XiaoMi-AI文件搜索系统
World File Search System性能监控
公用事业规模的太阳能服务
全套 O&M 或支持服务 列出的所有服务包括：• 24 x 7 远程监控 • 性能监控与报告 • 故障排除与呼叫服务 • BOS（系统平衡） • 供应商与保修管理 • 备件库存 • 年度维护计划与调度 • SCADA 与网络支持
专注于您的业务，把它交给我们！
您已投资于 IT 基础设施，并依赖其性能、安全性和可靠性。Tri-Delta 的服务不仅确保您拥有一支随时准备为这些关键系统提供服务的专家团队，而且还提供实时数据，以确保在需要时使用最先进的网络资产跟踪和性能监控工具按时完成服务。
思科网络融合系统路由器 NCS 4201-...
非优先级队列的出口监管 3.18.0SP 同步以太网 (SyncE)：ESMC 和 SSM 3.18.0SP 提供启用/禁用 USB 3.18.0SP 系统日志和触发外部警报支持的选项 3.18.0SP 支持 IEEE 1588-2008 精密时钟同步协议 3.18.0SP REP 可配置计时器又名 REP 快速 Hello 3.18.0SP QoS 数据包标记 3.18.0SP 1588-2008 边界时钟 3.18.0SP 以太网热备用伪线支持 3.18.0SP RMON 完整 3.18.0SP Y.1731 性能监控 3.18.0SP Y.1731 性能监控（Xconnect 和端口通道支持） 3.18.0SP Punt 监管和监控3.18.0SP 多协议 BGP (MP-BGP) - MPLS VPN 3.18.0SP 嵌入式事件管理器 (EEM) 4.0 3.18.0SP ITU-T G.8032 以太网环路保护交换 3.18.0SP 温度和电压监控 3.18.0SP 出口监管和标记 3.18.0SP 1588 PTP 最佳主时钟算法 (BMCA) 又名 PTP 冗余 3.18.0SP
联合攻击战斗机 PHM 愿景
性能监控/趋势：PTMS（IPP、过滤器、储液器、聚结器等）液压系统（泵、过滤器、储液器、蓄能器）燃油系统（泵、阀门、热交换器）武器舱门驱动（泵速和斜盘角度）旋转执行器、EHA 武器架 OBIGGS 过滤器
Ruojia Li，PhDRuojia Li，PhD
ruojia li领导了布里斯托尔美犬生物制造组织内的定量科学和数字化转型小组。她的团队负责CMC统计，数据科学，临床方法性能监控，并管理整个组织的数字化转型工作。Ruojia拥有北京大学的数学学士学位和博士学位。威斯康星大学麦迪逊大学的统计学专业。
朝着可靠的识别和跟踪无人机...
抽象无人机群由多个无人机组成，这些无人机可以实现单个无人机无法实现的任务，例如在大面积上进行搜索，恢复或监视。群的内部结构通常由多个无人机自动工作。可靠的检测和对群体和单个无人机的跟踪，可以更了解群的行为和运动。对无人机行为的了解增加，可以更好地协调，避免碰撞以及对群体中各个无人机的性能监控。本文提出的研究提出了一种基于深度学习的方法，可实时使用立体视觉摄像机在群中可靠地检测和跟踪单个无人机。这项研究背后的动机是需要更深入地了解群体动态，从而改善协调，避免碰撞以及对群体中各个无人机的性能监控。提出的解决方案提供了一个精确的跟踪系统，并考虑了无人机的高度密集和动态行为。在各种配置中，在稀疏和密集网络中评估了该方法。通过实施一系列比较实验，已经分析了提出解决方案的准确性和效率，这些实验证明了在群中检测和跟踪无人机的合理精度。
ITU-T 云计算在飞行数据监控航空应用焦点组
ACMS 功能负责支持大多数飞行数据采集活动，这些活动为航空公司运营和飞机系统性能监控生成数据。虽然较旧和较小的飞机通常依赖强制性飞行数据记录作为飞行数据收集的基础，但 ACMS 在选择要记录的飞机系统参数方面为所有航空公司提供了更大的灵活性。近年来，飞机原始设备制造商 (OEM) 补充了这项活动，他们越来越多地提供基础 ACMS 功能，允许使用与性能相关的参数，而不必使用针对事故调查优化的飞行数据。
华盛顿大学可持续发展战略
威斯康星大学将在整个运营过程中以高效、经济的做法树立环境管理和可持续性的典范。我们将减少能源消耗、减少材料消耗、转向可再生材料，并增加再利用、回收和堆肥。作为实施最佳实践的领导者，我们将展示适应新信息、不断变化的方法和新兴技术的灵活性。所有大学运营都将参与其中，包括：建筑物的规划、设计、施工和性能监控；通勤和专业旅行；土地使用；信息技术；以及商品的采购、消费和处置周期。
采用瞻博网络 Apstra、NVIDIA GPU 和 WEKA 存储的 AI 数据中心网络 - 瞻博网络验证设计 (JVD)
• 性能监控和错误分析：遥测系统跟踪与 AI 模型相关的关键性能指标，例如准确度、精确度、召回率和计算资源利用率（例如 CPU、GPU 使用率），这些指标对于评估训练和推理作业期间的模型有效性至关重要。这些系统还可以深入了解训练和推理操作期间的错误率和故障模式，并帮助识别可能影响 AI 性能的问题，例如模型漂移、数据质量问题或算法错误。这些系统的示例包括 Juniper Apstra 仪表板、TIG Stack 和 Elasticsearch。