XiaoMi-AI文件搜索系统
World File Search System到达时间
这是作者接受的文章版本。 IEEE发布的最终版本是A.T-J。 Akem，G。Fraysse和M. Fiore，“加密流量
摘要 - 加密的交通分类（ETC）已成为机器学习（ML）方法的重要领域。但是，大多数现有的SOTICT要么基于收集的网络数据或在线依赖于离线等等，要么在软件定义网络（SDN）的控制平面中运行的模型，所有这些模型都不以线速率运行，并且将无法满足现代网络中时间敏感应用程序的延迟要求。这项工作利用了数据平面可编程性的最新进展，以实现可编程开关的实现，并具有很高的吞吐量和低延迟。所提出的解决方案包括（i）一个etc-感知的随机森林（RF）建模过程，其中仅根据数据包大小和数据包到达时间进行基于功能，以及（ii）将训练有素的RF模型编码到生产级P4可编程开关中。在40 GBPS的背景流量的情况下，使用3个带有Intel Tofino开关的实验的加密流量数据集评估了建议的内开关等框架的性能。结果表明，该解决方案如何达到高达95％的高分类精度，并以亚微秒延迟，而平均消耗少于可用的开关硬件资源的10％。索引术语 - 加密流量分类，机器学习，可编程开关，P4，随机森林
行人交叉决策可以通过嘈杂的视觉感知下的最佳最佳决策来解释
本文根据构成理性理论提出了行人交叉决策的模型。假定交叉决策是最佳的，其最佳性是由人类认知限制引起的。虽然先前的行人行为模型是“黑盒”机器学习模型，也可以是具有对认知因素的明确假设的机械模型，但我们结合了这两种方法。具体来说，我们在机械上对人类的视觉感知和模型奖励进行了机械模型，考虑到人类的限制，但是我们使用强化学习来学习有限的最佳行为政策。该模型比以前的模型重现了更多的已知经验现象，特别是：（1）接近车辆到达时间对行人是否接受差距，车辆速度对（2）间隙接受的影响（2）（2）（3）交叉车辆前（4）交叉效果的行人的行人时机的影响。值得注意的是，我们的发现表明，以前在决策中以“偏见”（例如依赖速度依赖性差距接受）的行为可能是理性适应视觉感知约束的产物。我们的方法还允许拟合认知约束的参数和每个人的奖励，以更好地说明个体差异，从而与实验数据实现良好的定量对齐。得出结论，通过利用RL和机械建模，我们的模型为行人行为提供了新的见解，并可以为更准确，更可扩展的行人模型提供有用的基础。
如何击败最佳选择的1/e-Strategy（随机...
在熟悉的最佳选择问题的版本中，n个项目排名1、2，··，n从最佳到最差的n在[0，1]的独立，均匀分布的随机时间到达。Alice是一名实时播放器，按时间顺序观察到达，并相对于到目前为止所看到的所有其他项目对每个项目进行排名。她可以随时停止，如果停止以最佳的n个项目发生并在任何其他情况下损失，则会赢得胜利。问题是关于玩家不知道n时良好的停止策略。如果没有更好的物品到达之前，则据说是记录。第一个观察到的项目是记录，也是随后的任何相对等级第一的到达。总体最佳项目作为最后的记录出现，因此应立即将其停止在非记录上的策略。如果爱丽丝知道n，她可以使用经典的D ∗ -Strategy实现最大获奖概率：等到D ∗ - 1项通过（其中d ∗ = d ∗（n）大约是n/e），然后在第一个后续记录中停止。对于每个N，D ∗ -Strategy的获胜概率都超过1 /E，并且随着N的增加而单调接近下限。可以肯定地观察到到达时间是无济于事的，因为通过交换性，它们独立于相对等级。但是，如果n未知，则没有仅基于计数和相对排名的策略可以确保所有n [1]的获胜概率远离零。开始
具有最优锁定目标的多风险 SIR 模型
我们开发了一个多风险 SIR 模型 (MR-SIR)，其中感染、住院和死亡率因群体而异——尤其是“年轻人”、“中年人”和“老年人”之间。我们的 MR-SIR 模型能够对最优策略进行易于处理的定量分析，类似于已经在同质代理 SIR 模型背景下开发的策略。对于应用于美国的 COVID-19 大流行的基线参数值，我们发现针对风险/年龄组进行差异化的最佳政策明显优于最佳统一政策，并且大部分收益可以通过对最年长群体实施更严格的封锁政策来实现。例如，对于相同的经济成本（GDP 下降 24.3%），相对于最佳统一政策，最佳半目标或完全目标政策可将死亡率从 1.83% 降低到 0.71%（从而挽救了 270 万人的生命）。直观地说，对最脆弱群体实施严格而长期的封锁既可以减少感染，又可以对低风险群体实施不那么严格的封锁。我们还研究了社交距离、匹配技术、疫苗的预期到达时间以及是否进行追踪检测对最佳政策的影响。总体而言，在我们的模型中，有针对性的政策与减少群体间互动、增加检测和隔离感染者的措施相结合，可以最大限度地减少经济损失和死亡人数。
严重事故报告 00/2518 - CAA
AFIS 模拟飞行仪表系统（新西兰航空公司用来区分‘传统’和‘玻璃’驾驶舱的通用术语） AFDS 自动驾驶仪飞行指引系统 AGL 地平面以上 A/P 自动驾驶仪 APP 自动飞行系统进近模式 AQD 航空质量数据库 ARINC 航空无线电公司 ASA 自动着陆状态信号器 A/T 自动油门 ATC 空中交通管制 CAANZ 新西兰民航局 Capt 机长 类别 CRM 机组资源管理 CDU 控制显示单元 CFIT 可控飞行撞地 CSB 载波加边带 CVR 驾驶舱语音记录器 DDM 调制深度差 DME 测距设备 EADI 电子姿态指示器 EFI 电子飞行仪表 EFIS 电子飞行仪表系统 EGPWS 增强型近地警告系统 EHSI 电子水平状况指示器 ETA 预计到达时间 ETD 预计离场时间 FA Faleolo VOR FAF 最后进近定位点 FAP 最后进近点FCC 飞行控制计算机 FCTM 飞行机组训练手册 FD 飞行指引器 FDR 飞行数据记录器 FMC 飞行管理计算机 FMCS 飞行管理计算机系统 F/O 副驾驶 FOQA 飞行运行质量保证 GPWS 近地警告系统 GP 下滑道（通常参考地面发射器时使用） G/S 下滑道（通常参考飞机仪表、接收器或机组程序时使用）
DIFAR 水听器在鲸鱼研究中的应用
定向频率分析和记录 (DIFAR) 声纳浮标已被海军使用数十年，可通过单个传感器为低频（小于 4 kHz）声源提供磁方位。计算技术的进步使这种声学传感器技术越来越易于使用且功能更强大。此处提供的信息旨在帮助新用户确定 DIFAR 传感器是否适合鲸鱼声学研究。须鲸的声学探测范围平均接近 20 公里，但根据条件不同，范围从 5 到 100 公里不等。DIFAR 声纳浮标到典型研究船的无线电接收范围平均为 18 公里，船上有全向天线，声纳浮标上有标准天线。对一组鲸鱼叫声分析了 DIFAR 方位精度，其中鲸鱼的轨迹是众所周知的。经发现，DIFAR 传感器的方位标准偏差为 2.1 度。可以使用 DIFAR 方位消除已知位置研究船声音的系统误差和磁偏差。DIFAR 传感器阵列需要的传感器比传统水听器阵列少，有时可以提供比传统水听器使用的“到达时间”双曲线方法更准确的源位置。与传统水听器相比，使用 DIFAR 传感器更容易定位船舶等连续声音，因为通常很难找到瞬态特征来估计使用传统水听器阵列进行双曲线定位所需的时间差。DIFAR 水听器系统非常适合露脊鲸、蓝鲸、小须鲸、长须鲸和其他须鲸的叫声，以及包括船舶在内的许多其他声源。
2024 年德国联邦国防军日
媒体代表信息 有兴趣的媒体代表请在 2024 年 5 月 31 日星期五之前使用随附的认证表格进行注册。归还认证文件后，您将收到您的车辆的牌照。否则，无法在军营内行驶和停车。然后请按照媒体/VIP 车辆专用标志行驶。 12 号展厅附近的新闻中心提供免费 Wi-Fi/LAN。还提供食物。如果您乘坐广播车前来，请您在早上 7 点前到达法斯贝格空军基地主警卫室。这将确保您能够在活动开始前及时设置好车辆并开始直播。如果您乘坐广播车晚点到达，可能会等待更长时间。如果您考虑前一天将转播车停放在新闻中心，请提前与我们联系。我们建议没有转播车的媒体代表于周六早上 8:30 左右抵达卫戍大本营。您可在检查完认证表后驾车通过，并按照指示牌前往媒体/VIP 停车位。当然，您也可以晚点到达，但您应该计划在入口处等待更长的时间。在所有提及的情况下，我们都要求您在认证表中告知我们您的计划到达时间。如果您的广播车需要电力，我们也请您在认证表上注明这一点。安全须知：
2025 财年 – 2029 财年 – 草案
温室气体排放量减少约 25%。TriMet 开始使用可再生柴油运营所有固定路线公交车、WES 通勤铁路和柴油驱动的 LIFT 辅助交通工具，从而减少温室气体排放和当地颗粒物排放。这些变化与可再生电力相结合，将运营温室气体排放量减少了近 70%！2022 年 Hop Fastpass® 刷卡量超过 TriMet 固定路线公交车和铁路所有票价支付的 86%。TriMet 推出新的 trimet.org，包括即时到达时间、实时车辆位置、多模式行程规划器和增强搜索。 TriMet 在 FX2-Division 上推出服务，这是 TriMet 的第一条快速公交线路，使用下一代信号优先来减少延误和缩短行程，并且自 1999 年以来拥有了第一批 60 英尺长的“弯曲”公交车队。与波特兰市和格雷沙姆市合作，TriMet 成为北美第一家安装和运营新一代基于云的公交信号优先系统（符合 NTCIP 标准）的公交机构，该系统配有公交专用车道和公交专用信号。进行了 Forward Together，这是一项全系统的公交服务分析，旨在重新设计公交服务的路线、跨度和频率，以更好地满足新的需求模式，增加客流量，并改善低收入和有限收入人群的目的地连接。
移动式中风治疗装置
评估患者的脉搏、血压和呼吸频率，确定患者最后已知健康值 (LKW) 记录到达时间并致电中风工作人员医生下达影像和实验室检查订单 获取并记录患者的 PMHx、药物和过敏情况 为患者准备 CT 扫描和 POC 实验室检测 在中风流程表上记录评估和事件 验证订单是否按照中风神经科医生和/或 CCT 医学主任的要求下达并正在执行 确保每 15 分钟记录一次神经检查和生命体征 遵照医嘱 按照医生的医嘱给药 将已给药的药物告知医生 预测患者对替奈普酶的需求 计算替奈普酶剂量并与护理人员核实剂量和共同签名 在开始使用替奈普酶之前测量血压以确保在可接受的参数范围内 按照方案开始溶栓治疗 确保从治疗开始后每 15 分钟 x 2 小时进行一次生命体征和神经评估替奈普酶，然后每 30 分钟 x 6 小时，然后每 60 分钟 x 16 小时。有关替奈普酶给药和监测参数，请参阅附录。监测神经系统随时间的变化，直到患者护理移交给最终目的地管理时间并报告关键时间目标获得团队成员在流程表上的签名
基于物理的野火融合的生成算法...
摘要：野生活动的增加以及产生的影响促使人们开发了高分辨率的野生行为模型，以预测蔓延。使用卫星检测火灾位置的最新进展进一步提供了使用测量结果来改善通过数据同化来改善数值模型的差异预测的机会。这项工作开发了一种具有物理信息的方法，可以从卫星测量中推断野生燃料的历史，从而提供必要的信息，以初始化耦合的气氛 - 从测得的野生野生状态的野生模型。到达时间是到达给定的空间位置的时间，它是野生火灾历史的简洁表示。在这项工作中，经过WRF - SFIRE模拟训练的有条件的Wasserstein生成对抗网络（CWGAN）用于从卫星主动数据中推断出到达的时间。CWGAN用于从给定卫星主动检测的到达时间的条件分布中产生可能到达时间的样本。由CWGAN产生的样品进一步用于评估预测的不确定性。在2020年至2022年之间，对四个加利福尼亚野生火力进行了测试，并将预测与高分辨率机载红外措施进行比较。此外，将预测的点火时间与报告的点火时间进行了比较。平均Sørensen的系数为0.81，用于固定器的周围和32分钟的平均点火时间差表明该方法非常准确。