XiaoMi-AI文件搜索系统
World File Search SystemSpeed
加州高铁2024年商业计划修订草案
虽然中央谷地仍然是我们建设和早期运营工作的中心，但这是一个全州范围的项目。管理局正在三个大致相等的不同路段推进工作——湾区（159 英里）、中央谷地（171 英里）和南加州（164 英里）。2024 年初，管理局董事会将考虑认证帕姆代尔至伯班克路段的环境文件。完成这项工作后，从旧金山市中心到洛杉矶市中心的整个第一阶段系统将获得环保批准。随着我们在中央谷地的建设不断推进，管理局将寻求推进湾区和南加州的设计工作，并在这些地区完成更多“书挡”项目。
使用机器学习算法优化促进风速预测
4印度尼西亚能源和矿产资源部 *通信：amin010@brin.go.id（aminuddin），nurr010@brin.go.id（Nurry widya hesty）（2023年3月16日收到：修订于12月28日，2023年12月28日：2023年12月28日：2024年1月12日接受的摘要和稳定的限制性限制，并确定了限制性的操作。电力系统。这项研究审议了十个机器学习（ML）模型的超参数微调，以通过评估根平方误差（RMSE），平均绝对误差（MAE），相关性和运行时获得最佳的短期风速预测模型。随机森林（RF）和梯度增强的树（GBT）的总体表现最好。但是，RF的训练时间比GBT更长。本文的发现可以帮助研究人员和从业人员开发最有效的数据驱动方法，以进行风速和功率生成的预测。关键字：数据挖掘；超级参数； Rapidminer；深度学习；安可再生能源
HISST：第三国际高速车辆科学技术会议
充气隔热罩（IHS）代表了一种突破性解决方案，该解决方案通过显着提高有效载荷能力并增强空间系统的恢复潜力来支持创新的重新进入空间任务。要使该解决方案运行，必须将几种关键技术成熟到适当的水平。在Efesto-2项目的范围内，已计划进行结构和空气动力学测试，以促进我们对这一独特的充气空气动力学减速器系统的理解。为了实现这一目标，进行了数值研究，以模拟重新进入期间隔热罩的最大预期变形水平。随后，在H2K和TMK风隧道中测试了隔热罩的非形状和变形形状。之后，将进行测试后数值分析。本文介绍了与高超音速隧道H2K和Supersononic风洞TMK的空气形状的空气动力学研究有关的努力和成就。它涵盖了诸如风洞模型的规范，测试条件，测量技术以及测试结果的评估。
RADx Tech：以前所未有的速度和规模提供 COVID-19 诊断技术
结论................................................................................................................................ 8
消除监管障碍可加快产品上市速度...
本文所含信息被认为是可靠的，但对其准确性、特定应用的适用性或将获得的结果不作任何形式的陈述、保证或担保。这些信息通常基于使用小型设备的实验室工作，并不一定表明最终产品的性能或可重复性。所介绍的配方可能未经稳定性测试，应仅用作建议的起点。由于商业上用于处理这些材料的方法、条件和设备各不相同，因此不保证或担保产品是否适用于所披露的应用。全面测试和最终产品性能是用户的责任。对于超出 Lubrizol Advanced Materials, Inc. 直接控制范围的任何材料的使用或处理，Lubrizol Advanced Materials, Inc. 不承担任何责任，客户承担所有风险和责任。卖方不作任何明示或暗示的保证，包括但不限于适销性和特定用途适用性的暗示保证。本文所含内容不应被视为未经专利所有者许可而实施任何专利发明的许可、建议或诱因。Lubrizol Advanced Materials, Inc. 是 Lubrizol Corporation 的全资子公司。
加速陆军战术创新：五向...
Matthew J. Traum博士是佛罗里达大学机械与航空航天工程系的高级讲师兼副教授。他是UF的Gatorkits Laboatory的PI，也是UF工程设计中心的副主任。Traum博士还是Ravebio Inc.的董事，Ravebio Inc.是一家由以前学生创立的生物技术初创公司。Traum博士是一位经验丰富的教育者，管理员，筹款人和研究人员。截至2024年初，他合着了一本开放的教育资源（OER）工程设计教科书，一本书章，21个同行评审的研究和教育期刊论文，60篇裁判研究和教学会议文章，他给了5个受邀的演讲。作为PI或Co-Pi，Traum吸引了超过96万美元的研究和教育资金。Traum博士是一名连续企业家，是一家教育技术社会企业和领先的STEM教学实验室套件制造商Engineer Inc.的创始首席执行官。
通过增强学习加速视力变压器
摘要近年来，变形金刚领导了自然语言处理的一场革命，而视觉变形者（VIT）承诺在计算机视觉中也这样做。广泛使用VIT的主要障碍是它们的计算成本。的确，给定图像分为一个贴片列表，vits计算每一层，每个贴片相对于所有其他贴片的注意力。在文献中，许多解决方案试图使用量化，知识蒸馏和输入扰动来降低注意力层的计算成本。在本文中，我们的目标是在这种情况下做出贡献。特别是，我们提出了一个使用加强学习来培训代理的框架，该框架是在培训VIT期间确定最不重要的补丁的代理商。一旦确定了此类斑块，AgentVit就将其删除，从而减少了VIT处理的斑块数量。我们的目标是减少VIT的训练时间，同时保持竞争性能。
高速自主主题公园动作摄像头
在游乐园行业中，现有的摄像头系统不仅在快速骑行上捕获清晰，高质量的图像，而且还面临着挑战，在水上滑梯上捕获的位置不一致，其中不同的客人重量会影响下降的速度，从而影响了图像的组成。此外，这些系统依赖于具有反射器的光学触发传感器，这些反射器容易撕下水滑梯，从而导致维护问题并进一步破坏始终定位的镜头的捕获。
人机协作提高了技能标记速度，但降低了准确性
人工智能方法正在不断进步，在游戏相关任务（例如国际象棋）上超越人类。下一阶段预计将是人机协作；然而，关于这一主题的研究好坏参半，需要更多的数据点。我们通过研究人机协作在常见的管理教育任务上的表现，为这一新兴文献增添了新内容。教育是与人工智能相关的一个特殊领域，在实践中采用人工智能方法的速度很慢，因为担心教育事业失去人文关怀，而且由于对个人职业和发展轨迹的影响，对质量标准提出了要求。在这项研究（N = 22）中，我们设计了一个实验来探索人机协作对使用美国共同核心分类法中的技能标记教育内容任务的影响。我们的结果表明，与未使用 AI 的对照组相比，实验组（使用 AI 建议）在执行标记任务时节省了大约 50% 的时间（p << 0.01），但牺牲了 7.7% 的召回率（p = 0.267）和 35% 的准确率（p= 0.1170），AI+人类组介于单独使用 AI（性能最低）和单独使用人类（性能最高）之间。我们进一步分析了这项 AI 协作实验的日志数据，以探索在什么情况下人类在接受建议时仍会行使他们的辨别力。最后，我们概述了这项研究如何帮助在教育领域实施 ChatGPT 等 AI 工具。