十多年前,无人机 (UAV) 被视为农业的新纪元 (Zarco-Tejada,2008)。从今天的角度来看,无人机在农业中的应用最大的影响体现在高通量田间表型分析上。田间表型分析是指对植物在自然环境中的表型(即其解剖、个体发育、生理和生化特性)进行定量描述 (Walter et al.,2015)。在育种方面,需要筛选数百甚至数千种不同的基因型来研究它们对植物性状和性能的影响,高通量田间表型分析可以在育种的早期阶段及时快速地筛选多种性状。这有可能缩短育种周期,并避免因连锁拖累而丢失潜在的重要等位基因(Araus 和 Cairns,2014 年;Furbank 和 Tester,2011 年;Rebetzke 等人,2019 年)。由于无人机系统作为遥感平台已经成熟(Aasen 等人,2018 年),几乎所有田间表型分析领域的“大玩家”(研究团体、公司和其他组织)都已开始使用无人机进行
1。Generative AI Is Fuelling Industry Innovation ................................65 5
与运输相关的活动引起的空气污染对港口城市的公共卫生和环境质量产生了不利影响。但是,应用数字技术提供了减轻这种污染的新途径。基于2016年至2020年中国52个沿海港口城市的面板数据,该研究采用了双向固定效应模型来分析数字经济对运输相关PM 2.5污染的影响。此外,使用面板阈值模型来检查端口大小在数字经济与运输相关污染之间关系中的阈值效应。异质性分析是从二维(血管类型和PM 2.5组件)进一步进行的,以探索数字经济减排效果的变化。结果表明,数字经济的发展显着降低了与运输相关的PM 2.5污染水平,并且随着港口规模的扩大,这种减少效应的效果会增强。此外,不同容器类型和PM 2.5组件的排放效应效应存在显着差异。这些发现有助于理解数字经济减轻与运输相关污染的机制,并为促进港口城市和运输行业的绿色发展提供科学基础和政策支持。
本文探讨了阻碍高超音速技术发展的主要挑战,重点是热管理,推进系统和可操作性。超音速技术(定义为超过5马赫的飞行)为军事和商业航空的进步提供了重要的机会。尽管五十多年的发展和不断增长的投资,尤其是五角大楼的2025年预算要求(69亿美元)强调了高超音速技术的广泛采用仍然不完整。在超声速度下产生的极端热量需要先进的材料和冷却系统,以维持结构完整性并保护关键组件。此外,开发合适的推进系统,例如Ramjets和Scramjets,对于实现和维持高超音速速度至关重要,但是这些系统目前在效率和应用方面面临限制。最后,本文讨论了与超声飞行相关的可操作性约束和雷达检测问题,这构成了重大的操作挑战。正在进行的国际竞争,特别是与俄罗斯和中国的竞争,强调了克服这些挑战以推进高超音速技术的战略重要性。调查结果表明,尽管已经取得了重大进展,但进一步的研发对于在军事和商业环境中都充分发挥了高超音速技术的潜力至关重要。
专门的云根据定义不支持跨多云环境的合规性控制,无法以其现有功能以可合理或统一的方式运行计算和安全服务,从而导致入门摩擦,安全风险和高TCO。“共同责任”合规模型给客户带来负担,以了解其整个合规环境,或者面临失败的审计或违规行为的后果。复杂的UI和脱节的产品为需要执行更专业合规任务的客户创造了陡峭的学习曲线,并且提供商锁定意味着添加其他云环境需要重复的努力来确保完全合规性就绪。此外,在满足数据本地化和居住要求
征文:教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点,旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论,讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究,也包括社会科学、经济学和人文学科,包括所有学科,如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产,以及决策和行为科学观点的信息预测。一方面,我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面,我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法(包括使用人工智能的方法)、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下,不同观点之间的沟通和相互理解至关重要,这也是本次研讨会的目标之一。更广泛地说,我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题:在最广泛的层面上,立法和规范问题;在公司层面,关于投资决策以及如何保持生产力和劳动力的问题;在个人层面,关于资格以及哪些技能需要应用和可能重新学习的问题。因此,技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序(以及如何开发)来解决第 1 部分提出的问题的(计算机科学主导)讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年,但近年来,由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长,其增长显着增加。我们正处于这一领域发展的关键时刻,人工智能专家和教育专家必须携手合作,以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中,我们特别关注人工智能的技术方面,重点关注用于内容创建(生成式人工智能)、学生分析(机器学习)、学习分析或教师可解释的人工智能方法的具体技术
作者:M Gross · 2021 年 · 被引用 14 次 — 活动系统节点分析揭示了网络安全意识随时间的转变发展,其中包括技能的内化和……
许多科学家 [Lynch,1960;Piaget 和 Inhelder,1967;Siegel 和 White,1975] 已经观察到认知地图被组织成连续的层,并提出对大规模环境的有用且有力的描述的核心要素是拓扑描述。分层模型包括从局部感官信息中识别和辨认地标和地点;路线控制知识(从一个地方到另一个地方的过程);连通性、顺序和包含的拓扑模型;以及形状、距离、方向、方位以及局部和全局坐标系的度量描述。看来,认知地图的分层结构是人类在大规模空间中稳健表现的原因。我们的方法试图将这些方法应用于机器人探索和地图学习问题。我们定性方法中对环境的核心描述是拓扑模型,如 TOUR 模型 [Kuipers,1978]。该模型由一组节点和弧组成,其中节点代表环境中可识别的位置,弧代表连接它们的行进路径。节点和弧是根据机器人的感觉运动控制能力程序性定义的。度量信息添加到拓扑模型之上。
构建准确的地图是构成可靠的局部设备,计划和导航的关键构建块。我们提出了一种新的方法,可以利用LiDAR扫描来建立动态环境的准确地图。为此,我们建议将4D场景编码为新的时空隐式神经图表示,通过将时间依赖性的截断符号距离函数拟合到每个点。使用我们的代表,我们通过填充动态零件来提取静态图。我们的神经表示基于稀疏特征网格,一种全球共享的解码器和时间依赖性的BAIS函数,我们以无监督的方式共同优化。要从一系列li-dar扫描学习此表示形式,我们设计了一个简单而有效的损耗函数,以分段方式监督地图优化。我们在包含静态图的重建质量和动态点云的分割的各种场景上评估了我们的方法1。实验结果表明,我们的方法是删除输入点云的动态部分的过程,同时重建准确而完整的3D地图,以超出几种最新方法。
可穿戴机器人上肢矫形器 (ULO) 是辅助或增强用户上肢功能的有前途的工具。虽然这些设备的功能不断增加,但对用户控制可用自由度的意图的稳健和可靠检测仍然是一项重大挑战,也是接受的障碍。作为设备和用户之间的信息接口,意图检测策略 (IDS) 对整个设备的可用性具有至关重要的影响。然而,这方面及其对设备可用性的影响很少根据 ULO 的使用环境进行评估。进行了范围界定文献综述,以确定已通过人类参与者评估的应用于 ULO 的非侵入式 IDS,特别关注与功能和可用性相关的评估方法和发现及其在日常生活中特定使用环境的适用性。共确定了 93 项研究,描述了 29 种不同的 IDS,并根据四级分类方案进行了总结和分类。与所述 IDS 相关的主要用户输入信号是肌电图 (35.6%),其次是手动触发器,例如按钮、触摸屏或操纵杆 (16.7%),以及上肢节段的残余运动产生的等长力 (15.1%)。我们确定并讨论了 IDS 在特定使用环境中的优缺点,并强调了在选择最佳 IDS 时性能和复杂性之间的权衡。通过调查评估实践来研究 IDS 的可用性,纳入的研究表明,主要评估了与有效性或效率相关的客观和定量的可用性属性。此外,它强调了缺乏系统的方法来确定 IDS 的可用性是否足够高以适合用于日常生活应用。这项工作强调了针对用户和应用程序选择和评估用于 ULO 的非侵入式 IDS 的重要性。对于该领域的技术开发人员,它进一步提供了有关IDS的选择过程以及相应评估协议的设计的建议。