XiaoMi-AI文件搜索系统
World File Search System实时系统
实时系统简介
实时处理通常需要并行活动和快速响应。事实上，“实时”一词通常与“多任务”或“多线程”同义使用，尽管这并不完全正确：专用设备控制器中使用的小型实时系统仅使用一个简单的循环程序就可以完美地运行。事实上，我开发商业嵌入式系统的那段时间让我明白，这种简单的设计有很多优点，而且随着处理器速度的大幅提高，现在可以将这种粗糙的软件方案用于更广泛的应用。只要响应足够好，就不需要引入进一步的复杂性。但是，如果单个处理器正在监视大量不同的输入，或者输入数据流复杂且结构化，则简单的轮询循环方法将被证明不灵活且缓慢，并且需要多任务解决方案。无论选择哪种适当的实施方式，仍然需要在一段时间内处理多个并发活动。
实时系统 - 分布式设计原则...
第 9 章：输入/输出................................................................................193 概述................................................................................................193 9.1 时间的双重角色..............................................................................194 9.2 协议..............................................................................................196 9.3 采样和轮询................................................................................198 9.4 中断................................................................................................201 9.5 传感器和执行器....................................................................................203 9.6 物理安装......................................................................................207 要点................................................................................................208 参考书目注释......................................................................................209 复习题和问题................................................................................209
嵌入式和实时系统概述
图 2 嵌入式系统主导微处理器领域 嵌入式系统提供多种功能（图 3）； • 监控环境；嵌入式系统从输入传感器读取数据。然后处理这些数据，并以某种格式将结果显示给用户 • 控制环境；嵌入式系统生成并传输执行器的命令。 • 转换信息；嵌入式系统以某种有意义的方式转换收集的数据，例如数据压缩/解压缩 虽然通过传感器和执行器与外部世界的交互是嵌入式系统的一个重要方面，但这些系统还提供特定于其应用程序的功能。嵌入式系统通常执行控制律、有限状态机和信号处理算法等应用程序。这些系统还必须检测内部计算环境以及周围机电系统中的故障并对其做出反应。
实时系统有效审核-NSF-PAR
在本文中，我们演示了如何适应商品审核框架 - 对RTS起作用。使用Linux审核作为案例研究，我们首先证明，商品框架生成的审核事件的数量在实时（RT）应用程序的时间和资源约束中是不可持续的。为了解决这个问题，我们提出了Ellipsis，这是一套基于内核的还原技术，该技术利用了RT应用程序的定期重复性，以积极降低系统级审计的成本。省略号在保留意外活动的详细记录的同时，对RT应用程序的预期活动产生简洁的描述，从而在满足时间限制的同时对可疑活动进行分析。使用Ardupilot（开源自动驾驶应用套件），我们对省略号的评估表明，审计日志生成降低了93％。
监控分布式实时系统：调查与...
美国前总统罗纳德·里根的标志性名言是俄罗斯谚语“信任，但要核实”。这句话象征着美苏冷战期间的政治环境。对于安全关键系统，我们必须有类似的警惕性。尽管运行环境恶劣，但超关键数字系统（如飞行关键商用航空电子设备）发生灾难性故障的概率不应超过每小时十亿分之一 [2]。为了达到这种可靠性，系统必须设计为容错系统。但是，意外的环境条件或逻辑设计错误会显著降低系统的假设可靠性。测试无法证明系统具有“十亿分之一”的可靠性——根本问题是必须执行的测试太多了 [3]。形式化验证——即严格的数学证明——在代码级别上证明系统具有超可靠性，目前对于工业设计来说也不切实际，尽管“轻量级”方法继续获得关注 [4]。由于单独的测试或形式化验证都不足以证明超可靠系统的可靠性，因此提出了在运行时监控系统的想法。监视器观察系统的行为并检测其是否符合规范。我们对在线监视器特别感兴趣，它在运行时检查是否符合规范（而不是稍后离线检查），因此如果发现系统偏离其规范，它可以将系统置于已知的良好状态。监视器可以在运行时提供额外的信心，确保系统满足其规范。
使用时间表重新配置确保实时系统
摘要 - 现代的实时系统容易受到网络攻击的影响。越来越多的采用多核平台，安全性和非安全关键任务共存，进一步引入了新的安全挑战。现有的解决方案遭受了缺乏决定论或过多成本的损失。本文解决了这些缺点，并提出了一个离线分析，以计算在多核平台上运行的实时任务的所有可行时间表，从而隔离损害任务，同时保证失败操作系统和低成本可重构计划。使用UAV自动驾驶系统在四核平台（Raspberry PI）上使用UAV自动驾驶系统的实验结果表明，所提出的方案会在微秒级别上造成运行时恢复开销。此外，在合成测试案例中，重新配置过程最多涵盖了所有可能的响应的100％。索引项 - 真实时间系统，计划重新配置，多核，安全性。
实时系统中的可靠性和容错问题
随着计算机在应用领域的应用日益广泛，例如过程工业中危险化工厂和核反应堆的控制、国防中的战斗管理和武器运载、医疗保健中的重症监护和诊断系统以及空中和高速地面交通的控制系统，实时计算机控制系统中容错和可靠性问题的重要性很容易得到重视。在这些系统中使用计算机进行故障检测和诊断以及系统重新配置，有可能大大提高实时系统的运行效率。计算机系统是监控和控制设备的主要组成部分，其故障可能导致灾难性的后果，因此，只有在充分证明其所需的可靠性水平后才能安装此类系统。
在基于 Raspberry Pi 的实时系统上使用最先进的神经架构研究基于 EEG 的生物特征识别
摘要：尽管人们对使用脑电图 (EEG) 信号作为主体身份识别的潜在生物特征识别的兴趣日益浓厚，并且在使用深度学习 (DL) 模型研究神经信号（例如心电图 (ECG)、脑电图 (EEG)、视网膜电图 (ERG) 和肌电图 (EMG) ）方面也取得了进展，但由于单个主体在不同会话中的 EEG 特征变化很大，因此在使用最先进的 DL 模型进行基于 EEG 的主体身份识别任务方面仍然缺乏探索。在本文中，我们探索使用最先进的 DL 模型（例如 ResNet、Inception 和 EEGNet）在 BED 数据集上实现基于 EEG 的生物特征识别，该数据集包含来自 21 个个体的 EEG 记录。我们获得了令人满意的结果，Resnet、Inception 和 EEGNet 的准确率分别为 63.21%、70.18% 和 86.74%，而之前的最佳成果报告的准确率为 83.51%。我们还通过开发一种便携式、低成本、实时的基于 Raspberry Pi 的系统展示了这些模型实时执行 EEG 生物识别任务的能力，该系统集成了从获取 EEG 信号到预测身份的所有必要主体识别步骤，而其他现有系统仅包含整个系统的部分内容。
实时系统运营中的人工智能和机器学习白皮书 – 2024 年 11 月第 1 版
虽然人工智能 (AI)、机器学习 (ML) 和数据科学已经研究和开发了几十年，但技术发展和公众关注度最近激增。这导致市场上出现了大量的研究和新解决方案，影响到工作和个人生活的几乎每个方面。随着人们的兴趣不断增长以及投资和研究扩展到新领域，创新和讨论继续迅速发展。在实时电力运营领域，人们也认识到由于不断发生的变化，BPS 的复杂性和复杂性不断增加，其中有几个新的用例扩展了系统的假设（例如，对网络方面的担忧日益增加、过量的太阳能流入输电系统、电动汽车充电的负载显着增长、AI/ML 的功率需求不断增长、区块链上的加密货币挖掘和其他数据中心运营）。BPS 是北美能源基础设施的支柱。它对整个大陆和国家的安全和经济稳定都至关重要，并支撑着我们的日常生活。管理系统的实时可靠性需要控制室操作员拥有不断提高的认知、注意力、警惕性、知识和抽象推理水平，这必然会导致许多人考虑新的 AI/ML 解决方案。由于 BPS 是地球上最复杂的社会技术系统（涉及复杂人类和复杂系统以及它们之间复杂交互的系统），因此需要考虑许多因素以尽量减少系统风险。本文档旨在供决策者、监管者和这些技术的最终用户使用，特别是在实时操作中。断言这些技术是否应该用于实时操作是没有用的，因为对整个行业主要利益相关者的调查和访谈表明，这种情况已经发生了。“精灵”无法被放回瓶子里（本文档并未断言应该这样做）。相反，本文档提供了有关人们应该询问这些技术的问题类型的指导，以彻底了解它们的能力以及正确实施它们需要进行哪些类型的更改。以前进入市场的技术已经陷入了典型的模式，导致最初的“坎坷”实施，出现意外风险或不良事件。本文档提供了实时操作的途径（在这种操作中，此类不良事件是无法容忍的），旨在确保能够以最大程度地提高成功部署和可靠性的方式实施 AI/ML 技术。业界已经认识到，许多组织已经在考虑 AI/ML 应用，并做出了各种决定，积极尝试避免这些应用（例如，人工智能从传统的机器学习方法（例如，阻止工作计算机访问生成式预训练变压器 (GPT) 并制定有关信息安全的政策）转变为拥抱它们（例如，利用更好的客户呼叫跟踪、确保加强资产健康以及预测实时运行参数，如风力发电、太阳能发电和负载）。现在和未来的 AI/ML 技术的表面积非常巨大。本文档重点介绍当前可用的技术，这些技术是为处理特定情况而构建、训练和部署的，不能在其训练领域之外工作（例如，不能依赖太阳能发电预测器来预测风力发电），通常称为狭义人工智能（或有时称为弱人工智能）。这包括最近快速增长的领域，包括生成新内容的能力（使用 GPT 等生成式人工智能算法）。
基于人工智能的自动化主动准备实时系统，用于准确预测 COVID-19 感染——性能评估
COVID-19 是一种传染病，已感染全球超过 5 亿人。由于病毒的迅速传播，各国面临着应对感染增长的挑战。特别是，医疗保健组织在有效配置医务人员、设备、病床和隔离中心方面面临困难。机器和深度学习模型已用于预测感染，但模型的选择对于数据分析师来说具有挑战性。本文提出了一种自动化的人工智能主动准备实时系统，该系统根据感染演变的时间分布选择学习模型。所提出的系统集成了一种确定合适学习模型的新方法，无需人工干预即可产生准确的预测算法。对我们提出的方法和最先进的方法进行了数值实验和比较分析。结果表明，与最先进的方法相比，所提出的系统预测感染的平均绝对百分比误差 (MAPE) 平均降低了 72.1%，均方根误差 (RMSE) 平均降低了 65.2%。