XiaoMi-AI文件搜索系统
World File Search SystemSpeeds
Guihua Wang 实时的表面识别系统，用于可变的双头机器人步行速度 lcnet.pdf-科学技术学院
摘要 - 在机器人运动过程中以不同速度识别基础表面对于安全有效的机器人导航很重要。这项工作旨在通过在每脚下方固定的力传感器来识别多个室内表面，同时以不同的速度导航，从而增强了双子机器人的感知能力。通过将实时多对象支持向量机（SVM）与有效的时域功能相结合，提出了一种机器人的准确但成本较固的表面标识系统。在这种情况下，研究了四个有希望的手工制作的时域特征，其中均方根（RMS）功能被证明超过了其他三个功能。可以通过分别以两个不同的步行速度应用RMS来实现十倍SVM交叉验证中95.99％和98.16％的平均平均精度（地图）。具有较高的计算效率可以实现高分类精度，因此可以在诸如Arduino或Jetson Nano之类的低成本平台上进行系统部署，这使我们的方法适合在各种步行速度之间进行广泛应用。
一种提高两光子血管成像速度的深度学习方法
摘要：在临床前模型中跟踪神经血管疾病进展的潜在方法是多光子荧光显微镜（MPM），它可以用毛细血管级别的分辨率对脑脉管系统进行成像。但是，获得具有传统点扫描MPM的高质量的三维图像是耗时的，并且限制了用于慢性研究的样本量。在这里，我们提出了一种基于卷积神经网络（PSSR RES-U-NET结构）算法，用于快速对低分辨率或稀疏采样图像进行快速升级，并将其与无分段的无分段矢量化过程相结合，用于3D重建和血管网络结构的统计分析。这样做，我们还证明了半合成训练数据的使用可以取代获得低分辨率和高分辨率训练对而不损害矢量化结果的昂贵且艰巨的过程，从而为收集培训数据的其他MPM任务带来了这些方法的可能性。我们将方法应用于来自小鼠模型的大量视野的图像，并表明我们的方法在成像深度，疾病状态和神经血管内的其他差异中概括了。我们验证的模型和轻量级体系结构可用于将MPM成像时间最多减少四倍，而无需对基础硬件进行任何更改，从而可以在各种设置中可部署性。
对生物混合机器人水母进行现场测试，以展示其增强的游泳速度
1 斯坦福大学工程学院和医学院生物工程系，斯坦福，加利福尼亚州 94305，美国 2 加州理工学院研究生航空实验室 (GALCIT)，帕萨迪纳，加利福尼亚州 91125，美国；jodabiri@caltech.edu 3 惠特曼中心，海洋生物实验室，伍兹霍尔，马萨诸塞州 02543，美国；jptownsendii@gmail.com (JPT)；costello@providence.edu (JHC)；scolin@rwu.edu (SPC) 4 普罗维登斯学院生物系，罗德岛州普罗维登斯 02918，美国 5 罗杰威廉姆斯大学海洋生物与环境科学系，罗德岛州布里斯托尔 02809，美国 6 南佛罗里达大学综合生物学系，佛罗里达州坦帕 33620，美国； bgemmell@usf.edu 7 加州理工学院机械工程系，美国加利福尼亚州帕萨迪纳 91125 * 通讯地址：nicolexu@alumni.stanford.edu
在 Achronix Speedster®7t FPGA 上进行 AI 基准测试
摘要 — 具有自回归关键路径或递归的机器学习网络的部署通常不能很好地利用 AI 加速器硬件。此类网络（如自动语音识别中使用的网络）必须以低延迟和确定性尾部延迟运行，以适应大规模实时应用。在本文中，我们介绍了一种推理引擎的覆盖架构，然后在 Speedster7t FPGA 上实现该架构。Speedster7t 是 Achronix Semi-conductor Corporation 生产的 AI 优化设备。我们展示了所考虑的网络类型的潜在高利用率。具体来说，我们描述了一种双时钟方法，该方法可实现 Speedster 设备中机器学习处理器块额定频率的 74.7% 的时钟频率。我们表明，该设备可以在一组标准的 AI 基准测试中实现 36.4 TOPS，并表明它可以在一系列场景中实现约 60% 的设备总体效率。然后，我们重点介绍了这种架构对于自动语音识别等低延迟实时应用的好处。
伦敦医学成像和人工智能中心利用 Run:ai 加速研究
利用计算能力提高数据科学的生产力，从而运行更多实验并更快地部署 AI 计划。Run:ai 帮助组织加速其 AI 之旅 - 从构建初始模型到在生产中扩展 AI。使用 Run:ai 的 Atlas 软件平台，公司可以简化跨任何基础设施（本地、边缘、云）的 AI 应用程序的开发、管理和扩展。研究人员可以按需访问任何 AI 工作负载的池化资源。创新的云原生操作系统可帮助 IT 管理从 GPU 的分数到大规模分布式训练的一切。了解更多信息，请访问 www.run.ai。
计算辅助经典量子多址接入提升网络通信速度
多址信道 (MAC) 由多个发送者同时向单个接收者传输消息组成。对于经典量子情况 (CQ MAC)，可实现的速率是假设所有消息均已解码而已知的，这是量子网络设计中的常见假设。然而，这种传统的设计方法忽略了全局网络结构，即网络拓扑。当 CQ MAC 作为量子网络通信的一部分时，这项工作表明，计算属性可用于通过依赖于网络拓扑的代码设计来提高通信速度。我们量化了具有双发送者 CQ MAC 的计算属性的代码可实现的量子通信速率。当双发送者 CQ MAC 是具有二进制离散调制的玻色子相干信道时，我们表明它实现了最大可能的通信速率（单用户容量），这是传统设计无法实现的。此外，这种速率可以通过不同的检测方法实现：量子（有或没有量子记忆）、开/关光子计数和同差（每种方法的光子功率都不同）。最后，我们描述了两个实际应用，其中一个是加密应用。
麦当劳利用以人为本的人工智能加速招聘
Josh 于 2001 年创立了 Bersin & Associates，提供专注于企业学习的研究和咨询服务。他扩大了公司的业务范围，涵盖人力资源、人才管理、人才招聘和领导力，并成为人才市场公认的专家。Josh 于 2012 年将公司出售给德勤，并担任 Bersin by Deloitte 的合伙人，直至 2018 年。2019 年，Josh 创立了 Josh Bersin Academy，这是一所专业发展学院，已成为“人力资源之家”。2020 年，他组建了一支分析师和顾问团队，他们现在正与他合作，在 Josh Bersin Company 的旗下为来自世界各地的人力资源组织提供支持和指导。最近发表的研究涵盖了混合工作、人力资源技术市场趋势、员工体验以及多样性、公平性和包容性等主题。他经常出现在《福布斯》、《哈佛商业评论》、《人力资源主管》、《华尔街日报》和《CLO 杂志》等出版物上。他是一位受欢迎的博主，在 LinkedIn 上拥有超过 80 万名粉丝。
Vituity 通过 AI 支持医生，加快患者护理速度
任务很简单：让医生将 100% 的时间花在患者身上。但 Vituity 很快发现问题很复杂：医生不知道去哪里寻求帮助，而且由于支持团队必须手动解决问题，请求通常需要几天时间才能完成。解决这个问题意味着必须自动化繁琐的工作（如重置密码、回答政策问题和排除软件故障），以便在不涉及服务台的情况下提供即时支持。
神经反馈相关抑制皮质 b 爆发可加速健康运动控制中的运动启动：一项双盲假对照研究
皮层-基底神经节-丘脑回路中 b 爆发异常增多与帕金森病患者的僵硬和运动迟缓有关。在健康参与者中，运动皮层中检测到的 b 爆发增多也与反应时间 (RT) 延长有关。在此，我们进一步假设，通过神经反馈训练抑制 b 爆发可改善健康受试者的运动表现。我们对 20 名人类志愿者（10 名女性）进行了一项双盲假对照研究，使用顺序神经反馈行为任务，其中神经反馈反映感觉运动皮层上 b 爆发的发生情况并进行实时量化。结果表明，神经反馈训练可帮助健康参与者学会有意识地抑制感觉运动皮层中的 b 爆发，并且训练伴随后续提示运动的 RT 减少。这些变化仅在真实反馈组中显著，而在假组中并不显著，证实了神经反馈训练对简单运动意象的影响。此外，RT 与对侧运动皮层中 b 爆发的速率和累积持续时间相关，但与平均 b 功率无关。神经反馈训练引起的 RT 减少与所有测试半球的 b 爆发减少呈正相关。这些结果加强了在健康运动控制中，感觉运动皮层中出现 b 爆发与运动启动减慢之间的联系。结果还强调了神经反馈训练在促进自愿抑制 b 爆发以加快运动启动方面的潜在益处。
合成生物学加速药物靶点的发现
合成生物学作为一个新兴领域，旨在通过构建人工合成电路实现对细胞网络的精准调控，为治疗疾病和发现新型药物靶点带来了巨大的机遇。根据不同逻辑门的组合方式，可以创建各种合成电路以实现多级调控。在给定的合成电路中，药物通常作为输入来驱动电路运行。构建药物反应基因电路用于实验治疗各种疾病模型，包括代谢疾病、免疫疾病、癌症和细菌感染，已成为可能。合成生物学与 CRISPR 系统联合使用可很好地进行药物靶点功能筛选。值得注意的是，越来越多精心设计的电路被开发出来，用于发现新的药物靶点并精准调控疾病的药物治疗。