密码算法在社会多个领域的日常实践(如电子支付、数据交换)中发挥着关键作用,包括金融、医疗保健和政府机构。与软件解决方案相比,在低级硬件设计中实现密码算法具有一组独特的约束(如硬件和计算资源)和需要优化的额外性能指标(如功耗)。考虑到这些限制,人们在 ASIC [1,2] 和 FPGA [3,4] 中彻底研究了不同的轻量级但强大的优化技术。尽管基于 SRAM 的 FPGA 上的密码实现功能多样且具有成本效益,但它极易受到辐射引起的软错误的影响,因此,对可靠解决方案的研究备受关注 [5] 。在这方面,人们已经使用了不同的缓解技术和实施方案来减少软错误对 FPGA 上实现的密码解决方案的影响 [6] 。例如,Bertoni 等人 [5] 将冗余技术与错误检测码结合使用来检测单比特故障。 Banu 等人 [7] 描述了一种基于汉明纠错码的 AES 容错模型。同样,Wu 等人 [8] 提出了一种低成本的 AES 并发错误检测方法
摘要 随着虚拟技术和数据采集技术的快速发展,数字孪生(DT)技术被提出并逐渐成为智能制造的重点研究方向之一。然而,面向产品生命周期管理的数字孪生研究尚处于理论阶段,应用框架和应用方法尚不明确,缺乏可借鉴的应用案例也是一个问题。本文对DT技术的相关研究和应用进行了系统研究。并从广义和狭义两个角度诠释了DT的概念和特点。在此基础上,提出了面向产品生命周期管理的数字孪生应用框架。在物理空间中,详细讨论了生产全要素信息感知技术。在信息处理层,构建了数据存储、数据处理和数据映射三个主要功能模块。在虚拟空间中,本文阐述了全参数化虚拟建模的实现过程及DT应用子系统的构建思路。最后,构建了某焊接生产线的DT案例并进行了研究。同时,对该案例的实施方案、应用流程及效果进行了详细描述,以期为企业提供参考。
尽管数十年的研究证明建立人类嗜铬细胞瘤和副神经节瘤 (PPGL) 细胞系尤为困难,但目前还有其他可靠的临床前 PPGL 模型可用。本综述总结了这些模型,以及我们最近使用患者来源的 PPGL 原代培养物建立的个性化药物筛选平台。当前可用的 PPGL 模型包括小鼠和大鼠 PPGL 细胞系(其中只有一个细胞系(PC12)可通过细胞库公开访问)和 PPGL 动物模型(其中患者来源的异种移植模型很有前景但建立起来很复杂)。我们已经开发出下一代人类 PPGL 原代培养物实施方案,能够根据肿瘤独特的遗传、生化、免疫组织化学和临床特征进行可靠和个性化的药物筛选,以及对肿瘤药物反应性的个体化分析。总体而言,可靠的 PPGL 模型(包括患者来源的原代培养模型)对于推进 PPGL 领域的临床前研究至关重要。© 2024 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可开放获取的文章(http://creativecommons.org/licenses/by/4.0/)。
i.c.s.学院,KHED,Ratnagiri摘要:制造的见解的发展通常与软件供电的机械框架有关,包括便携式机器人,无人飞艇,以及较小程度的半自动驾驶汽车。鉴于算法域和物理领域之间存在显着差异,当前的框架远非实现使智能和客户友好的机器人可以轻松地在我们以人为中心的世界中集成和控制的预期结果。将机械技术与制造的见解相结合的机器见解的早期领域旨在构建实体和实施方案 - 意识伪造的见解框架。这种框架具有自我意识和对环境的认识,使它们能够适应其工作的连接体。合并虚假见解(AI)和机械自主权来控制,识别和机器学习框架对于在我们的日常生活中实现完全独立的智能框架至关重要。这项调查提供了机器见解的真实发展的概述,可以追溯到12世纪。那时,它继续关注具有假冒见解(AI)的机械技术的显示状态(AI),同时讨论关键框架和现代有关轴承的询问。关键字:Synergy;人工智能;机器人系统
摘要 - 能够学习新型操纵任务的自主机器人系统有望将行业从制造业转变为服务自动化。然而,当前方法(例如,VIP和R3M)仍然面临重大障碍,尤其是机器人实施例之间的域间隙以及在特定动作空间内成功执行成功的任务执行的稀疏性,从而导致了错误和模棱两可的任务。我们介绍了AG2Manip(操纵的代理 - 不合稳定代表),该框架旨在通过两个关键的创新来解决这些挑战:(1)源自人类操纵视频的代理人视觉表示,并具有实施方案的细节,以增强普遍性; (2)代表机器人的运动学代表到通用代理代理,强调了终端效果和对象之间的关键相互作用。ag2manip在模拟基准中进行了经验验证,显示出325%的性能提高而不依赖于域特异性演示。消融研究进一步强调了代理 - 不合稳定的视觉和作用表示对这一成功的基本贡献。将我们的评估扩展到现实世界,AG2Manip很明显地将模仿学习成功率从50%提高到77.5%,这表明了其在模拟和真实环境中的有效性和可推广性。
药物基因组学 (PGx) 是根据患者基因定制药物治疗的实践,它有可能改善各种治疗学科的药物治疗效果。1–10 尽管如此,PGx 的临床应用在各个医疗系统中进展缓慢且不一致,这促使人们制定实施计划,将 PGx 知识转化为有效的临床干预措施。11 美国国立卫生研究院 (NIH) 资助的临床药物基因组学实施联盟 (CPIC) 已发布 28 项指南,帮助临床医生将基因结果转化为循证药物治疗建议 12,13;荷兰药物基因组学工作组 (DPWG) 和加拿大药物安全药物基因组学网络 (CPNDS) 也制定了类似的指导声明。14,15 此外,由 NIH 牵头的实践基因组学实施 (IGNITE) 网络正在进行实用的临床试验,以确定 PGx 实施策略在不同临床环境中的临床有效性。 9,16 这些资源推动了许多 PGx 实施方案的开发,尽管这些方案主要在资源丰富的学术医疗中心实施,并且在将预先 PGx 纳入常规临床工作流程方面取得的成功有限。17–31
摘要:我们介绍了Umi-On-Legs,这是一个新框架,结合了四倍的操纵系统的真实世界和仿真数据。我们使用手持抓手(UMI)在现实世界中以任务为中心的数据收集,这提供了一种廉价的方式来展示与任务相关的操纵技巧,而无需机器人。同时,我们通过训练与任务仿真设置的任务跟踪训练全身控制器在模拟中缩放以机器人为中心的数据。这两个策略之间的接口是任务框架中的最终效应器传播,由操作策略推断,并传递给整体控制器进行跟踪。我们评估了对智力,非划算和动态操纵任务的UMI-ON-LEGS,并在所有任务上报告超过70%的成功率。最后,我们证明了先前工作中预先训练的操作策略检查站的零射击横界部署,该检查点最初是针对我们的四足动物系统在我们的四足动物系统上的。我们认为,该框架为学习动态机器人实施方案学习表达性操纵技能提供了可扩展的途径。请查看我们的网站,以获取机器人视频,代码和数据:https://umi-on-legs.github.io/
摘要,人工智能(AI)正在我们生活的各个领域迅速发展。教育领域也可以从基于AI的系统中受益。在高等教育中引入基于AI的论文问题评估系统可以使大学及其员工受益。然而,这一领域尚未得到充分探索。现有研究侧重于基于AI的评分系统的技术方面,而不是人性方面。这项研究从学生的角度发现了基于AI的评估的接受程度。这一点很重要,因为大学对评估过程的接受度与他们的声誉高度相关。进行了一项包含李克特类型项目的调查。参与者针对AI驱动评估的三种不同实施方案回答了三次相同的问题。第一种场景是完全 AI 评分,另外两种场景包括人机交互 AI (HitAI)。结果显示,与仅使用 AI 评估的场景相比,使用 HitAI 的场景总体接受度更高。最后,讨论指出了局限性,并对未来的研究提出了建议。对于计划采用此类 AI 系统的大学来说,实际意义在于让人类参与其中。毕业委员会成员:Daniel Braun Patricia Rogetzer 关键词 AI 接受度、高等教育、人工智能、评估、学生、论文问题、人机交互。
摘要 — 触觉反馈在广泛的人机/计算机交互应用中至关重要。然而,触觉设备的高成本和低便携性/可穿戴性仍然是尚未解决的问题,严重限制了这种原本很有前途的技术的采用。电触觉界面具有更便携和更可穿戴的优势,因为它们的执行器尺寸减小,功耗和制造成本更低。电触觉反馈在人机交互和人机交互中的应用已被探索,以促进假肢、虚拟现实、机器人遥控操作、表面触觉、便携式设备和康复等应用中的基于手的交互。本文介绍了电触觉反馈的技术概述,以及其在基于手的交互中的应用的系统综述和荟萃分析。我们根据应用类型讨论了不同的电触觉系统。我们还对研究结果进行了定量讨论,以提供对最新技术的高层次概述并提出未来的方向。电触觉反馈系统显示出更高的便携性/可穿戴性,并且它们成功地呈现和/或增强了大多数触觉、引发感知过程并在许多场景中提高了性能。然而,我们发现了知识差距(例如,实施方案)、技术(例如,反复校准、电极的耐用性)和方法(例如,样本大小)缺陷,这些缺陷应在未来的研究中得到解决。
à 一家为高科技行业提供定制设施设计、工程和交付的全球领导者已选择 LTIM 作为其未来五年数字化转型之旅的首选战略合作伙伴 à 一家美国顶级石油和天然气生产商选择 LTIM 作为其端到端技术服务的战略合作伙伴 à 一家多元化的跨国大众媒体公司已选择 LTIM 作为其首选的 ServiceNow 转型合作伙伴 à 一家全球金融服务技术公司已选择 LTIM 进行产品开发计划 à 中东一家公用事业公司继续加强与 LTIM 的关系,签署了另一份为期 3 年的协议,该公司将通过确定扩展领域和优化技术格局来支持他们的转型之旅 à 全球最大的半导体制造商之一已选择 LTIM 作为其关键的数字化转型合作伙伴,以实现其 SAP 应用程序环境的现代化,丰富用户体验,简化业务流程,并在 SAP S/4HANA 和 SAP 云解决方案中提供现代化的数字化运营 à 美国最大的财产和意外伤害保险公司之一已选择 LTIM 作为战略合作伙伴,签订了一份多年的应用程序开发和维护协议一家知名监管机构选择 LTIM 作为其下一代数据仓库实施方案