XiaoMi-AI文件搜索系统
World File Search System人工神经网络
使用人工神经网络进行分布式拒绝服务攻击分类。
研究指南，Acharya Nagarjuna 大学。摘要 对于所有规模的组织和 ISP，有史以来最具破坏性的攻击都是 DDoS 攻击 (分布式拒绝服务)。由于 DDoS 出租服务的可用性提高，数十亿不安全的僵尸网络和 IoT 设备的产生导致 DDoS 攻击增加。这些 DDoS 攻击的频率、规模和复杂程度不断增加。由于这些攻击日益智能化以及 IDS 的逃避，包括清理和基于签名的检测在内的传统方法受到了挑战。由于攻击规模主要集中在组织上，下一代安全技术无法跟上步伐。由于对人为干预的要求较高，基于异常的检测在误报和准确率方面存在各种限制。本文利用机器学习（ML）模型，基于开放的CICIDS2017数据集进行了DDoS异常检测。但是，使用该ML模型并精心调整超参数可以达到最大准确率。关键词：DDoS攻击，异常检测，机器学习，入侵检测系统，准确性。
人工智能与神经科学中人工神经网络模型的可解释性
基于机器学习 (ML) 的模型得出的关于大脑功能的计算显式假设最近彻底改变了神经科学 1、2。尽管这些人工神经网络 (ANN) 具有前所未有的能力来捕捉生物神经网络 (大脑) 中的反应 (图 1A；参见 3 进行全面评论)，并且我们可以完全访问所有内部模型组件 (与大脑不同)，但 ANN 通常被称为可解释性有限的“黑匣子”。然而，可解释性是一个多方面的构造，在不同领域有不同的使用方式。特别是，人工智能 (AI) 中的可解释性或可解释性工作侧重于理解不同模型组件如何影响其输出 (即决策)。相比之下，ANN 的神经科学可解释性需要模型组件和神经科学构造 (例如，不同的大脑区域或现象，如复发 4 或自上而下的反馈 5 ) 之间的明确一致性。鉴于人们普遍呼吁提高人工智能系统的可解释性 6 ，我们在此强调了这些不同的可解释性概念，并认为 ANN 的神经科学可解释性可以与人工智能的持续努力并行但独立地进行。某些 ML 技术（例如，深度梦境，见图 1C）可以在这两个领域中得到利用，以探究哪种刺激可以最佳地激活特定模型特征（通过优化实现特征可视化），或者不同特征如何影响模型的输出（特征归因）。然而，如果没有适当的大脑对齐，某些特征（图 1C 中模型的非蓝色部分）对于神经科学家来说仍然是无法解释的。
采用人工神经网络控制的可再生能源系统并网摘要
本文重点介绍如何将太阳能光伏系统有效地整合到配电网中。为此，光伏系统采用了基于人工神经网络 (ANN) 的最大功率点跟踪 (MPPT)。为光伏系统与电网的整合，开发了 DC-DC 升压转换器和单相桥式逆变器。使用与太阳辐射相关的历史数据对 ANN 进行训练。分析集中于评估电网以及负载侧的电压和电流，以应对光伏部分遮光条件下的变化。为此，分析了电源、电网和负载侧的电压、电流和功率变化。模拟分析表明，在光伏部分遮光条件下，所提出的 ANN 方法也能够在整合到电网时找到最大功率点 (MPP)。
与Hopfield人工神经网络算法的梅丹市的天气预报
摘要：许多方面对印尼社会的连续性，尤其是梅德人的连续性非常有影响力。影响梅丹人民连续性的方面之一是天气。天气在各个部门（例如农业，航空和许多其他部门）中起着重要作用。印度尼西亚气象，气候学和地球物理机构。（BMKG）一直试图开发其创新，以便能够向公众提供准确的天气信息。为了协助向梅丹市的公众传播天气信息的过程，我们需要使用基于网站的计算机技术的天气预报应用程序，以便可以通过将应用程序与BMKG数据连接到Hopfield方法来轻松有效地传播天气信息。基于本研究的结果，首先要应用Hopfield算法与人工神经网络进行分析，因此成功地构建了天气预报的应用程序，以帮助将梅丹市的天气信息传播到所有希望获取有关天气信息的梅丹城市的天气信息。关键字：BMKG，天气，人工神经网络，Hopfield，网站
基于过程信号的人工神经网络定向能量沉积质量预测
摘要：定向能量沉积工艺的应用范围很广，包括现有结构的修复、涂层或改造以及单个零件的增材制造。由于该工艺经常应用于航空航天工业，因此对质量保证的要求极高。因此，越来越多的传感器系统被用于过程监控。为了评估生成的数据，必须开发合适的方法。在这种情况下，一个解决方案是应用人工神经网络 (ANN)。本文演示了如何将测量数据用作 ANN 的输入数据。测量数据是使用高温计、发射光谱仪、照相机 (电荷耦合器件) 和激光扫描仪生成的。首先，提出了从动态测量数据系列中提取相关特征的概念。然后应用开发的方法生成数据集，用于预测各种几何形状的质量，包括焊缝、涂层和立方体。将结果与使用激光功率、扫描速度和粉末质量流量等工艺参数训练的 ANN 进行了比较。结果表明，使用测量数据可以带来额外的价值。使用测量数据训练的神经网络可以实现更高的预测精度，特别是对于更复杂的几何形状。
人类和人工神经网络中计算机程序的收敛表示
在理解过程中，人类大脑会表现计算机程序的哪些方面？我们通过分析程序员理解 Python 代码的功能性磁共振成像 (fMRI) 研究得出的大脑记录来研究这个问题。我们首先评估一系列静态和动态代码属性，例如抽象语法树 (AST) 相关和运行时相关指标，并研究它们与神经大脑信号的关系。然后，为了了解大脑表征是否编码了有关计算机程序的细粒度信息，我们训练了一个探测器，将大脑记录与一套在代码上训练的 ML 模型学习到的表征进行对齐。我们发现，多需求和语言系统（负责非常不同的认知任务的大脑系统）都编码了特定的代码属性，并与机器学习的代码表征唯一一致。这些发现表明至少有两种不同的神经机制介导计算机程序的理解和评估，促使设计超越静态语言建模的代码模型目标。我们将所有相应的代码、数据和分析公开发布在 https://github.com/ALFA-group/code-representations-ml-brain
日本乳腺人工智能研究会
非常感谢您出席乳腺人工智能研究组第二次全体大会。 我叫尾崎幸典，担任本次大会的组织者。 首先我要向大家表示感谢。 乳腺人工智能研究组是一个由多学科专家和学生组成的优秀社区，致力于推动人工智能等创新数字技术在乳腺癌治疗领域的发展。 我们相信，凭借大家的热情和专业知识，该研究小组将继续发展壮大，不仅为乳腺癌治疗做出贡献，而且为广泛的医学领域做出贡献。 今年的全体大会以“思考社会对于AI与医疗数字化转型需要的方向”为主题，除了各小组的进展报告外，我们还邀请了活跃在虚拟现实领域最前线、熟知政府政策信息的特别演讲嘉宾，将站在患者与民众的角度，热情洋溢地讲述AI发展与医疗数字化转型应努力的方向。 这将是各领域专家分享丰富知识和经验并深入讨论的宝贵机会。 大会不仅是学术交流的论坛，更是加深社区联系的机会。 我们希望通过交流和联系，出现新的合作和项目，并取得更大的成功。 我们要向所有支持我们研究小组的人以及指导我们的顾问表示最深切的感谢。向与我们合作的医院、大学以及小组长和成员表示感谢。期待您继续给予指导和鼓励。