XiaoMi-AI文件搜索系统
World File Search System性能监控
临床环境中监测和更新人工智能工具的未决问题和研究空白
随着人工智能 (AI) 工具在各种临床环境中的实施，人们越来越认识到需要持续监测和更新预测模型。数据集转移（临床实践、患者群体和信息系统的随时间变化）现已得到充分证实，是模型准确性下降的根源，也是对 AI 工具在临床护理中的可持续性的挑战。虽然训练和验证新模型的最佳实践已经很成熟，但在制定前瞻性验证和模型维护的最佳实践方面工作有限。在本文中，我们强调了更新临床预测模型的必要性，并从三个重点领域讨论了有关 AI 建模生命周期这一关键方面的未决问题：模型维护政策、性能监控视角和模型更新策略。随着 AI 工具的日益普及，必须解决对此类最佳实践的需求并将其纳入新的和现有的实施中。本评论旨在鼓励临床和数据科学利益相关者之间的对话并激发进一步的研究。
摘要
摘要：现代电网因工业化而面临负荷需求的快速增长，导致环境不受监管，可再生能源的采用日益增加，这带来了技术挑战，特别是在稳定性方面。氢转换技术通过可再生能源彻底改变了清洁电力存储，太阳能氢现在可用于自主太阳能系统。太阳能光伏系统的效率与使用数字电子最大峰值功率跟踪（MPPT）技术密切相关。物联网（IoT）对于光伏系统的性能监控和实时控制至关重要，可增强对实时运行参数的理解。用于分布式太阳能设备的物联网和无线传感器网络以及联合建筑设计对于发展光伏建筑行业至关重要。本文提出的监控系统为太阳能光伏（PV）系统的智能远程实时监控提供了一种潜在有效的解决方案。它表现出很高的准确度，达到 98.49%，并可以在 52.34 秒的时间内将图形表示传输到智能手机应用程序。因此，电池的寿命延长了，能耗降低了，并且物联网 (IoT) 内部实时应用程序的服务质量 (QoS) 得到了增强。
第 5 版 SESAR 解决方案 #10 优化路线网络...
“将基于性能的导航 (PBN) 用于航路分离目的”项目考虑了在航路中战略性地消除交通冲突，这些交通流间隔紧密，并利用了支持此解决方案的 FRT 功能。“在 TMA 中全面实施 P-RNAV”项目调查了在 TMA 中全面实施 P-RNAV（横向性能与 RNAV1 相同）；但是，尽管该项目调查了作为提议解决方案一部分的点合并的应用，但飞机功能不包括“机载性能监控和警报”和半径到定位点 (RF) 转弯性能。对于进近阶段，项目“带垂直引导的进近程序 (APV)”研究了一种支持这些操作的可能方法。该项目研究了由卫星增强支持的带垂直引导 (APV) 的进近程序，并飞到具有垂直引导 (LPV) 最低限度的定位器性能。后面提到的两个项目都专注于 TMA 操作，而第一个项目仅研究了途中操作。下图 2 总结了三个相关项目之间的相互作用，但并未突出不同概念的连接问题。
能量 - MDPI
摘要：在本文中，我们解决了资产绩效监控问题，目的是检测任何潜在的可靠性问题并预测任何能源消耗效率损失。这对于许多在长期资产中投入大量资本的行业和公用事业来说是一个重要的问题。为了解决这个问题，我们在本文中提出了一种将人工神经网络 (ANN) 与数据挖掘 (DM) 工具相结合的方法，特别是与关联规则 (AR) 挖掘相结合。现在可以使用可以处理大量数据（大数据）的软件来结合这两种技术，但该过程仍需要确保在资产的生命周期内提供所需的数据量，并且其质量是可接受的。提议的序列中这两种技术的组合与文献中发现的先前研究不同，为研究人员提供了应对问题的新选择。所提方法的实际实施可能会产生新的预测性维护模型（新兴的预测分析），该模型可以以前所未有的精度检测任何资产的性能缺陷，并帮助相应地管理资产的运营和维护。该方法使用特定示例进行说明，其中资产性能监控在正常运行条件下相当复杂。
![arXiv:2106.00565v5 [cs.DC] 2021 年 11 月 9 日](/simg/g:\will\search\icon\source\1\1c00337997354861b523581e792ec31025674325.webp)
arXiv:2106.00565v5 [cs.DC] 2021 年 11 月 9 日
本文介绍了一种基于事件的功率建模新方法，适用于没有性能监控单元 (PMU) 的嵌入式平台。该方法涉及将测量物理功率数据的目标硬件平台与另一个可以收集模型生成所需的 CPU 性能数据的平台进行补充。该方法用于为 Gaisler GR712RC 双核 LEON3 容错 SPARC 处理器生成准确的细粒度功率模型，该处理器带有板载功率传感器，但没有 PMU。Kintex UltraScale FPGA 用作支持平台，通过在 GR712RC 上运行双核 LEON3 的软核表示，但使用 PMU 实现，来获取所需的 CPU 性能数据。两个平台都执行相同的基准测试集，并使用每个样本的时间戳同步数据收集，以便 GR712RC 板的功率传感器数据可以与 FPGA 的 PMU 数据相匹配。然后，同步样本由稳健能量和功率预测器选择 (REPPS) 软件处理，以生成功率模型。在工业用例上验证后，这些模型的功率估计误差小于 2%，并且可以跟踪程序阶段，这使得它们适合在开发过程中进行运行时功率分析。
高可靠性电力电子
电力电子在各种 HiRel 领域得到广泛应用，包括航天、航空、汽车和其他相关领域。为了获得理想的 MTBF 和 MTTR，需要许多特殊的设计标准、关键的质量保证和广泛的测试。随着时间的推移，这些设计标准、质量标准和测试方法不断发展，如果正确实施，它们将在恶劣环境下实现长期可靠性。为了实现电力电子的高可靠性，本文提到并简要解释了推荐的方法和注意事项。空间应用需要一些额外的考虑因素，例如对总电离剂量 (TID)、单粒子效应 (SEE)、ELDRS、中子效应的辐射硬度；功能冗余；由于真空而通过传导和/或辐射散热；冲击和振动以及重量和体积限制。太空应用还需要数十年的无人值守长期可靠性以及通过遥控指令进行远程操作和通过遥测进行性能监控。MOSFET 和肖特基的抗辐射能力需要特殊的设计和制造技术，而电源管理 IC 则需要结合“设计抗辐射能力”和其他冗余考虑的技术。军事和商业航空领域对电力电子的可靠性提出了同样严格的限制，并基于人类安全做出了某些特殊考虑。本文讨论了所有这些方面，并概述了过去几十年来该主题的发展变化 1。介绍
MTC-500/1000/3000 - Njord 过滤
ALGAE-X ® MTC 系统采用安装在重型铝制推车上的工业质量组件制造而成。透明吸入软管（和 MTC-1000 上的转子视镜）显示燃料流量和清晰度。大型滴水盘旨在防止溢出。通过将排放软管连接到绕过过滤器的快速断开装置，无需使用任何消耗品即可对燃料进行抛光。旋装式过滤器头上安装了压力表，以确保最佳过滤器使用率。充满液体的不锈钢真空计监测水分离器的状况。ALGAE-X ® 燃料催化剂 (AFC-705) AFC-705 的使用是任何油箱清洁程序的重要组成部分，可以更快速、更有效地净化和清洁整个燃油系统。AFC-705 可清除油箱壁和挡板上的污泥、粘液和生物污垢，而这些污泥和生物污垢无法通过吸入管到达。AFC-705 是一种全谱燃料添加剂，含有燃烧催化剂、表面活性剂、清洁剂、分散剂、腐蚀抑制剂、润滑增强剂和燃料稳定剂，无需使用昂贵的有毒杀菌剂。MTC 选项：数字流量计（强烈推荐 - 测量再循环燃料和性能监控）可提供更大容量的燃料抛光和油箱清洁系统。
稳定的学习在因果推理和机器学习之间建立了一些共同的基础
achine学习已被合并为在各种数字服务中进行预测，从搜索引擎到电子商务再到社交媒体平台，从而培养了蓬勃发展的数字经济。在这些情况下，机器学习技术的预测准确性和效率是优化的目标，但是错误预测的潜在风险不太重要。对于诸如预测点击或分类图像之类的应用程序，模型可以经常更新，并且错误不太昂贵。因此，这些应用领域非常适合黑框技术与持续的性能监控相结合。近年来，机器学习已在更广泛的领域中应用，甚至进入医疗保健，工业制造业，融资和司法管理等高风险领域。在这些领域，机器学习算法造成的错误可能会带来巨大的风险，并且错误对诸如安全，道德和正义等社会问题产生了重大影响，尤其是当算法预测在决策过程中起着重要作用时。在这种情况下，环境可能会比模型更新更快，而短期预测性能以外的属性变得越来越重要。特别是，我们认为缺乏稳定性，解释性和公平性保证是当今机器学习中必须解决的最关键和最紧迫的因素。
迈向下一代信息物理...
摘要：建筑行业继续寻求创新方法，以安全、及时且经济高效地交付建筑项目。人们已经做出了许多努力来实现施工过程的自动化，但在有效降低该行业长期面临的风险方面取得了微不足道的成功。虽然工业 4.0 有望提高项目效率、减少浪费和提高生产力，但向这一目标的过渡将取决于许多新兴技术的成功采用，例如虚拟设计建模技术、传感技术、数据分析、存储和通信技术、人机交互技术和机器人技术。为了加速创新，数字孪生和信息物理系统将成为利用这些技术推进自动化和实时控制的必需品。虽然数字孪生代表了计划和建成设施的数字副本，但信息物理系统涉及通过传感器和执行器将物理系统与其数字副本集成。尽管有证据表明信息物理系统和数字孪生在减少非致命伤害、加强安全管理、改善进度监控和加强设施性能监控和控制方面是有效的，但它们在建筑行业的应用仍处于起步阶段。本文阐明了信息物理系统和数字孪生在其他行业领域提供的机会，并提倡在建筑行业增加部署它们。本文将新兴技术与物理建筑或已建设施的信息物理集成描述为下一代数字孪生和信息物理系统。介绍了下一代信息物理系统和数字孪生在提高劳动力生产率、健康和安全、建筑系统生命周期管理和劳动力能力方面的潜在场景。
研究无错误多级认知处理...
事故分析反复报告了偏离道路事故对道路交通死亡人数的巨大贡献，尽管辅助技术在减轻灾难性后果方面取得了长足进步，但对驾驶员在此类事故场景中的大脑反应却知之甚少。虽然各种文献记录了神经与转向运动、驾驶员的心理状态以及分心和疲劳对驾驶表现的影响之间的相关性，但汽车连续偏离道路的皮质基础 - 即大脑如何表示预期和观察到的汽车位置之间的不同差异并随后分配定制的纠正措施水平 - 仍不清楚。此外，多个子过程的叠加，例如视觉和错误反馈处理、性能监控或运动控制，使对汽车驾驶任务中参与的大脑区域的清晰解释变得复杂。因此，在本研究中，我们试图解开这些子过程，在无错误和容易出错的车辆运行条件下采用被动和主动转向条件。我们在 13 个会话中记录了 26 名参与者的脑电图信号，在汽车驾驶任务中同时测量执行者（主动转向）和观察者（严格观察）的配对。无论车辆操作是否出错，我们都观察到执行者的常见大脑模式，尽管在错误条件下频谱活动从运动 beta 转变为枕叶 alpha 振荡。此外，在主动转向条件下，观察者和执行者之间出现了显著的前中脑差异，可追溯到尾部前扣带皮层，这表明运动行为认知控制水平有所提高。最后，我们展示了转向信号和汽车位置的回归结果，表明利用脑电图对道路的连续偏差进行回归可能是可行的。