XiaoMi-AI文件搜索系统
World File Search System端到端
将肌电图生物信号转化为合成声音的端到端乐器系统
摘要：本文介绍了一种结合硬件和软件的定制系统，该系统可感知表演者身体因肌肉收缩而产生的生理信号，并将其转换为计算机合成的声音。我们的目标是在该领域研究历史的基础上开发一个完整的集成系统，供非专业音乐家使用。我们描述了 Embodied AudioVisual 交互肌电图，这是一个端到端系统，涵盖音乐家身体上的可穿戴传感、基于定制微控制器的生物信号采集硬件、基于机器学习的手势到声音映射中间件和基于软件的粒度合成声音输出。一种新颖的硬件设计以最少的模拟预处理将来自肌肉的肌电图信号数字化，并在音频信号处理链中将其作为类兼容的音频和无线 MIDI 接口处理。映射层在强化学习配置中实现了交互式机器学习工作流程，并可以将手势特征映射到多维信息空间中的听觉元数据。该系统调整了现有的机器学习和合成模块，使其与硬件配合使用，形成了一个集成的端到端系统。我们通过一系列公开演讲和一系列音乐从业者的音乐会表演探索了其作为数字乐器的潜力。
PSA货物解决方案和BDP国际品牌以提供增强的端到端供应链解决方案
PSA International PTE Ltd（PSA）和BDP International，Inc。（BDP）今天宣布，PSA的PSA Cargo Solutions（Cargo Solutions）是PSA的业务部门，将与BDP结合，形成一个新品牌：PSA BDP。此公告是PSA在2022年4月成功收购BDP之后的。新的PSA BDP品牌融合了两家公司的补充优势和能力，以增强整个供应链中的服务和解决方案。以PSA的全球网络为60多个深海，铁路和内陆终端的强度，以及BDP作为全球物流解决方案提供商和供应链促进器的实力，PSA BDP将利用战略枢纽端口和宽敞的全球资产组合为复杂的全球环境提供更大的敏捷性和选择性。PSA BDP将通过行业领先的数字化和数据功能来增强创新和可持续性解决方案的交付，以增强供应链生态系统的连通性。自收购以来，货物解决方案和BDP已密切努力为跨关键行业垂直行业的客户提供完整的端到端供应链编排模型，包括扩展的终端增值服务，中途物流，中型物流，数字应用，用于简化合规过程，多型运输解决方案，这些解决方案侧重于降低降低碳碳的排放量。早些时候，PSA集团被重组为两类业务 - 港口和货物解决方案。新的PSA BDP品牌将代表PSA集团的货物解决方案类别的业务类别，合并的团队提供了完整的供应链解决方案，以满足货物所有者的不断变化和多方面的需求。“ PSA BDP的推出标志着我们正在进行的转型旅程中的重要里程碑，并象征着我们决心进一步扩展全球网络和服务产品，向我们的供应链客户和全球利益相关者。将小组重组成两个主要的业务类别，加强了我们继续承诺发展港口业务的承诺，同时增强了我们在补充货物解决方案领域中创新和提供未来解决方案的能力。我们认为，这种能力，才能和资产的综合将创造令人兴奋的机会 - 在这方面，总和大于各个部分。” PSA International集团首席执行官Tan Chong先生说。
端到端学习皮质神经假体视觉的安全刺激参数
通过皮质视觉神经植物对大脑的直接电刺激是一种有前途的方法，可以通过诱导对局部光（称为“磷烯”的局部光）感知来恢复视力障碍的基本视力。除了将复杂的感官信息凝结成低时空和空间分辨率下的有意义的刺激模式外，为大脑提供安全的刺激水平至关重要。我们提出了一个端到端框架，以学习安全生物学约束中最佳刺激参数（振幅，脉冲宽度和频率）。学习的刺激参数将传递给生物学上合理的磷酸模拟器，该模拟器考虑了感知到的磷光的大小，亮度和时间动力学。我们对自然导航视频的实验表明，将刺激参数限制为安全水平不仅可以维持磷光元素的图像重建中的任务性能，而且始终导致更有意义的磷光视觉，同时提供了对最佳刺激参数范围的见解。我们的研究提出了一种刺激生成的编码器，该编码器学习刺激参数（1）满足安全性约束，（2）使用高度实现的磷光模拟器来最大化图像重建和磷光解释性的合并目标，以计算刺激的时间动力学。端到端学习刺激参数以这种方式实现了关键的生物安全限制以及手头硬件的技术限制。
提供AI管理的临床研究数据Parexel的端到端自动化策略
框架。该框架必须具有管理新类型数据的能力 - 包括电子健康记录（EHR），患者和医疗保健专业文本以及语音通信的真实数据。随着临床评估扩展以解决现实世界中医学用途的药物影响，它必须能够处理大量数据。该框架必须为学习操作提供实时可见性，这是有效利益相关者协作和简化操作的关键能力。关键组件包括数字安全性；以云为中心的数据湖；以及数据流和共享技术。全面的数据治理将定义和直接：数据收集策略；数据标准；数据集成方法；以及数据分布，安全性，保护和与法规的整体映射。
使用加密技术在云环境中进行数据安全性用于端到端加密
本提出的论文显示了数据安全技术的综述研究，这些研究可以应用于通过任何云平台传输时，可以应用于通信。数据安全的关键方面是在发件人和接收器端之间提供端到端加密。有多种技术或算法可用于提供端到端的加密。，但是这项研究主要集中在加密技术上，这些技术也可以应用于我们的数据，以维持其对云存储平台的机密性。最近，由于目睹云计算是存储，处理和检索数据的最动态的方式，这种范式的这种惊人的转变是不可避免的。云计算具有不同的优势，包括最终的灵活性，可扩展性以及个人访问组织的能力。在上行方面，用户可以选择为方便起见牺牲的隐私，而各个个人之间的差异。另一方面，您的数据有一个安全漏洞。云计算平台安全性构成了真正的挑战，因为这样的平台可以暴露于包括密码盗窃和恶意行为的许多安全问题。传统良好的安全工具，包括防火墙和访问控制，可能无法保证数据安全性，因为数据可以通过网络传输到远程服务器上。在密码学中，发件人通过云等任何传输介质发送信息。但信息不会以其实际形式传播。[1-7]除了加密外，最近已经成为E2EE中非常流行的数据安全手段的加密外，不能被忽略为可以增强云中数据安全性的另一种重要策略。但是，我们必须强调，E2EE的功能是，从数据的存在开始（从生成数据生成的那一刻开始），直到数据到达其最终目的地的最终目标 - 第三方无法在其生命周期的任何阶段浏览此数据。信息将使用一些键和加密算法转换为加密文本，并且不采用正常可读格式。因此，数据泄露的机会很少。在技术术语中，我们称此加密的文本密码文本。然后，接收器收到密码文本，然后将其解密到其实际信息形式，即仅在授权人员之间的私人钥匙。因此，密码学有助于维持我们数据的机密性。密码学的框图如图1所示，该图表明，加密通信发生在带有加密文本的网络之间的发件人和接收器之间。
用于可重复使用的基于人工智能的应用程序的可扩展端到端管理的网络架构
∗ 爱立信 AB，斯德哥尔摩，瑞典 电子邮件：flavio.brito、josue.castaneda.cisneros、neiva.linder@ericsson.com † 马尔凯理工大学，罗马，意大利 电子邮件：r.riggio@staff.univpm.it ‡ i2CAT 基金会，巴塞罗那，西班牙 电子邮件：estefania.coronado、javier.palomares@i2cat.com § 高性能网络和架构，卡斯蒂利亚-拉曼恰大学，阿尔瓦塞特，西班牙 电子邮件：estefania.coronado@uclm.es ¶ 意大利电信 SpA，都灵，意大利 电子邮件：jovanka.adzic@telecomitalia.it ∥ ATOS 研究与创新部门 (ARI)，Atos Spain SAE，马德里，西班牙；电子邮件：fco.renart@atos.net ∗∗ RISE Research Institutes of Sweden AB，瑞典斯德哥尔摩 电子邮件：anders.lindgren@ri.se †† Aerotools，西班牙马德里 电子邮件：miguel.rosa@aerotools-uav.es ‡‡ 隆德大学，瑞典隆德；电子邮件：per.odling@eit.lth.se
使用黎曼概率的贝叶斯积累的端到端 P300 BCI
摘要 — 在脑机接口 (BCI) 中，大多数基于事件相关电位 (ERP) 的方法都侧重于 P300 的检测，旨在对拼写任务进行单次试验分类。虽然这是一个重要的目标，但现有的 P300 BCI 仍然需要多次重复才能达到正确的分类准确率。P300 BCI 中的信号处理和机器学习进步主要围绕 P300 检测部分，而字符分类不在范围之内。为了在保持良好字符分类的同时减少重复次数，解决完整的分类问题至关重要。我们引入了一个端到端流程，从特征提取开始，由使用概率黎曼 MDM 的 ERP 级分类组成，该分类使用跨试验的贝叶斯置信度积累提供字符级分类。现有方法仅在字符闪现时增加其置信度，而我们新的管道，称为黎曼概率贝叶斯累积 (ASAP)，在每次闪现后更新每个字符的置信度。我们提供了此贝叶斯方法的正确推导和理论重新表述，以便无缝处理从信号到 BCI 字符的信息。我们证明我们的方法在公共 P300 数据集上的表现明显优于标准方法。
精确：使用带有变压器的动作块的端到端自动挖掘机系统
摘要 - 挖掘机对于诸如建设和采矿等各种任务至关重要，而自主挖掘机系统可以提高安全性和效率，解决劳动力短缺并改善人类的工作条件。与现有的模块化方法不同，本文介绍了精确的末端自动挖掘机系统，该系统处理原始的LIDAR，相机数据和关节位置，以直接控制挖掘机阀。利用具有变压器（ACT）体系结构的动作块，精确地采用模仿学习来从多模式传感器中获取观测作为输入并生成可行的序列。在我们的实验中，我们基于捕获的现实世界数据来构建一个模拟器，以模拟挖掘机阀态与关节速度之间的关系。有了一些人类经营的演示数据轨迹，精确证明了完成不同发掘任务的能力，包括通过模拟器验证中的模仿学习到达，挖掘和倾倒。据我们所知，精确代表了通过模仿学习方法以最少的人类示范集来构建端到端自主挖掘机系统的第一个实例。有关此工作的视频可以在https://youtu.be/nmzr rf-aek上访问。
ontrack：揭开端到端3D跟踪器中检测与跟踪之间的冲突
摘要。由于检测和跟踪任务之间的冲突，现有的基于视觉3D感知的端到端跟踪器遭受性能降解。在这项工作中，我们到达了这一骗局的底部，这隐约归因于以前不兼容的特定于任务的对象功能。我们发现这两个任务之间的冲突在于它们部分冲突的分类梯度，这源于它们在积极样本分配中的微妙差异。基于此观察者，我们建议在两个任务中与对象查询中的这些相互矛盾的梯度协调那些冲突的梯度。我们还根据两个任务中的极性动态将所有对象查询分为四组。掩盖了具有冲突的正分配的查询集之间的注意。修改跟踪分类损失以抑制不准确的预测。为此，我们提出了OnEtrack，这是第一个单阶段的接头检测和跟踪模型，该模型弥合了统一对象特征在代表下的检测和跟踪之间的差距。在基于Nuscenes摄像头的对象跟踪基准上，OnEtrack在有效集合上的效果超过6.9％的Amota，在测试集上的作品均优于AMOTA，AMOTA的作品比3.1％。
Infrrd.ai 在 SemEval-2024 任务 7 中的表现：基于 RAG 的端到端训练以生成标题和数字
我们提出了一种基于检索增强生成 (RAG) 的训练算法来获得最相似的训练样本。获得的训练样本被用作参考，以执行基于上下文学习的大型语言模型 (LLM) 微调。我们使用提出的方法生成标题并从非结构化文本中提取数值。通过专门设计用于捕获数字的扩展标记语言 (XML) 标签，模型可以意识到非结构化文本中数字的存在。非结构化文本的标题经过预处理以包装数字，然后呈现给模型。许多数学运算也被作为参考传递，以涵盖思路链 (COT) 方法。因此，模型可以计算传递给数学运算的最终值。我们将数字验证作为后处理步骤，以验证模型计算的数值是否正确。生成的标题中的数字自动验证帮助模型在所涉及的方法中在人工评估中取得最佳结果。