XiaoMi-AI文件搜索系统
World File Search System测试工具
高级变风量系统设计指南
图 1.旧金山 ...................................................................................................................... 5 图 2.萨克拉门托...................................................................................................................... 5 图 3.指南内容概述 .................................................................................................... 6 图 4 – 商业新建建筑按建筑面积细分预测，总计 157,000,000 平方英尺/年。来源：加州能源委员会 ...................................................................... 11 图 5。模拟在设计中的作用 ...................................................................................................... 18 图 6。测量的系统气流，站点 3............................................................................................. 20 图 7。测量的空气处理器提供的冷却，站点 3（浅色条包括 2002 年 8 月至 10 月，深色条涵盖 2002 年 11 月至 2003 年 1 月） ............................................................................................. 20 图 8。典型的无管道回流管道竖井 ............................................................................................. 28 图 9。典型的管道立管 ............................................................................................................. 29 图 10。测量的照明时间表（设计负荷计算的第 90 个百分位数和能量模拟的第 50 个百分位数）小型、中型和大型办公楼 – ASHRAE 1093-RP...................................................................................................................... 38 图 11。测量的工作日照明曲线 – 站点 1 办公区域显示平均值（线）和最小/最大值（虚线）............................................................................................................. 40 图 12。测量的周末照明曲线 – 站点 1 办公区域显示平均值（线）和最小/最大值（虚线）............................................................................................................. 40 图 13。办公设备负荷系数比较 – Wilkins, C.K.和 N. McGaffin。ASHRAE 杂志 1994 - 测量办公楼中的计算机设备负载 ....... 41 图 14。测量设备计划（90 百分位数用于设计负载计算，50 百分位数用于能量模拟）适用于小型、中型和大型办公楼 - ASHRAE 1093-RP............................................................................................................. 44 图 15。测量的插头功率密度工作日概况 – 站点 1 办公区域显示平均值（线）和最小/最大值（虚线）............................................................................................. 45 图 16。测量的插头功率密度周末概况 – 站点 1 办公区域显示平均值（线）和最小/最大值（虚线）............................................................................................. 45 图 17。测量的站点 5 工作日插头负载概况（1999 年 11 月 - 2000 年 9 月）来源：Naoya Motegi 和 Mary Ann Piette，“从设计到运营：新建筑绩效合同的多年结果”，2002 年 ACEEE 夏季研究......................................................................................................................... 46 图 18。CalArch 基准测试工具结果、办公楼用电强度、PG&E 和 SCE 数据（以不同颜色表示）共计 236 栋建筑...................................................................................................................... 48 图 19。CalArch 基准测试工具结果、办公楼燃气使用强度、共计 43 栋建筑的 PG&E 数据............................................................................................. 48 图 20。2003 年 2 月 7 日在站点 #4 测得的 CO 2 水平......................................................................... 54 图 21。VAV 热水再热箱控制 - 单最大值............................................................................. 58 图 22。VAV 热水再热箱 - 双最大值......................................................................................... 60 图 23。示例 VAV 箱入口传感器性能图表，CFM 与速度压力信号............................................................................................................................. 67
数字孪生城市
4.1. 城市部署 29 4.1.1. 剑桥：应用于交通管理的数字孪生 30 4.1.2. 赫尔辛基：数字孪生作为向公众开放的测试工具 31 4.1.3. 雷恩：围绕特定用例研究构建的数字项目 32 4.1.4. 鹿特丹：用于管理城市基础设施资产的数字孪生 34 4.1.5. 欧洲其他项目 35 4.2. 北美部署 36 4.2.1. 波士顿：用于监督城市规划项目的数字孪生 37 4.2.2. 帕萨迪纳：面向城市公共部门参与者的有用监管工具 38 4.2.3. 波特兰：由居民蜂窝数据激活的数字孪生 39 4.3. 亚洲/中东部署 40 4.3.1.迪拜：以用户体验为重点的数字孪生项目 41 4.3.2. 斋浦尔：支持城市规划和监管的数字孪生 42 4.3.3. 新加坡：迄今为止最先进的数字孪生 43 4.3.4. 鹰潭：5G 数字孪生 44 4.4. 城市项目 45 4.4.1. 阿马拉瓦蒂：由数字孪生创建的城市 46 4.4.2. 多伦多滨水区：由数字孪生管理的智慧城市项目 47 4.5. 定位 48 4.5.1. 城市在开放性和应用数量方面的定位 49 4.5.2. 城市通过使用数字孪生进行定位 50
NXP eIQ™ 机器学习软件开发...
输出前缀：[] 最小热身运行次数：[1] 最小热身运行持续时间（秒）：[0.5] 图表：[mobilenet_quant_v1_224.tflite] 输入层：[] 输入形状：[] 输入值范围：[] 输入层值文件：[] 允许 fp16：[0] 要求完全委派：[0] 启用 op 分析：[0] 最大分析缓冲区条目：[1024] 用于导出分析数据的 CSV 文件：[] 最大委派分区数：[0] 加载模型 mobilenet_quant_v1_224.tflite 输入模型文件大小（MB）：4.2761 初始化会话用时 29.969 毫秒。运行基准测试至少 1 次迭代和至少 0.5 秒，但如果超过 150 秒则终止。 count=6 first=87280 curr=84477 min=84477 max=87280 avg=85015.3 std=1015 运行基准测试至少 50 次迭代和至少 1 秒，但如果超过 150 秒则终止。count=50 first=84593 curr=84484 min=84441 max=85168 avg=84582.6 std=148 平均推理时间（单位：美元）：热身：85015.3，初始化：29969，推理：84582.6 注意：由于基准测试工具本身会影响内存占用，以下内容仅是模型在运行时实际内存占用的近似值。请自行判断。峰值内存占用（MB）：init=7.03516 Overall=8.96875
《钢铁侠 3》中的 VR、AR、MR 模拟和启示
关键词 数字人文；人机交互；设计小说；钢铁侠 3；女性超级英雄 摘要 考虑到所有类型的模拟都是基于逼真度并从现实世界中获取指称，本演讲将重点介绍电影“钢铁侠 3”中的工具（外骨骼、头盔）、全息原型和“设计小说”元素。 一些科幻作品可以成为事后的预言，或者更谦虚地展示目前被称为“设计小说”的物体、场景或人类行为及其背景。 所呈现的项目和界面值得探索，主要是因为它们已经并正在推动现实生活中的物体和程序的创造。 介绍 模拟是对现实世界过程或系统的模仿；或“制作某物的计算机模型，特别是为了研究的目的”（O.E.D），因此进入“小说”的范围。所有模拟都依赖于任何事物或图像的“再现”，并以“现实世界”为参照物。因此，它们需要尽可能逼真——从亚里士多德和叙事学的角度来看。在现实世界中，模拟的逼真意图受到所测试工具允许的技术可能性的限制；它们的效果需要以图形方式呈现（2D 或 3D）才能正确共享（Dozortsev，2017；Forkel，2017）。与叙事的线性相反，科幻漫画为现实世界、功能、场景和角色提供了 2D 图像。
2025 年可持续发展计划
• Woolworths Group 领导层将保持平衡，为所有决策论坛带来思想多样性，包括 40:40:20 的性别平衡、改善文化多样性以及原住民和托雷斯海峡岛民代表。 • 使用由外部专家组织管理的基准测试工具，我们将验证我们的绩效并对自己负责。我们的目标是： - 获得 WGEA 性别平等首选雇主称号（注意不适用于新西兰）。支持同岗位性别薪酬平等。 - 实施我们当前的创新级和解行动计划，并通过制定 Stretch RAP 继续致力于和解。这包括重申我们支持 Uluru 发自内心声明的承诺（注意：不适用于新西兰）。 - 在澳大利亚工作场所平等指数 (AWEI) 中获得 LGBTQ 包容性白金级雇主地位。新西兰：保持 Rainbow Tick 认证 5 年，排名为“完全实现并持续改进”。 - 制定并实施无障碍行动计划，并提交给澳大利亚残疾人无障碍和包容指数网络，并逐年改进。新西兰：加入无障碍计划，通过年度差距分析实现 9 个能力领域的逐年改进。• 我们在倾听和响应团队需求方面的投资将反映在他们对 Woolworths 作为工作场所的倡导度持续增加上，这一点在我们的团队之声调查中得到了衡量。
NASA 材料、结构、机械系统和制造技术领域路线图 -TA12
前言 执行摘要 TA12-1 1. 概述 TA12-5 1.1. 技术方法 TA12-5 1.2. 优势 TA12-5 1.3. 适用性/可追溯性（NASA 战略目标） TA12-6 1.4. 技术挑战 TA12-6 2. 项目组合讨论 TA12-6 2.1. 材料 TA12-7 2.1.1. 轻质结构。 TA12-7 2.1.2. 计算设计材料。 TA12-8 2.1.3. 柔性材料系统。 TA12-9 2.1.4. 环境。 TA12-10 2.1.5. 特殊材料。 TA12-10 2.2. 结构 TA12-11 2.2.1. 轻质概念。 TA12-11 2.2.2. 设计和认证方法。 TA12-12 2.2.3. 可靠性和维持。TA12-14 2.2.4. 测试工具和方法。TA12-14 2.2.5. 创新、多功能概念。TA12-16 2.3. 机械系统 TA12-16 2.3.1. 可部署、对接和接口。TA12-16 2.3.2. 机制寿命延长系统。TA12-17 2.3.3. 机电、TA12-18 2.3.4. 设计和分析工具和方法 TA12-19 2.3.5. 可靠性/寿命评估/健康监测 TA12-19 2.3.6. 认证方法 TA12-21 2.4. 制造 TA12-21 2.4.1. 制造流程。TA12-21 2.4.2.智能集成制造和信息物理系统。TA12-22 2.4.3. 电子和光学制造工艺。TA12-24 2.4.4. 可持续制造。TA12-24 2.5. 交叉 TA12-25 2.5.1. 无损评估 (NDE) 和传感器。TA12-25 2.5.2. 基于模型的认证和维持方法。TA12-26 2.5.3. 负载和环境。TA12-27 3. 与其他技术的相互依赖性
ADAS和自动驾驶汽车国际
自动驾驶汽车技术的快速发展已经需要开发复杂的测试工具，以确保安全性，效率和可靠性。测试AV和高级驾驶员辅助系统功能所需的大量数据必须是高质量的，协调良好的，并且代表了现实世界中的条件，从而捕捉了现实世界驾驶的所有细微差别。这样的测试创新是人类遗传的Trackbase Connect，这是一种尖端的整体软件解决方案，可彻底改变在验证基地上的主动安全测试和验证。TrackBase Connect旨在应对ADA和自动驾驶汽车的开发人员和制造商面临的复杂挑战。随着这些车辆变得更加先进，需要进行精确和全面测试的需求呈指数增长。TrackBase Connect提供了硬件和软件的无缝集成，提供了一个强大的平台，可以有效地简化测试过程，从而使工程师能够准确地满足行业需求。主动安全测试的一个重大问题是对验证地面资源的效率低下。传统方法通常会导致空间和资源的利用不足，导致延误和成本增加。TrackBase Connect通过使并行测试团队共享相同的空间，通过实时更新和集成的通信功能来协调其活动，从而优化了区域使用。这最大程度地提高了试验场的生产率，并加速了测试周期，以确保资源充分利用其潜力。集成是Trackbase Connect的基石，无缝合并ISO
人工智能融合教育的影响，使用Chatgpt对韩国高中生的计算思维
摘要 - 人工智能（AI）已集成到各个领域，加速了现有的创新。因此，AI已在教育中被用来推动学习分析和个性化学习等变化。最近，生成AI的发展进一步改变了教育格局。鉴于生成AI在教育中的使用越来越多，这项研究是为了探索其教育应用。我们制定了一个教育计划，该计划基于高中生的设计思维原理，结合了生成AI。为了验证其有效性，韩国的高中学生被选为研究对象，并分为实验组（n = 53）和对照组（n = 42）。与韩国2022修订的课程一致的测试工具测量了计算思维技能。研究结果表明，使用生成AI接受AI收敛教育的小组可显着改善其计算思维。与对照组相比，计算思维的改进也很重要，提供了AI在教育中的好处的有力证据。这项研究证实，使用基于设计思维的生成AI，AI融合教育有效地发展了高中生的计算思维技能。这项研究的发现突出了将生成AI整合到AI设计思维和融合教育中的潜在教育价值。这项研究提供了保证，即生成AI可以成为增强学生学习经验和成果的强大工具，为未来的教育创新铺平了道路。
人工智能在软件工程中的未来发展方向
人工智能在软件工程中的未来发展方向 Narasimha Murthy MR 助理教授，VVIET 迈索尔 570028 印度 摘要：本研究论文探讨了人工智能（AI）的快速发展格局及其对软件工程领域的深远影响。随着技术的不断进步，人工智能正在成为软件开发流程中不可或缺的一部分，彻底改变了软件的设计、测试和维护方式。本文深入探讨了人工智能在软件工程中的现状，并探讨了其未来的发展方向，讨论了未来的潜在优势、挑战和机遇。 关键词：人工智能 AI、软件工程、革命性、未来方向、挑战 1.简介 随着人工智能的融入，软件工程正经历变革阶段。机器学习和自然语言处理等人工智能技术越来越多地被应用于增强软件开发的各个方面，从需求分析到部署和维护。本文旨在分析人工智能在软件工程中的当前应用并预测其未来发展方向。 2. 人工智能在软件工程中的当前应用 a) 自动代码生成：人工智能算法可以生成代码片段甚至整个函数，从而减轻开发人员的负担并加快开发过程。 b) 错误检测和解决：人工智能工具可以分析代码以检测错误和漏洞，提供主动解决方案并提高软件可靠性。 c) 需求分析和自然语言处理：人工智能支持复杂的自然语言处理，有助于提取需求并促进利益相关者和开发人员之间的更好沟通。 d) 自动化测试：人工智能驱动的测试工具通过自动化测试用例生成、执行和结果分析来提高软件测试的效率。 3. 人工智能在软件工程中的未来范围
AI4COVID-19：利用人工智能通过应用程序对咳嗽样本进行 COVID-19 初步诊断
摘要 无法大规模检测已成为人类对抗 COVID-19 大流行的致命弱点。一种可在全球范围内部署的灵活、可扩展且经济高效的测试可以改变这场战争的格局。为了应对这一挑战，我们基于之前对各种呼吸系统疾病的咳嗽诊断所取得的良好成果，开发了一种基于人工智能 (AI) 的 COVID-19 初步诊断测试。该测试可通过名为 AI4COVID-19 的移动应用程序大规模部署。AI4COVID-19 应用程序需要受试者 2 秒的咳嗽记录。通过在云端运行的 AI 引擎分析咳嗽样本，该应用程序可在一分钟内返回初步诊断。不幸的是，咳嗽是二十多种与 COVID-19 无关的疾病的常见症状。这使得仅凭咳嗽来诊断 COVID-19 成为一个极具挑战性的问题。我们通过开发一种新颖的多管齐下的以介质为中心的风险规避 AI 架构来解决这个问题，从而最大限度地减少误诊。在撰写本文时，我们的 AI 引擎可以区分 COVID-19 患者的咳嗽和几种非 COVID-19 咳嗽，准确率超过 90%。随着更多更好的数据可用，AI4COVID-19 的性能可能会提高。本文提出了一个概念证明，以鼓励进行受控临床试验，并呼吁对咳嗽数据进行标记。AI4COVID-19 并非旨在与临床测试竞争。相反，它提供了一种可随时随地由任何人部署的补充远程测试工具，因此可以将临床测试和治疗引导到最需要的人身上，从而挽救更多生命。