XiaoMi-AI文件搜索系统
World File Search System平均延迟
提供100Mbps Internet访问服务（IAS），用于用于财政部（BTR）运营局的APNIC
确定IAS的有效开始日期，并在满足以下条件后应由BTR-MISS发行：6.2.1。适当实施项目所需的所有硬件和软件的安装和配置。6.2.2。平均延迟不应超过：6.2.3。80毫秒从BTR到ISP端口的平均往返。6.2.4。200毫秒从ISP港口到美国/国际港口的平均往返。6.2.5。稳定的Internet服务连接。
分析部分成员国实施欧盟清洁能源转型规定的情况。
总体而言，DIR 和 RED 条款的部分转换显然比完全转换更重要。然而，只有一例“根本没有转换”。特别是，RED 第 16 条在任何选定的成员国中都没有完全转换。同样，至少部分条款的延迟转换显然比及时转换更重要，每个成员国平均延迟超过 13 个月，平均延迟时间约为 19.5 个月。对于直接适用于成员国法律体系的欧盟法规，可以根据 REG 的规定来评估合规性，其中部分合规性超过不合规和完全合规，但不能根据 ACC 规定来评估。实施质量好，即实施被认为是有效的，胜过质量不足。
健康保险基金医疗保健清单申请
发病机理和BCC进展时间的机制尚不清楚晚期。在一项研究中，ABCC患者通常分为两类：患有局部晚期肿瘤的患者由于医疗延迟，或患有侵略性和耐药性或复发性BCC的患者[19]。McCusker等。在分析100 MBCC患者的数据（BCC诊断中位数为58年）的一项研究中，BCC中位数为6。0年（平均8.0岁）[17]。Wysong等。[20]研究回顾了1981 - 2011年194个MBCC病例，发现从肿瘤出现到转移的平均时间为9年（范围：0-30年）[20]。研究还发现，诊断转移症的寿命不到一年的患者的肿瘤明显较大，而寻求医疗护理的平均延迟为10年[20]。
自由飞行自主协调登船解决方案
摘要：FACES 是一种自主且协调的机载（机上）冲突解决器，适用于自由飞行空域。它通过计算简单的机动来解决冲突，从而保证接下来 5 分钟（分钟）内无冲突的轨迹。通过使用令牌分配策略为飞机提供连续机动来确保协调。FACES 可以与当前的定位、广播和飞行管理技术一起实现。此外，它对通信或系统故障具有长达一到两分钟的稳定性。FACES 在法国交通繁忙的日子里使用交通模拟器进行了测试。320 级以上的空域被视为自由飞行。641 个冲突中的 638 个无需使用垂直机动即可解决。其余 3 个冲突可以通过垂直机动轻松解决。飞机机动的平均延迟小于 30 秒，最大延迟为 150 秒。可以认真考虑在空中实施该算法。
通过马哈拉诺比斯距离识别下肢外骨骼中的用户意图
摘要 — 现有的下肢机器人外骨骼控制策略对用户意图的侧重点有所不同，这些意图的分辨率各不相同，从高级目标（提高速度）到中级动作（增加步幅）再到低级关节行为（增加髋关节屈曲）。虽然外骨骼上的传感器只能通过人机界面间接感知人类，但它们在穿戴设备所需的时间方面比更直接的方法更具优势。在本研究中，要求外骨骼用户（包括身体健全和脊髓损伤）改变他们的预期步行速度。机载传感器测量结果用于离线测试基于马哈拉诺比斯距离的意图识别算法。该算法的目标是识别意图变化并正确分类其类型，但不是通过外骨骼实现该变化。该算法正确识别了用户希望以比设备标称速度更快或更慢的速度行走的情况。对于体格健全的受试者，已知意图变化与算法正确识别之间的平均延迟为 0.63 秒。对于体格不健全的受试者，这一延迟平均为 0.93 秒。这些概念验证结果表明，基于马哈拉诺比斯距离的意图识别是可能的，而对该方法的分析表明，还有进一步改进的空间。
综合大型脑网络互连的大规模网络链接
摘要 - 大脑网络是一个具有无尺度，小世界和模块化属性的大型复杂网络，在很大程度上支持这种高耐能力性的庞大系统。在本文中，我们建议将大型网络芯片网络的互连综合。首先，我们提出了一种生成具有有限规模和幂律的小世界属性的大脑网络风格拓扑的方法，该拓扑的总链路长度较低，并且与网络大小的对数大约成比例的平均HOP计数极低。此外，考虑到大规模应用，考虑到大脑网络启发的拓扑的模块化，我们提出了一种应用程序映射方法，包括任务映射和确定性的无僵持路由，以最大程度地减少功耗和啤酒花计数。最后，使用不同的合成图案和大规模测试用例（包括用于图形处理应用程序的现实世界通信网络）来验证建筑性能。实验表明，与其他拓扑和方法相比，由提出的方法生成的大脑网络启发的NOC的平均HOP计数显着降低，平均延迟较低。尤其是在具有幂律和紧密耦合核心间通信的图形处理应用中，大脑网络启发的NOC的平均HOP计数高达70％，比基于网格的NOC低75％。
适用于 V2V 通信的实用后量子认证
摘要 — 我们解决了支持后量子密码 (PQC) 及其在安全关键型车对车 (V2V) 通信中的巨大开销这一非典型挑战，处理了 V2V 有限无线电频谱内严格的开销和延迟限制。例如，我们表明，当前用于支持 V2V 签名验证的频谱几乎不可能采用 PQC。因此，我们提出了一种消息签名证书传输的调度技术（我们发现目前高达 93% 的冗余度），该技术可以学习自适应地减少无线电频谱的使用。结合使用，我们设计了 PQC 和 V2V 的第一个集成，在可用频谱的情况下满足上述严格约束。具体而言，我们分析了 NIST 为标准化而选择的三种 PQ 签名算法以及 XMSS (RFC 8391)，并提出了一种部分混合身份验证协议（传统密码学和 PQC 的定制融合），用于我们概述的向完全 PQ V2V 过渡的初期过渡期的 V2V 生态系统中。我们的可证明安全协议有效地平衡了安全性和性能，这一点已通过软件定义无线电 (USRP)、商用 V2V 设备以及道路交通和 V2V 模拟器进行了实验证明。我们展示了我们的联合传输调度优化和部分混合设计在现实条件下可扩展且可靠，与目前最先进的技术相比，平均延迟微不足道（每条消息 0.39 毫秒）。
使用深度强化学习的延迟保证服务的下行链路调度程序
摘要 - 在本文中，我们提出了一种新型的调度方案，以确保单跳无线网络的每包延迟，以延迟关键应用程序。我们考虑了几类具有不同延迟要求的包装，高级数据包在成功传输后产生高实用性。考虑到竞争数据包之间延迟的相关性，我们应用了延迟范围的概念，并为调度决策引入了新的输出增益功能。特别是，选择数据包的选择不仅要考虑其输出增益，还考虑了其他数据包的延迟范围。在这种情况下，我们制定了一个多目标优化问题，旨在最小化平均队列长度，同时在保证每包延迟的约束下最大化平均输出增益。然而，由于环境的不确定性（例如，时变通道条件和随机数据包到达），使用传统的优化技术解决此问题是困难的，而且通常是不切实际的。我们开发了基于深入的增强学习（DRL）的框架来解决它。特别是，我们将原始优化问题分解为一组标量优化子问题，并将它们都作为部分可观察到的马尔可夫决策过程（POMDP）。然后，我们求助于基于双重Q网络（DDQN）的算法，以学习每个子问题的最佳调度策略，这是CanoverComethelarge-ScalestatesPaceAstatesPaceAndredCeanDreduceq-valueoveres-timation。仿真结果表明，我们提出的基于DDQN的算法在奖励和学习速度方面优于常规Q学习算法。此外，与其他基准方案相比，我们提出的调度方案可以显着减少平均延迟和延迟中断率。
satellite链接增强传输方案朝向萨金>中的航空IoT
摘要 - 航空互联网的快速发展（IoT）将飞行中连接（IFC）定位为其关键应用之一。太空空气地面集成网络（Sagin）对于通过启用无缝和可靠的连接来确保IFC的性能至关重要。但是，大多数现有研究仅将卫星视为透明的远期节点，并忽略了它们潜在的缓存功能以提高IFC数据速率。在本文中，我们探索了一个面向IFC的萨金，其中卫星和地面站（GSS）共同努力将内容传输给空降乘客，从而促进空中传播。通过将文件分类为缓存（可通过卫星立即访问）和非接收文件（仅通过GSS获取），本文开创了将多个卫星间链接（ISLS）集成到IFC框架中的集成，从而创新了两种文件的内容交付过程。为了最大程度地减少内容交付的平均延迟，我们制定了相应的优化问题：1）对于缓存文件，我们提出了一种确切的基于惩罚的方法来确定卫星关联方案。2）对于非接近文件，我们提出了一种基于优化的交替优化的有效算法，以共同优化卫星关联和GS带宽分配。我们提出的框架的复杂性很低，为航空乘客的高速互联网连接铺平了道路。最后，提供了仿真结果，以证明我们提出的IFC框架对Sagin的有效性。
皮质肌肉耦合控制混合脑......
用于中风后运动康复的脑机接口 (BCI) 系统已证明其通过加强与运动相关的大脑活动来促进上肢运动恢复的有效性。混合 BCI (h-BCI) 利用中枢和外周激活，常用于辅助 BCI 以提高分类性能。然而，在康复环境中，应提取大脑和肌肉特征以促进良好的运动结果，不仅加强中枢运动系统中的意志控制，而且还加强将运动命令有效投射到目标肌肉，即中枢到外周的通信。出于这个原因，我们考虑将皮质肌肉耦合 (CMC) 作为专用于中风后上肢运动康复的 h-BCI 的一个功能。在本研究中，我们对 13 名健康参与者 (CTRL) 和 12 名中风患者 (EXP) 在执行（CTRL，EXP 未受影响的手臂）和尝试（EXP 受影响的手臂）手抓握和伸展时进行了伪在线分析，以优化 CMC 计算和基于 CMC 的运动检测从离线到在线的转换。结果表明，每 125 毫秒更新一次 CMC 计算（滑动窗口的移位）并在最终分类决策之前积累两个预测是运动分类准确性和速度之间的最佳平衡，与运动类型无关。对中风参与者的伪在线分析表明，尝试和执行的抓握/伸展都可以通过基于 CMC 的运动检测进行分类，并且在分类速度方面具有很高的性能（运动检测到 EMG 开始之间的平均延迟约为 580 毫秒）