XiaoMi-AI文件搜索系统
World File Search System包络
推荐引用 推荐引用 Chang, Tien-Yu 和 Tsaih, Rua-Huan，“使用数据包络分析评估人工智能应用的生态效率”（2024 年）。ICEB 2024 会议论文集（中国珠海）。 13. https://aisel.aisnet.org/iceb2024/13
摘要 本研究使用数据包络分析 (DEA) 开发了一个全面的框架，以评估各个部门 AI 应用的生态效率。通过以输出为导向的 DEA 模型，我们评估 AI 系统如何平衡性能效益与环境影响，并结合多项绩效指标和环境指标。该研究分析了医疗保健、金融和工业部门的数据，使用基准数据和环境评估来确定可持续 AI 实施的最佳实践。预期结果将表明该框架有效地识别了生态高效的 AI 实践，同时强调了数据可用性和不断发展的技术格局的局限性。该研究将有助于从理论上理解 AI 生态效率和实际决策，为组织提供在 ESG 参数内优化 AI 实施的见解，最终推进可持续的 AI 发展实践。关键词：生态效率、人工智能、数据包络分析、ESG。
1.2 nW 神经形态增强唤醒无线电
摘要 — 具有超低功耗无线电功能的低成本设备是智能设备面临的主要挑战，而智能通信需要永久开启的接收器。本文提出了一种唤醒无线电，它具有神经形态预处理系统，均偏置在弱反转区。该系统能够接收 2.4 GHz 信号、对其进行解调，并根据神经元的尖峰频率识别位模式。在 1.2 nW 的总功耗下获得了显著的性能，这比传统的 RF 包络检测器至少低三个数量级。此外，输入功率的尖峰频率响应表明，所提出的系统可以区分 2.4 GHz 的不同信号。所提出的系统实现了 1.2 pJ/bit 的能效，最小可检测信号为 -27 dBm。索引术语 — 包络检测器、神经形态传感器、物联网设备、超低功耗。
第二卷，第一册 OTV 概念定义与评估
3.3.6.4 有效载荷热调节 ...................................... 25 太空基 OTV ...................................................... 27 3.4.1 空间站运行和支持约束 ...................................... 27 3.4.1.1 机组人员支持 ........................................ 27 3.4.1.2 功耗 ...................................................... 27 3.4.1.3 质量考虑 ................................................ 27 3.4.1.4 地面通信 ................................................ 27 3.4.1.5 舱外活动/自动维护和保养 ........................ 27 3.4.2 OMV 对 OTV 的支持 ........................................ 27 3.4.2.1 发射 ...................................................... 27 3.4.2.2 回收 ...................................................... 27 3.4.2.3 推进剂补给 ................................................ 28 3.4.2.4 推进剂排空 ................................................ 28 3.4.2.5 OMV 接口 ...................................... 28 3.4.2.6 OMV 在轨服务 ...................................... 28 3.4.3 返回 OTV 轨道包络 ...................................... 28 3.4.3.1 STS 包络 ...................................... 28 3.4.3.2 空间站轨道包络 ...................................... 28 OTV 设计 ...................................................... 31 3.5.1 性能裕度 ................................................ 31 3.5.2 设计裕度 ................................................ 32 3.5.3 可靠性 ................................................ 32 3.5.4 冗余 ................................................ 32 3.5.5 人员评级 ................................................ 32 3.5.6 子系统设计标准 ........................................ 32 3.5.6.1 结构 ................................................ 32 3.5.8.1.1 疲劳......................................... 32 3.5.6.1.2 设计安全系数 ...................................... 33 3.5.6.1.3 验证试验 .............................................. 33 3.5.6.1.4 极限安全系数应用 ........................ 33 3.5.6.1.5 组合载荷 ...... ................................. 34 3.5.6.1.6 极限载荷 ...................................... 34 3.5.6.1.7 允许的机械性能 ........................ 35 3.5.6.1.8 气动弹性 ...................................... 35 3.5.6.1.9 地面处理约束 ...................................... 35 3.5.6.1.10 蒙皮壁板屈曲 ...................................... 35 3.5.6.1.11 应力腐蚀 ...................................... 35 3.5.6.1.12 抗损伤 ...................................... 35 3.5.5.1.13 错位和公差 ...................................... 35 3.5.6.1.14 断裂控制.., ...................................... 36 3.5.6.2 气动制动子系统设计标准 ............................. 36 3.5.6.3 推进 ...................................... 36 3.5.6.3.1 主推进系统 ................................ 36 3.5.6.3.1.1 火箭发动机 ................................ 36 3.5.6.3.1.2 主推进系统推进剂储存和输送系统 ........................ 36
![arXiv:2002.10988v1 [eess.AS] 2020 年 2 月 25 日](/simg/e\eb4726f275fdb036d113aa6282b78f6320a97f8f.webp)
arXiv:2002.10988v1 [eess.AS] 2020 年 2 月 25 日
对自然语音和记录的脑电图 (EEG) 之间的关系进行建模有助于我们了解大脑如何处理语音，并且在神经科学和脑机接口中具有各种应用。在这种情况下，到目前为止主要使用线性模型。然而，由于人脑听觉处理的复杂性和高度非线性，线性模型的解码性能受到限制。我们提出了一种基于长短期记忆 (LSTM) 的新型架构作为非线性模型，用于分类给定的一对 (EEG，语音包络) 是否相互对应。该模型使用 EEG 路径中的 CNN 和语音路径中的 LSTM 将 EEG 和包络的短段映射到公共嵌入空间。后者还可以补偿大脑反应延迟。此外，我们使用迁移学习来针对每个受试者微调模型。所提出模型的平均分类准确率达到 85%，明显高于最先进的基于卷积神经网络 (CNN) 的模型 (73%) 和线性模型 (69%)。
设计信封泵控件的工作间隙
由于阿姆斯特朗的设计包络控件不可能在通电期间检查或处理，因此表110.26（a）（1）中概述的最小清除距离要求不适用。这是因为在可以在泵的任何部分完成任何工作之前，泵与电源电源断开 - 例如如果泵仍然有活力，操作员将无法进行机械密封。
F-35B 首次海上试验演示摘要
帕塔克森特河 F-35 综合测试部队 (ITF) 的试飞员计划在实验试飞员协会 (SETP) 东海岸研讨会上就 2011 年 10 月在黄蜂号 (LHD-1) 上进行的 F-35B 初始舰船试验的计划和执行情况进行演讲。在试验期间，两架 F-35B (BF-2 和 BF-4) 完成了 72 次短距起飞 (STO) 和垂直着陆 (VL)，同时评估了 F-35B 在 LHD 上的可维护性。最终，所有舰载包络扩展目标均已实现，包括在测试的环境条件和着陆点内清除与 AV-8B 一样强大的 STO 和 VL 风包络。船舶试验是帕塔克森特河 ITF、USS Wasp 和海军海上系统司令部 (NAVSEA) 共同努力的结果，需要搭载近 250 名人员和 140,000 磅专业支持设备。完成试验需要一年多的详细规划。试验的独特元素如下所列，将在演示期间进行讨论：
全 0 千米水面 AUV 实时飞行模拟
具有挑战性的机动，涵盖整个 0 ◦ –360 ◦ 飞行范围。此类 AUV 可受益于海洋生产、环境感知和安全等新用例，通过实现对接、检查或冰下作业的新功能。为了进一步探索它们在这些场景中的能力，必须能够在整个包络线上模拟它们的飞行动力学，其中包括强非线性效应和大攻角下的湍流。利用准确、高效的仿真模型，可以生成新的水上机动并制定控制策略。因此，本文提出了一种实时高效、准确地模拟水上机动的策略。通过结合分析、半经验和数值方法，合成了一个多保真流体动力学数据库，从而捕捉整个包络线上的流体力和力矩。组件构建工作流用于使用从数据库生成的查找表来组装非线性飞行动力学模型。该模拟模型用于执行高级水上机动的实时模拟。模拟结果与文献和实验结果一致，并且模拟器在设计新机动和控制策略时可作为开发工具使用。
空间应用多分量力测量的实际考虑 - 第 1 部分
• 传统振动测试将输入加速度控制在飞行数据的频率包络中。将测试加速度响应限制在预测的飞行加速度响应范围内高度依赖于分析，并且通常需要限制许多位置的加速度响应 - 大型测试项目。如果 UUT 损坏，可能会导致过度测试、破坏、过度设计和/或成本/进度影响。
人类大脑 - 欧文实验室
图 2 叙述过程中的感知和高级注意力过程。在组别层面，叙述的声音包络预测了 (a) 清醒状态下的听觉皮层和右侧额下回的显著 (p < .05；家族错误 [FWE] 已校正) 簇，以及 (b) 中度麻醉状态下的左侧听觉皮层 (未达到统计显著性 [p = .05 FWE 已校正])。 (c, d) 在组别层面，音频叙述的悬念评级预测了 (c) 清醒状态下的听觉注意力和显着性网络的显著 (p < .05；FWE 已校正) 簇，以及 (d) 中度麻醉状态下的听觉注意力网络的显著 (p < .05；FWE 已校正)。红色箭头表示冠状视图相对于前后维度的位置。 (e – h) 声音包络和悬念评分预测的个体参与者主要听觉区域、听觉注意区域和显著性网络中的体素数量，相对于每个人在目标检测任务中的反应时间。在个体层面，声音包络预测 (e) 14/17 的参与者在清醒状态下的听觉区域显著激活，(f) 10/17 的参与者在中度麻醉状态下的听觉区域显著激活。在个体层面，悬念评分预测 (g) 17/17 的参与者在清醒状态下的听觉注意和显著性网络区域显著激活，(h) 14/17 的参与者在中度麻醉状态下的听觉注意和显著性网络区域显著激活。无论是在清醒状态 (e, g) 还是在中度麻醉状态 (f, h) 下，在目标检测任务期间，叙述过程中的感知或高阶过程与反应时间之间没有相关性。AAN，听觉注意网络；SN，显著性网络
