XiaoMi-AI文件搜索系统
World File Search System简约
受昆虫启发的自主机器人 AI
自主机器人有望在复杂、未知的环境中执行各种复杂的任务。然而，可用的机载计算能力和算法对实现更高水平的自主性构成了相当大的障碍，尤其是随着机器人越来越小，摩尔定律即将终结。在这里，我们认为，从昆虫智能中获得的灵感是机器人传统方法的一个有前途的替代方案，可用于实现小型移动机器人自主所需的人工智能 (AI)。昆虫智能的优势源于其资源效率（或简约性），特别是在功率和质量方面。首先，我们讨论这种简约性背后的昆虫智能的主要方面：体现、感觉运动协调和群集。然后，我们评估昆虫启发的人工智能作为其他重要机器人任务（如导航）方法的替代方案的地位，并确定其更广泛采用的道路上面临的挑战。最后，我们反思适合实现受昆虫启发的人工智能的处理器类型，从更传统的处理器（如微控制器和现场可编程门阵列）到非常规的神经形态处理器。我们认为，即使对于神经形态处理器，也不应该简单地应用现有的人工智能算法，而应该利用自然昆虫智能的见解来获得最高效的机器人自主人工智能。
舞蹈探索的躯体 - 斯德哥尔摩
feldenkrais是一种躯体运动技术，我们从骨骼的观点与内部运动和淘汰一起工作。该方法具有神经可塑性以及大脑可以通过实用方法发生变化的想法，我们经常通过简约的运动来开放思想和运动的新链，以打破习惯，火花，好奇心并平衡我们的神经系统。这是预防损伤的，疼痛和减轻压力的，可以用于康复，也可以用作锻炼的实践，一旦发音和工具进行锐化。
通过物理信息机器学习和 Shapley 加法解释预测定向能量沉积中的拉伸强度
在定向能量沉积 (DED) 中，局部材料微观结构和抗拉强度由零件上每个空间位置经历的热历史决定。虽然先前的研究已经调查了热历史对机械性能的影响，但仍然需要一种物理上可解释、简约且具有良好预测精度的抗拉强度预测模型。本文研究了一种基于 Shapley 加性解释 (SHAP) 模型解释的数据驱动预测模型来解决这一问题。首先，将从先前的实验工作中翻译出来的物理上有意义的热特征用作神经网络的输入，以进行抗拉性能预测。然后计算各个输入特征的 SHAP 值，以量化它们各自对抗拉性能预测的影响，并使用累积相对方差 (CRV) 度量降低模型复杂性。对实验获得的 Inconel 718 (IN718) 抗拉强度的预测表明，通过开发的方法量化的特征影响可以通过先前研究的结果来验证，从而证实了神经网络预测逻辑的物理可解释性。此外，基于CRV的模型复杂度降低表明，简约模型只需要不到10%的原始特征即可达到与先前文献报道相同的拉伸强度预测精度，从而证明了基于SHAP的特征降低方法在改进DED过程表征方面的有效性。
使用MSTATE软件包的骨髓移植的多状态模型
在本演讲中，我将解决与协变量的多州模型中产生的两个问题。首先与如何在协变量效应的建模中获得简约有关。在多状态模型中纳入协变量的标准方式是将过渡视为单独的构件，并分别通过分别通过对过渡危险的比例危害模型对协变量的效应进行建模。这通常会导致大量的回归系数估计，并且存在过度拟合的真正危险，尤其是在发生事件很少的过渡时。我们建议使用降低的等级模型来解决此问题。
使用高阶马尔可夫链和深度神经网络对作物特异性土地覆盖预测的评估
高阶马尔可夫连锁店（HOMC）是基于过渡概率的常规模型，美国农业部（USDA）国家农业统计局（NASS）使用，随着时间的推移研究农作物旋转模式。但是，由于分类数据表示为指示器（或虚拟）变量，因此请与稀疏性和识别能力问题相称。实际上，参数空间的维度与分析所需的人类所需的顺序相吻合。虽然简约的表示减少了参数的数量，如文献所示，但它们通常会导致预测较少。大多数简约的模型都经过大数据结构的培训，可以使用替代算法对其进行压缩并有效处理。因此，使用新的HOMC算法和在一系列农业条件上进行的深层神经网络（DNN）进行了彻底评估和比较，以确定哪种模型最适合于运营农作物特定土地涵盖美国农业（US）农业。在本文中，在2011年至2021年之间，六个神经网络模型从六个农业强化县进行了作物旋转数据，这些县反映了中西部和美国南部种植的主要农作物的范围以及各种农作物旋转模式。六个县包括：北达科他州的伦维尔；内布拉斯加州珀金斯；德克萨斯州黑尔；伊利诺伊州利文斯顿；伊利诺伊州麦克莱恩；和俄亥俄州的谢尔比。结果表明，DNN模型在2021年获得所有县的总体预测准确性较高。所提出的DNN模型允许摄入长时间序列数据，并且比被认为预测美国特定农作物特定土地覆盖的新的HOMC算法可鲁棒地实现更高的精度值。
全球供应链中断的劳动力市场影响
2参见Dickens等。（2007），Grigsby等。 （2019）以及Hazell and Taska（2019）的论文，这些论文发现了数据中存在DNWR的信息。 现实世界中的劳动力市场摩擦可能会大大超过DNWR，但是我们的模型将这种建模设备作为一种简约的方式来捕获这种摩擦，以丰富的动态定量贸易模型。 3我们的基线分析还假设美元与其他国家 /地区的货币之间的灵活汇率。 但是，我们还进行了固定汇率的替代分析，对美国的影响是相似的。 可应要求提供此分析的结果。 4引入其他类型的名义锚使我们无法使用RUV中开发的有效Alvarez和Lucas型算法来处理DNWR，从而增加了计算时间的数量级。 实施更现实的名义锚定于将来的研究。（2007），Grigsby等。（2019）以及Hazell and Taska（2019）的论文，这些论文发现了数据中存在DNWR的信息。现实世界中的劳动力市场摩擦可能会大大超过DNWR，但是我们的模型将这种建模设备作为一种简约的方式来捕获这种摩擦，以丰富的动态定量贸易模型。3我们的基线分析还假设美元与其他国家 /地区的货币之间的灵活汇率。但是，我们还进行了固定汇率的替代分析，对美国的影响是相似的。可应要求提供此分析的结果。4引入其他类型的名义锚使我们无法使用RUV中开发的有效Alvarez和Lucas型算法来处理DNWR，从而增加了计算时间的数量级。实施更现实的名义锚定于将来的研究。
供应链中断、生产网络结构和全球化的影响
我们开发了一个简约的国际生产多部门模型，并用它来研究某些中间产品生产中断如何传递到最终产品，以及这种影响如何取决于产品在生产网络中的位置和整体结构。我们表明，短期中断可能比长期中断大得多。短期中断取决于供应链与中断产品相交的最终产品的价值，而长期中断则取决于中断产品的成本。我们使用该模型表明，供应链复杂性的增加会导致脆弱性增加。我们还表明，运输成本的降低会导致生产专业化程度的提高，并有可能增加脆弱性。
迁移指南从Edgelock A5000到Edgelock A30
•Edgelock插头和信任中间件是通过不同的软件包分发的： - 完整的多平台插件和信任中间件软件包（www.nxp.com/a5000）。- 插件和信任迷你软件包（GITHUB）是用于Linux使用的插头和信任中间件的子集。- 插件和信任纳米软件包（GITHUB）是针对受限设备优化的插件和信任中间件的简约版本。它还提供了与Zephyr OS的集成和QI 1.3身份验证的示例。•开箱即用支持的MCU/MPU平台： - MCUS：MIMXRT1170-EVK，MIMXRT1060-EVK，FRDM-64F和LPC55S69-EVK - MPUS - MPUS：RASPBERRY PI和MCIMX8M-EVK•MCIMX8M-EVK•MCIMX8M-EVK•命令Line line Provisioning工具：SSSSCLI