XiaoMi-AI文件搜索系统
World File Search System云端
AgroScout 在 Oracle Cloud 上提供可持续的 AI 农学
“我们转向 Oracle 是因为我们需要扩大规模并走向全球。我们需要存储，也需要云端的计算和处理来支持我们处理数千幅图像的计算机视觉算法。我们需要 AI 团队的支持，以充分利用 Oracle 平台。Oracle for Startups 为我们提供了所有这些。”
AVC-NPE51F28-G人工智能
标题 最多可显示 32 个字符 自动 (ICR) BLC、HLC、WDR 3D DNR N/A 矩形网格（8 个灵敏度级别） 4 个矩形区域 自动 自动/手动 N/A 自动/手动（1/5 ~ 1/20000 秒）翻转/镜像人脸检测 (FD)、行人和车辆检测 (PD&VD)、入侵检测 (ID)、越线检测 (TD)、绊线计数 (TC)、静止物体检测 (OBJ)、热图 (HM)、人群密度检测 (CD)、队列长度检测 (QD)、车牌检测 (LPR)、罕见声音检测 (RSD) N/A 运动、声音检测通过电子邮件通知、通过 FTP 上传图像文件、通过 FTP 上传视频文件、将图像文件上传至云端 (Dropbox)、将视频文件上传至云端 (Dropbox)、事件触发时的 Micro SD 录制、通过 HTTP 推送事件UDP 内置麦克风 N/A 98 英尺（30 米）
构建企业级AI基础设施
Run:ai Atlas 平台位于基础设施和需要访问这些宝贵资源的 AI 工作负载之间。平台团队可以集中控制和查看所有 AI 基础设施（无论是本地还是云端）。AI/ML 团队可以使用他们喜欢的工具，在需要时以精简和自助的方式访问所需的所有计算。
2024 年网络准备报告
人为因素 企业电子邮件入侵连续第二年成为网络攻击最常见的切入点，其次是云端企业服务器（从上一年的第三位上升至第四位）。与此同时，员工在去年从第四位上升至第三位。这一转变凸显了防御日益复杂的社会工程技术（如欺骗和网络钓鱼）的持续挑战。
边缘 AI 中分割计算的激活稀疏性和动态修剪
深度神经网络越来越大，因此更难在受限的物联网设备上部署。拆分计算提供了一种解决方案，即拆分网络并将前几层放置在物联网设备上。这些层的输出被传输到云端，然后继续进行推理。早期的研究表明中间激活输出具有一定程度的高稀疏性，本文分析并利用激活稀疏性来减少将中间数据传输到云端时的网络通信开销。具体来说，我们分析了 CIFAR-10 和 ImageNet 上 ResNet-50 中两个早期层的中间激活，重点关注稀疏性以指导选择分割点的过程。我们对激活和特征图进行了动态修剪，发现稀疏性非常依赖于层的大小，权重与卷积层中的激活稀疏性无关。此外，我们表明，稀疏中间输出可以压缩 3.3 倍，准确度损失 1.1%，无需任何微调。当添加微调时，压缩系数增加到 14 倍，总体准确度损失为 1%。
通过空间和时间调度卫星通信
摘要 地球观测低地球轨道 (LEO) 卫星收集大量数据，这些数据需要先传输到地面站，然后再传输到云端进行存储和处理。如今，卫星会贪婪地向地面站传输数据，每次接触期间都会充分利用带宽。我们表明，由于地面站的布局和轨道特性，这种方法会使某些地面站超载而其他地面站负载不足，从而导致吞吐量损失和图像的端到端延迟较大。我们提出了一种名为 Umbra 的新型端到端调度系统，该系统通过考虑空间和时间因素（即轨道动态、带宽限制和队列大小）来规划从大型卫星星座通过地面站到云端的传输。Umbra 的核心是一类称为保留调度的新型调度算法，其中发送方（即卫星）有选择地未充分利用一些与地面站的链路。我们表明，Umbra 的反直觉方法可将吞吐量提高 13-31% 并将 P90 延迟降低 3-6 倍。
CSCI-561 人工智能基础——2022 年秋季课程大纲和时间表
家庭作业：共有 3 项编程作业，您将从头开始编写一些 AI 代理，用于搜索、功能优化、游戏、逻辑推理或学习（可能会更改）。良好的编程知识必不可少。我们将使用 vocareum.com，您可以在云端编辑、编译和测试您的代码。支持的语言包括 Python（首选）、Java、C++、C++11 和 C。
CSCI-561 人工智能基础——2023 年秋季课程大纲和时间表
家庭作业：共有 3 项编程作业，您将从头开始编写一些 AI 代理，用于搜索、功能优化、游戏、逻辑推理或学习（可能会更改）。良好的编程知识必不可少。我们将使用 vocareum.com，您可以在云端编辑、编译和测试您的代码。支持的语言包括 Python（首选）、Java、C++、C++11 和 C。
使用 22FDX™ FD-SOI 和 12LP+/12LP FinFET 的 AI 边缘加速器
数据爆炸式增长和实时数据分析推动了对家庭安全摄像头、可穿戴设备和智能家电等边缘设备提高性能和能效的需求。专用 AI 加速器可应对这些挑战，通过实现本地处理而不是将数据发送到云端进行分析和响应，显著加快 AI 应用（如边缘推理）的速度。
利用数字技术改变农业
American Robotics 和 Skycision 等公司正在利用无人机的低成本可用性，同时放置传感器、喷雾器和复杂的人工智能算法，以执行喷洒农药、种植等任务，更重要的是，通过图片和视频等来源收集数据。数据可以通过云端发送，以进行分析和开发预测模型。这些行动可以对农业的精准度产生深远影响。