XiaoMi-AI文件搜索系统
World File Search System控制计算
运动控制计算神经解剖学的修订版
图 1. 台球游戏是状态和动作表示的模型。任务状态主要编码白球、红球（目标球）和要将球击入的球袋的位置。任务动作是桌上的动作——球杆应该以一定的角度、旋转和速度击中白球的特定位置，白球应该击中目标球并将其推向球袋。身体状态是球员的姿势和他/她握球杆的方式；身体动作是他/她移动球杆的动作。
激活的污泥过程控制计算
EFCN共同工作，作为个人中心，以解决整个美国的这些问题，包括5个领土和纳瓦霍民族。EFCN旨在通过培训，直接专业帮助，耐用资源的生产和创新的政策思想来协助公共部门和私营部门。
具有转录控制计算和可塑性的混合晶体管
。cc-by-nc 4.0国际许可（未获得同行评审证明），他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本发布于2023年8月18日。 https://doi.org/10.1101/2023.08.16.553547 doi：Biorxiv Preprint
Bunker-Ramo_Computer_Pictures.pdf - Bitsavers.org
bitsavers.org › pdf › trw › Bunker-... PDF 二月 23, 2009 — 二月 23, 2009 低成本和高可靠性... 需要模拟和模数转换电路- ... 飞机制造商使用了控制计算机系统-
travolta：GPU加速度和算法改进，用于在光兴奋的系统中构建量子最佳控制场
我们提出了一个开源软件包Travolta（用于加速，验证和优化大的时间依赖性算法的曲目），用于对GPU进行大规模平行的量子最佳控制计算。Travolta软件包是对我们以前的NIC-CAGE算法的重要大修，还包括对梯度上升程序的算法改进，以实现更快的收敛速度。我们检查了GPU并行化的三种不同变体，以评估它们在构建各种量子系统中构建最佳控制场的性能。此外，我们还提供了几个示例，这些示例具有GPU增强的Travolta代码的广泛基准，以表明它与以前基于CPU的算法相同的结果，但加速速度快十倍以上。我们的GPU增强功能和算法改进实现了大型量子最佳控制计算，可以在现代的多核计算硬件上有效地执行。
颈背根的硬膜外电刺激恢复了瘫痪的猴子的自愿臂控制
图1。实验框架。（a）在左侧，行为实验平台的示意图。当动物执行机器人覆盖，掌握和拉动任务时，我们测量了施加到机器人接头，全LIMB运动学，肌电图（EMG）活性的3D力，来自手臂和手的八个肌肉，以及来自感觉运动区域的皮层内信号。实验方案的右，概念方案：（1）在控制计算机上运行的解码器确定了运动的尝试，（2）（2）将电脊髓刺激传递到适当的脊髓根。（3）刺激产生了我们在离线记录和分析的手臂和手动运动。（b）任务的示意图。猴子经过训练，可以抓住，掌握并拉出放置在机器人臂末端效应子上的目标对象。我们认为当目标空间阈值在拉动过程中越过时，我们认为运动完整。版权所有JemèreRuby。
参数化层次制品 -
神经程序是高度准确且结构化的策略，可以通过控制计算机制的行为来执行算法 - MIC任务。尽管有可能增加人工剂的行为的解释性和组成性，但仍很难从代表计算机程序的演示神经网络中学习。与其他模仿学习域不同的设定算法的主要挑战是需要高精度，数据的特定结构的参与以及极为有限的观察力。为了应对这些挑战，我们建议将程序建模为参数化的层次结构程序（PHP）。php是一系列条件操作，使用程序计数器以及观察结果，在采取基本操作，将另一个PHP作为子处理和返回呼叫者之间进行选择。我们开发了一种从一组主管演示中培训PHP的算法，其中只有一些用内部呼叫结构注释，并将其应用于对多级PHP的有效水平培训。我们以两个基准（纳米司法机构和长局添加）的形式显示，PHP可以从较小量的注释和未经通知的示范中更准确地学习神经程序。
计算能力与人工智能治理
计算能力或“计算”对于人工智能 (AI) 功能的开发和部署至关重要。因此，政府和公司已开始利用计算作为管理 AI 的一种手段。例如，政府正在投资国内计算能力，控制计算流向竞争国家，并为某些部门提供计算访问补贴。然而，这些努力只是触及了如何使用计算来管理 AI 开发和部署的表面。相对于 AI 的其他关键输入（数据和算法），与 AI 相关的计算是一个特别有效的干预点：它是可检测的、可排除的和可量化的，并且是通过高度集中的供应链生产的。这些特征，加上计算对尖端 AI 模型的独特重要性，表明管理计算有助于实现共同的政策目标，例如确保 AI 的安全性和有益的使用。更准确地说，政策制定者可以使用计算来促进 AI 的监管可见性，分配资源以促进有益的结果，并实施对不负责任或恶意的 AI 开发和使用的限制。然而，尽管基于计算的政策和技术有可能在这些领域提供帮助，但它们的实施准备程度却存在很大差异。一些想法目前正在试点，而另一些则因需要进行基础研究而受到阻碍。此外，幼稚或范围不明确的计算治理方法在隐私、经济影响和权力集中等领域会带来重大风险。最后，我们建议采取护栏措施，以最大限度地降低计算治理带来的这些风险。
计算能力与人工智能治理
计算能力或“计算”对于人工智能 (AI) 功能的开发和部署至关重要。因此，政府和公司已开始利用计算作为管理 AI 的手段。例如，政府正在投资国内计算能力，控制计算流向竞争国家，并补贴某些部门的计算访问。但是，这些努力只是触及了如何使用计算来管理 AI 开发和部署的表面。相对于 AI 的其他关键输入（数据和算法），与 AI 相关的计算是一个特别有效的干预点：它是可检测的、可排除的和可量化的，并且是通过高度集中的供应链生产的。这些特征，加上计算对于尖端 AI 模型的独特重要性，表明管理计算有助于实现共同的政策目标，例如确保 AI 的安全和有益使用。更准确地说，政策制定者可以使用计算来促进人工智能的监管可见性，分配资源以促进有益的结果，并实施对不负责任或恶意的人工智能开发和使用的限制。然而，虽然基于计算的政策和技术有可能在这些领域提供帮助，但它们的实施准备程度存在很大差异。一些想法目前正在试行，而另一些想法则因需要进行基础研究而受到阻碍。此外，幼稚或范围不明确的计算治理方法在隐私、经济影响和权力集中等领域存在重大风险。最后，我们建议采取护栏措施，以尽量减少计算治理带来的这些风险。