XiaoMi-AI文件搜索系统
World File Search System云端
RISCLESS：一种强化学习策略，用于保证云端临时和稳定资源的 SLA
为了降低数据中心中未充分利用资源的运营成本，云提供商 (CP) 可以从常规客户（预订这些资源的客户）回收未使用的资源，然后以较低的价格（转）售给其他客户（我们称之为短暂客户）。这些回收的资源本质上是不稳定的。此类资源的转售必须满足短暂客户对 SLA 的期望。如果违反 SLA，CP 可能会受到处罚。在保证 SLA 的同时在易失性资源上部署应用程序仍然是一个挑战 [1]–[5]。事实上，如果应用程序的资源需求增加，易失性资源可能会丢失并返还给其所有者（常规客户）。常规客户应用程序行为的这种变化很难预测 [6]–[8]。人们提出了不同的策略来提高资源利用率并保证客户对短暂资源的 SLA。一些策略 [1]、[3]–[5]、[9]–[11] 完全依赖于临时资源。它们会留下一部分未使用的资源（称为安全边际），以吸收常规客户应用需求的突然增加，从而减少可回收资源的数量。其他策略 [12]–[16] 将稳定资源与易变资源相结合，以保证客户的 SLA。尽管如此，它们主要关注的是 Amazon Spot 实例 1，其波动性低于回收的资源。因此，在保证 SLA 的同时增加 CP 的利润是一项真正的挑战。我们认为，机器学习 (ML) 可用于确定何时以及在临时资源之上分配多少稳定资源（稳定资源量需要
将 DNN 从本地加速到云端虚拟化 FPGA：趋势调查
现场可编程门阵列（FPGA）被广泛用于本地加速深度神经网络（DNN）算法，具有高计算吞吐量和能效。虚拟化FPGA和在云端部署FPGA正成为越来越有吸引力的DNN加速方法，因为它们可以增强计算能力，实现跨多用户的按需加速。在过去的五年中，研究人员广泛研究了基于FPGA的DNN加速器的各个方向，例如算法优化、架构探索、容量改进、资源共享和云构建。然而，以前的DNN加速器调查主要集中于在本地FPGA上优化DNN性能，而忽略了将DNN加速器放置在云端FPGA中的趋势。在本研究中，我们深入研究了基于FPGA的DNN加速器中使用的技术，包括但不限于架构设计、优化策略、虚拟化技术和云服务。此外，我们还研究了 DNN 加速器的演进，例如从单个 DNN 到框架生成的 DNN、从物理到虚拟化 FPGA、从本地到云、从单用户到多租户。我们还确定了云端 DNN 加速的重大障碍。本文增强了对基于 FPGA 的 DNN 加速器演进的当前理解。
思考并优化云端账本
摘要 “思考与精简：优化云端账本”探讨了云技术如何通过结合战略思维和精益原则来彻底改变财务账本管理。本文探讨了将基于云的解决方案与现代账本系统相结合，重点介绍了组织如何简化运营、降低成本和改善实时决策。通过采用“思考”思维方式，企业可以专注于数据驱动的洞察力，而“精简”方法则强调消除不必要的复杂性并自动执行日常任务。本文讨论了云账本优化的好处，包括增强的安全性、可扩展性和可访问性，以及组织在实施过程中可能面临的挑战，例如数据迁移、安全问题和变更管理。它还概述了成功采用的最佳实践，确保企业可以利用云技术来确保其财务运营的未来发展。最后，本文为寻求通过云优化账本系统提高经济效率、准确性和协作的组织提供了路线图。
云端节能存储解决方案...
随着基于云的存储服务越来越多地融入企业运营，节能存储解决方案的需求也越来越大。为了保持基于云的存储即服务 (STaaS) 的性能、可扩展性和可靠性，本研究探索了降低能耗的创新方法。本研究探讨了虚拟化、节能硬件使用、分层存储、数据重复数据删除和节能数据放置等多种策略。本研究重点关注功耗、成本效益和环境影响，对传统存储系统和节能技术进行了比较。为了评估这些节能技术的实际实施效果，本研究方法融合了顶级云提供商的案例研究、实验分析和模拟建模。研究结果旨在帮助创建更经济、更环保的云存储基础设施。
基于云端的深度神经网络的优化及应用...
[2] Li K, Wang J, Wu X, et al. Optimizing Automated Picking Systems in Warehouse Robots Using Machine Learning[J]. arXiv preprint arXiv:2408.16633, 2024. [3] Tian J, Mercier P, Paolini C. Ultra low-power, wearable, accelerated shallow-learning fall detection for older at-risk persons[J]. Smart Health, 2024, 100498. [4] Xu, Q., Feng, Z., Gong, C., Wu, X., Zhao, H., Ye, Z., ... & Wei, C. (2024). Applications of explainable AI in natural language processing. Global Academic Frontiers, 2(3), 51-64. [5] Leong HY, Gao YF, Shuai J, et al. Efficient fine-tuning of large language models for Automated Medical Documentation[J]. arXiv preprint arXiv:2409.09324, 2024. [6] Soleimani M , Irani FN , Davoodi YM .楼宇暖通空调运行多目标优化:采用Koopman预测控制和深度学习的高级策略[J].建筑与环境, 2024, 248(Jan.):111073.1-111073.16。 [7] 王琳, 程颖, 项爱英, 张建, 杨华. 自然语言处理在金融风险检测中的应用[J].金融工程与风险管理, 2024, 7: 1-10。 [8] 程颖, 杨倩, 王琳, 项爱英, 张建.基于神经网络算法的商业银行信用风险预警模型研究[J].金融工程与风险管理, 2024, 7: 11-19。 [9] 李宇峰等，“结合知识图谱嵌入与深度学习的药物不良反应预测模型研究。”2024 第四届机器学习与智能系统工程国际会议（MLISE）。IEEE，2024 年。[10] 程宇峰，郭建军，龙胜，吴宇峰，孙敏，张荣军，高级
最大限度地提高从案例到云端的运营效率
新的二氧化碳自适应液体管理 (CALM) 解决方案可充分利用展示柜和冷藏室中的蒸发器表面，从而提高任何商店使用二氧化碳制冷的节能效果。CALM 是一个完整的解决方案；除了智能包装和箱体控制器以及系统管理器外，它还包括两项突破性的丹佛斯创新：液体喷射器和自适应液体控制箱体控制器算法。
云端的 BES 操作
免责声明 可靠性指南、安全指南、白皮书和技术参考文档旨在为提高可靠性而针对特定技术领域提出方法或行为。白皮书并非强制性要求或约束性规范。相反，它们探讨主题的技术方面，并不创建强制性的可靠性标准。本白皮书中对云计算用例的探讨不应被解释为 NERC 或可靠性和安全技术委员会 (RSTC) 对任何特定云计算用例的认可，也不应被解释为对提供与此类用例相关的服务或解决方案的任何供应商的认可。本白皮书和此处的建议并不反映 RSTC 对任何 SAR 的认可，这些 SAR 可能由非 RSTC 实体制定。评估云计算用例和做出将任何运营或支持功能转移到基于云的解决方案的业务决策的选择完全取决于每个实体。本白皮书不构成对该决定的立场。安全集成和技术支持小组委员会 (SITES) 认可行业在探索云计算技术为支持大容量电力系统 (BES) 的各种应用所带来的价值方面的创新精神。电力行业供应商提供的创新产品正在稳步包括虚拟化和云解决方案。但是，公用事业公司应仔细评估将与 BES 可靠性运营服务 (BROS) 相关的系统和应用程序迁移到云的安全性和可靠性风险，尤其是那些具有高可用性要求的关键系统。SITES 认为 BES 运营范围很广，并且有很多机会使大型数据分析和非实时系统受益于云服务。SITES 打算为注册实体提供使用云的机会，但承认最终由各个实体决定其业务目标以及运营和技术要求，以确定可能适合他们的任何用例。SITES 强烈建议注册实体采取循序渐进的方式进行云迁移，从信息技术 (IT) 和非监管工作负载开始。实体应谨慎对待实时和关键 BES 现场和运营应用程序的云迁移，并确保实体在云技术方面的知识和能力已经成熟，能够验证云和应用程序架构以满足该实体对可靠性和安全性的要求，并确保实体已做好准备并了解应对合规性挑战的信息。此外，SITES 认识到，在云服务提供商 (CSP) 环境中托管的 BES 操作需要满足 NERC 关键基础设施保护 (CIP) 可靠性标准，而解决这些标准合规性问题会面临诸多挑战，这也是行业内采用云技术的一大障碍。SITES 已确定需要增强 ERO 企业审计师的基础和能力，让他们接受其他人的工作，包括第三方认证 CSP 是否符合云安全框架，以及来自注册实体的独立云风险评估，最终目标是帮助证明托管在 CSP 云中的 BES 操作符合 NERC CIP 标准。