XiaoMi-AI文件搜索系统
World File Search System数据压缩
信息技术简介 BBA-210-B
a. 数据存储空间是 IT 和业务组织有限的宝贵资产。b. IT 基础设施管理是对数据存储技术和资源（如虚拟化、存储、数据压缩和数据安全）的监督。c. 数据压缩和自动存储可以减少数据处理时间并提高数据中心的性能。d. 自动化和虚拟化技术可以使企业在需要时快速重新分配存储资源
边缘雾计算支持无损脑电图数据压缩，可在 IoMT 网络中用于癫痫发作检测
1, 2 部伊拉克巴比伦大学计算机科学系。 3 FEMTO-ST 研究所/CNRS，大学法国贝尔福，勃艮第弗朗什孔泰。 4 法国奥赛巴黎萨克雷大学 LISN 实验室。电子邮件: ali.idrees@uobabylon.edu.iq, wsci.sara.idrees5@uobabylon.edu.iq, raphael.couturier@univ-fcomte.fr, tara.ali-yahiya@universite-paris-saclay.fr ∗ 通讯作者
对端到端学习图像压缩的调查
摘要：近年来端到端学习的图像压缩编解码器显着出现。这些编解码器表现出比常规方法的优越性，在支持新的失真损失的同时，展示了各种数据域之间的显着灵活性和适应性。尽管诸如计算复杂性之类的挑战，但由于其非常合适的内部表示，学习的图像压缩方法与基于学习的数据处理和分析管道固有地保持一致。机器视频编码的概念引起了学术研究人员和行业从业人员的极大关注。这个概念反映了将数据压缩与计算机视觉应用程序集成的日益增长的需求。根据这些发展，我们提出了一项全面的调查和综述，对有损图像压缩方法。此外，我们还提供了两个著名国际标准的简明概述，即机器和JPEG AI的MPEG视频编码。这些标准旨在弥合数据压缩和计算机视觉之间的差距，以适应实际行业用例。
用于边缘计算的经典压缩和量子压缩
边缘计算旨在解决与及时有效地将远程生成的大量数据传输到数据中心相关的挑战。边缘计算的核心支柱是本地（即在源头或附近）数据处理能力，以便可以最大限度地减少到数据中心进行处理的数据传输。因此，边缘数据压缩是边缘工作流的自然组成部分。我们介绍了数据压缩算法，重点是边缘计算。并非所有压缩算法都能适应边缘计算的数据类型异构性、严格的处理和通信时间限制或能效要求特性。我们讨论了在边缘计算背景下正在探索的压缩算法的具体示例。最后，我们简要介绍一下在量子信息处理中很重要的新兴量子压缩技术，包括提出的量子边缘计算概念。
探究深度学习在元宇宙中的作用
头像是计算机生成的数字表示，人们可以在元宇宙中使用它来相互交流和互动，以及与数字商品交流和互动。想象一个结合了虚拟现实、在线表演游戏和万维网元素的环境。在现代世界中，人们没有选择避免使用比特币。在这个快速发展的混合环境中，比特币是合适的交换媒介，因为它具有固有的去中心化。除此之外，整合数据压缩和安全预防措施也是必不可少的。压缩是一个不断经历新发展和技术飞跃的研究领域。本研究还着眼于元宇宙的其他方面，例如数据压缩和与元宇宙相关的安全问题。在训练和测试 DL 模型之前，我们采用了一种图像处理方法来减小其大小。这样做是为了进一步提高对象识别能力。关键词：软件开发、人工智能、元宇宙、虚拟现实、图像压缩、深度学习。
基于压缩感知多通道脑电信号加速稀疏性重建
能够记录和传输生物信号的可穿戴电子设备可以提供便捷且普遍的健康监测。典型的脑电图记录会产生大量数据。传统的压缩方法无法将数据压缩到奈奎斯特速率以下，因此即使压缩后数据量仍然很大。这需要大量存储空间，因此传输时间也较长。压缩感知提出了解决这个问题的方法，并提供了一种将数据压缩到奈奎斯特速率以下的方法。本文提出基于双时间稀疏性的重建算法来恢复压缩采样的脑电图数据。通过使用schattern-p范数修改基于双时间稀疏性的重建算法并在处理前对脑电图数据进行去相关变换，进一步改善了结果。所提出的改进双时间稀疏性的重建算法在SNDR和NMSE方面优于基于块稀疏贝叶斯学习和Rackness的压缩感知算法。仿真结果进一步表明，所提出的算法具有更好的收敛速度和更短的执行时间。
一种减少纳米孔测序数据大小的新压缩策略
纳米孔测序是基因组学中越来越重要的工具。尽管该领域进展迅速，但大数据量和计算瓶颈仍然是主要挑战。在这里，我们介绍了一种新的数据压缩策略 ex-zd，它有助于解决纳米孔实验期间产生的大量原始信号数据。Ex-zd 既包含无损压缩方法，其性能略优于所有当前的纳米孔信号数据压缩方法，也包含“有损”方法，可用于实现显着的额外节省。后者通过减少用于编码信号数据的位数来工作。我们表明，牛津纳米孔技术公司 (ONT) 的仪器生成的信号数据中的三个最低有效位主要编码噪声。它们的删除将文件大小减少了一半，而不会影响下游分析，包括碱基调用和 DNA 甲基化检测。Ex-zd 压缩可在单个 ONT 测序实验中节省数百 GB，从而提高纳米孔测序的可扩展性、可移植性和可访问性。
多通道神经记录植入物：综述
摘要：近年来，神经科学研究和相关成果的不断进展以及制造工艺的进步增加了对神经接口系统的需求。脑机接口 (BMI) 已被证明是一种很有前途的诊断和治疗神经系统疾病以及恢复感觉和运动功能的方法。神经记录植入物作为 BMI 的一部分，能够捕获脑信号，并通过发射器将其放大、数字化并传输到体外。设计此类植入物的主要挑战是最大限度地降低功耗和硅片面积。本文对多通道神经记录植入物进行了调查。在介绍各种神经信号特征后，我们研究了主要的可用神经记录电路和系统架构。探索了可用架构的基本模块，例如神经放大器、模数转换器 (ADC) 和压缩块。我们介绍了神经放大器的各种拓扑结构，进行了比较，并探讨了它们的设计挑战。为了在神经放大器的输出端实现相对较高的 SNR，我们讨论了降噪技术。此外，为了将神经信号传输到体外，需要使用数据转换器对其进行数字化，然后在大多数情况下，会应用数据压缩来降低功耗。我们介绍了各种专用 ADC 结构，并概述了主要的数据压缩方法。
太空任务的海量数据存储
NASA 力求满足以下规格：成功弥补这一差距将取决于：• 创新的飞行软件开发技术 • 规划和调度软件 • 可重复执行未来任务的模块化程序 • 以可重复、可预测的方式运行的自主容错软件开发 • 自动化系统级测试 • 机载自动化数据压缩和有效载荷数据分析方法，以实现与地面站的低带宽通信。• 利用公众利益和资源的参与式分布式分析技术