XiaoMi-AI文件搜索系统
World File Search SystemUsers
Calstart连接和自动运输用户...
•自动化（SAE 4级）*•零排放（例如，电动或燃料电池）•符合联邦机动车安全标准（FMVSS）•符合美国的要求•符合美国的要求•符合美国残疾人Act（ADA）要求（ADA）要求•旨在在所有气候条件下运作10到14个客人，可容纳10至14个驾驶员•在20-30个驾驶过程中•30-30在20-33大约二十至三十五个第一代，专用的，即交通就绪的AV的潜在采购。使用3年的RFI/RFP流程使用了3年的跨越RFP，该RFP于2021年3月发布，并且资金可用，第一辆车将在2022年3月最早进行运营。*在董事会安全运营商上也以礼宾服务为服务
具有战略用户的分布式学习：重复博弈方法
我们考虑一个分布式学习环境，其中战略用户受到融合中心的激励，以基于本地数据训练学习模型。用户没有义务提供他们的真实梯度更新，而融合中心无法验证所报告更新的真实性。受此启发，我们将融合中心与用户之间的互动表述为重复博弈，体现了机器学习与博弈论之间尚未得到充分探索的相互作用。然后，我们基于联合梯度估计和用户行为分类方案为融合中心开发了一种激励机制，并研究了其对分布式学习收敛性能的影响。此外，我们设计了自适应零决定 (ZD) 策略，从而将经典的 ZD 策略推广到具有时变随机误差的重复博弈。理论和实证分析表明，融合中心可以激励战略用户合作并报告信息丰富的梯度更新，从而确保收敛。
更多用户将受益于升级版乌敏岛微电网
关于能源市场管理局（EMA） 能源市场管理局 (EMA) 是新加坡贸易与工业部下属的一个法定委员会。 通过我们的工作，我们寻求打造一个可持续增长的进步能源格局。 我们的目标是确保可靠和安全的能源供应，促进能源市场的有效竞争，并在新加坡发展充满活力的能源行业。 请访问 www.ema.gov.sg 了解更多信息。 Instagram：@EMA_Singapore | 脸书：facebook.com/EnergyMarketAuthority | 推特：@EMA_sg | 领英：linkedin.com/company/energy-market-authority-ema-/ 关于国家公园局 (NParks) 国家公园局 (NParks) 负责改善和管理我们自然之城的城市生态系统。 我们是绿化、生物多样性保护以及野生动植物健康、福利和管理的牵头机构。 我们还与社区密切合作，以提高我们的生活环境质量。国家公园局管理着约 400 个公园、3,347 公顷的自然保护区、新加坡植物园、乌敏岛和姐妹岛海洋公园。此外，还有广泛的自然之路网络和超过 300 公里的公园连接网络，连接全岛的主要公园、自然区和住宅区。每年，我们在各种绿地开展超过 3,500 个教育和推广计划。国家公园局开发了一种城市生物多样性保护模型，旨在保护土地稀缺的新加坡的代表性生态系统。国家公园局还监测和协调措施，以增强我们城市景观中的生物多样性。国家公园局正与景观、园艺、兽医和动物部门的合作伙伴密切合作，以提高生产力，并为各级劳动力提供培训。提高行业能力将支持新加坡成为自然之城的愿景。欲了解更多信息，请访问 www.nparks.gov.sg 和 www.facebook.com/nparksbuzz。
触觉套管作为肌电假手用户机械触觉反馈恢复方法
目前的肌电上肢假肢无法恢复感觉反馈，从而损害了精细运动控制。使用触觉套进行机械触觉反馈恢复可能会纠正这个问题。这项随机交叉参与者内对照研究旨在评估原型触觉套对八名健全参与者执行的常规抓握任务的影响。每位参与者完成三项任务的 15 次重复：任务 1——正常抓握，任务 2——强抓握和任务 3——弱抓握，使用视觉、触觉或组合反馈所有数据均于 2021 年 4 月在英国爱丁堡苏格兰微电子中心收集。与任务 1（p < 0.0001）、任务 2（p = 0.0057）和任务 3（p = 0.0170）中的单独视觉相比，组合反馈与明显更高的抓握成功率相关。类似地，在任务 1 ( p < 0.0001) 和任务 2 ( p = 0.0015) 中，触觉反馈与视觉相比具有显著更高的抓取成功率。在任务 1 ( p < 0.0001) 和任务 3 ( p = 0.0003) 中，与视觉反馈相比，组合反馈与显著更低的能量消耗相关。同样，在任务 1 ( p < 0.0001)、任务 2 ( p < 0.0001) 和任务 3 ( p < 0.0001) 中，与视觉反馈相比，触觉反馈与显著更低的能量消耗相关。这些结果表明，触觉套管提供的机械触觉反馈可有效增强抓握能力并降低其能量消耗。
为健康用户提供主动脑机接口
脑机接口 (BCI) 的研究和开发持续增长。特别是，BCI 专利申请在最近几年呈指数级增长（Greenberg 等人，2021 年）。然而，对于不同类型的 BCI，情况有所不同：侵入式和非侵入式、主动和被动式，尤其是在健康用户的可能使用方面。侵入式 BCI 提供最佳性能，甚至可以提供对运动决策形成的早期阶段的访问，与通常的输入设备相比实现更快的交互（Mirabella 和 Lebedev，2017 年），但它们具有高风险和成本，并且不太可能在不久的将来供健康用户使用。现有的非侵入式 BCI 具有较低的带宽、速度和准确性，这就是为什么在脑/神经-计算机交互路线图中，只有被动式，而不是主动式 BCI 被视为健康用户的潜在技术（BNCI Horizon 2020, 2015；Brunner 等人，2015 年）。被动式 BCI 使用“不以自愿控制为目的的大脑活动”（Zander 和 Kothe，2011 年）。由于它们不要求用户的注意，因此其较低的交互速度是可以接受的（Current Research in Neuroadaptive Technology，2021 年）。相比之下，主动式 BCI 的用户通过有意识地控制自己的大脑活动来明确地控制应用程序（Zander 和 Kothe，2011 年）1。这些 BCI 必须与手动输入设备（键盘、鼠标、触摸屏）和新兴的非接触式替代品（基于语音、手势和凝视）竞争，因为它们在人机交互 (HCI) 中发挥着同样的作用（Lance 等人，2012 年；van Erp 等人，2012 年）。尽管已经宣布了一些尝试，希望通过推进大脑传感器技术来大幅提高非侵入式 BCI 的性能（最引人注目的是 Facebook 计划实现“直接从大脑”快速输入文本— Constine，2017 年），但脑电图 (EEG) 仍然是唯一广泛使用的技术，其性能仍然低于机电输入设备所提供的性能。例如，据报道，非侵入式异步“脑开关”（一种需要低假阳性率但只能检测一个离散命令的 BCI）的平均激活时间约为 1.5 秒（Zheng 等人，2022 年）。此外，虽然一些非医疗主动 BCI 使用完善的非侵入式 BCI 范例——运动想象 BCI、P300 BCI、稳态视觉诱发电位 (SSVEP) BCI 和代码调制视觉诱发电位 (c-VEP) BCI——但许多项目依赖于基于学习到的变化 EEG 节律的更不精确的控制（Nijholt，2019 年；Prpa 和 Pasquier，2019 年；Vasiljevic 和 de Miranda，2020 年）。由于性能低下，主动 BCI 仍然主要供无法使用其他输入的人（例如瘫痪者）负担得起。尽管如此，为健康人开发主动 BCI 的尝试仍在继续。在本意见中，我简要概述了它们目前开发的应用领域，然后尝试弄清楚这些尝试的动机以及近期的前景。
我的人工智能朋友：社交聊天机器人的用户如何理解他们的人机友谊
对话式人工智能 (AI) 的使用正在增加，例如类人社交聊天机器人。虽然预计会有越来越多的人与社交聊天机器人建立亲密关系，但关于人与人工智能友谊的理论和知识仍然有限。由于与人工智能的友谊可能会改变我们对友谊本身的理解，本研究旨在通过已开发的概念框架探索人与人工智能友谊的含义。我们对与社交聊天机器人 Replika 建立人与人工智能友谊的人进行了 19 次深入访谈，以了解他们如何理解和看待这种友谊，以及它与人类友谊的比较。我们的结果表明，虽然人与人工智能的友谊可能以与人与人友谊类似的方式理解，但聊天机器人的人工智能性质也在多个方面改变了友谊的概念，例如允许根据用户的需求定制更加个性化的友谊。
通过调查最终用户负荷需求测量来评估二次配电网的电池存储“2279
摘要：预计储能系统将用于满足日益增长的能源电气化需求，并减轻太阳能和风能等间歇性能源的发电量。聚合和分布式电池储能系统可以通过提供智能能源管理选项和高效的资源配置来提高电网的可操作性和安全性。本文探讨了二次配电级别的电池存储。调查基于最终用户的能源需求行为。因此，在住宅区测量和分析了电能消耗模式。收集和分析了测量数据，以记录客户的行为，旨在揭示他们的差异和相似之处。随后，根据测量的电力消耗模式的特征计算聚合和分布式电池储能系统，旨在估计可能激励安装电池系统的因素，无论是在低压变压器侧聚合还是在负载侧分布式系统。根据系统的盈利能力，定性评估了影响系统经济可行性的参数。
机器学习人工智能如何改善用户对 Facebook 的看法
个性化是否会影响 Facebook 机器学习广告中的认知和情感因素、广告价值和购买意向？................................................................................................................ 92
改进 GNSS 并实现太空用户的互操作性
组织 • 根据总统授权成立并按照联邦咨询委员会法案 (FACA) 规定运作 • 为 PNT EXCOM 提供独立的技术和政策咨询 • 成员由 PNT EXCOM 部门/机构提名、PNT EXCOM 联合主席批准并由 NASA 管理员任命 • 章程允许建立特设工作组和小组委员会 近期活动 • 2021-2023 年章程于 2021 年 4 月 30 日签署。它将成员上限从 25 人扩大到 30 人，以支持根据 SPD-7 扩大 PNT EXCOM 代表权 • 2021 年 12 月 7 日，NASA 局长 Bill Nelson 签署了 9 名新成员的任命 • 第 25 届会议于 2021 年 12 月 9 日至 10 日在弗吉尼亚州阿灵顿举行 • 第 26 届会议计划于 2022 年 5 月在马里兰州安纳波利斯举行
人工智能系统的参与式设计：不同用户、关系和应用领域的机遇与挑战
近年来，人工智能 (AI) 系统的参与式设计 (PD) 在私营和公共部门的多个应用领域越来越受欢迎。参与式设计方法广泛地使不同背景的利益相关者能够为人工智能的新用例和直接影响人们生活的基于人工智能的技术的设计提供信息。这种参与对于减轻人工智能对社会日益明显的不利影响以及追求更积极的影响（尤其是对弱势群体）至关重要。该小组汇集了在不同学科领域进行过或正在进行人工智能系统参与式设计的研究人员。小组的目标是阐明参与式设计方法如何以实用和有意义的方式应用于人工智能系统的异同、成功和挑战。该小组为人机交互研究界提供了一个机会，让他们共同反思人工智能参与式设计促进利益相关者之间合作的机会，以及参与式人工智能设计的持续挑战。