摘要 — 近年来,机器学习 (ML) 领域的非凡进步吸引了人们对在航空领域使用该技术的极大兴趣。ML 的可能机载应用包括安全关键功能,这些功能必须按照航空业的严格认证标准进行开发。航空业的现行认证标准是在 ML 复兴之前制定的,没有考虑到 ML 技术的具体特点。传统设计保证方法与基于 ML 的系统的某些方面之间存在一些根本的不兼容性。在本文中,我们分析了当前的机载认证标准,并表明如果应用有关 ML 开发工作流程的某些假设,则可以为低关键性基于 ML 的系统实现标准的所有目标。
使用神经影像数据将精神健康障碍与健康对照的患者区分开来,已采用了广泛的机器学习方法。但是,几乎所有此类方法都基于连接矩阵或从神经成像数据得出的特征应用于输入。最近只有几篇论文根据原始的基于体素的时空数据考虑了这种分类。在本文中,我们报告了基于体素的fMRI数据上一些尖端机器学习算法的性能,以对健康对照和精神分裂症患者进行分类。我们采用的方法包括卷积神经网络,具有较长短期记忆的卷积复发性神经网络以及基于Wasserstein生成的对抗网络的分类的转移学习方法。为了减轻适合可用硬件的计算负担,我们必须将原始的4维数据减少到几乎所有架构的3维输入中。我们的结果表明,基于卷积神经网络的相对简单的体系结构在对健康对照组中的患者分组中表现出合理的不兼容性。相反,我们使用的其他两个复杂架构的性能相对较差。
MACOM Technology Solutions Inc.(“MACOM”)。保留所有权利。这些材料与 MACOM 的产品一起提供,作为对其客户的服务,仅供参考。除其销售条款和条件或任何单独协议中规定外,MACOM 不承担任何责任,包括 (i) 这些材料中的错误或遗漏;(ii) 未能更新这些材料;或 (iii) 因未来更改规格和产品描述而引起的冲突或不兼容性,MACOM 可能随时进行此类更改,恕不另行通知。这些材料不授予任何知识产权明示或暗示的许可。这些材料按“原样”提供,不提供与销售和/或使用 MACOM 产品相关的任何明示或暗示的保证或责任,包括针对特定用途的适用性、适销性、侵犯知识产权、准确性或完整性,或因使用这些材料而导致的特殊、间接、偶发或后果性损害。MACOM 产品不适用于医疗、救生或维持生命的应用。MACOM 客户使用或销售 MACOM 产品用于此类应用时,自行承担风险,并同意对因此类不当使用或销售而造成的任何损害向 MACOM 进行全额赔偿。
航空电子系统集成台是一种地面工程工具,用于整合、优化和验证重要的飞机系统,包括飞行控制、导航和其他航空电子系统。它是确认所有航空电子系统组件特性或发现可能需要在早期开发阶段进行修改的不兼容性的完美工具。此外,可以使用该台作为测试台,详细研究系统中引入的故障的影响和后续处理,并记录下来以供分析。具体而言,航空电子系统集成台倾向于模拟整个航空电子系统并关注整个飞机驾驶舱。大多数航空电子系统的线路可更换单元 (LRU) 都安装在台架柜中。到目前为止,ARINC429 仍然是商用飞机及其 RIG 上最常见的数据总线。自 1980 年代波音飞机和空客飞机出现以来,几乎没有飞机上的航空电子系统没有设置此数据总线。在航电系统设计研发阶段,工程师需要时刻监控数据总线的状态,以便进行系统测试、故障排除、软件和硬件升级。因此,从 RIG 收集 ARINC429 数据绝对是一项重要的工作。
可以在资源理论的一般框架中量化量子系统为某些量子信息提供的任务提供的优势。量子状态之间的某些距离功能已成功地用于量化纠缠和连贯性等资源。令人惊讶的是,这种基于距离的方法尚未用于研究量子测量的资源,而其他几何量化器则被使用。在这里,我们定义了量子测量集之间的距离函数,并表明它们自然诱导了资源单调,以用于凸的资源理论。通过关注基于钻石规范的距离,我们建立了衡量资源的层次结构,并在任何一组测量值的不兼容性上得出了分析界限。我们表明,基于相互偏见的基础,对于某些投射测量,这些界限是紧密的,并确定在我们的资源单调量子量化时,不同的微音资源的不同序列资源具有相同的价值。我们的结果提供了一个一般框架,以比较基于距离的资源以进行一组测量值,并使我们能够对贝尔型实验获得限制。
MACOM Technology Solutions Inc.(“MACOM”)。保留所有权利。这些材料与 MACOM 的产品一起提供,作为对其客户的服务,仅供参考。除其销售条款和条件或任何单独协议中规定外,MACOM 不承担任何责任,包括 (i) 这些材料中的错误或遗漏;(ii) 未能更新这些材料;或 (iii) 因未来更改规格和产品描述而引起的冲突或不兼容性,MACOM 可能随时进行此类更改,恕不另行通知。这些材料不授予任何知识产权明示或暗示的许可。这些材料按“原样”提供,不提供与销售和/或使用 MACOM 产品相关的任何明示或暗示的保证或责任,包括针对特定用途的适用性、适销性、侵犯知识产权、准确性或完整性,或因使用这些材料而导致的特殊、间接、偶发或后果性损害。MACOM 产品不适用于医疗、救生或维持生命的应用。MACOM 客户使用或销售 MACOM 产品用于此类应用时,自行承担风险,并同意对因此类不当使用或销售而造成的任何损害向 MACOM 进行全额赔偿。
MACOM Technology Solutions Inc.(“MACOM”)。保留所有权利。这些材料与 MACOM 的产品一起提供,作为对其客户的服务,仅供参考。除其销售条款和条件或任何单独协议中规定外,MACOM 不承担任何责任,包括 (i) 这些材料中的错误或遗漏;(ii) 未能更新这些材料;或 (iii) 因未来更改规格和产品描述而引起的冲突或不兼容性,MACOM 可能随时进行此类更改,恕不另行通知。这些材料不授予任何知识产权明示或暗示的许可。这些材料按“原样”提供,不提供与销售和/或使用 MACOM 产品相关的任何明示或暗示的保证或责任,包括针对特定用途的适用性、适销性、侵犯知识产权、准确性或完整性,或因使用这些材料而导致的特殊、间接、偶发或后果性损害。MACOM 产品不适用于医疗、救生或维持生命的应用。MACOM 客户使用或销售 MACOM 产品用于此类应用时,自行承担风险,并同意对因此类不当使用或销售而造成的任何损害向 MACOM 进行全额赔偿。
(例如 Salesforce 和 Sense Time)通过将云服务与 AI 核心组件(例如,大量数据、高级学习算法和强大的计算硬件)集成在一起,已成为 AI 即服务 (AIaaS) 竞赛的主要参与者。4 尽管 AIaaS 产品允许公司利用 AI 功能而无需从头开始投入大量资源,8 但出现了许多问题,阻碍了所需 AI 系统的开发。例如,当前的 AI 产品被认为是一个完全捆绑的软件包,不同供应商之间的互操作性较低,并导致供应商锁定和专有问题。此外,不同层的紧密耦合组件限制了新功能的扩展,并抑制了开发人员在选择合适的 AI 组件进行实际实施时的灵活性和适应性。此外,当供应商将多个 AI 产品捆绑成一个包时,可靠性就会受到质疑,因为为每个 AI 产品定义透明的服务级别协议 (SLA) 是一项挑战。此外,捆绑的 AI 产品被视为严格控制的系统,会抑制开源社区的支持并提高锁定成本,从而增加潜在的不兼容性并引入不同供应商之间未来的迁移成本。