该手稿由UT-Battelle,LLC部分撰写,根据与美国能源部(DOE)合同DE-AC05-00OR22725。美国政府保留和出版商,通过接受该文章的出版物,承认美国政府保留了非判定,有偿,不可撤销的,全球范围内的许可,以出版或复制本手稿的已发表形式,或允许其他人这样做,以实现美国政府的目的。DOE将根据DOE公共访问计划(http://energy.gov/downloads/doe-public-access-plan),将公开访问联邦赞助研究结果。
该手稿由UT-Battelle,LLC撰写,根据美国能源部(DOE)的合同DE-AC05-00OR22725。美国政府保留和出版商,通过接受该文章的出版物,承认美国政府保留了非判定,有偿,不可撤销的,全球范围内的许可,以出版或复制本手稿的已发表形式,或允许其他人这样做,以实现美国政府的目的。DOE将根据DOE公共访问计划(http://energy.gov/downloads/doe-public-access-plan),将公开访问联邦赞助研究结果。
该手稿由UT-Battelle,LLC部分撰写,根据与美国能源部(DOE)合同DE-AC05- 00OR22725。美国政府保留和出版商,通过接受该文章的出版物,承认美国政府保留了非判定,有偿,不可撤销的,全球范围内的许可,以出版或复制本手稿的已发表形式,或允许其他人这样做,以实现美国政府的目的。DOE将根据DOE公共访问计划(http://energy.gov/downloads/doe-public-access-plan),将公开访问联邦赞助研究结果。
注意:本手稿由UT-Battelle,LLC撰写,根据与美国能源部(DOE)合同DE-AC05-00OR22725。美国政府保留和出版商,通过接受该文章的出版物,承认美国政府保留了非判定,有偿,不可撤销的,全球范围内的许可,以出版或复制本手稿的已发表形式,或允许其他人这样做,以实现美国政府的目的。DOE将根据DOE公共访问计划(http://energy.gov/downloads/doe-public-access- plan),为联邦赞助研究的这些结果提供公众访问。
摘要 —最近的研究利用稀疏分类从高维大脑活动信号中预测分类变量以揭示人类的意图和心理状态,并在模型训练过程中自动选择相关特征。然而,现有的稀疏分类模型很容易受到大脑记录中固有噪声的影响而导致性能下降。为了解决这个问题,我们旨在在本研究中提出一种新的稳健稀疏分类算法。为此,我们将相关熵学习框架引入基于自动相关性确定的稀疏分类模型,提出一种新的基于相关熵的稳健稀疏逻辑回归算法。为了证明所提算法卓越的大脑活动解码性能,我们在合成数据集、脑电图 (EEG) 数据集和功能性磁共振成像 (fMRI) 数据集上对其进行了评估。大量实验结果证实,所提出的方法不仅可以在噪声和高维分类任务中实现更高的分类准确率,而且可以为解码场景选择更具信息量的特征。将相关熵学习方法与自动相关性确定技术相结合将显著提高对噪声的鲁棒性,从而产生更充分鲁棒的稀疏脑解码算法。它为现实世界的脑活动解码和脑机接口提供了更强大的方法。
摘要:人工智能 (AI) 对于支持许多社会功能的基础设施越来越重要。交通、安全、能源、教育、工作场所、政府都将人工智能纳入其基础设施,以增强和/或保护。在本文中,我们认为,人工智能不仅被视为增强现有基础设施的工具,而且人工智能本身也正在成为当今和未来许多服务所依赖的基础设施。考虑到与人工智能的开发和使用相关的巨大环境后果(世界才刚刚开始了解),在基础设施概念的同时解决人工智能的必要性指向了碳锁定现象。碳锁定是指社会在技术、经济、政治和社会方面减少碳排放的能力受到限制。这些限制是由于根深蒂固的技术、制度和行为规范造成的固有惯性。也就是说,几乎社会每个领域对人工智能的采用都会产生难以摆脱的依赖和相互依赖。本文的关键可以归结为:在将人工智能概念化为基础设施时,我们可以认识到锁定的风险,不仅是碳锁定,而且是与实现人工智能基础设施的所有物理需求相关的锁定。这并不排除随着这些技术的兴起而出现解决方案的可能性;然而,考虑到这些观点,在被锁定到这个新的人工智能基础设施之前,我们必须问一些关于这些环境成本的棘手问题。
尽管面临这些挑战,我们仍然有社会和道德义务预测和应对我们为世界引入新技术而做出的努力所带来的可预见的影响。公司和组织通常会探索如何持续最大限度地发挥其所生产技术的优势,但他们并没有预测其新计算技术可能带来的有害影响的记录。请考虑几个例子:抵押贷款审批系统在部署时,人们了解它们如何增加贷方的利润,但没有了解它们如何增加获得金融资源的不平等。许多人未能预料到社交媒体会以何种方式使社交互动变得更糟。自动招聘系统无意中将性别歧视和种族歧视做法纳入法典。还有更多不可预见的伤害和挑战的案例。
摘要 —PUF(物理不可克隆函数)已被提出作为一种经济有效的解决方案,为利用内在过程可变性的电子设备提供信任根。它们仅在设备开启时生成识别签名和密钥,避免将敏感信息存储在可能成为攻击目标的内存中。尽管 PUF 具有许多明显的优势,但它们也存在诸如对温度敏感等缺点。事实上,它们的行为可能会受到高温会加速永久性和瞬态现象(例如老化和晶体管开关速度)这一事实的影响。在本文中,我们展示了外部感应热量对环形振荡器(RO)功能的影响,而环形振荡器是 RO-PUF 的基础。此外,我们讨论了对 PUF 进行温度攻击的可行性。索引术语 —物理不可克隆函数、老化、环形振荡器、硬件安全
在供应链跟踪和透明度方面,我们可以将 PUF 视为条形码、二维码和 RFID 标签的自然继承者。与现有技术相比,PUF 的主要优势在于它们具有高度防篡改和不可复制性,因为它们利用了数字身份的内在形式。这一优势与用于供应链可视性的现有技术形成鲜明对比,现有技术仅将数字标识符分配给物理对象,使其容易受到冒充或修改等物理攻击。这一特性对于可靠的供应链跟踪至关重要,因为它可以确保仅记录目标设备的跟踪数据。人们更有信心相关设备没有被修改、伪造或替换。