XiaoMi-AI文件搜索系统
World File Search Systemaugmented
通过动手折纸培训的机器学习增强增强现实
这项研究探讨了将增强现实（AR）与机器学习（ML）融合在一起，以通过折纸折叠来增强动手技能的获取。我们使用Yolov8模型开发了一个AR系统，以提供每个折叠步骤的实时反馈和自动验证，并为用户提供逐步指导。引入了一种新型的训练数据集准备方法，从而提高了检测和评估折纸折叠阶段的准确性。在一项涉及16名参与者折叠多个折纸模型的参与者的形成性用户研究中，结果表明，尽管ML驱动的反馈增加了任务完成时间，但它还使参与者在整个折叠过程中都感到更加认识。但是，他们还报告说，反馈系统增加了认知负载，尽管提供了宝贵的指导，但仍减慢了进度。这些发现表明，尽管ML支持的AR系统可以增强用户体验，但需要进一步优化才能简化反馈过程并提高复杂的手动任务中的效率。
通过新一代测序增强挖掘新型免疫 VNAR 库发现 FAP 靶向治疗诊断方法的开发
。CC-BY 4.0 国际许可（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2025 年 1 月 14 日发布。；https://doi.org/10.1101/2025.01.13.632555 doi：bioRxiv 预印本
面向可解释的增强智能（AI）进行裂缝表征
摘要：裂纹表征是工业部件和结构的 NDT&E（无损检测与评估）的核心任务之一。如今，执行此任务所需的数据通常使用超声相控阵收集。许多超声相控阵检查都是自动化的，但对其产生的数据的解释却不是。本文提供了一种设计可解释的 AI（增强智能）以应对这一挑战的方法。它描述了一个名为 AutoNDE 的 C 代码，它包括一个基于改进的全聚焦方法的信号处理模块，该方法可创建被评估样本的一系列二维图像；一个图像处理模块，用于过滤和增强这些图像；以及一个可解释的 AI 模块 - 决策树，它选择可能存在裂纹的图像，将那些看起来代表相同裂纹的图像分组，并为每个组生成一份可能的检查报告，供人工检查员审阅。AutoNDE 已在实验室收集的 16 个数据集上进行了训练，这些数据集通过对带有大型光滑平面缺口（包括嵌入式和表面破损）的钢样本进行成像而收集。它已在另外两个类似的数据集上进行了测试。本文介绍了此次训练和测试的结果，并详细描述了一种处理超声波数据中主要误差源（样本表面的起伏）的方法。
Hugo Bruneliere、Vittoriano Muttillo、Romina Eramo、Luca Berardinelli、Abel Gomez 等人。AIDOaRt：用于 DevOps 的 AI 增强自动化，一种基于模型的网络物理系统持续开发框架。微处理器和微系统：嵌入式硬件设计，2022 年，94，第 104672 页。10.1016/j.micpro.2022.104672。hal-03769797
∗ 通讯作者电子邮件地址：hugo.bruneliere@imt-atlantique.fr（Hugo Bruneliere）、{vittoriano.muttillo,romina.eramo}@univaq.it（Vittoriano Muttillo、Romina Eramo）、luca.berardinelli@jku。 (Luca Berardinelli)、agomezlla@uoc.edu (Abel G´omez)、{alessandra.bagnato,andrey.sadovykh}@softame.fr (Alessandra Bagnato、Andrey Sadovykh)、antonio.cicchetti@mdu.se (Antonio Cicchetti)
TDK 企业在 2025 年 CES 上为人工智能新时代铺平道路 ● TDK 将 AI、绿色转型和数字化转型确定为未来十年的大趋势 ● 关键发展包括用于节能 AI 计算的“自旋忆阻器”和集成边缘传感、组件和 AI 功能的工业 4.0 解决方案的 TDK SensEI 的形成 ● 为汽车、工业、能源和 ICT 领域提供尖端解决方案 ● 战略合作伙伴关系包括与 NEOM McLaren Formula E 车队在赛车创新方面的技术合作，以及即将发布的视障人士无障碍产品 2024 年 12 月 10 日 TDK 公司 (TSE: 6762) 将于 2025 年 1 月 7 日至 12 日在内华达州拉斯维加斯举行的年度消费电子展 (CES) 上展出。总部位于东京的 TDK 公司是智能社会电子解决方案的全球领导者之一，正在拥抱人工智能的崛起。预计未来十年该领域将快速增长，因此该公司正在制定创新和业务战略，以充分利用人工智能的潜力。TDK 还强调绿色转型和持续数字化是塑造其未来重点的关键全球趋势。在拉斯维加斯会议中心中央大厅的 15815 号展位上，TDK 展示了其新制定的长期愿景“TDK 转型：加速转型，实现可持续未来”。通过其创新产品，TDK 致力于推动技术进步并促进有意义的社会转型。为了实现这一目标，TDK 不断突破创新的界限，专注于先进材料、尖端制造工艺以及提高客户应用中的产品性能。人工智能已经改变了日常生活的许多方面，并将继续影响行业、自动化和技术。TDK 的解决方案旨在解决人工智能应用面临的关键挑战，例如高功耗，从而实现更高效和更广泛的使用。通过结合传感器融合、先进组件、软件和人工智能，TDK 能够推动创新并改变其主要市场，包括汽车、工业和能源以及 ICT。关键行业的变革性解决方案 ● 汽车：TDK 为电动汽车和高级驾驶辅助系统 (ADAS) 提供广泛的尖端解决方案组合。该公司的全面展示展示了其全系列的组件和传感器技术，特别强调了其 6 轴 IMU 和压电 MEMS 镜技术。 ● 工业和能源：TDK 的集成方法结合了人工智能、传感器融合和先进组件，以推动环境可持续性发展并应对关键的工业挑战，优化能源效率，提高生产力并促进可持续实践。值得关注的创新包括其柔性薄膜压电传感器解决方案和超声波飞行时间传感器。● ICT：TDK 将展示旨在实现更智能、更可靠、更环保的通信系统的解决方案，包括先进的高精度定位传感器和用于直接视网膜投影的超紧凑全彩激光模块，这些技术有望彻底改变增强和虚拟现实体验。
TDK 企业在 2025 年 CES 上为人工智能新时代铺平道路 ● TDK 将 AI、绿色转型和数字化转型确定为未来十年的大趋势 ● 关键发展包括用于节能 AI 计算的“自旋忆阻器”和集成边缘传感、组件和 AI 功能的工业 4.0 解决方案的 TDK SensEI 的形成 ● 为汽车、工业、能源和 ICT 领域提供尖端解决方案 ● 战略合作伙伴关系包括与 NEOM McLaren Formula E 车队在赛车创新方面的技术合作，以及即将发布的视障人士无障碍产品 2024 年 12 月 10 日 TDK 公司 (TSE: 6762) 将于 2025 年 1 月 7 日至 12 日在内华达州拉斯维加斯举行的年度消费电子展 (CES) 上展出。总部位于东京的 TDK 公司是智能社会电子解决方案的全球领导者之一，正在拥抱人工智能的崛起。预计未来十年该领域将快速增长，因此该公司正在制定创新和业务战略，以充分利用人工智能的潜力。TDK 还强调绿色转型和持续数字化是塑造其未来重点的关键全球趋势。在拉斯维加斯会议中心中央大厅的 15815 号展位上，TDK 展示了其新制定的长期愿景“TDK 转型：加速转型，实现可持续未来”。通过其创新产品，TDK 致力于推动技术进步并促进有意义的社会转型。为了实现这一目标，TDK 不断突破创新的界限，专注于先进材料、尖端制造工艺以及提高客户应用中的产品性能。人工智能已经改变了日常生活的许多方面，并将继续影响行业、自动化和技术。TDK 的解决方案旨在解决人工智能应用面临的关键挑战，例如高功耗，从而实现更高效和更广泛的使用。通过结合传感器融合、先进组件、软件和人工智能，TDK 能够推动创新并改变其主要市场，包括汽车、工业和能源以及 ICT。关键行业的变革性解决方案 ● 汽车：TDK 为电动汽车和高级驾驶辅助系统 (ADAS) 提供广泛的尖端解决方案组合。该公司的全面展示展示了其全系列的组件和传感器技术，特别强调了其 6 轴 IMU 和压电 MEMS 镜技术。 ● 工业和能源：TDK 的集成方法结合了人工智能、传感器融合和先进组件，以推动环境可持续性发展并应对关键的工业挑战，优化能源效率，提高生产力并促进可持续实践。值得关注的创新包括其柔性薄膜压电传感器解决方案和超声波飞行时间传感器。● ICT：TDK 将展示旨在实现更智能、更可靠、更环保的通信系统的解决方案，包括先进的高精度定位传感器和用于直接视网膜投影的超紧凑全彩激光模块，这些技术有望彻底改变增强和虚拟现实体验。
人工智能：IEEE-USA 董事会通过的教育渠道和劳动力协调以提高国家竞争力（2024 年 11 月）IEEE-USA 支持公私合作努力，以确保美国劳动力能够应对新兴技术对我们经济的挑战和影响。IEEE-USA 认为，政府、私营部门和非政府机构在最大限度地为新兴人工智能经济中的学生和工人提供机会方面发挥着至关重要的作用；并减轻广泛人工智能部署对个人造成的负面影响。我们认为全面的教育渠道——涵盖小学、中学、大专、技术和社区大学教育——是培养人工智能劳动力的基本基石，而人工智能劳动力对于人工智能驱动的经济成功至关重要。我们主张为现有工人提供技能提升机会，以满足人工智能增强型工作场所的新兴需求。我们认为，对生计受到人工智能系统负面影响的工人的支持至关重要。我们主张为失业工人提供安全网计划，帮助他们再培训并重新融入劳动力市场；满足需求的工作岗位；保持经济活力。为此，IEEE-USA 建议美国政府：
人工智能：IEEE-USA 董事会通过的教育渠道和劳动力协调以提高国家竞争力（2024 年 11 月）IEEE-USA 支持公私合作努力，以确保美国劳动力能够应对新兴技术对我们经济的挑战和影响。IEEE-USA 认为，政府、私营部门和非政府机构在最大限度地为新兴人工智能经济中的学生和工人提供机会方面发挥着至关重要的作用；并减轻广泛人工智能部署对个人造成的负面影响。我们认为全面的教育渠道——涵盖小学、中学、大专、技术和社区大学教育——是培养人工智能劳动力的基本基石，而人工智能劳动力对于人工智能驱动的经济成功至关重要。我们主张为现有工人提供技能提升机会，以满足人工智能增强型工作场所的新兴需求。我们认为，对生计受到人工智能系统负面影响的工人的支持至关重要。我们主张为失业工人提供安全网计划，帮助他们再培训并重新融入劳动力市场；满足需求的工作岗位；保持经济活力。为此，IEEE-USA 建议美国政府：
WebAssembly启用低延迟可互操作的增强和虚拟现实软件
使用增强/虚拟现实（AR/VR）设备特定硬件和基于Web的实现的本机应用程序之间的运行时性能有明显的差异。在这里我们表明WebAssembly（WASM）提供了一个有前途的开发人员解决方案，该解决方案可以为基于Web的应用程序带来近乎本地的低潜伏期性能，从而通过在任何WIFI或蜂窝数据网络启用的AR/VR AR/VR设备上运行的便携式字节码来使硬件 - 稳定的互操作性按比例扩展。许多软件应用领域已经开始意识到WASM作为关键促进技术的潜力，但尚未在AR/VR域中建立强大的影响力。在考虑当前基于Web的AR/VR开发技术（例如WebXR）的局限性时，该技术提供了现有的应用程序编程接口（API），该界面（API）为基于Web的程序提供了AR/VR功能时，WASM可以解决与正当（JIT）汇编，慢速运行时间，大型文件，大型文件，大型数据和大数据等方面所面临的关键问题。使用基于WASM的WebXR的现有应用程序稀疏但增长，并且移植本机应用程序使用此新兴框架的潜力将受益于基于Web的AR/VR应用程序空间，并使其在性能方面更接近其本地对应物。综上所述，针对AR/VR应用程序的这种标准化的“ Write-once-Deploy-everywhere”软件框架有可能巩固各种头部安装的显示器和其他嵌入式设备上的用户体验，以最终创建一个可互操作的AR/VR生态系统（Jacobsson and Will'en（202020））。
使用 PCG 和 ECG 信号的 AI 增强心脏监测
研讨会概要 研讨会名称：使用 PCG 和 ECG 信号的 AI 增强心脏监测 最低资格：来自电子、电气、计算机等专业的 3 年级工程专业学生 讲师：岳荣教授，科廷大学，SPARC 客座教授 研讨会时长：2 天，6 小时/天 研讨会描述：本研讨会通过使用增强人工智能 (AI) 监测心音图 (PCG) 和心电图 (ECG) 信号来介绍非侵入性心脏病诊断技术。它包括对心音信号、数字听诊器、PCG 和 ECG 信号特征提取、分类和机器学习的背景介绍。在研讨会结束时，参与者可以了解非侵入性传感，以便以可承受的价格诊断心脏病。他们可以练习基本的 PCG 和 ECG 信号处理和机器学习算法。 研讨会内容（暂定） 时间 主题 内容 第 1 天（1 小时） 介绍心音的生理学；心音测量； PCG 和 ECG 设备 第 1 天（第 2 个小时） PCG 信号处理 信号预处理和分割 第 1 天（第 3 个小时） 实验课 1. 使用 Matlab 进行 PCG 信号滤波和分割
MAD-TD：模型增强的数据稳定了高更新比率RL
建立深厚的强化学习（RL）特工，这些特工找到了很少的样本政策，事实证明，众所周知。为了达到样本效率，最近的工作探索了为每个新样本提供大量级别的神经网络的更新。虽然如此高的更新对数据（UTD）比率表现出强烈的经验表现，但它们也引入了训练过程的不稳定。先前的方法需要依靠定期神经网络参数重置以解决这种不稳定，但是在许多现实世界中，重新启动训练过程是不可行的，并且需要调整重置间隔。在本文中，我们关注稳定训练的核心困难之一：学到的价值功能无法概括到未观察到的上利方灯。我们通过通过从学习的世界模型中产生的少量数据来直接扩大了非政策RL训练过程来直接减轻此问题。我们的方法，型号的时间差异学习数据（MAD-TD）使用少量生成的数据来稳定高UTD训练，并在DeepMind Contolol Suite中最具挑战性的任务上实现竞争性能。我们的实验进一步强调了采用良好模型生成数据的重要性，MAD-TD对抗价值高估的能力以及其实际稳定性提高以继续学习。
为什么Oracle自主数据库优越，更快，...
•所需的业务结果是在业务中的每个工作流程中实现快速，可访问和可靠的见解。•生成的AI和LLM具有巨大的潜力，可以通过对话将其界定到数据见解来推动这一结果，但是必须减轻幻觉。•培训自定义LLM，甚至通过您的业务数据微调LLM，这可能是昂贵，复杂且耗时的。