XiaoMi-AI文件搜索系统
World File Search SystemPerformant
通过机器学习预测德国的衰退
本文使用机器学习来预测德国经济中的业务周期，其中具有73个指标的高维数据集，主要来自经合组织的主要经济指标数据库，涵盖了1973年至2023年的时间段。顺序浮动前进选择（SFF）用于选择最相关的指标并构建紧凑，可解释和性能模型。因此，使用正规化回归模型（Lasso，Ridge）和基于树的分类模型（随机森林和Logit Boost）用作挑战者模型，以优于包含术语扩展作为预测指标的概率模型。所有模型均经过1973 - 2006年的数据培训，并从2006年开始对持有样本进行了评估。研究表明，建模衰退所需的指标较少。使用SFF构建的模型最多有11个指标。此外，研究环境表明，许多指标在时间和业务周期之间都是稳定的。机器学习模型被证明在定量宽松期间（术语传播的预测能力减少时）在预测衰退时特别有效。这些发现有助于对在经济预测中使用机器学习的持续讨论，尤其是在有限和不平衡数据的背景下。
程序
Abigail Russo 是 Meta Reality Labs 的一名研究科学家，她正在研究使用非侵入式腕戴式脑机接口扩展人类运动能力的策略。她在哥伦比亚大学师从 Mark Churchland 攻读博士学位，研究了自愿运动过程中的运动皮层网络功能，借鉴了人工神经网络的见解。 演讲题目：一种适用于整个人群的人机交互腕式表面肌电图神经运动接口 描述：我们描述了一种非侵入式神经运动接口的开发，该接口允许使用表面肌电图 (sEMG) 进行计算机输入。我们开发了一个高灵敏度和强大的硬件平台，可以轻松戴上/脱下，以感应手腕上的 sEMG 并将有意识的神经运动命令转换为计算机输入。我们将此设备与一个经过优化的基础设施配对，可以收集来自数千名同意的参与者的训练数据。这使我们能够开发通用的 sEMG 神经网络解码模型，该模型具有跨人群的高性能开箱即用泛化能力（测试用户在连续导航任务中的平均性能：0.5 次目标获取/秒；离散手势检测任务：0.9 个手势/秒；手写任务：19.6 个字/分钟）。
NVIDIA DGX A100 AI 系统：加速洞察时间
ESG 评估了 NVIDIA DGX A100 AI 系统，重点关注该平台如何缩短洞察时间。NVIDIA DGX 是一个专门构建的 AI 平台，旨在支持分析、AI、训练和推理。NVIDIA DGX 是一个紧密集成的平台，具有针对 AI 优化的 GPU，为 AI 端到端构建。NVIDIA DGX A100 系统配备八个 NVIDIA GPU 和两个第二代 AMD EPYC 处理器。NVIDIA 和 Dell Technologies 合作设计和构建了一个高性能、一流的架构，可以利用 Dell EMC PowerScale 存储产品组合。各种规模的组织都可以在机架式服务器设备或塔式配置中将这种可扩展的数据中心技术部署到任何需要的地方。NVIDIA DGX 旨在实现从 AI 平台发布到模型创建再到优化的完整 AI 生命周期，并在节省时间、精力和金钱的同时实现即时生产力。 NVIDIA DGX 提供快速部署和开箱即用的生产力，将专用硬件与嵌入式工具和 AI 软件相结合，使组织能够从数据中提取价值和洞察力，而无需进行软件工程、系统集成或故障排除。这使组织能够在数小时内而不是数周内运行实验，并且性能可预测地扩展。
航空公司 - Sopra Steria
面对产品、相关服务的日益复杂以及竞争的加剧，创造链（设计、工程、制造、维护、在职支持、产品回收）的“端到端”管理变得竞争力和上市时间的关键要素。因此，PLM 是真正的数字化业务战略的一部分，其目标是提高运营效率，加强和简化各专业之间的互动，并确保整个产品生命周期内的数据完整性。支持这些新流程的 PLM 解决方案不仅在公司内部，而且在扩展企业（合作伙伴、供应商等）中创建了高性能的协作工作环境。 Sopra Steria 凭借其 PLM 产品支持其客户实现更多增长、更多盈利和更多价值。
S2N -TLS基准测试和比较分析-libraetd
jmz8rm@virginia.edu摘要作为亚马逊Web服务的实习生（AWS），我以前无需使用AWS的S2N-TLS和其他公共运输层安全（TLS）库的简单且可靠的比较基准，以确定优化和确定S2N-TLS的区域。S2N-TLS每秒处理数亿美元的连接，从而使任何小的优化可节省大量成本。基准线束将每个库（S2N-TLS，OpenSSL和Rustls）适应一个共同的接口，并测量握手延迟，吞吐量和内存使用情况。s2n-tls比Rustls和OpenSSL更具性能，但要比Rustls更高的内存使用，这使得内存成为优化的可能目标。未来的工作包括将基准纳入测试中，以防止部署前的性能回归，更详细的测试以获得更具体的见解，并使用更多参数进行测试。1。简介TLS是一个网络协议，可确保两个端点（例如，您的计算机和Web服务器）安全通信。TLS有两个主要目标：身份验证和加密。身份验证是对端点身份的验证，它阻止了不良演员假装是客户端可能想要与之交谈的服务器。加密保护在运输中数据的安全性，这可以防止
全球奖励多代理深入强化学习的自主流动性系统
我们研究了按需自动移动性（AMOD）系统中的车辆派遣，在该系统中，Central操作员将车辆分配给客户要求或拒绝这些车辆以最大化其总利润。最近的方法使用多代理深入强化学习（MADRL）来衡量可扩展但性能的算法，但基于本地奖励的训练代理，这会扭曲对系统范围的利润的奖励信号，从而导致较低的绩效。因此，我们提出了一种新型的基于全球奖励的MADRL算法，用于在AMOD系统中派遣车辆，该算法通过向代理商分配奖励，以利用反面基线的代理来解决训练有素的代理商与运营之间的现有目标冲突。与具有本地奖励的状态MADRL算法相比，我们的算法在现实世界数据的各种环境上显示了统计学上的显着改进。我们进一步提供了结构性分析，表明全球奖励的利用可以改善隐式车辆的平衡和需求预测能力。可以在https://arxiv.org/abs/2312.08844上找到我们论文的扩展版本，包括附录。我们的代码可从https：// github获得。com/tumbais/gr-madrl-amod。关键字：多学科学习，学分分配，深入强化学习，自主性按需
在庞大的世界中分析优势的重要性......
机器学习、深度学习、人工智能 (AI)、大型语言模型和生成式人工智能的快速发展加速了利用这些技术获取军事优势的努力。我们将这些技术及相关技术称为分析技术。我们提出了一个框架作为实现“分析优势”的指南，分析优势是通过收集分析所需数据的能力获得的作战优势；构建有用、高效和强大的分析模型；并在作战系统中部署分析模型以实现目标，同时利用或阻止对手执行相同操作的能力。分析优势最好在对手的分析能力的背景下理解，对手也会收集数据、构建模型并部署它们以实现自己的目标并击败对手的分析。该框架强调制定分析策略、收集所需数据、开发用于管理和分析数据的分析基础设施、构建分析模型以及将分析部署到作战系统中以实现分析策略所需的目标。尽管分析竞争并非新鲜事物，但它是军事和战略竞争中一个被低估的方面，而且其发展速度比以往任何技术竞争都要快。我们讨论了美国网络空间优势（这是物理领域军事优势的基础）现在如何取决于在与对手的分析竞争中获胜，因此需要采用战略和流程来实现分析优势。
使用数据驱动的方法对政府支出与影子经济之间的非线性依赖性进行建模
摘要：本文旨在使用非线性方法对影子经济规模与最重要的政府支出分别建模社会保护，健康和教育之间的关系。我们在1995年至2020年之间的横截面数据集上应用了四种不同的机器学习模型，即支持向量回归，神经网络，随机森林和XGBoost。我们的目标是校准一种算法，该算法可以比线性模型更好地解释影子经济规模的差异。此外，最大的模型已被用来预测30,000多个模拟支出组合的影子经济规模，以概述一些可能的拐点，之后政府支出变得适得其反。我们的发现表明，ML算法在R平方和根平方误差方面优于线性回归，而社会保护支出是阴影经济规模的最重要决定因素。进一步进行了我们对28个欧盟州的分析，在1995年至2020年之间，结果表明，当社会保护费用大于GDP的20％，健康费用大于GDP的6％，而教育费用占GDP的6％和8％的范围。据作者所知，这是第一篇用ML模拟影子经济及其决定因素（即政府支出）的论文。我们提出了一种易于复制的方法，可以在未来的研究中开发。
赛车手：认识论风险敏感的RL可以通过更少的撞车事故进行快速驾驶
摘要 - 强化学习为机器人控制提供了一个吸引人的框架，因为它仅通过现实世界的互动才能纯粹学习表达政策。但是，这需要解决现实世界的约束并避免在训练过程中造成灾难性失败，这可能会严重阻碍学习进步和最终政策的表现。在许多机器人设置中，这相当于避免某些“不安全”状态。高速越野驾驶任务代表了对此问题的特别挑战性的实例化：高回报策略应尽可能积极地驱动驱动力，通常需要接近“安全”状态集的边缘，因此在该方法上承担特定的负担，以避免频繁失败。既学习高表现的政策，又避免过度失败，我们提出了一个增强学习框架，将对风险敏感的控制与自适应动作空间课程相结合。此外，我们表明我们的风险敏感目标会自动避免配备认知不确定性的估计量。我们在小规模的拉力赛上实施了算法，并表明它能够为现实世界中的越野驾驶任务学习高速政策。我们表明，我们的方法大大减少了培训过程中的安全违规数量，实际上导致在驾驶和非驾驶模拟环境中都具有类似挑战的驾驶和非驾驶模拟环境中的绩效策略。
打印热性能：对面积应用的3DP聚合物的实验探索
摘要。建筑部门的脱碳需要开发提供能源效率的建筑组件，同时产生最小的环境影响。我们研究了聚合物3D打印（3DP）对于制造单材料半透明的立面组件的潜力，其性能可以根据气候结合和功能要求来定制。这些组件具有减少建筑物中能源消耗的潜力，同时，由于原料材料的可回收性，可以用最小的环境影响来制造。在这项研究中，我们探讨了成分几何形状对具有定制间结构的3DP对象的热绝缘特性的影响。使用机器人聚合物挤出机制造不同的原型，并按照热盒测试方法测量其热性能。然后使用实验结果来校准传热模拟模型，描述了通过组件的诱导，自然对流和红外辐射的关节作用。我们表明，只能通过更改内部空腔分布和尺寸来制造提供范围从1.7到1 W/m 2 K的绝缘聚合物组件。这证明了为不同气候条件和要求设计3DP热构件的可能性。这项研究提供了对聚合物3DP立面热行为的首次见解。结果表明，这种创新的制造技术有望在立面上应用，并鼓励进一步研究表演者和低体现的能源3DP建筑组件。