XiaoMi-AI文件搜索系统
World File Search System效率高的
人工智能用于海浪气候预测
用于海浪气候预测的人工智能 提出了一种新颖的人工智能 (AI) 模型，用于研究气候变化背景下的未来沿海海洋气候。该模型集成了统计分析、蒙特卡罗模拟和人工神经网络 (ANN)，以预测和缩小未来的海浪气候。AI 模型展现出令人难以置信的潜力，它们在海洋和海岸工程中的应用具有巨大的优势。在本研究中，我们将统计方法与 AI 技术相结合，开发了一个模型，可以研究未来的海浪气候和海浪向海岸的传播。我们采用概率方法，特别是蒙特卡罗模拟，来生成合成数据序列。使用 ANN 可以以最小的计算成本处理大型数据集，而蒙特卡罗模拟则可以在区域层面生成未来的气候变化预测。本文的目的是利用这两种方法的优势：概率技术的数据生成能力和 AI 技术的广泛数据分析能力。这些方法的结合产生了一个高度精确（MSE 为 0.02 米和 1 秒）且计算效率高的混合模型，用于预测考虑气候变化的沿海海洋气候。这种新方法已在西地中海，特别是瓦伦西亚地区得到验证和应用，适用于长期情况和极端事件。结果表明，到 2050 年，极端海浪事件的波高将增加 1.5 米，波浪周期将增加 1.8 秒。
基于统计和人工智能的联网汽车虚假信息网络攻击检测模型的有效性
由于联网汽车与其他联网汽车和联网基础设施具有外部连接性，因此很容易受到网络攻击，这些攻击可能会立即危及车辆本身以及其他联网汽车和道路基础设施的安全。虚假信息攻击就是这样一种网络攻击，外部攻击者向联网汽车注入不准确的信息，最终可能通过危及前方碰撞警告等安全关键应用而造成灾难性后果。此类攻击事件的发生和目标可能非常动态，使得实时和近实时检测具有挑战性。变化点模型可用于实时检测由虚假信息攻击引起的异常。在本文中，我们评估了三种基于变化点的统计模型：期望最大化、累积求和和贝叶斯在线变化点算法，用于检测 CV 数据中的网络攻击。此外，数据驱动的人工智能 (AI) 模型可用于检测数据集中已知和未知的潜在模式，具有检测 CV 数据中实时异常的潜力。我们使用了六种人工智能模型来检测虚假信息攻击，并将检测攻击的性能与我们开发的变更点模型进行了比较。我们的研究表明，与人工智能模型相比，变更点模型在实时虚假信息攻击检测方面表现更好。变更点模型具有无需训练的优势，可以成为联网汽车中检测虚假信息攻击的人工智能模型的可行且计算效率高的替代方案。
本科生成绩预测的现代人工智能模型开发：对工程数学课程的调查
摘要 采用一种计算效率高的人工智能 (AI) 模型极限学习机器 (ELM) 来分析持续评估中嵌入的模式，以对澳大利亚一所地方大学工程数学课程的加权分数 (WS) 和考试 (EX) 分数进行建模。使用 ELM 对六年期间从中级到高级水平的多门课程以及多样化课程提供模式（即校内 ONC 和在线 ONL）的学生成绩数据进行建模，并进一步与竞争模型：随机森林 (RF) 和 Volterra 进行基准测试。由于评估和考试成绩是 WS（导致中级课程成绩）的主要预测因素，因此 ELM（相对于 RF 和 Volterra）的表现优于其对应模型，无论是在 ONC 还是 ONL 报价中。这在测试阶段产生的相对预测误差仅为 0.74%，而这两个数字分别为约 3.12% 和 1.06%，而对于 ONL 录取，预测误差仅为 0.51%，而这两个数字分别为约 3.05% 和 0.70%。在对学生在高级工程数学课程中的表现进行建模时，ELM 记录的误差略大：ONC 为 0.77%（对比 22.23% 和 1.87%），ONL 录取为 0.54%（对比 4.08% 和 1.31%）。本研究提倡率先实施强大的 AI 方法，以揭示学生学习变量之间的关系，开发教学和学习干预以及课程健康检查，以解决与毕业生成果和高等教育领域学生学习属性相关的问题。
蒙特卡罗中的随机信标：效率
定期访问不可预测且抗偏差的随机性对于区块链、投票和安全分布式计算等应用非常重要。分布式随机信标协议通过在多个节点之间分配信任来满足这一需求，其中大多数节点被认为是诚实的。区块链领域的众多应用促成了几种分布式随机信标协议的提出，其中一些已经实现。然而，许多当前的随机信标系统依赖于阈值加密设置或表现出高昂的计算成本，而其他系统则期望网络是部分或有界同步的。为了克服这些限制，我们提出了 HashRand，这是一种计算和通信效率高的异步随机信标协议，它只需要安全哈希和成对安全通道即可生成信标。HashRand 的每个节点摊销通信复杂度为每个信标 O(𝜆𝑛 log (𝑛)) 位。 HashRand 的计算效率归因于单向哈希计算比离散对数指数计算的时间少两个数量级。有趣的是，除了减少开销之外，HashRand 还利用安全哈希函数对抗量子对手，实现了后量子安全性，使其有别于使用离散对数加密的其他随机信标协议。在一个由 𝑛 = 136 个节点组成的地理分布式测试平台中，HashRand 每分钟产生 78 个信标，这至少是 Spurt [IEEE S&P'22] 的 5 倍。我们还通过实施后量子安全异步 SMR 协议展示了 HashRand 的实际效用，该协议在 𝑛 = 16 个节点的 WAN 上的响应率为每秒超过 135k 个事务，延迟为 2.3 秒。
贝莱德拓展全球人工智能和技术增长机会
纽约，2024 年 10 月 22 日 — 今天，贝莱德通过推出 iShares A.I. 扩大了投资者对技术和人工智能股票的投资渠道。创新和技术主动型 ETF（纽约证券交易所代码：BAI）和 iShares 技术机会主动型 ETF（纽约证券交易所代码：TEK）。虽然人工智能革命仍处于早期阶段，但贝莱德认为其长期影响将是深远的。“我们正处于智能革命的黎明，”贝莱德基本股票技术集团负责人 Tony Kim 表示。“这些主动型 ETF 可以帮助投资者抓住人工智能和先进技术全栈中超大且被忽视的投资机会。” 作为一个投资主题，贝莱德将人工智能视为一股具有广泛投资影响的巨型力量，无论是现在还是长期，它都为投资者提供了一个进入可能实现显着增长的市场的机会。利用贝莱德追求阿尔法收益的专业知识来捕捉不断发展的全球人工智能和技术趋势 1 BAI 和 TEK 都以流动性强、透明且税收效率高的 ETF 包装为投资者提供贝莱德最好的投资见解。基金由 Tony Kim 和 Reid Menge 管理，受益于贝莱德基本股票技术集团的专业知识。贝莱德在美国管理着 40 多个活跃 ETF，管理着 320 亿美元的资产。 2
法国气象局 (CNRM) 数值人工智能职位空缺
背景 高影响天气 (HIW) 事件对社会造成毁灭性影响，造成人员伤亡、基础设施退化和巨大的经济影响。从气象角度来看，强降水事件、破坏性雷暴和强风是影响最大的事件，具有各种严重的间接影响，例如洪水、山体滑坡和海洋淹没。HIW 事件很少见，位于天气事件气候分布的尾部。尽管法国气象局等气象服务在过去几十年中在预测天气方面取得了重大进展，但准确预测 HIW 的发生、强度、位置和时间仍然具有挑战性。目前，实际天气预报依赖于基于物理的建模方法，数值天气预报 (NWP) 模型每天都在运行，以确定未来的大气状态和 HIW 风险。具体而言，集合预报系统 (EPS) 旨在对未来大气状态的概率分布进行采样。它们包括运行多个 NWP 预报，以解释不同的不确定性来源。在法国气象局，运行 16 个扰动预报、空间分辨率为 1.3 公里的扰动预报的 AROME-EPS 用于预测 HIW 的风险。但是，正确捕获相关的不确定性需要非常高分辨率（几百米）的大型（几百个成员）集合。尽管如此，由于相关的计算成本，这种增强系统目前不适用于运行 NWP。在此背景下，POESY 项目的主要目标是探索创新混合 EPS 设计的科学可行性和相关性，将标准物理建模与计算效率高的人工智能 (AI) 技术相结合，以便对高影响天气产生破坏性概率预报。
库普曼算子理论的车辆应用
摘要 — 库普曼算子理论已被证明是一种很有前途的非线性系统辨识和全局线性化方法。近一个世纪以来，一直没有有效的方法来计算用于应用工程目的的库普曼算子。最近在流体动力学背景下引入了一种计算效率高的方法，该方法基于将系统动力学分解为一组按降序排列的正态模式，克服了这一长期存在的计算障碍。库普曼算子纯数据驱动的性质有望捕捉未知和复杂的动力学以进行降阶模型生成和系统辨识，从而利用线性控制技术的丰富机制。鉴于该研究领域的不断发展以及智能移动和车辆工程领域存在的许多未解决的问题，有必要对将库普曼算子理论应用于这一充满活力的领域的技术和开放挑战进行调查。本综述重点介绍了近年来出现的 Koopman 算子的各种解决方案，特别是那些专注于移动应用的解决方案，从特性和组件级控制操作到车辆性能和车队管理。此外，这篇对 100 多篇研究论文的全面回顾突出了 Koopman 算子理论在各种车辆应用中的应用范围，并对所应用的基于 Koopman 算子的算法类型进行了详细分类。此外，这篇评论论文讨论了 Koopman 算子理论的理论方面，这些理论方面在很大程度上被智能移动和车辆工程界忽视，但在解决这些领域的未解决问题方面具有巨大的潜力。
基于STM32微控制器的高精度激光测距
在电子工程的工业和研究领域，距离信息被视为关键测量之一 [1]。为了获得准确可靠的距离数据，具有测距能力的设备现在广泛应用于军事和工业领域，包括红外 (IR) 和超声波测距仪。然而，使用这些传统的测距系统会出现许多准确性问题，因为它们对周围环境非常敏感，特别是当暴露于非结构化和不可预测的物理环境（灰尘、温度、烟雾）或结构混乱的环境（瓦砾、碎片等）时 [2]。因此，提出了一种更可靠的测距方法。激光二极管发射高度定向的光束，具有体积小、亮度高、颜色纯、能量密度高和效率高的优点 [3][4]。最重要的是，激光测距系统不易受到环境影响，因为可以通过测量反射和散射回波信号的时间间隔、频率变化和光束方向来获得目标的距离和方向。使用激光测距方法的测量误差仅为其他光学测距仪的五分之一到百分之一 [5]。相位激光测距法因其高精度而受到广泛欢迎，然而其应用问题也不容忽视，观测到在频率漂移、噪声、大气折射等影响下，可能由于相位折叠或相位模糊而出现接近零步进误差[6]。Barreto 等人采用了三角测量激光测距法，但其灵敏度要求严格且功耗高[7]。本文研制了一种微型、便携、低功耗的激光测距系统，具有两种测量模式：高精度模式和长距离模式。本文研制了一种微型便携式激光测距系统，具有两种测量模式：高精度模式和长距离模式。该系统基于 VL53L0X 飞行时间激光测距传感器和 STM32F407 微控制器 [8]。
2025年夏季的可持续发展学者计划实习机会
项目名称：探索可持续过境设施的模块化：设计，预制和临终管理策略项目背景和概述：随着城市的成长和公共交通系统的扩大，对适应能力，资源效率高的基础架构的需求越来越大。模块化通过利用适应性，耐用且易于维护的预制组件，为设计和构建过境设施提供了可持续的方法。这种方法与Translink的可持续性和气候行动目标保持一致，从而降低了环境影响，同时提高了运营效率。传统的施工方法可以产生大量的浪费，需要更长的项目时间表，并且缺乏将来变化的灵活性。模块化通过强调预制来应对这些挑战，这使组件可以在受控环境中进行异地制造。这可以最大程度地减少材料废物，减少运输和现场活动中的碳排放，并改善施工时间表。此外，可以重新配置，扩展或重新使用模块化系统，以满足不断发展的运输需求，从而支持资源效率和成本效益。另一个关键方面是寿命末管理，其中诸如跨层压木材（CLT）或其他可回收，低影响力的材料等材料得到了优先级。这些材料可以被拆卸和重复使用，与循环经济原则保持一致，并最大程度地减少建筑浪费。模块化可以为这些设施提供可扩展的解决方案，以确保它们达到即时的运营需求，同时还可以适应未来的需求。该项目发生在Translink的举措的背景下，包括Skytrain Station，Bus Stops，West Coast Express Stations和BRT车站的持续设计。通过探索模块化设计，预制策略和可持续的物质使用，该项目有助于减少过境基础设施的环境足迹，同时支持Translink对富有弹性，可持续的运输系统的愿景。
MIT 开放存取文章部署策略......
随着太空民主化的兴起，地球观测 (EO) 图像对各行各业来说变得越来越重要。然而，构建能够实现持续高质量全球覆盖的星座仍然困难且成本高昂。将卫星星座重新配置到不同的轨道平面以改变其观测性能传统上是一个燃料密集型过程。可重构星座 (ReCon) 的概念考虑了在进行燃料效率高的机动以改变卫星地面轨道时的 퐽 2 扰动效应。与不可重构星座相比，ReCon 通过减少按需对给定地面事件进行重复观测所需的卫星数量，降低了高重访频率、高质量分辨率、EO 星座的成本。本文首先探讨了 ReCon 性能对重构需求、设计成本和图像价值的不确定性的敏感性。敏感性分析表明，在需求极低的情况下，ReCon 无法提供具有成本效益的解决方案（就每美元花费所响应的事件而言）。在需求高的情况下，ReCon 根本无法满足需求。对一系列需求情景的蒙特卡罗分析表明，使用分阶段部署 ReCon 为应对 EO 图像需求的不确定性提供了一种灵活、具有成本效益的解决方案。通过分阶段部署将发射成本推迟到未来，不仅可以为星座设计提供灵活性，而且还允许设计人员利用持续降低发射成本和增加发射机会的机会。分阶段部署星座还可以使卫星技术随着时间的推移而发展，从而有助于捕获更高价值的图像并进一步增强 ReCon 的功能。实施分阶段部署更多卫星的选项使 ReCon 能够更好地应对太空资产需求的不确定性。