XiaoMi-AI文件搜索系统
World File Search System性能指标
虚拟现实游戏脑电图性能指标与玩家评分的比较评估
摘要 — 低成本脑电图 (EEG) 设备被研究人员广泛用于人机交互、视频游戏和软件系统中，以评估交互设计对用户情绪的影响。然而，低成本 EEG 设备提供的情绪状态性能指标存在一些可靠性和准确性问题，这可能会误导开发人员的设计决策。在本研究中，我们将 EEG 设备与三款虚拟现实游戏相结合，以研究从 EEG 数据中提取的性能指标的可靠性。我们对 14 名玩家进行了实验，他们使用了具有不同游戏内动作水平的虚拟现实游戏。我们的分析表明，EEG 设备提供的性能指标与实际玩家体验之间存在显著差异。最后，我们使用临时线性模型直接从原始 EEG 估计玩家的情绪状态水平。我们还展示了不同情绪的大脑活动图，揭示了大脑活动与特定情绪之间的普遍关系。索引词 — 虚拟现实、EEG、玩家情绪、大脑活动图
有关驾驶用例的技术报告，用于高度自动化驾驶和关键性能指标
摘要 - 白皮书着重于通过减轻车辆到所有（V2X）通信的脆弱性来增强自主驾驶安全性，以欺骗和障碍。它通过通过V2X技术提高检测和情境意识来解决弱势道路使用者（VRU）的保护。重点放在超越5G虚拟环境的域适应性上，用于V2X系统的网络安全测试（B5GCYBERTESTV2X）模拟平台，以承受现实世界中的状况。提出了基于天线阵列的系统，以减轻干扰和欺骗攻击的负面影响，特别是在城市场景等区域中。这些系统可以减轻干扰器信号，扩大合法的信号，并且在欺骗攻击的情况下，它们可以提取参数，以供欺骗器识别。半监督和无监督的学习方法，以提高复杂环境中的性能和鲁棒性的潜力。本文是指来自德国深入事故数据库（GIDAS）的相关场景 - 包括交叉点，车道变更，合并以及行人或骑自行车的情况。白皮书是在七个部分中结构的：简介，项目和V2X系统描述，挑战和对策，基于Gidas和3GPP的驾驶用例（DUC），基于AI的缓解策略和模拟研究，并提出了3GGPP报告后的拟议关键绩效指标（KPIS）。它有助于综合的B5GCYBERTESTV2X项目。
用于空间物体观察和测量的地面光学传感器网络性能指标
地球轨道上的空间物体总数估计超过 20 万个，而目前不断跟踪和编目的空间物体数量约为 2 万个。在我们这个时代，太空交通量每年都在增加，因此可能发生碰撞的风险也随之增加，全球都需要控制近地空间环境，特别是低地球轨道。这是每个北约国家的共同问题，可以通过各国之间的全球合作来解决。此外，与轨道物体测量位置相关的不确定性是影响性能、准确性和及时性的主要因素之一。因此，旨在协调大量传感器是该领域最重要的方面之一。本文提出了一种算法来估计全球分布的光学资产网络（望远镜和探测器）的性能，该网络使用现成的望远镜组件，部署在不同位置的多个站点。在探测尺寸小至 3 厘米的太空物体的情况下，定量性能指标计算为网络在给定时间窗口内可见的总分类碎片比例（在我们的例子中，已考虑 24 小时）。所提出的算法将所有 NORAD 目录、DISCOS 目录提供的所有物体物理数据以及所有光学和大气数据作为输入。然后，它会传播空间物体群，以获得它们在选定时间窗口内的位置，过滤掉所有不在地面站网络视线范围内足够时间的物体，以保证可行的轨道确定，并对满足所有先前条件的物体估计光学资产可实现的信噪比。这些值直接转化为检测概率，从而为给定的地面传感器网络配置提供性能指数，可用作评估不同架构时要优化的目标函数。
机器学习估计电池效率和智能能源系统中相关的关键性能指标
随着可再生能源用于生产电力的，储能系统正成为稳定电网的重要组成部分。 在这种情况下，已证明固定的电池存储是解决可再生能源的间歇性质的解决方案，这是一个重大问题。 在全球范围内，安装的电池电源能力在过去几年中有所增加，其中1次进一步增加，尤其是在美国2和欧洲。 3固定的储能系统应用与电站，工业消费者和住宅建筑有关，在自己的能源共同生产的情况下优化了使用时间/能源成本4。 此外，使用二人电池在固定应用中使用了第一个预期生命的末端，，储能系统正成为稳定电网的重要组成部分。在这种情况下，已证明固定的电池存储是解决可再生能源的间歇性质的解决方案，这是一个重大问题。在全球范围内，安装的电池电源能力在过去几年中有所增加，其中1次进一步增加，尤其是在美国2和欧洲。3固定的储能系统应用与电站，工业消费者和住宅建筑有关，在自己的能源共同生产的情况下优化了使用时间/能源成本4。此外，使用二人电池在固定应用中使用了第一个预期生命的末端，
机械系统预测和健康管理 (PHM) 中采用的人工智能 (AI) 算法的性能指标
摘要。近年来，人工智能 (AI) 算法在预测和健康管理 (PHM) 领域的应用研究，特别是用于预测受状态监测的机械系统的剩余使用寿命 (RUL) 的研究，引起了广泛关注。为 RUL 预测建立置信度非常重要，这样可以帮助运营商和监管机构就维护和资产生命周期规划做出明智的决策。在过去十年中，许多研究人员设计了指标或指标来确定 AI 算法在 RUL 预测中的性能。虽然大多数常用的指标（如平均绝对误差 (MAE)、均方根误差 (RMSE) 等）都是从其他应用程序中改编而来的，但一些定制指标是专门为 PHM 研究而设计和使用的。本研究概述了应用于机械系统 AI 驱动的 PHM 技术的关键绩效指标 (KPI)。它介绍了应用场景的详细信息、在不同场景中使用特定指标的适用性、每个指标的优缺点、在选择一个指标而不是另一个指标时可能需要做出的权衡，以及工程师在应用指标时应该考虑的一些其他因素。
评估电池降解作为多目标优化多载体能量系统的关键性能指标
在多目标优化中广泛采用了帕累托前沿，尤其是在多载体能量系统建模中。尽管有各种方法可以推导边界，但它代表了不同的最佳解决方案，从而使最终选择非平凡。建模者的专业知识对于确定分配给每个目标的重量因素至关重要，以从帕累托前沿选择最终解决方案。本研究提出了一种支持这种决策的新方法，引入了通过物理电池建模评估的其他关键性能指标，即电池的健康状况。通过比较多目标多载体能源系统中的不同调度方案，每个计划都与其独特的电池操作策略进行了比较，该新引入的指标已部署，以自动从帕累托边境识别最终解决方案，而无需额外的加权系数。因此，这种方法可以自动化决策过程，该过程支持简单的工程，尤其是对于小型多能系统（例如智能家居），例如这项工作中提出的案例研究具有四个具有四个不同能量载体的案例研究，它采用了12 v 128 v 128 AH LFP化学电池模块，证明了此自动选择过程的有效性。此外，与整个边界的最大值相比，自动选择的解决方案在CO 2排放中的降低27.96％，总成本降低了3.67％。在长期操作中，这种方法有可能将电池寿命延长高达26.67％，从而直接影响多载体能源系统的经济性。
使用 ANN 预测动态互联装配系统中基于 AI 的在线调度的性能指标
摘要 由于产品频繁变化，大规模定制要求缩短制造系统的响应时间。系统动态性的增加对灵活性提出了更高的要求，尤其是对装配过程，因为复杂性在价值创造的最后一步不断积累。与传统的专用装配线方法相比，灵活且动态互连的装配系统可以满足日益增长的需求。这类系统中的高复杂性和动态环境导致对实时在线控制和调度解决方案的需求。在在线调度的决策中，预测可用操作后果的能力至关重要。在实时环境中，运行大量离散事件模拟来评估操作如何展开需要太多的计算时间。人工神经网络 (ANN) 是一种可行的替代方案，可以快速评估生产状态的潜在未来性能价值，以进行在线生产规划和控制。它们可以预测性能指标，例如在当前生产状态下的预期完工时间。利用人工智能 (AI) 游戏算法的最新进展，创建了一个基于 Google DeepMind 的 AlphaZero 的装配控制系统。具体来说，ANN 被纳入到该方法中，它建议有利的工作路由决策并预测行动的价值。结果表明，训练后的网络预测有利行动的准确率超过 95%，估计完成时间的误差小于 3%。
2023-24农业能力奖...
列标题为：第1列A：来自主要途径的AFNR性能指标。第2列A：专门描述为学习或演示所选性能指标所执行的SAE活动。第1列B：来自任何途径的AFNR性能指标，第2列C：专门描述为学习或演示所选性能指标所执行的SAE活动。第1列C：集群技能或职业练习练习绩效指标第2列C：专门描述为学习或演示所选性能指标所执行的SAE活动。照片部分当前部分：提供了六页。每个都允许插入一张照片并写下标题。修订部分：部分将分为两个单独的部分：
强于大市AI 端侧深度报告之AI 手机
智能手机是最适合承载端侧 AI 的载体， AI 手机可提供差异化的用户价 值与品牌价值。智能手机具有保有量大、使用便携、使用场景多、使用 时长久、应用生态系统强大等优势，可创造众多的 AI 使用场景，并加速 第三方 AI 应用成熟，我们认为智能手机将是生成式 AI 最佳的应用载体 之一。 AI 手机的定义具有三个典型特征：①能够在手机端侧运行大模型； ② SoC 中包含 NPU 算力；③达到一定参数要求的性能指标。 AI 手机可提 供差异化的用户价值与品牌价值。对用户而言， AI 手机将是自在交互、 智能随心、专属陪伴、安全可信的个人化助理，使用体验较目前阶段智 能手机大幅提升。对于手机厂商而言，可提供品牌形象与用户粘性。
利用AIOPS自动化的功能
对于处理没有固定范围的性能指标以及难以知道绩效指标何时进入不良状态的性能指标很有用。例如，今天的组织使用数百个应用程序，并且应用程序中的性能差异很大。离群值检测连续了解每个度量的正常行为，然后在公制不超出正常范围时创建事件。