理复杂环境中人工智能驱动的变化的实践技能。该计划的核心是贴近计划所涵盖领域的研究前沿，并与工业界、公共部门和民间社会密切合作。该项目的教学理念是基于创建以学生为中心、鼓励参与的学习环境。该教育项目致力于培养混合学生群体，因此欢迎来自不同学科领域的本科生，包括认知科学、计算机科学、媒体研究、信息技术、经济学、工业
上下文感知的预测运动计划安全自主驾驶
在自动驾驶汽车中，在不确定环境中的几个道路使用者中，在交通状况中是安全有效的操作。前瞻性运动计划策略试图预测周围的交通变动，然后使用这些预测来计划无碰撞的道路。在交通环境中，有多个汽车的中央研究问题是如何处理汽车，驾驶行为不确定性和周围环境的影响之间的相互作用，以实现安全的运动计划。本文提出了在不确定和动态环境中自动驾驶汽车的运动计划方法，并有助于设计达到期望绩效的策略。第一个贡献包括一种相互作用的策略预测模型预测调节（MPC）。该方法基于相互作用的模型的整合，以预测周围汽车的运动和自己的汽车的时间变化参考目标。结果是在动态的交通环境中进行的主动运动计划，其中几辆汽车不仅允许当地重新计划道路。第二个贡献扩展了MPC方法，也能够处理环境中的多模式操作不确定性，其中包括驾驶操作和特定方式的不确定。该方法包括对这些不确定性进行建模以及引入一个参数，该参数能够在运动计划者的性能和稳健性之间保持平衡。第三个贡献集中在自动学习上，同时驱动周围汽车的运动不确定性，以避免操作员过于谨慎，而不会损害安全性。该方法是基于学习周围汽车的驾驶行为的基础，并采用后续策略来预测他们在不久的将来可以占据的道路的哪一部分。第四个贡献是一个注重环境意识的运动计划策略师，可以预测有关道路属性的周围汽车中可能驾驶操作。通过整合这些因素，该方法可以有效地预测周围汽车的运动，然后将其用于制定业务计划问题中的碰撞折叠标准。通过在各种交通情况下进行的模拟和实验，自动驾驶汽车可以通过整合对互动的意识，周围的汽车的不确定性以及周围环境的特征来实现安全有效的运动计划。
具有不确定动力学的系统的规定性能和边界层控制
控制技术或控制理论是一个落下数学，物理和电气技术的两个水平研究领域。基本上是关于形成算法和方程的依赖于应将控制信号发送到动态系统以实现'scond行为的方程式。普通的歧义包括稳定机器人手臂，维持“损坏的室温或为车辆为特定路线上油。控制技术是关于决定转向警卫制作给定油或参考信号的。控制技术与未指定的研究领域之间的差异在于智能的工作：控制技术旨在为系统创建准确，裸露的控制策略，而使用和使用理解和使用情报。不需要完整模型的情况。经典的重新塑造方法不必作为一个很好的工作，而是迫使基本的数学模型的喜悦。控制系统不需要通过截断阶段进行操作，因为它们基于系统的动力学和行为。但是，现代适应性的调节器可以使用基于物理和数学的模型，该模型与截断数据相关的参数以脱离了类似BOUT的控制信号。控制技术中的当前研究领域 - SNA的控制，称为Okanda Systems，具有引人注目的普遍要求。漏斗功能）。规范系统一个固定系统的一个例子是辅助控制，与在回顾性的环境环境国家一起运行的情况下，周围环境及其周围环境都需要与周围的环境联系起来。迅速变化的牛皮和水 - 静止的土地，它与数学建模相比，因为对照技术仪经常受到影响，而且很难以良好的课程形式遵守知识的权利。最新的热情采用了一种现代控制方法，称为处方绩效控制（也称为漏斗控制），可以轻松地在这种问题上航行。从理论上讲，该方法可以保证系统不会偏离其组装课程 - 即使在重新元素中使用有关系统的动态或证据的信息，您对手的操作也不会。通过定义称为漏斗功能的疮来指定最大偏差的要求（Eng。通过高级数学方法，控制算法扩展了最佳，并且（如有必要）向系统扩展了大量的猪，以强迫其偏离其小于擦除水平的“漏斗”。漏斗法规中的一个问题是，不可能保证在不同时使用学习零时间的函数的情况下，银行业期间的偏差变得很小。然后通过在用于减少控制信号的方程式中留下不连续的功能来解决此问题。从理论上讲，这不是更大的问题，但是实际上，它导致秃头问题（零售额为零），而不幸的是在预示系统中的实际组件上挂在楼上。如果函数中存在困境或扩散，则通常将功能视为不连续的。该术语的目的是确保系统始终朝着该位置的时间直接转向。