XiaoMi-AI文件搜索系统
World File Search System任务调度
基于心理状态的自适应界面案例
多个领域（例如航空、汽车和核电行业）复杂系统的操作员需要长时间连续地执行任务。长时间连续使用会导致精神疲劳以及认知灵活性、注意力和情境意识的下降，危及复杂操作的安全性和效率。基于心理状态的自适应系统可能是解决此问题的方法。这些系统根据一系列指标推断操作员的当前心理状态，这些指标包括操作员独立测量（例如天气和一天中的时间）、行为（例如反应时间和车道偏差）以及生理标记（例如脑电图和心脏活动）。然后可以采用多种方式之一调整操作员与系统之间的交互，以减轻检测到的任何认知状态下降，从而确保持续的安全性和效率。根据手头的任务及其具体问题，可能的调整（通常基于机器学习估计）包括修改信息、呈现方式或刺激显著性以及任务调度。自适应系统的研究涉及多个领域，包括神经工效学、人为因素以及应用和生态背景下的人机交互，因此需要仔细考虑上述每个方面。本文概述了一些关键
基于DAG 和AHP-TOPSIS 算法的多乘员协同任务分配方法研究
等方面 . 人机功能分配主要包括静态和动态两种类型 , 静态功能分配是从功能特性和需求分析入手 , 通过比较人 和系统在完成该功能上的能力优势或绩效优劣 , 决定该功能分配给人还是系统 . 动态功能分配方法则是在静态 人机功能分配的基础上 , 当动态触发机制响应时 , 允许系统在运行阶段根据情况的变化将功能在人与系统之间 动态地重新分配 , 提高整体的工作效率 . 多智能体的任务分配是指在作战开始前 , 指挥中心通常会根据已掌握的 战场信息 , 对己方作战单元进行任务预分配 . 但随着战场情景变化以及突发情况的出现 , 预分配方案可能会使得 执行任务的效能降低 , 多智能体如何调整自身任务 , 使得执行任务的效能保持最大是其研究的主要内容 . 计算机 任务调度研究的是将任务动态地调用给各个虚拟机并提供给用户使用 , 怎样合理地将任务分配给不同的虚拟机 , 进而提升整个系统的性能是其研究的重点 . 以上分配原则对于多乘员分配有很好的参考价值 , 但舱室乘员间任 务分配时 , 主要考虑到人的特性 , 需要以人的理论基础来加以研究 [4] . 针对实际作战过程中 , 乘员应对非预期事件效率低下的问题 , 本文提出了一种多乘员协同动态任务分配方 法 . 在非预期事件触发时 , 对任务进行 DAG 分解及分层 , 根据乘员脑力负荷、乘员能力、任务相关度以及时间成 本四个因素 , 按照一定的任务分配顺序 , 基于 AHP-TOPSIS 方法进行乘员的优选 , 实时更新乘员状态 , 并以此为 依据进行下一任务的分配 . 任务分配过程可实现随乘员状态变化而动态调整 , 达到负荷均衡、效能最优 , 从而将 多任务分配问题简化为单个任务的多属性决策问题 .
基于心理状态的自适应界面的案例
跨多个领域（例如航空、汽车和核电行业）的复杂系统操作员需要长时间连续地执行任务。长时间连续使用会导致精神疲劳以及认知灵活性、注意力和情境意识的下降，从而危及复杂操作的安全性和效率。基于心理状态的自适应系统可能是解决此问题的方法。这些系统根据一系列指标推断操作员的当前心理状态，这些指标包括操作员独立测量（例如天气和一天中的时间）、行为（例如反应时间和车道偏差）以及生理标记（例如脑电图和心脏活动）。然后可以以多种方式之一调整操作员与系统之间的交互，以减轻任何检测到的认知状态下降，从而确保持续的安全性和效率。根据手头的任务及其具体问题，可能的调整（通常基于机器学习估计）例如包括修改信息、呈现方式或刺激显着性以及任务调度。自适应系统研究涉及多个领域，包括神经工效学、人为因素以及应用和生态背景下的人机交互，因此需要仔细考虑上述每个方面。本文概述了研究人员在设计基于心理状态的自适应系统时需要考虑的一些关键问题和方面，同时也促进了它们在长期连续使用过程中的应用，为更安全、更高效的人机交互铺平了道路。
分布式流计算系统的节能和运行时感知框架
分布式流计算系统中的任务调度是NP完整的问题。当前的调度方案通常由于输入数据流的波动，通常会暂停或缓慢的启动过程，这会影响性能稳定性，尤其是高通量和低潜伏期目标。此外，运行时的空闲计算节点可能会导致大量的空闲负载能量消耗。为了解决这些问题，我们提出了一个节能和运行时感知的框架（ER-stream）。本文从以下方面彻底讨论了框架：（1）研究实时数据流任务之间的通信；流式应用程序，资源和能源消耗以正式化调度问题进行建模。（2）在将初始拓扑提交到集群中后，通过轻巧的任务分配策略在同一计算节点上处理具有高通信成本的任务对，从而最大程度地降低了节点之间的通信成本并避免频繁触发运行时计划。（3）在运行时，根据节点通信和资源使用来执行可靠的任务迁移，这反过来又有助于动态调整节点能量消耗。（4）指标在包括潜伏期，吞吐量，资源负载和能源消耗的指标中，在真实的分布式流计算环境中进行评估。通过对可变速率输入方案进行全面评估，与现有风暴的调度策略相比，提出的ER-stream系统可为吞吐量，延迟和能源消耗提供了有希望的改进。©2022 Elsevier B.V.保留所有权利。
Dilithium Post 的高吞吐量 GPU 实现...
摘要。数字签名是各种协议中提供完整性和真实性的基本构建块。量子计算的发展引发了人们对传统签名方案所提供的安全保障的担忧。CRYSTALS-Dilithium 是一种基于格密码学的高效后量子数字签名方案，已被美国国家标准与技术研究所选为标准化的主要算法。在这项工作中，我们提出了 Dilithium 的高吞吐量 GPU 实现。对于单个操作，我们采用一系列计算和内存优化来克服顺序约束、减少内存使用和 IO 延迟、解决银行冲突并缓解管道停顿。这为每个操作带来了高且平衡的计算吞吐量和内存吞吐量。在并发任务处理方面，我们利用任务级批处理来充分利用并行性并实现内存池机制以实现快速内存访问。我们提出了一种动态任务调度机制来提高多处理器占用率并显着缩短执行时间。此外，我们采用异步计算并启动多个流来隐藏数据传输延迟，并最大限度地发挥 CPU 和 GPU 的计算能力。在所有三个安全级别中，我们的 GPU 实现在商用和服务器级 GPU 上实现了超过 160 倍的签名加速和超过 80 倍的验证加速。这为每个任务实现了微秒级的摊销执行时间，提供了一种适用于实际系统中各种应用的高吞吐量和抗量子解决方案。
考虑可再生能源的自适应住宅能源中心调度
摘要 — 智能城市优化运行的关键挑战之一是住宅建筑中多种能源载体的协调管理，因为目标各不相同，而且经常相互冲突。为了应对这一挑战，本文提出了一种基于成本排放的新型概念方案，用于在住宅能源中心的背景下实现智能家居中能源和天然气的最佳使用，同时考虑到成本节约和环境保护之间的平衡。所提出的模型考虑了各种能源转换资源，包括能源和热存储系统、屋顶光伏模块以及热电联产装置以及可靠的电负荷和热负荷。此外，还实施了一种有效的随机场景方法来应对与光伏生产相关的强烈不确定性。所提出的模型通过在各种系统约束和用户偏好下结合加权求和混合目标函数来降低家庭能源消耗和公用事业成本，同时为居民提供最佳的任务调度和舒适度，以保证良好的生活方式。所提出的方案是在配备能源枢纽的实际案例研究中实施的，正如预期的那样，介绍了其在拟议的住宅能源枢纽问题的最佳能源管理中的适用性和有效性。模拟结果证实，在保持户主所需的舒适度的同时，能源采购成本可节省高达 46.16%，排放成本可节省 34.07%。
航空航天系统技术个性化学位，理学学士
• AES 2050：航空历史与航天历史开发 (3) • AES 2607：航空航天系统模拟简介 (3)* • AES 3000：飞机系统与推进 (3) • AES 3600：太空飞行操作 I (3)* • AES 3610：航天器设计要素 I • AES 3607：轨道力学与航空航天系统模拟 (3) • AES 3620：航空航天系统项目和任务调度 • AES 4601：太空飞行操作 II (3)* • AES 4602：航空航天通信操作 (3)* • AES 4603：航空航天操作系统分析与设计 (3)* • CHE 1800：普通化学 I (4) • CS 1030：计算机科学原理 (4) • CSS 2751：网络安全原理 (3) • JMP 2610：技术写作入门 (3) • EET 2000：电路与机械 (3) • MET 1010：制造流程 (3) • MET 1200：技术制图 I (3) • MET 1310：质量保证原则 (3) • CET 2150：力学 I – 静力学 (3) • MET 2200：工程材料 (3) • MET 3110：热力学 (3) • MET 3160：力学 II – 动力学 (3) • CET 3135：材料力学（带实验室） (4) • MET 3185：流体力学 I (3) • MET 3410：几何尺寸与公差 (3) • MET 4000：项目工程 (3) • MTH 1410：微积分 I • MTH 2410：微积分 II • PHY 2311：普通物理学 I (4) 和 PHY 2321：实验室 I (1) • PHY 2331：普通物理学 II (4) 和 PHY 2341：实验室 I (1) • IDP 教职顾问建议的其他课程 选修课 学生需要选修此处未列出的选修课，以满足 120 个学分和 39 个高年级学分，从而完成学位要求。
进行车辆边缘的及时多模型培训 -
摘要 - 启用AI互联网的快速增长（IOV）呼吁进行有效的机器学习（ML）解决方案，该解决方案可以处理高车辆移动性和分散数据。这激发了对车辆边缘云建筑（VEC-HFL）的等级联合学习的出现。然而，关于vec-hfl的文献中未充满反应的一个方面是，车辆通常需要同时执行多个ML任务，在这种多模型训练环境中会带来至关重要的挑战。首先，不正确的聚合规则可以导致模型过时和延长训练时间。第二，车辆移动性可能通过防止车辆将其型号返回网络边缘而导致数据利用率降低。第三，在各种任务中实现平衡的资源分配变得至关重要，因为它主要影响协作培训的有效性。，我们通过提出一个在动态VEC-HFL中提出多模型训练的框架来解决这些挑战的第一步之一，目的是最大程度地减少全球训练潜伏期，同时确保跨各种任务均衡培训，这一问题是NP-HARD。为了促进及时的模型培训，我们引入了混合同步 - 同步聚合规则。在此基础上，我们提出了一种新颖的方法，称为混合进化和贪婪分配（心脏）。现实世界数据集上的实验证明了心脏比现有方法的优越性。索引术语 - 等级联合学习，互联网，多模型培训，分布式机器学习。框架分为两个阶段：首先，它通过混合启发式方法来实现平衡的任务调度，该方法结合了改进的粒子群优化（PSO）和遗传算法（GA）；其次，它采用低复杂性贪婪算法来确定车辆分配任务的训练优先级。
阿兹丽娜国王，马哈茂德国王的女儿
Amodu, OA 和 Raja Mahmood, RA。2018。基于能量和基于位置的 LEACH 二级簇聚合对 WSN 寿命的影响。无线网络 24(5)，第 1379-1402 页。4. Masnida Hussin、Raja Azlina Raja Mahmood 和 Mas Rina Mustaffa。2019。使用信息物理系统方法的绿色数据中心传感器通信模型，国际交互式移动技术杂志 (iJIM) 13(10):188。5. Ahmed Shakir Al-Hiti、Rohaya Latip、RKZ Sahbudin 和 Raja Azlina Raja Mahmood。2018。WiMAX 路由协议比较分析，计算与理论纳米科学杂志 24(2):1303-1306。 6. Masnida Hussin、Abdullah Muhammed 和 Raja Azlina Raja Mahmood。2017。使用信息物理方法的高性能计算系统的自适应能量分配，计算与理论纳米科学杂志 23(6):5045-5049。7. Ehsan Moshiri、Azizol Bin Abdullah、Raja Azlina Binti Raja Mahmood、Zaiton Muda。2017。使用信息理论进行动态分析的恶意软件分类框架。印度科学技术杂志，第 10 卷，第 21 页。8. Dana Hasan、Masnida Hussin、Azizol Abdullah 和 Raja Azlina Raja Mahmood。2016。用于管理网络通信系统中 DNS 反射攻击的分布式防御方案，电信、电子和计算机工程杂志 (JTEC)，第 10 卷。 8，第6期，第71-75页。9. Masnida Hussin、Raja Azlina Raja Mahmood、Nor Azura Husin 和 Noris Mohd Norowi。2016 年。面向绿色云计算的任务调度性能优化模型。国际新计算机架构及其应用杂志，第 6 卷，第 1 期，第 1-9 页。