XiaoMi-AI文件搜索系统
World File Search System基准的
系统成本、总容量结构和区域上限
摘要 容量扩展模型 (CEM) 是用于国家至大陆规模的长期能源规划的优化模型。它们通常需要大量计算，因此需要简化，其中一种简化就是减少时间表示。本文研究了使用代表性周期来减少 CEM 中的时间表示会如何扭曲结果（与按整年顺序排列的基准模型相比）。测试模型是适用于欧洲的通用 CEM。我们在风能和太阳能渗透率达到 90% 的情况下测试了简化模型的性能。使用三个准确度指标：(i) 系统成本、(ii) 总容量组合和 (iii) 区域容量。我们发现：（i）系统成本在 10 个代表日内就能很好地表示出来（与基准的偏差约为 5%），（ii）容量组合在 50 个或以上的代表日内通常能很好地表示出来（偏差约为 20%），（iii）区域容量组合在 250 个代表日内与基准的偏差较大（> 50%）。我们得出结论，建模者在展示这三个方面的结果时应该注意误差幅度。
FedRamp渗透测试指南
关于本文档2谁应该使用此文档？2如何与我们联系3 1。测试范围6 1.1表2：云服务分类6 2。威胁7 2.1威胁模型7 2.2攻击模型8 3。攻击向量9 3.1强制性攻击向量9 3.1.1攻击矢量1：公司外部10邮件phish活动10基于基于基准的基于基于基准的基于基于条件13特权和无私人用户13 3.1.4攻击向量4：租户到租户14 3.1.5攻击矢量5：移动应用程序到目标系统14 3.1.6攻击矢量6：客户端应用程序和/或目标系统14 4.范围施加渗透测试15 5。参与规则（ROE）16 6。报告17 6.1目标系统的范围17 6.2渗透测试期间评估的攻击向量17 6.3评估活动的时间表18 6.4进行实际测试，结果18 6.5发现和证据18 6.6访问路径18 7.测试时间表要求18 8.第三方评估组织（3PAO）人员配备要求19附录A：定义19附录B：参考文献20
NASA 紧固件采购、接收...
本标准定义了 NASA 任务硬件的紧固件控制要求，适用于更高级别要求文件，例如 NASA 中心质量管理体系文件、计划安全和任务保证计划、项目任务保证计划或采购订单和合同等。NPR 8735.2，NASA 合同政府质量保证职能管理，规定此处的要求是该机构质量要求基准的一部分。有关适用性声明，请参阅 NPR 8735.2。
我的神经网络是神经形态的吗？神经形态工程的分类、最新趋势和未来方向
摘要 — 在本文中，我们回顾了过去 3 年在神经形态工程领域发表的最新研究，以分析此类系统的共同特征。我们发现没有明确的共识，但每个系统都具有以下一个或多个特征：（1）模拟计算（2）非冯诺依曼架构和低精度数字处理（3）脉冲神经网络 (SNN)，其组件与生物学密切相关。我们比较了最近的机器学习加速器芯片，以表明模拟处理和降低位精度的架构确实具有最佳的吞吐量、能量和面积效率。然而，纯数字架构也可以通过采用非冯诺依曼架构来实现相当高的效率。鉴于数字硬件设计的设计自动化工具，它提出了一个问题，即在不久的将来工业设计中采用模拟处理的可能性。接下来，我们讨论了定义标准和选择适当基准对于神经形态系统设计进展的重要性，并提出了此类基准的一些期望特征。最后，我们展示了脑机接口作为一项潜在任务，它满足了这些基准的所有标准。索引术语——神经形态、低功耗、机器学习、脉冲神经网络、忆阻器
添加剂制造的测试工件
在过去的几十年中，增材制造（AM）为通过广泛的市售机器铺平了多个过程的道路。基准伪影以设置共同参考。在本文中，提出了对不同AM基准伪像设计方法的综述。更准确地说，描述了设计方法的演变。最初，通过确定生产定义功能的能力来评估增材制造机。的确，AM基准伪影设计通过定义简单的几何形状来遗传传统的减法制造方法。但是，由于AM可用的自由，没有标准的伪像可以足够代表研究标准的多样性。此外，不考虑计量方面。面临各种基准伪像，拟议的指南然后着重于定义的系统设计方法而不是标准伪像。已经提出了几种方法来帮助设计适合考虑标准的基准伪像。然而，发现一些传统的简单几何形状与测量仪器不兼容，例如，几乎无法表征AM自由形式表面的仪器。这就是为什么最近要在人工制品设计阶段考虑测量问题和不确定性的重要努力的原因。正如本文总结的那样，现在倾向于以更高的方式设计基准的伪像，以整合依赖统计建模和仪器比较的整个制造后测量过程。关于提高的赌注，提供了一套最终建议，以和解制造商和计量师的观点，以基准的人工制品设计。
PGM2016：菲律宾的新大地水准面模型 - NAMRIA
摘要。2014 年，在丹麦技术大学国家空间研究所 (DTU-Space) 的技术支持下，使用陆地重力、航空重力、海洋卫星测高和 GOCE 任务第 5 版的最新卫星重力数据，为菲律宾计算了一个初步的大地水准面模型，即菲律宾大地水准面模型 2014 (PGM2014)。计算过程中使用的数字地形模型基于 15 英寸 SRTM 数据。该模型在全球垂直参考系统中计算，然后拟合到 ITRF GNSS/水准测量并用 0.50m 的 RMS 值进行验证。2016 年，使用重新处理和加密的陆地重力数据（从 1261 个点到 2214 个点），将 PGM2014 重新计算为 PGM2016。重新处理的重力数据和 GNSS/水准测量（RMS = 0.040m）中可以看到显著的改进。 2017 年至 2020 年期间，将进一步将城镇中的陆地重力密度增加到 41,000 个点，以完善大地水准面。随着新重力数据的出现，将对新版本的大地水准面进行重新计算。DTU-Space 和哥本哈根大学尼尔斯玻尔研究所开发的 FORTRAN 程序的 GRAVSOFT 系统用于计算菲律宾大地水准面。简介点的垂直坐标（即高度）指的是称为垂直基准的坐标表面。垂直基准的通用选择是大地水准面 - 正高和动态高度的参考表面（Vanicek，1991 年）。它是一个等位水平
S41598-023-32902-Z.pdf人类寿命的大脑图表
在过去的几十年中，神经影像学已成为人脑的基础研究和临床研究中的无处不在工具。但是，与人体测量学性状（例如身高和体重1）相比，目前尚无参考标准可以量化神经成像指标的个体差异。在这里，我们组装了一种交互式开放资源，以基准从任何当前或将来的MRI数据样本（http://www.brainchart.io/）得出的脑形态。的目的是将这些参考图表基于可用的最大，最包容性的数据集，确认由于MRI研究的已知偏见相对于全球人口的多样性而言，我们汇总了123,984次MRI扫描，进行了100多种基本研究，从101,457天的101,457天参与者开始，从101,450天的参与者开始。MRI指标是通过百年分数定量的，相对于大脑结构变化的非线性轨迹2和寿命中的变化速率。大脑图表鉴定出先前未报告的神经模板里程碑3，在纵向评估中显示了个体的高稳定性，并且在基本研究之间表现出了对技术和方法学差异的稳健性。Centile分数显示出遗传力的增加，并提供了非典型大脑结构的标准化度量，该测量揭示了神经和精神疾病之间神经解剖学变异的模式。总而言之，大脑图是对在多种常用的，常用的神经影像型中对单个变异进行稳健量化基准的基准定量基准的重要一步。
![arxiv：2405.11401v2 [eess.sy] 2024年5月24日](/simg/g:\will\search\icon\source\1\1ab1812592351ff84069368a5b9e57f623d03d24.webp)
arxiv：2405.11401v2 [eess.sy] 2024年5月24日
在过去的十年中，数据驱动的方法在受欢迎程度上激增，成为控制理论的宝贵工具。因此，控制反馈定律，系统dynamics甚至Lyapunov功能的神经网络近似都吸引了人们日益增长的关注。随着基于学习的控制的上升，对准确，快速和易于使用的基准的需求增加了。在这项工作中，我们提出了第一个基于学习的PDE边界控制的环境。在我们的基准测试中，我们引入了三个基础PDE问题 - 一维运输PDE，1D反应 - 扩散PDE和2D Navier-Stokes PDE-其求解器的求解器在用户友好的增强型健身房中捆绑在一起。在这个体育馆中，我们介绍了第一组无模型的，强化学习算法，用于解决这一系列的基准问题，达到稳定性，尽管与基于模型的PDE BackSteppping相比，成本更高。使用基准的环境和详细示例，这项工作大大降低了基于学习的PDE控制的进入的障碍 - 该主题在很大程度上没有由数据驱动的控制社区探索。整个基准标准可在GitHub上获得，并提供详细的文档，并且提供了增强的学习模型。关键字：部分微分方程控制，非线性系统，用于数据驱动控制的基准测试，增强学习
毕马威全球技术报告：生命科学见解
目前，该行业的技术投资分配过程似乎已经不足。生命科学技术领导者的13个百分点比跨部门平均水平低13个百分点，因为他们的组织决策过程通常会导致有价值的结果。该行业在整个方面的技术投资决策领导实践上也显着落后于跨部门的平均水平（请参阅相邻图表）。这些科技领导者不太可能遵循清晰，一致的流程，不太可能在投资时考虑主要利益相关者群体的需求，而使用竞争性基准的可能性也不太可能。
开放科学的最大基于EEG的BCI可重复性研究：MOABB基准
摘要。目标。本研究对开放脑电图数据集进行了广泛的大脑计算机界面（BCI）可重复性分析，旨在评估现有的解决方案并建立开放且可重复的基准测试，以有效比较该领域。对这种基准的需求在于产生未公开的专有解决方案的快速工业进步。此外，科学文献是密集的，通常具有具有挑战性的评估，从而使现有方法之间的比较艰巨。方法。在一个开放式框架中，在36个公开可用的数据集中对30个机器学习管道（分为原始信号：11，Riemannian：13，深度学习：6）进行了精心重新实现和评估，包括汽车图像（14），p300（15）（15）和SSVEP（7）。该分析结合了统计荟萃分析技术，以进行结果评估，包括执行时间和环境影响注意事项。主要结果。该研究产生了适用于各种BCI范式的原则和鲁棒结果，强调运动图像，P300和SSVEP。值得注意的是，利用空间协方差矩阵的Riemannian方法表现出卓越的性能，强调了大量数据量的必要性，以通过深度学习技术实现竞争成果。全面的结果是公开访问的，为将来的研究铺平了道路，以进一步提高BCI领域的可重复性。意义。这项研究的重要性在于它在建立严格和透明的基准的BCI研究中做出的贡献，为最佳方法论提供了见解，并强调了可重复性在推动该领域进步方面的重要性。