XiaoMi-AI文件搜索系统
World File Search System智能性
愿景与行动的结合 - ETIP SNET
ETIP SNET 由欧盟委员会于 2016 年作为 SET 计划的一部分推出，旨在制定研究和创新愿景，重点关注智能能源网络。更具体地说，ETIP SNET 旨在汇集不同的观点和专业知识，为 SET 计划行动提供意见，特别是行动 4“提高能源系统的弹性、安全性和智能性”。对能源网的关注对于我们不断发展的能源格局至关重要；电网是我们电力系统的支柱，随着我们向净零能源系统迈进，它们的重要性预计会日益增加，这也是由于对灵活发电的需求增加。
智能制造空间的商业案例
随后，受访者被问及他们对智能空间概念的熟悉程度，他们的回答是“中等熟悉”。回答完这个问题后，受访者被给予了智能空间的定义：“应用 IT 和 IoT 技术来增强连接性、安全性和智能性的空间。”根据这一定义，超过 50% 的受访者表示，创建或增强智能空间对他们的组织来说非常重要或非常重要。深入研究后，我们发现那些最熟悉智能空间的人也将其重要性排得更高。可以说，制造业可能对智能空间的概念了解较少，甚至可能低估智能空间的价值。对于那些知识渊博的人来说，这显然是一个优势，因此他们会投入更多。
可持续发展-支持-技术-服务-PEAK- ...
微软 2021 年 6 月，埃森哲与微软和 Avanade 共同成立了绿色软件基金会，旨在将可持续性融入整个软件开发生命周期 (SDLC)。该基金会致力于将其研究成果应用于为客户所做的一切，从软件开发到数据和人工智能，再到 Azure 云上的云迁移和优化。此外，基金会还投资于帮助客户提高脱碳方法的可见性和智能性，从而在向净零排放转型的过程中蓬勃发展（例如甲烷泄漏管理）。借助 Microsoft Sustainability Manager，该基金会可帮助组织打破孤岛并提供数据驱动的洞察，以便他们能够跟踪整个运营过程中的碳足迹，并提高整个价值链的可见性和透明度。
使用支持向量机进行飞机飞行控制执行器故障检测
摘要：未来几代飞行控制系统，例如无人驾驶飞行器 (UAV) 的飞行控制系统，可能会更具适应性和智能性，以应对无人驾驶带来的额外安全性和可靠性要求。高效的故障检测和隔离 (FDI) 系统至关重要，应该能够监控飞机的健康状况。从历史上看，硬件冗余技术已用于检测故障。然而，由于成本高且附加组件质量大，在无人机中复制执行器并不理想。幸运的是，也可以使用分析冗余技术检测飞机执行器故障。在本研究中，设计了一种使用支持向量机 (SVM) 的数据驱动算法。所研究的飞机执行器故障是效率损失 (LOE) 故障。故障检测算法的目的是根据执行器的健康状况将特征向量数据分类为正常或故障类。结果表明，SVM 算法几乎可以立即检测到 LOE 故障，平均准确率为 99%。
人工智能作为员工敬业度和绩效的跨界对象
该研究提出以人工智能工具和应用程序作为跨界对象，以研究人工智能性能如何影响员工的工作投入、服务和工作绩效。工作保障被视为跨界过程中的调节因素。人们借鉴了跨界、目标设定和自我调节等几种理论来建立这些关系。这项研究的对象是澳大利亚的全职员工，他们在工作中有过使用人工智能工具的经验。结果表明，人工智能性能对工作投入和员工服务绩效有显著影响，而这些与工作绩效评估显著相关。工作投入和服务绩效在人工智能和工作绩效之间表现出显著的中介作用。工作保障的调节作用对提高员工的工作投入和服务绩效有显著影响。该研究为服务研究和人力资源管理文献做出了贡献。研究结果对服务营销人员和人力资源从业者具有启示意义。
应用机器学习方法来提高时间域的校准质量反射测量测量技术
摘要该文章介绍了时间域反射法（TDR）技术的应用，以测量建筑中使用的多孔建筑材料的水分。这项工作的重点是利用人工智能性别的潜力来通过新的方法来解释从TDR读取获得的数据来提高TDR测量的质量。机器学习是一种数据分析技术，如今在许多科学的语言上使用。作者使用人工智能算法进行了测量数据分析，以评估使用两个非侵入性传感器测试的充气混凝土样品的水分，该水分在厚度上有所不同。使用监督的机器学习进行了数据分析，以分析测量过程中获得的一系列反射图。对于通过经典和机器学习方法解释获得的数据，进行了相关分析，以确认人工智能的潜力提高TDR测量的质量。该工作的摘要讨论了获得的分析结果，并使用高斯工艺回归方法强调了水分评估的有效评估，该方法允许达到RMSE错误值的0.2-0.3％的水平，该水平比传统方法低约10倍。
Next-G O-RAN 网络的人工智能测试框架
摘要 — 开放性和智能性是下一代无线网络中引入的两个使能特性，例如超越 5G 和 6G，支持服务异构性、开放硬件、最佳资源利用率和按需服务部署。开放无线接入网络 (O-RAN) 是一种有前途的 RAN 架构，通过虚拟化网络元素和定义明确的接口实现开放性和智能化。虽然在 O-RAN 中部署人工智能 (AI) 模型变得越来越容易，但长期被忽视的一个重大挑战是在现实环境中全面测试它们的性能。本文介绍了一个通用的自动化、分布式和支持 AI 的测试框架，用于测试部署在 O-RAN 中的 AI 模型的决策性能、漏洞和安全性。该框架采用主参与者架构来管理多个终端设备以进行分布式测试。更重要的是，它利用人工智能自动智能地探索O-RAN中人工智能模型的决策空间。支持软件仿真测试和软件定义无线电硬件测试，实现快速概念验证研究和无线研究平台的实验研究。
应用机器学习方法来提高时间域的校准质量反射测量测量技术
摘要该文章介绍了时间域反射法（TDR）技术的应用，以测量建筑中使用的多孔建筑材料的水分。这项工作的重点是利用人工智能性别的潜力来通过新的方法来解释从TDR读取获得的数据来提高TDR测量的质量。机器学习是一种数据分析技术，如今在许多科学的语言上使用。作者使用人工智能算法进行了测量数据分析，以评估使用两个非侵入性传感器测试的充气混凝土样品的水分，该水分在厚度上有所不同。使用监督的机器学习进行了数据分析，以分析测量过程中获得的一系列反射图。对于通过经典和机器学习方法解释获得的数据，进行了相关分析，以确认人工智能的潜力提高TDR测量的质量。该工作的摘要讨论了获得的分析结果，并使用高斯工艺回归方法强调了水分评估的有效评估，该方法允许达到RMSE错误值的0.2-0.3％的水平，该水平比传统方法低约10倍。
智能建筑的系统评价分析
摘要：智能建筑技术结合了高效自动化的控制和应用，这些控制和应用使用智能能源产品、联网传感器和数据分析软件来监控环境数据和居住者的能源消耗习惯，以改善建筑物的运行和能源性能。智能技术和控制不仅在研发 (R&D) 领域而且在工业和商业领域都变得越来越重要，从而导致其在建筑领域的应用稳步增长。本研究以系统的方法研究了 2010 年至 2020 年期间发表的有关 SBEMS 的文献。它通过每年发表的研究数量来检查趋势，然后根据 SBEMS 领域、控制方法、智能技术和质量属性等因素探索出版物的分类。智能建筑能源管理系统 (SBEMS) 的最新发展侧重于为居住者提供界面来监控、安排和修改建筑能耗曲线的功能，并允许公用事业公司通过需求响应程序和自动自我报告中断功能参与通信网格。该研究还探讨了未来的研究途径，特别是在隐私和安全以及互操作性方面的改进。研究还建议，借助实时数据监控等解决方案可以提高智能建筑技术的智能性。
利用EEG Beta反弹跟踪模式进行手部运动想象智能分类技术
摘要：要在康复过程中应用基于 EEG 的脑机接口，需要在运动想象 (MI) 期间分离各种任务并将 MI 融入运动执行 (ME)。先前的研究侧重于基于复杂算法对不同的 MI 任务进行分类。在本文中，我们实现了智能、直接、易懂、省时且减少通道的方法来对 ME 与 MI 以及左手与右手 MI 进行分类。记录了 30 名执行运动任务的健康参与者的 EEG，以研究两项分类任务。对于第一项任务，我们首先基于 beta 反弹提出一种“跟进”模式。该方法的平均分类准确率为 59.77% ± 11.95%，对于手指交叉可高达 89.47%。除了时域信息外，我们还使用包括统计、小波系数、平均功率、样本熵和常见空间模式在内的提取方法将 EEG 信号映射到特征空间。为了评估其实用性，我们采用支持向量机作为智能分类器模型，采用稀疏逻辑回归作为特征选择技术，实现了 79.51% 的准确率。第二次分类也采用了类似的方法，准确率达到了 75.22%。我们提出的分类器表现出很高的准确率和智能性。所取得的成果使我们的方法非常适合应用于瘫痪肢体的康复。