XiaoMi-AI文件搜索系统
World File Search System模拟数据
实时策略游戏中的过程和策略挖掘
在实际公司数据上展示流程挖掘可能是由于对数据隐私，监管限制和对竞争优势的考虑而导致的访问有限，这可能是具有挑战性的。在许多情况下，公司不愿共享其数据，因为它可能包含可能损害其业务的敏感信息，并且规范限制可能会进一步限制与外部方面的数据共享。尽管面临这些挑战，但人们越来越认识到过程采矿（包括现实数据）可以带给组织所带来的重大好处。为了克服这些挑战，公司可以使用综合或模拟数据作为展示和了解过程采矿的潜在好处的手段。但是，合成或模拟数据的使用具有局限性，因为它可能无法准确反映现实过程中的复杂性和细微差别。为了探索这些方法的潜力，竞争性的实时策略（RTS）游戏可以作为在时间压力下在复杂环境中进行决策分析的绝佳代理。在这种情况下，游戏数据是一个受控的实验环境（Wagner 2006），如其他与业务相关的学术研究（例如Clement（2023）（2023），Künn等人的作品。（2023）和Ching等。（2021）。表1将RTS游戏中的典型挑战与公司决策联系起来。RTS匹配的游戏历史记录在日志文件中持续存在。使用数据驱动的方法为此目的这些文件包含游戏中每个给定动作命令的事件日志，因此包含有关玩家行为的丰富数据，例如玩家采取的动作序列，他们分配的资源以及他们做出的战略决策。通过分析这些日志，研究人员可以对玩家行为和决策产生洞察力，可用于在竞争性理性环境中为过程提供和改善过程采矿和过程发现技术。
人工智能在建筑消防安全提升中的应用
在过去十年中，大数据和人工智能 (AI) 的融合为建筑和施工行业引入了创新的智能技术。人工智能越来越多地应用于火灾探测、风险评估和火灾预测。本章概述了将人工智能纳入建筑消防安全工程的路线图，并与计算流体动力学 (CFD) 火灾建模的发展进行了比较。它提供了使用实验和模拟数据开发综合火灾数据库的指南。本章还探讨了在检测和预测火灾场景方面具有巨大潜力的人工智能算法，并回顾了智能消防系统的最新进展。最后，提出了在建筑消防安全中使用人工智能的三个新概念：
在有符号累积函数中进行最近子空间搜索...
本文提出了一种使用有符号累积分布变换 (SCDT) 对一维信号进行分类的新方法。所提出的方法利用 SCDT 的某些线性化特性，使问题在 SCDT 空间中更容易解决。该方法使用 SCDT 域中的最近子空间搜索技术来提供一种非迭代、有效且易于实现的分类算法。实验表明，所提出的技术在使用极少量训练样本的情况下优于最先进的神经网络，并且对模拟数据上的分布外示例也具有鲁棒性。我们还通过将所提出的技术应用于 ECG 分类问题来证明其在实际应用中的有效性。实现所提出的分类器的 Python 代码可以在 PyTransKit [1] 中找到。
定向应变干扰固态离子通道中的离子传输
图 4. 一组极坐标曲线，描述了在不同应变大小下 K + 渗透石墨烯嵌入的 N 4 O 2 孔隙时，单轴应变方向的变化。每个传导点模拟 150 纳秒。除了 N 4 O 2 孔隙外，还展示了通过单轴应变 18-冠-6 孔隙的渗透，作为各向同性响应的示例（黑色圆圈和实线）。所有连续线都是模拟数据的 - 型拟合，作为视觉指南添加。𝐴𝑒𝑥𝑝（𝐵𝑐𝑜𝑠𝜑）对应的数据不确定性与图 2 中显示的垂直条具有相同的量级。
5 月 15 日 星期一 5 月 16 日 星期二
Fatma Kocer (Altair)、Shane Mooney (Kinetic Vision) - 工程数据科学工作组工程师使用基于物理的模拟创建并继续创建大量数据。我们中的一些人使用实验设计或优化来生成大型数据集，但大多数人使用反复试验过程来生成数据点。那些使用 DOE 或优化的人可以通过使用描述性和预测性分析从整个数据集中学习，从而增强设计探索并做出更好的设计决策。最近，还开发了可以使用从一次性反复试验中编译的历史数据集的 ML 方法。在本次研讨会上，我们将展示使用模拟数据将数据科学应用于工程应用。我们将讨论...
EROSITA最终赤道深度调查（EFEDS）
我们已经开发了基于神经网络的管道，以直接从X射线中的光子信息中直接从已知的红移来估计星系簇的质量。我们的神经网络是使用对eRosita观察的模拟的监督学习进行了培训的，重点是最终的赤道深度调查（EFEDS）。我们使用了已修改的卷积神经网络，以包括有关集群的其他信息，尤其是其红移。与现有作品相比，我们利用了包括背景和点源的模拟来开发一种直接适用于延长质量范围的观察性吞噬数据的工具 - 从组尺寸的光环到质量的大量群集到10 13 m 使用这种方法，我们能够在第一次提供来自Spectrum-Roentgen-Gamma / Erosita观察的观察到的EFEDS群集样品的神经网络质量估计，并且我们发现具有弱慢量校准质量的一致性。 在此测量中，我们没有使用弱效率信息，并且仅使用了以前的群集质量信息，该信息用于校准模拟中的群集特性。 与模拟数据相比，我们观察到相对于亮度和基于计数速率的比例关系的散射减少。 我们还对其他即将到来的Erosita All-Sky调查观察的申请发表评论。使用这种方法，我们能够在第一次提供来自Spectrum-Roentgen-Gamma / Erosita观察的观察到的EFEDS群集样品的神经网络质量估计，并且我们发现具有弱慢量校准质量的一致性。在此测量中，我们没有使用弱效率信息，并且仅使用了以前的群集质量信息，该信息用于校准模拟中的群集特性。与模拟数据相比，我们观察到相对于亮度和基于计数速率的比例关系的散射减少。我们还对其他即将到来的Erosita All-Sky调查观察的申请发表评论。
通过小型 CZT 传感器网络进行放射源定位的人工智能方法
我们提出了一种小型 (0.5 𝑐𝑚 3 ) 静态 CZT 传感器网络，由多个无方向性探测器 (NDD) 组成，能够在 3D 中定位固定辐射源。定位采用基于 AI 技术的融合算法执行。该算法基于多层 Perseptron 神经网络 (MLP) 和梯度提升决策树 (BDTG)。它们已使用基于 Geant4 框架的 SWORD 模拟软件生成的模拟数据进行训练。使用我们实验室使用的 137 𝐶𝑠 源 180 𝜇𝐶𝑖 的实验数据验证了算法的定位效率。在 5m x 2.8m x 2m 的监测范围内，垂直和水平方向的定位分辨率分别达到 10cm 到 15cm 量级，深度方向的定位分辨率小于 20cm 量级。
社交 - vrnn：互动行人的单次多模式轨迹预测
摘要：人类动议的预测是对人类自主机器人安全导航的关键。在混乱的环境中，由于其与环境和其他脚步的相互作用，可能会有几种运动假设。以前用于估计多个运动假设的工作需要大量样本，这限制了其在实时运动计划中的适用性。在本文中，我们提出了一种基于深层生成神经网络的相互作用和多模式轨迹预测的变分学习方法。我们的方法可以实现更快的收敛性，并且与最新方法相比，需要更少的样本。对真实和模拟数据的实验结果表明，我们的模型可以有效地学习推断出不同的轨迹。我们将我们的方法与三种基线方法进行了比较，目前的性能结果表明，我们的生成模型可以通过产生各种轨迹来实现轨迹预测的更高准确性。
