XiaoMi-AI文件搜索系统
World File Search SystemeAI
Seeloz和Digital Enterprises建立了一种变革性的AI合作伙伴关系，以彻底改变卡塔尔的能源领域
这种合作标志着卡塔尔数字化转型之旅的关键步骤，利用Seeloz的强化学习自动化（RLA）平台和Microsoft的尖端云和AI基础架构创造了自主优化引擎来创建能量价值链，资产管理和生产工作流程。Energizeai旨在通过在每个决策层部署AI驱动的智能来消除效率低下，降低运营成本和防止未来的卡塔尔能源生态系统。
NimbleAI：面向神经形态感知处理 3D-...
Xabier Iturbe, Nassim Abderrahmane, Jaume Abella, Sergi Alcaide, Eric Beyne, Henri-Pierre Charles, Christelle Charpin, Lars Chittka, Ang ́elica D ́avila, Manil Dev Gomony, Arne Erdmann, Carles Estrada, Ander Fern ́andez, Anna Jos Fontanelli, Alejandro Heron, Hermione Grosu, Carles Hern´andez, Daniele Ielmini, Eric Isusquiza, David Jackson, Maha Kooli, Nicola Lepri, Bernabe ́e Linares-Barranco, Jean-Loup Lachese, Martxel Lasa, Eric Laurent, Menno Lindwer, Frank Linsenmaier, Mikel Luj´an, Karel Masaˇ´, Orlando, Jeanne Morten, Neca an-Philippe Noel, Arash Pourtaherian, Christoph Posch, Peter Priller, Zdenek Prikryl, Felix Resch, Oliver Rhodes, Todor Stefanov, Moritz Storring, Sander Stuijk, Michele Taliercio, Marcel van de Burgwal, Geert van der Plas, Elisa Vianello, and Pavel Zaykov
Juliette Mattioli、Gabriel Pedroza、Souhaiel Khalfaoui、Bertrand Leroy。结合数据驱动和基于知识的 AI 范式来设计基于 AI 的安全关键系统。人工智能安全研讨会 (SafeAI)，2022 年 2 月，虚拟，加拿大。hal-03622260
基于人工智能的系统的开发面临着多重艰巨挑战。这些挑战主要一方面归因于相关工程学科（系统、安全、安保）的技术债务、其固有的复杂性、尚未解决的问题，另一方面归因于人工智能自主性的新兴风险、人工智能启发式与所需确定性之间的权衡，以及总体而言，定义、描述、评估和证明基于人工智能的系统足够安全和可信的难度。尽管过去几十年来，许多领域做出了大量研究贡献并取得了不可否认的进步，但实验性人工智能和可认证人工智能之间仍然存在差距。本文旨在“通过设计”弥合这一差距。考虑到工程范式是指定、关联和推断知识的基础，提出了一种新范式来实现 AI 认证。所提出的范式承认现有的 AI 方法，即联结主义、符号主义和混合主义，并提出利用它们作为知识捕获的基本特征。因此获得了一个概念元体，分别包含数据驱动、知识驱动和混合驱动的类别。由于观察到研究偏离了知识驱动，而是努力采用数据驱动方法，我们的范式呼吁依靠混合驱动方法来增强知识工程，以改善它们的耦合并从它们的互补性中获益。
treeai：一个用于树种注释和高分辨率图像的全局数据库
1环境系统科学系，陆地生态系统研究所，苏黎世，苏黎世8092，瑞士（Mirela.beloiu@usys.ethz.ethz.ch），（zhongyu.xia@usysys.ethz.ethz.ch） （yach@ign.ku.dk）3森林动态，瑞士联邦森林，雪和景观研究WSL，瑞士8903 Birmensdorf（arthur.gessler@wsl.ch），（Nataliia.hearush@rearush@wsl.ch） （teja.kattenborn@geosense.uni-freiburg.de）5州库汉大学的测量，地图和遥感信息工程主要实验室，挪威（Stefano.puliti@nibio.no）的生物经济研究（NIBIO）国家森林清单8遥远感应小组，瑞士联邦森林，雪和景观研究WSL，8903 Birmensdorf，瑞士Birmensdorf，瑞士，瑞士，lars.waser@waser@waser@wasl.wsl.ch nervection@@@@
公共人工智能技术基金（PeAITF）
3. 即使您已与 SIDREC 启动争议解决程序，您也可以直接向 SC 投诉。若要投诉，请联系 SC 的消费者和投资者办公室： (a) 致电 Aduan 热线：03-6204 8999 (b) 传真至：03-6204 8991 (c) 发送电子邮件至：aduan@seccom.com.my (d) 填写在线投诉表格，网址为 www.sc.com.my (e) 写信至：Consumer & Investor Office Securities Commission Malaysia No. 3, Persiaran Bukit Kiara Bukit Kiara 50490 Kuala Lumpur
通过模型交换来迈向Edgeai服务的低成本和能量意识推断
摘要 - 在过去的十年中，人工智能（AI）和Edge Computing（EC）的关键进步已导致Edgeai服务的发展，以提供对关键任务应用必不可少的智能和低潜伏期响应。但是，Edgeai服务对网络极端的扩展可能会面临挑战，例如负载波动，导致AI推断延迟以及对能源效率的担忧。本文提出了“模型交换”，其中Edgeai服务使用的模型将与另一个随时可用的模型交换，以便在运行时推理任务中实现成本和能源节省。ModelSwapper可以通过采用低成本算法技术来实现这一目标，该技术探讨了计算开销与模型准确性之间有意义的权衡。这样做，边缘节点通过用更简单的模型代替复杂模型来适应负载波动，从而满足所需的延迟需求，尽管不确定性较高。我们使用两种EDGEAI服务（对象检测，NLU）进行评估表明，ModelSwapper可以显着减少至少27％和68％的能量使用和推理延迟，而准确性仅降低了1％。索引术语 - 机器学习，边缘计算
使用数字孪生患者队列和 GenerativeAI 对新药临床试验结果进行预测建模
BioAlg Corp. 摘要 存在临床试验失败的问题，因为每种新药的疗效都应该超过现有治疗方案的疗效，而这随着时间的推移变得越来越具有挑战性。另一个重要问题是治疗对当前疗法产生耐药性的患者。本质上，使用药物组合或标外用药（指征与诊断不符）类似于实验，因为没有足够的数据来确定使用哪种药物或组合。这项工作提出了一种利用基因表达和临床数据对患者进行计算机建模的方法。深度学习和生成对抗网络被用作建模工具。算法的训练数据来自公开可用的数据库，例如 TCGA 和 Drugbank。建模基于患者之间的相似性、药物之间的相似性以及个体器官和患者组织与细胞系之间的相似性的假设，相似性是通过数学计算的。结果，创建了一个患者模型，其中输入由药物及其组合组成，输出提供生存概率值。这些模型数据可以使用生成对抗网络 (GAN) 技术生成任意数量的所需数量，以创建观察组和对照组。因此，可以模拟临床试验、预测其结果，最重要的是，优化试验参数以最大程度地提高成功的可能性。简介许多研究都集中于确定患者是否会超过定义的 OS 或 PFI 的阈值，从而产生分类任务。研究人员试图分类患者对给定疗法的反应是积极还是消极 [1]。一些方法可以预测对特定治疗药物的反应，但仅限于少数化疗药物，通常少于 10 种。其他药物的模型尚未训练 [2]。现有的预测临床试验有效性或临床结果的方法基于不同的方法。然而，结合转录组分析数据的研究有限（1900 项中不到 45 项）。
人工智能在抗震建筑设计中的应用：使用深度学习和 ImageAI 方法确定不规则结构体系 Kaan Bingöl 1 , Aslı Er Akan 2* , Hilal Tuğba Örmecioğlu 3 , Arzu Er 4
1 比利希姆创新中心，METU Technopolis，安卡拉 06510，土耳其 2 恰卡亚大学，建筑学院，建筑系，安卡拉 06530，土耳其 3 阿克德尼兹大学，建筑学院，建筑系，安塔利亚 07070，土耳其 4 阿克德尼兹大学，技术职业高中，安塔利亚 07070，土耳其 重点：图形/表格摘要 人工神经网络和深度学习方法 估计结构不规则性的新方法 深度学习和图像处理方法在抗震建筑设计中的应用 图 A. 图形摘要目的：本研究的目的是通过使用深度学习和图像处理方法，创建一个不规则控制助手 (IC Assitant)，它可以为建筑师提供有关结构系统决策是否符合抗震规定的一般信息，这些信息可在设计过程的早期阶段通过深度学习和图像处理方法进行。这样，在设计的早期阶段就能做出正确的决策，并防止在实施项目阶段可能发生的意外修改。理论与方法：在本研究中，我们提出了一个不规则控制助手 (IC Assitant)，它可以为建筑师提供有关土耳其地震规范中定义的结构系统不规则性的一般信息，它是使用深度学习和图像处理方法开发的。PYTHON 是学术领域最常用的编程语言之一，PYTHON IDLE（集成开发和学习环境）用于创建应用程序。Image AI 工作库用于制作此软件产品。结果：向 IC 助手展示了以前没有给过机器的新计划，并询问这些计划中的结构系统是否按照地震法规的定义是规则的还是不规则的。结果表明，DK 助手可以成功地提供有关任何结构系统的规则性百分比的信息。结论：研究表明，深度学习和图像处理方法可用于在建筑设计过程的早期阶段发现结构不规则性。