XiaoMi-AI文件搜索系统
World File Search System启发
HDXPlore：自动化的黑盒测试脑启发的超维度计算
摘要 - 由人脑的工作方式吸引，急剧的高维计算（HDC）正在受到越来越多的关注。HDC是一种基于大脑的工作机理的新兴计算方案，该方案具有深层和抽象的神经活动模式而不是实际数字。与传统的ML算法（例如DNN）相比，HDC以内存为中心，授予其优势，例如相对较小的模型大小，较小的计算成本和一声学习，使其成为低成本计算平台中的有前途的候选人。但是，尚未系统地研究HDC模型的鲁棒性。在本文中，我们通过开发基于黑盒差异测试的框架来系统地揭示HDC模型的意外或不正确行为。我们利用具有与交叉引用甲环类似功能的多个HDC模型，以避免手动检查或标记原始输入。我们还提出了HDXplore中不同的扰动机制。HDXplore自动发现了HDC模型的数千种不正确的角案例行为。我们提出了两种重新训练机制，并使用HDXplore生成的角病例来重新培训HDC模型，我们可以将模型准确性提高高达9％。
受大脑启发的计算——我们需要一个总体规划。
主要问题 我们的现代计算系统消耗了太多能源。它们不是日益成为我们日常生活一部分的复杂人工智能 (AI) 应用程序的可持续平台。我们通常看不到这种情况，特别是在基于云的系统的情况下，因为我们通常更关心它们的功能——它们有多快；有多准确；每秒有多少个并行操作？我们已经习惯了几乎即时地获取信息，以至于我们不会考虑计算系统为我们提供这种访问时对能源和环境的影响。然而，每次谷歌搜索都有成本：数据中心目前每年使用约 200 太瓦时的能源，预计到本世纪末将增长约一个数量级 1 。诚然，并非所有数据密集型计算都需要机器学习 (ML) 或人工智能，但我们看到人工智能的部署如此广泛，以至于我们必须关注其环境成本。我们还应该考虑物联网 (IoT) 和自主机器人代理等应用程序，它们可能不需要总是启用人工智能，但仍必须降低其能耗。如果无数联网设备的能源需求过高，物联网的愿景就无法实现。最近的分析表明，对计算能力的需求增长远远超过了摩尔定律 2 所带来的改进。计算能力需求现在每两个月翻一番（图 1a）。尽管如此，通过智能架构和软件硬件协同的结合，已经取得了显著的进步。
用于脑启发计算的有机材料和设备
目前，许多人工智能 (AI) 应用正在迅速成为社会中不可或缺的一部分，它们依赖于基于软件的人工神经网络或深度学习算法，这些算法功能强大，但能源效率低下。相比之下，大脑在类似的分类和模式发现任务中效率极高。神经形态工程试图通过模仿几个关键概念来有效地模拟 AI 任务，从而充分利用大脑的效率。有机电子材料在模仿大脑的基本功能（包括重要的脉冲现象）方面尤其成功，而且由于其生物相容性，它们在硬件实现的人工神经网络的低功耗操作以及与生理环境交互方面也取得了成功。本文概述了大脑及其人工对应物的基本功能操作，特别关注有机材料和设备。我们重点介绍了模仿大脑功能（如时空处理、体内平衡和功能连接）的努力，并强调了高效神经形态计算应用的当前挑战。最后，我们介绍了我们对这个令人兴奋且快速发展的有机神经形态设备领域未来发展方向的看法。
面向自动驾驶的高效脑启发学习...
摘要：准确安全地预测周围车辆的轨迹对于完全实现自动驾驶 (AD) 至关重要。本文提出了类人轨迹预测模型 (HLTP++)，该模型模拟人类的认知过程以改进 AD 中的轨迹预测。HLTP++ 采用了一种新颖的师生知识提炼框架。配备自适应视觉区的“老师”模型模仿人类驾驶员根据空间方向、距离和驾驶速度等因素表现出的注意力动态分配。另一方面，“学生”模型侧重于实时交互和人类决策，与人类的记忆存储机制相似。此外，我们通过引入新的傅里叶自适应脉冲神经网络 (FA-SNN) 来提高模型的效率，从而可以用更少的参数进行更快、更精确的预测。使用 NGSIM、HighD 和 MoCAD 基准进行评估，HLTP++ 表现出比现有模型更优异的性能，在 NGSIM 数据集上将预测轨迹误差降低了 11% 以上，在 HighD 数据集上将预测轨迹误差降低了 25%。此外，HLTP++ 在输入数据不完整的具有挑战性的环境中表现出很强的适应性。这标志着在实现完全 AD 系统的过程中迈出了重要一步。
受量子启发的人工智能可优化高频交易
本文探讨了量子启发式人工智能在优化金融实践中的变革性作用，特别是在金融领域的高频交易 (HFT) 中。由于 HFT 在快速交易和市场波动剧烈的环境中运作，对高级优化技术的需求变得至关重要。量子启发式算法利用量子力学的原理（例如叠加和隧穿）来增强交易策略的各个方面。这些算法能够快速优化资产配置、实时交易执行和主动欺诈检测，从而有效应对传统金融模型带来的挑战。通过促进多种策略的同时评估和对复杂交易模式的实时分析，量子启发式人工智能显著提高了决策速度和准确性。这一进步的金融影响是深远的，它将提高盈利能力、提高市场诚信度并增强市场参与者之间的信任。最终，将量子启发式人工智能融入金融领域是利用尖端技术重塑交易动态的关键一步，为能够适应不断变化的金融市场格局的创新战略铺平了道路。这项研究强调了量子人工智能重新定义金融运营效率的潜力，确保在日益复杂的交易环境中的竞争力。
使用模拟综合生物启发的基于搜索的测试
20477481，2024，5，从https://onlinelibrary.wiley.com/doi/10.1002/smr.2591下载，由Statens Beredning，Wiley Online Library，on [07/06/2024]。有关使用规则，请参见Wiley Online Library上的条款和条件（https://onlinelibrary.wiley.com/terms-and-conditions）； OA文章由适用的Creative Commons许可
尖峰神经网络的脑启发的神经电路演变
在生物神经系统中，不同的神经元能够自组织形成不同的神经回路，以实现多种认知功能。但是，尖峰神经网络的当前设计范式基于深度学习的结构。这种结构以前馈连接为主，而无需考虑不同类型的神经元，这显着阻止了尖峰神经网络在复杂的任务上意识到它们的潜力。将生物神经回路的丰富动力学特性用于对当前尖峰神经网络的结构进行建模。本文通过将饲喂和反馈连接与兴奋性和抑制性神经元相结合，提供了更具生物学上合理的进化空间。我们利用神经元的局部尖峰行为来适应发展神经回路，例如正向激发，正向抑制，反馈抑制和局部局部抑制峰值依赖性依赖性可塑性，并与全球误差信号结合使用突触量。通过使用进化的神经回路，我们构建了尖峰神经网络，用于图像分类和增强学习任务。使用具有丰富的神经回路类型的脑启发的神经电路演化策略（NEUEVO），进化的尖峰神经网络极大地增强了感知和强化学习任务的能力。Neuevo在CIFAR10，DVS-CIFAR10，DVS-GETURE和N-CALTECH101数据集上实现了最新的性能，并在ImageNet上实现了高级性能。与人工神经网络一起实现可相当的性能，结合了上政策和非政策深度加固学习算法。TheevolvedSpikingNeuralCircuitSlayThayThayThayThaythayTheFoundationForneFoundationFortheeFoundationFortheeFoundationFortheeFoldutionforpsects and voldicts具有功能。
受 UTAUT 启发的人工智能采用意向模型 (AI2M) 受 UTAUT 启发的人工智能采用意向模型 (AI2M)
企业尚未充分了解人工智能 (AI) 的采用及其好处，导致企业采用成功率较低。众所周知的技术接受和使用统一理论 (UTAUT) 及其扩展并未考虑 AI 和特定企业规模的特殊性。在此背景下，本研究的主要目标是提出一个受 UTAUT 启发的新模型，以考虑基于 AI 的 IS 和不同企业规模的特殊性。使用 363 名参与者的样本测试了所提出的人工智能采用意向模型 (AI2M)，证实了 UTAUT 影响因素的重要性：感知绩效、社会影响和预期努力。此外，与 UTAUT 的背景不同，发现促进条件会影响行为意向。此外，中介测试表明，自我效能和社会影响会调节其他三个因素对采用意向的影响。最后，发现公司规模对自我效能和社会影响对采用意向的影响之间存在调节关系。 AI2M 解释了采用意向的 48% 方差，对不同规模的企业具有普遍性。因此，本研究有助于缩小技术采用相关研究与不同规模企业采用基于 AI 的技术之间的差距，为未来学者的研究和管理者决策提供支持。
一种受量子启发的星系分类算法
天文数据收集的进步需要更有效、更准确的星系分类方法。本论文探讨了量子启发算法的开发和应用，以提高星系的分类精度。该研究利用机器学习和计算机视觉技术，采用卷积神经网络 (CNN) 并集成奇异值分解 (SVD) 和张量网络来处理和分析天文图像。所提出的方法旨在降低计算复杂度，同时保持较高的分类性能。结果表明，与传统方法相比，量子启发算法实现了几乎同样好的分类精度，但在大多数情况下它们使用的数据更少。但所有方法的表现都明显优于本论文提出的基线。此外，这项研究凸显了量子计算概念在解决天文学复杂问题方面的潜力，为在各个科学领域的进一步探索和应用铺平了道路。
受自然启发的基于挤压的微流体方法......
软材料通过紧密模仿生物体的复杂运动和变形行为，在小型机器人应用中发挥着至关重要的作用。然而，传统的制造方法在制造高度集成的小型软设备方面面临挑战。在这项研究中，利用微流体技术精确控制反应扩散 (RD) 过程，以生成多功能和区室化的钙交联海藻酸盐微纤维。在 RD 条件下，生产出复杂的海藻酸盐纤维，用于磁性软连续机器人应用，具有可定制的功能，例如几何形状（紧凑或中空）、交联程度和磁性纳米粒子的精确定位（在核心内部、围绕纤维或一侧）。这种精细控制允许调整微纤维的刚度和磁响应性。此外，纤维内可化学裂解的区域能够在旋转磁场下分解成更小的机器人单元或卷起结构。这些发现证明了微流体在处理高度集成的小型设备方面的多功能性。