XiaoMi-AI文件搜索系统
World File Search System流式
研讨会 交流式人工智能
研讨会 交流式人工智能 传播与媒体研究硕士学位课程 模块 传播、媒体与社会 II 星期四，13:00 至 15:00，房间 1.06（最后编辑：2024 年 8 月 8 日） MOODLE 课程：https://moodle2.uni-leipzig.de/course/view.php?id=50197 模块：传播、媒体与社会 该模块涉及媒体发展的结构条件和后果，以全面了解公共传播作为一种特殊的社会传播形式。首先，分析媒体系统和结构以及塑造它们的社会条件。其中包括体制结构、法律和政治条件、经济需要和影响结构、社会规范、历史和技术创新。同时，媒体社会对政治、经济和文化等社会子领域的影响也令人感兴趣。为此，课程将重点介绍媒体系统的主要特征，重点关注媒体政策、法律、道德、经济、媒体文化和媒体设计以及跨文化交流。研讨会的目标 最迟从 ChatGPT 开始，人工智能就已成为一个社会问题。其中一个原因是 ChatGPT 是一个可以回答用户问题的交流型人工智能应用程序。因此，生成式人工智能满足了人们对人工智能的长期期望，即它具有交流能力。自人工智能应用程序开发以来，它们“人性化”交流的能力一直是其性能的试金石。如今，交流型人工智能的应用不计其数，包括聊天机器人、人工智能支持的通信工具和对话代理。它们的批判性分析是研讨会的重点。
流式零知识证明
流式交互式证明（SIPS）启用了一种由空间构造的算法，该算法可以一通访问大量数据流，以通过与强大但不受信任的供体通信，验证需要大空间的计算。这项工作启动了对数据流的零知识证明的研究。我们在流设置中定义了零知识的概念，并为流互动证明文献中的两个主要算法构建块构造了零知识SIP：Sumcheck和多项式评估协议。我们最好的知识，所有已知的流互动互动证明都是基于这些工具中的一种，实际上，这使我们能够获得零知识的SIP，以解决中心流问题，例如索引，点和范围查询，中位数，频率力矩和内部产品。我们的协议在时间和空间方面和通信方面都是有效的：验证算法的空间复杂性是Polylog（n），在使用随机的接近线性长度的非相互作用设置后，其余参数为n o（1）。在途中，我们开发了一个用于设计零知识数据流托管的算法工具包，由代数流承诺协议和时间承诺协议组成。我们的分析依赖于平均案例沟通复杂性的微妙代数和信息理论论证和依赖。
抽搐是可持续的吗？流式可持续性
这项研究通过采用两管齐的方法来解决这一差距。首先，在亚马逊网络服务（AWS）基础架构上进行了基础架构，该实验是Twitch的大部分操作的基础，以直接在各种流质量水平下直接测量碳排放。第二，通过将这两个数据集关联以估计典型的Twitch流的碳足迹并确定关键因素，例如流持续时间，质量和观看率，从而从Twitch API收集了数据，以了解流媒体之间的现实使用模式。
流式优化的3D高斯脱落
3D高斯脱落（3DGS）已成为一种开创性的3D场景表示技术，提供了前所未有的视觉质量和渲染效率。但是，3DGS场景的大量数据卷在流媒体上构成了重大挑战。现有对3DGS的研究主要集中在压缩和提高效率上，忽略了流传输的具体质量。此外，3DG中的球形谐波颜色表示使基于视口的传输分配复杂化。在没有明显质量下降的情况下实现层次结构高斯流也是一个重大挑战。为了应对这些挑战，我们提出了SRBF-Gaussian，这是一种彻底改变传统3DGS格式的新范式。我们的方法基于球形径向基础函数（SRBF）和HSL颜色空间引入了与视口有关的颜色编码，从而可以选择性地传输与视口相关的颜色数据。这在保持视觉质量的同时减少了数据传输。我们实施自适应高斯修剪和传输，以适应当前的视口和网络条件。补充 - 我们开发了连贯的多级高斯表示，以在质量水平之间平稳过渡。我们的系统结合了用户 - 行为感知的流策略，以预测和预先提取相关数据。在云VR方案中，我们的方法表明了实质性改善，PSNR增长了5.63％-14.17％，延迟下降7.61％-59.16％，总体经验质量（QOE）提高了10.45％-30.12％。
主流式可再生能源的政治经济学...
I.定义主流的“问题” 1.1 PEA的背景此报告是政策企业家Inc.（PEI）的一部分，是尼泊尔可再生能源项目（NREP）签订的任务提交的一部分，以进行尼泊尔的主流可再生能源（RE）进行政治经济学分析（PEA）。由于尝试1的工作的复杂性质并管理背景不同的读者的期望，因此我们认为，从一开始就需要清楚地清楚。首先，澄清政治经济学分析一词并确定这项工作的期望很重要。为此，我们依靠英国政府委托并由国际政府国际学院准备的PEA的初学者指南。在本指南中，PEA被定义为“试图找出在某种情况下真正“发生”的尝试，即直接问题表面背后的事物，例如，是否存在竞争利益（SIC）。”它补充说：“豌豆是我们所有人工作方式的自然部分，其中大部分都取决于我们如何询问我们正在工作的问题，即问谁想要什么，为什么以及如何？。”该指南进一步指出：“重要的一点是，如果我们在发展中工作，我们不可避免地已经参与了政治进程，并且可能无意间正在塑造这些过程。豌豆有助于我们剥夺“政治”背景的层次。”本质上，许多分析师通常指出“缺乏政治意志”是对所需政策改革的最大挑战。我们首先定义可再生能源。进一步指出：“因此，豌豆有助于我们解开以前陷入``政治意志''框的所有问题，以便我们可以考虑必须适应的因素以及我们可以尝试影响和改变的因素。”和与NREP参与政策改革的最相关，并在本报告的最后一部分中涵盖了：“ PEA可以帮助我们确定政治上聪明的干预措施的入门点……并概述潜在的“改革途径”。第二，鉴于对本文中使用的某些概念的许多可能解释，我们首先建立了一些定义。请注意，这里我们仅限制定义；这些定义的选择将更加清晰，因为我们在报告后面更详细地讨论它们。在全球话语中，这主要指的是来自水力发电，太阳能或风的能量。2但鉴于其巨大的潜力，水力发电主导了尼泊尔的电力部门。同时，其他可再生能源在很大程度上被视为增加居住在极端农村地区的尼泊尔人的电力的一种手段。因此，当我们指的是可再生能源时，我们将指的是其他高于惠特的可再生能源。此外，考虑到太阳能的话语相对在尼泊尔的水能可再生能源以外的其他阶段相对先进，我们将指出这一特殊的技术。第三，我们需要定义主流。我们知道，关于要考虑是否真正实现了可再生能源主流化的方式可能有不同的看法。这个，但基于所提供的工作范围，我们如何定义公共问题3（请参阅第1.2节），我们需要为政治经济学提出一个非常具体的定义，以及我们与该部门的各个利益相关者为此目的进行讨论，我们正在为政府的整体建立了全面的整合，我们将确定“为政策的整体建立，这意味着政策条件在全国范围内建立了整体，这意味着我们将建立了整体。 网格。
ChatGPT、LaMDA 和围绕交流式 AI 的炒作
作为媒体和传播研究人员，我们不想忽视这些警告，也不想陷入夸张的言论中。尽管如此，ChatGPT、LaMDA 和 Luminous 等通信技术需要得到认真对待，因为它们真正代表了通信自动化的新一步——尽管如此，这一过程仍将持续下去，并开启了大量进一步的讨论。例如，社交媒体平台上的机器人和算法个性化在传播虚假新闻和仇恨言论方面所扮演的角色引发了热烈的学术讨论（即 Lazer 等人，2018 年）。亚马逊 Alexa、谷歌助手、微软 Cortana 或苹果 Siri 等系统已经存在近十年，迫使我们质疑我们对人类交流和代理的思考（即 Guzman，2015 年）。关于新闻制作（即 Thurman 等人，2019 年）、监控资本主义（即 Zuboff，2019 年）和数据殖民主义（即 Couldry & Mejías，2019 年）的讨论中进一步探讨了自动化问题。原则上，通信自动化的历史比最近的公开讨论可能暗示的要长得多，并且可以影响社会生活的各个领域。然而，在社会交流方面，它尤其重要，新闻业就是个很好的例子。在这里，传播自动化起着双重作用：从内部来看，例如，由于内容的自动化制作和分发，新闻工作实践发生了变化（Carlson，2018 年；Diakopoulos，2019 年）；从外部来看，以这种方式创建的内容成为公开讨论的一部分（Graefe & Bohlken，2020 年；Volcic & Andrejevic，2023 年）。这些例子表明，自动化通信系统已成为我们媒体环境的一部分，并因此以特定的方式应用于公共话语、新闻、政治和教育等各种社会领域。这一发展带来了巨大的挑战（Fortunati & Edwards，2020）：从经验上讲，就如何研究自动化通信而言；从理论上讲，代理、媒体和通信的基本概念发生了巨大变化。在本文中，我们想更详细地定义通信自动化作为一个研究领域。我们的主要论点是，如果我们要全面处理与通信自动化相关的媒体环境转型，
与设备的因果均值聚合流式reslstm ...
在本文中，我们提出了一个流媒体模型，以区分旨在用于智能家居设备的语音查询和背景语音。提出的模型由多个具有剩余连接的CNN层组成，然后是堆叠的LSTM架构。通过使用单向LSTM层和因果均值聚集层来实现流式功能，以形成最终的话语级别预测到当前帧。为了避免在线流媒体推理期间的冗余计算，我们为每个卷积操作都使用一种缓存机制。对设备定向与非设备定向任务的实验结果表明，与以前的最佳模型相比，所提出的模型降低了41％。进一步，我们表明，与基于注意力的模型相比，所提出的模型能够在时间上准确预测。
区域电力系统黑启动与径流式发电...
摘要 — 电池储能系统 (BESS) 是可再生能源集成度高的电力系统的重要资产，可通过控制为电网提供各种关键服务。本文介绍了使用具有电网跟踪 (GFL) 和电网形成 (GFM) 控制的兆瓦级 BESS 以及径流式 (ROR) 水电站恢复区域电力系统的实际经验。为了证明这一点，我们进行了集成实际 GFL 或 GFM 控制的 BESS 和负载组的电力硬件在环实验。本文给出的模拟和实验结果都展示了 GFL 或 GFM 控制的 BESS 在电力系统黑启动中的不同作用。结果为系统运营商提供了进一步的见解，了解 GFL 或 GFM 控制的 BESS 如何增强电网稳定性，以及如何在小容量 BESS 的支持下将 ROR 水电站转换为具有黑启动功能的装置。结果表明，与传统自下而下的方法相比，ROR 水电站与 BESS 相结合有潜力成为执行自下而上黑启动方案的使能要素之一，从而增强系统的弹性和稳健性。
从分布式和流式演示中学习多代理行为
本文考虑了通过估算其奖励功能和约束来推断出多个相互作用专家行为的问题，在这些奖励功能和约束下，分布式所证明的轨迹被顺序向一组学习者揭示。我们将问题提出为分布式在线双层优化问题，其中外部级别的问题是估计奖励功能，而内部级别的问题是学习约束和相应的策略。我们提出了一种新颖的“来自分布式和流式演示的多代理行为推断”（MA鸟）算法，该算法使学习者可以通过间歇性通信在单个循环中解决外部级别和内部水平问题。我们正式保证分布式学习者就奖励功能，判断和政策达成共识，平均本地遗憾（在在线迭代中）以O（1 /n 1-η1+1 /n 1 +1 /n 1-η1-η2+1 /n）的速度下降，而累积约束违规会增加1 +1 +1 +1 +1 +1 +2 +nη （1/2，1）。