XiaoMi-AI文件搜索系统
World File Search Systemintelligent
人工智能模型对建筑空间智能辅助设计的探索
为了对AI具体的建筑模型进行全面的设计描述，将AI与建筑空间智能辅助模型深度融合，根据实际情况进行柔性设计。AI辅助生成建筑意向与建筑形态，主要支撑学术与工作理论模型，推动技术创新，进而提升建筑设计行业的设计效率。AI辅助建筑设计让每一位设计师都拥有了设计自由，同时在AI的帮助下，建筑设计能够更快更高效的完成相应的工作。在AI技术的帮助下，通过关键词的调整与优化，AI自动生成了一批建筑空间设计方案。在此背景下，通过对AI模型、建筑空间智能辅助模型的文献调研以及建筑空间的语义网络与内部结构分析，建立了建筑空间设计的辅助模型。其次，从数据源头保证符合建筑空间三维特征，在分析空间设计整体功能结构的基础上，开展基于深度学习辅助的建筑空间智能设计。最后，以UrbanScene3D数据集中选取的三维模型为研究对象，测试AI的建筑空间智能模型的辅助性能。研究结果表明，随着网络节点数量的增加，模型在测试数据集和训练数据集上的拟合度呈下降趋势，综合模型拟合曲线显示基于AI的建筑空间智能设计方案优于传统建筑设计方案；随着网络连接层节点数量的增加，空间温湿度智能得分将不断上升，模型能够达到最优的建筑空间智能辅助效果。该研究对于推动建筑空间设计的智能化、数字化转型具有实际应用价值。
您应该了解智能速度帮助
Luxoft是DXC技术的设计，数据和开发部门，为关键任务系统，产品和服务提供了定制的，端到端的技术解决方案。我们帮助创建数据供电的组织，解决复杂的运营，技术和战略挑战。我们的热情是在建立有弹性的业务，同时生成新的业务渠道和收入来源，卓越的用户体验和现代化的运营。
评估微电网中净计量机制的使用情况，利用群体智能算法降低发电成本
微型发电是一种清洁高效的电力供应方式。然而，风能和太阳辐射的不可预测性对满足负载需求和维持微电网 (MG) 稳定运行提出了挑战。本文提出使用群体智能算法对具有净计量补偿策略的混合 MG 系统 (HMGS) 进行建模和优化。使用来自西班牙地区的真实工业和住宅数据，带有通用 ESS 的 HMGS 用于分析四种不同的净计量补偿水平对成本、可再生能源 (RES) 百分比和 LOLP 的影响。此外，还根据 MG 提供的最终 $/kWh 成本评估了两种 ESS，即钛酸锂尖晶石 (Li4Ti5O 12 (LTO)) 和钒氧化还原液流电池 (VRFB) 的性能。结果表明，净计量政策将盈余从 14% 以上减少到 0.5% 以下，并将可再生能源在 MG 中的参与度提高 10% 以上。结果还显示，在年度预测中，与使用不带净计量的 LTO 系统的 MG 相比，使用具有 25% 补偿政策的 VRFB 系统的 MG 可以节省超过 100,000 美元。
向人工智能助手寻求道德建议
摘要 在人类生活的大多数领域，我们愿意接受存在拥有更多知识和能力的专家，这些专家使他们与非专家或外行人区分开来。尽管如此，奇怪的是，在“道德专家”的情况下，对专业知识的认可本身就变得更加有争议。道德专家存在吗？如果确实存在，我们是否有道德理由听从他们的建议？同样，新兴技术发展能否拓宽我们的道德专业知识概念？在本文中，我们首先论证试图否认道德专业知识存在（和便利性）的反对意见是不能令人满意的。之后，我们表明人们有道德理由在日常生活中寻求道德建议。然后，我们认为一些人工智能 (AI) 系统可以通过成为道德专家在人类道德中发挥越来越重要的作用。一些基于人工智能的道德助理可以称为人工智能道德专家，我们有充分的道德理由使用它们。
通过智能实现供应链绩效......
供应链弹性、可视性和效率已成为高管们关注的首要问题。在最近的财报电话会议上，四分之三的标准普尔 500 指数公司将“供应链”列为业绩的关键方面。2 一系列外部因素给分销网络带来了巨大压力，但新技术为物流运营商带来了新机遇。采用“智能履行”方法使领先公司能够保持领先地位，并在其供应链中创造更多价值。
智能医疗元宇宙的开发
元宇宙将物理现实与虚拟现实融为一体，使人类及其虚拟形象能够在由高速互联网、虚拟现实、增强现实、混合现实和扩展现实、区块链、数字孪生和人工智能 (AI) 等技术支持的环境中进行交互，所有这些技术都通过几乎无限的数据得到丰富。元宇宙最近作为社交媒体和娱乐平台出现，但扩展到医疗保健领域可能会对临床实践和人类健康产生深远影响。作为一群学术、工业、临床和监管研究人员，我们发现元宇宙方法在医疗保健领域的独特机会。“医疗技术和人工智能”(MeTAI) 的元宇宙可以促进基于人工智能的医疗实践的开发、原型设计、评估、监管、转化和改进，尤其是医学影像引导的诊断和治疗。在这里，我们介绍了元宇宙的使用案例，包括虚拟比较扫描、原始数据共享、增强监管科学和元宇宙医疗干预。我们讨论了 MeTAI 元宇宙生态系统的相关问题，包括隐私、安全和差异。我们还确定了协调努力构建 MeTAI 元宇宙的具体行动项目，以提高医疗质量、可及性、成本效益和患者满意度。
基于纹理特征的脑信号数据神经系统异常智能检测方法
神经系统疾病的诊断是现代医学面临的最大挑战之一，也是当前的一个主要问题。脑电图 (EEG) 记录通常用于识别各种神经系统疾病。EEG 会产生大量的多通道时间序列数据，神经科医生可以通过视觉分析这些数据来识别和了解大脑内的异常及其传播方式。这是一个耗时、容易出错、主观且令人精疲力尽的过程。此外，EEG 分类的最新进展主要集中在使用 EEG 数据将特定疾病的患者与健康受试者进行分类，这种方法成本效益不高，因为它需要多个系统来检查受试者的 EEG 数据以查找不同的神经系统疾病。这迫使研究人员推进他们的工作，并创建一个统一的分类框架，用于从 EEG 信号数据中识别各种神经系统疾病。因此，本研究旨在通过开发一种基于机器学习 (ML) 的数据挖掘技术来满足这一要求，以从 EEG 数据中对多种异常进行分类。纹理特征提取器和基于 ML 的分类器用于时频谱图图像以开发分类系统。首先，使用滤波技术从信号中去除噪声和伪影，然后进行归一化以降低计算复杂度。之后，将归一化信号分割成小的时间段，并使用短时傅里叶变换从这些时间段生成频谱图图像。然后使用两个基于直方图的纹理特征提取器分别计算特征，并使用主成分分析从提取的特征中选择显著特征。最后，使用四种不同的基于 ML 的分类器将选定的特征归类为不同的疾病类别。在四个实时 EEG 数据集上测试了所开发的方法。所得结果显示出对各种异常类型进行分类的潜力，表明可以利用它从脑信号数据中识别各种神经系统异常。
基于物联网的智能源-荷-储协调...
在现代，电能对于人类的生活至关重要。能源价格上涨、化石燃料枯竭和电网不稳定都是令人担忧的情况。因此，需要一个智能解决方案来确保定价和节约自然资源之间的平衡。环境变化、新输电线路安装限制、可靠性问题以及分布式能源发电技术的扩展等其他一些问题有望广泛实施分布式发电。电力系统中两个或多个能源供应的集成称为分布式能源资源系统。在本研究中，以大学校园为例，在考虑上述问题的同时降低能源成本。提出了智能源-负载-存储协调方案，以利用可用的可再生能源和存储系统。使用考虑经济参数的精确方法技术在 MATLAB 中求解所提出的线性模型。考虑到基于物联网 (IoT) 的建筑，尤其是在巴基斯坦的情况下，校园微电网分析并未得到解决。结果表明，所提出的模型是有效的，并且可以作为一种经济的解决方案在现有校园中实施，以实现源-负载-存储协调。