XiaoMi-AI文件搜索系统
World File Search System性能改进
2013–2028 全球空中导航计划 - 国际民航组织
国际民航组织区块升级（蓝色柱状图）是指一组运行改进（技术和程序）的目标可用性时间表，这些改进最终将实现全球空中航行系统的全面协调。每个区块的技术和程序都被组织成独特的“模块”（较小的白色方块），这些模块是根据它们所涉及的具体性能改进领域确定和相互参照的。国际民航组织为其成员国制定了系统工程，因此它们只需考虑和采用适合其运行需要的模块即可。例如，区块“0”（2013）的模块以运行改进为特点，这些改进目前已在世界许多地方开发和实施。因此，它的近期实施期为 2013-2018 年，其中 2013 年是指其特定性能模块的所有组件的可用性，2018 年是目标实施期限。并非所有国家都需要实施每个模块，国际民航组织将与其成员国合作，帮助每个国家根据其独特的运营要求确定应具备哪些能力。
洁净天空 2 技术
对于未来的中短程概念，在第一和第二次评估练习中考虑了几种发动机结构（齿轮超高涵道比 - UHBR、可变螺距风扇 - VPF、对转开式转子 - CROR、开式风扇），其中后置开式风扇结构（SMR++）的性能改进最佳，CO 2 /pax/km 排放量降低 30%。剩余的挑战，例如 SMR（高压比小型核心发动机）的低 NO X 技术以及开式转子发动机配置的噪音进一步改进，再次强调了同时优化燃油效率（CO 2 ）、NO X 排放和噪音的难度，从技术角度来看，这是相互冲突的要求。尽管起飞和降落时的 NO X 排放量显示与认证限值还有进一步的改善，但降低巡航时的 NO X 排放量仍然是一个研究领域，因此在当前的清洁航空计划下正在积极开展该研究。
更快的基于区域的热点检测
摘要 —随着电路特征尺寸的不断缩小，热点检测已成为现代可制造性设计流程中更具挑战性的问题。发达的深度学习技术最近显示出其在热点检测任务上的优势。然而，现有的热点检测器每次只能处理来自一个小的布局片段的缺陷检测，因此在处理大型全芯片布局时可能非常耗时。在本文中，我们开发了一个新的端到端框架，可以一次检测大区域中的多个热点，并保证更好的热点检测性能。我们设计了一个联合自动编码器和初始模块以有效地提取特征。设计了一个两阶段分类和回归框架来检测具有逐步精确定位的热点，这提供了有希望的性能改进。实验结果表明，我们的框架比现有方法具有显着的速度提高，准确率更高，误报更少。
基于高斯的定向粒子群优化
粒子群优化 (PSO) 是一种迭代搜索方法，它使用随机步长将一组候选解决方案围绕搜索空间移动到已知的最佳全局和局部解决方案。在实际应用中，PSO 通常可以加速优化，因为梯度不可用且函数评估成本高昂。然而，传统的 PSO 算法忽略了从单个粒子的观察中可以获得的目标函数的潜在知识。因此，我们借鉴了贝叶斯优化的概念，并引入了目标函数的随机代理模型。也就是说，我们根据目标函数的过去评估拟合高斯过程，预测其形状，然后根据它调整粒子运动。我们的计算实验表明，PSO 的基线实现（即 SPSO2011）表现优异。此外，与最先进的代理辅助进化算法相比，我们在几个流行的基准函数上实现了显着的性能改进。总体而言，我们发现我们的算法实现了探索性和利用行为的理想特性。
系统设计和兼容性许可和... - Flarm
维护大型分布式系统必须考虑两个相互冲突的驱动因素：创新和稳定性。需要创新来适应环境变化并实现新功能。稳定性是确保整个系统始终如一的性能和不间断可靠性的必要条件。FLARM 的功能在过去十年中不断扩展，甚至超越了交通警报和防撞功能。例如，2015 年的第 6 版发布了一种新颖的跳伞者和遥控飞机解决方案、一种编码风向信息以改进碰撞警告的框架、无轨迹选项以及各种性能改进（其中一些有利于地面接收器）。几年前就添加了安全飞行记录和固定障碍物警报。此类增强功能增加了 FLARM 对每个用户的价值，但需要对整个设备进行软件更新。这允许的功能远远超出其他 ADS-B 实现（例如 1090ES）可以提供的功能。
使用深度神经网络进行医学图像分割的综合研究
摘要 — 在过去十年中，使用深度神经网络 (DNN) 的医学图像分割 (MIS) 取得了显着的性能改进，并具有巨大的发展前景。本文对基于 DNN 的 MIS 进行了全面的研究。智能视觉系统通常根据其输出级别进行评估，例如数据、信息、知识、智能和智慧 (DIKIW)，而这些级别的 MIS 中最先进的解决方案是研究的重点。此外，可解释人工智能 (XAI) 已成为一个重要的研究方向，因为它旨在揭示以前 DNN 架构的“黑匣子”性质，以满足透明度和道德要求。该研究强调了 MIS 在疾病诊断和早期检测中的重要性，特别是通过及时诊断来提高癌症患者的存活率。XAI 和早期预测被认为是从“智能”到“智慧”之旅的两个重要步骤。此外，本文还解决了现有挑战并提出了潜在的解决方案，以提高实施基于 DNN 的 MIS 的效率。
专为储能设备循环经济而设计的氧化还原活性聚合物
摘要：电化学储能是支持电网存储和运输快速过渡到低碳排放未来的基石。虽然对电化学储能设备的研究主要涉及性能改进（能量密度和功率密度），但很少关注设计可以低成本、低环境影响回收的设备。因此，下一代储能设备还应解决将可回收性整合到设备设计中的问题。在这里，我们展示了基于溶液可处理的氧化还原活性共轭聚合物的可回收储能设备。这些聚合物中的高电子和离子电荷传输使单相电极能够在 C 速率 >100 的水性电解质中运行，当电池充电至 1.2 V 时具有良好的电化学稳定性。最后，我们展示了这些设备的可回收性，在每个回收步骤中实现 >85% 的容量保持率。我们的工作为开发可持续储能技术的可回收设备提供了一个框架。
以储能为灵活性选项的可再生能源系统多阶段随机规划分布式计算框架
提出了一种综合发电、输电和储能规划模型，该模型考虑了短期约束和长期不确定性。该模型通过机组承诺约束来表示短期运行，从而可以准确量化可再生能源系统中灵活性选项的价值。长期不确定性通过场景树表示。结果模型是一个大规模多阶段随机混合整数规划问题。为了克服计算负担，提出了一种基于新型列生成和共享算法的分布式计算框架。通过应用于 NREL 118 总线电力系统的研究案例证明了所提出方法的性能改进。结果证实了同时对短期约束和长期不确定性进行建模的附加值。计算案例研究表明，所提出的解决方案在计算性能和准确性方面明显优于最先进的技术。所提出的规划框架用于评估储能系统在向低碳电力系统过渡过程中的价值。
CNN加速器的硬件有效卷积算法：简短的评论
摘要。卷积神经网络（CNN）是一项在图像处理和计算机视觉应用方面非常重要的技术。CNN的瓶颈是多维卷积，通常需要加速器硬件。这些加速器使用的卷积算法直接影响缩放期间速度增加与硬件资源消耗之间的比率，这是一种称为硬件效率的度量。该指标越低，在较小的性能改进上花费的功率和区域越多。在这篇综述中，我们分析了卷积层中使用的当前验证算法的硬件效率的潜力：大多数现代应用，Toom-Cook卷积和FFT卷积使用的IM2COL卷积。我们的分析揭示了有关硬件缩放的IM2COL卷积的效率低下，并确认了使用Toom-Cook和FFT卷积的硬件有效应用的潜力，每个应用程序都带有警告。此外，我们确定了这些算法的可能硬件应用程序，这些应用程序可以在未来的工作中扩展。
迈向基于 AI 的 SDN 5G 和 IoT 网络
人工智能技术已应用于各种各样的应用，包括信息和通信技术（ICT）和非ICT或传统行业的产品、系统和服务。这些应用的好处包括性能改进、优化、智能。5G移动/无线网络具有网络切片和边缘计算的智能功能，因为网络设备系统供应商将AI技术应用于移动系统。另一方面，许多传统行业受益于AI技术，特别是机器学习（ML）和深度学习（DL）。最近，农业、医疗保健、金融和许多其他应用和服务都采用了AI/ML/DL技术，甚至融合了5G和物联网（IoT）。本文重点介绍5G开放网络（ON）解决方案的系统架构和设计，基于SDN/NFV的5G和IoT的方法以及AI/ML如何与5G/IoT交互并从中学习。我们把这种交互称为基于 SDN 的 5G/IoT 网络 AI 或支持 AI 的基于 SDN 的 5G/IoT 网络。