XiaoMi-AI文件搜索系统
World File Search System系统测试
KitBit：用于解决智力测试和数值系列的新型 AI 模型
摘要 — 智力测试的解析度，特别是数字序列的解析度，在 AI 系统的评估中一直备受关注。我们提出了一种名为 KitBit 的新计算模型，该模型使用一组精简的算法及其组合来构建一个预测模型，该模型可以在数字序列中找到潜在的模式，例如智商测试中包含的数字序列和其他复杂得多的数字序列。我们介绍了该模型的基本原理及其在不同情况下的应用。首先，对从各种来源收集的智商测试中使用的一组数字序列进行系统测试。接下来，我们的模型成功应用于用于评估文献中报告的模型的系列。在这两种情况下，该系统都能够使用标准计算能力在不到一秒的时间内解决这些类型的问题。最后，KitBit 的算法首次应用于著名的 OEIS 数据库的完整系列。我们以算法列表的形式找到了一种模式，并在迄今为止数量最多的系列中预测了以下术语。这些结果证明了 KitBit 解决可以用数字表示的复杂问题的潜力。
GPU 功率上限用于权衡能源性能...
摘要。本文介绍了用于图像识别的深度卷积神经网络训练的性能-能量权衡研究。使用配备 Nvidia Quadro RTX 6000 和 Nvidia V100 GPU 的系统测试了几种具有代表性且广泛采用的网络模型，例如 Alexnet、VGG-19、Inception V3、Inception V4、Resnet50 和 Resnet152。使用 GPU 功率上限，我们发现除了默认配置之外，还可以最小化三个不同的指标：能量 (E)、能量延迟积 (EDP) 以及能量延迟总和 (EDS)，从而节省大量能源，EDP 和 EDS 的性能损失较低到中等。具体来说，对于 Quadro 6000 和最小化 E，我们获得了 28.5%–32.5% 的节能效果；对于 EDP，我们获得了 25%–28% 的节能效果，平均性能损失为 4.5%–15.4%；对于 EDS (k=2)，我们获得了 22%–27% 的节能效果，平均性能损失为 4.5%–13.8%。对于 V100，我们发现平均节能效果为 24%–33%；对于 EDP，我们获得了 23%–27% 的节能效果，平均性能损失为 13%–21%；对于 EDS (k=2)，我们获得了 23.5%–27.3% 的节能效果，平均性能损失为 4.5%–13.8%。
2002 年 8 月 - UFDC 图像阵列 2
阿拉巴马州红石兵工厂— 阿拉巴马州国土安全部科学技术助理主任、太空与导弹防御战斗实验室/亨茨维尔行动主任诺文·戈达德欢迎大家参加 4 月 10 日在红石技术测试中心 3 举行的旗舰实验。旗舰实验一直使用一个 75 英尺长的气球，距离兵工厂 10 英里处都可以看到，以展示使用系留气球以及其他民用和军用资源的实用性，以确保在现有通信设备无法使用的灾难情况下继续通信。“我们称之为实验，而不是演习或类似的东西，它于上周五开始，”戈达德说。他说，他和其他人正在尝试弄清楚如何演示 HALE（高空长航时）通信、遥感和电力系统测试平台，但他们“不是在餐巾纸上做的，所以这不是真的！— 通常最好的想法就是这样产生的，”他说。无论有没有餐巾纸，好的想法都是聚集当地急救人员，展示他们如何在不使用手机的情况下应对灾难；如何在没有 HALE 系统的情况下使用虚拟阿拉巴马系统，然后提供并展示与虚拟阿拉巴马一起部署的 HALE 系统的功能。
用于网络训练和测试的多网络靶场的设计和实施
摘要：构建训练/测试场地的实用环境对于网络训练和武器系统测试评估至关重要。在军事环境中，应根据军队的特点不断发展网络训练场地。应通过网络安全认证部署具有网络安全能力的武器。最近，每个军队都在建设自己的网络靶场，模拟其战场环境。然而，由于实际战场是一个综合作战环境，所建立的网络靶场并不能反映互联互通的综合战场环境。为了克服这种情况，本文提出了一种配置计划和操作功能，以构建一个反映每个军队特点的多网络靶场。为了测试具有场景编写和操作功能、能够忠实反映现实的多网络靶场，测试了 DDoS 攻击的影响。确保军事系统之间的互操作性是基于真实任务的测试评估的关键。实验结果显示，如果由于恶意代码渗透到军事网络而发生 DDoS 攻击，可能会对确保军事网络中系统之间的消息互操作性产生严重影响。网络靶场建设技术不仅在军队中得到开发，而且在学校教育和企业中也得到开发。所提出的技术可以
氢气生产、电网整合和未来扩展
• 电力保管转移点：与电网连接、孤岛、可再生能源组合和电力购买协议的计量表后。 • H2 保管转移点：管道拖车、天然气混合、氢气管道。 2. 研究系统与商业系统的计量和监控需求。 3. 准备氢气系统规模和需求场景以及系统测试和特性描述程序。 4. 使用上述场景中的需求配置文件和测试程序进行硬件系统特性描述。 5. 创建可扩展的数字孪生。探索共享平衡工厂 (BOP) 机会、维护计划、退化特性和模块化系统最佳实践的优势。 6. 使用可再生能源集成和优化 (ReOpt) 工具针对优化系统规模的短期、中期和长期场景进行优化。优化中考虑压缩机效率和主要电气负载。 7-9 HIL 测试以及在综合能源系统高级研究 (ARIES) 虚拟网络中的仿真，用于中试规模、分散和集中氢气生产。 10. 任务的中期报告和最终报告。 2023 年 3 月 30 日通过/不通过决定：NREL 1.25MW 电解器的测试和特性分析。（待系统调试时间：5 月）
使用深度学习检测阿尔茨海默病
阿尔茨海默病是老年人痴呆症的病因，影响着全球数百万人。阿尔茨海默病无法治愈，进展缓慢或迅速，可能导致丧失独立性和死亡。阿尔茨海默病的诊断依据是记忆丧失、认知障碍、病史以及身体和神经系统测试。这些方法是主观的，可能无法检测出早期疾病。因此，阿尔茨海默病的检测和诊断必须客观准确。医学成像和机器学习的最新进展使得使用脑电图和磁共振成像数据诊断阿尔茨海默病成为可能。磁共振成像产生高分辨率的大脑图像，而脑电图则以非侵入性方式测量大脑电活动。机器学习算法可以在大型脑电图和磁共振成像数据集中检测阿尔茨海默病的指标。这些算法可以将新的脑电图和磁共振成像数据识别为健康数据。本文旨在研究使用机器学习技术检测阿尔茨海默病时脑电图和磁共振成像数据的用途。我们
已发表版本的引用（APA）：Albertsen, N.、Lynge, AR、Skovgaard, N.、Olesen, JS 和 Pedersen, ML (2020)。儿童覆盖率
摘要 为了估计格陵兰所有儿童的当前接种率，我们进行了一项观察性横断面研究，确定了 2018 年 3 月 1 日至 2019 年 6 月 16 日期间格陵兰所有有资格接种疫苗的儿童。我们发现全国总体覆盖率为 85.4%。出生时接种的疫苗的全国覆盖率为 97.1%，在 3 个月、5 个月和 12 个月时下降到 94.3%、87.7% 和 83.6%。在有资格接种麻疹、腮腺炎和风疹疫苗的儿童中，15 个月儿童的全国覆盖率为 76.9%，4 岁儿童的全国覆盖率为 64.1%，但在各地区下降到 40.9%。在学龄前，全国覆盖率为 79.9%。在 12 岁儿童中，两种人乳头瘤病毒疫苗的全国覆盖率分别为 88.4% 和 71.6%，三种乙肝疫苗的全国覆盖率分别为 89.8%、84.1% 和 69.6%。努克的一项亚组分析和短信提醒系统测试将覆盖率从 57.8% 提高到了 75.5%。总体而言，我们发现格陵兰新生儿的全国覆盖率很高。其余疫苗的全国覆盖率低于世卫组织的建议，但地区差异很大。
电动卡车受电弓改造项目
这些主要的交通走廊和小巷周围往往都是贫困社区，货运卡车排放的标准空气污染物对人类的生活环境和健康有相当大的影响，导致呼吸系统、心血管系统和癌症疾病。到 2028 年，港口的货运量预计将增加 30% 至 40%，这只会加剧温室气体和标准污染物的负面影响。该项目涉及为三种不同的卡车平台（电池电动、插电式混合动力柴油和插电式压缩天然气卡车传动系统配置）改装受电弓，并在加利福尼亚州卡森市建造了一条一英里长的架空接触网系统测试轨道，以测试货运卡车作为零排放车辆在主要货运走廊/公路上行驶的可行性，并且只在驶出各个仓库和铁路场区时启动发动机。尽管南海岸空气质量管理区和加州能源委员会之间的合同专门针对受电弓的设计、建造和改造（合同 600-12-011，金额为 160 万美元）以及接触网架空系统的建设（合同 600-14-003，金额为 140 万美元），但这份最终报告是一份全面的总体报告，涵盖了整个价值 1,350 万美元的南海岸空气质量管理区管理项目。
应用能源
规划未来风能和太阳能占比更高的能源系统需要在投资规划模型中仔细表示系统的时间和运行特征。本研究旨在确定在为特定系统选择表示时应考虑的方面。为了证明各种模型表示对模型准确性和计算工作量的影响，我们对在 Backbone 能源系统建模框架内实施的两个测试系统进行了案例研究。结果表明，时间和操作表示在不同系统类型中具有不同的优点和缺点。研究结果为不同模型细节的相对重要性提供了一般指导，具体取决于所研究系统的特征。例如，一些时间采样策略可以更好地捕捉长期存储需求，而其他时间采样策略更适合短期存储建模。同样，太阳能主导和风能主导的系统在方法要求上也有所不同。此外，应正确捕捉能源部门之间的相互作用以及部门耦合技术的运行限制，因为它们对不同技术的价值及其灵活性有重大影响。最后，我们建议针对每个特定系统测试多种时间和技术表示，以确保所选方法的可行性。研究结果和建议将为能源系统建模者提供改进建议，从而促进更高质量的规划结果。
利用人工智能进行学员教育
作者注：本文作者在美国军事学院系统工程系进行了为期一年的研究项目，由乔纳森·梅隆博士（副教授）指导。本文表达的观点为作者的观点，不代表美国陆军、美国军事学院或系统工程系的观点。摘要：本文为将人工智能 (AI) 技术融入教育环境同时应对军事机构内部挑战的持续讨论做出了贡献。具体来说，我们研究了美国军事学院 (USMA) 如何在坚持核心军事价值观的同时将新兴技术融入课堂。我们对 USMA 的潜在 AI 应用进行了全面评估，最终制定了用于教育目的的用例可行性指数。我们开发了一个 AI 驱动的平台，使学员和教师能够创建可定制的聊天机器人，旨在增强学习体验。我们设计了符合标准葡萄牙语 (LP204) 课程目标的葡萄牙语 AI 聊天和反馈机器人，促进自然对话并向用户提供个性化反馈。通过对 LP204 所有部分进行系统测试，随后进行应用后调查，我们检查了人工智能对语言学习程序的有效性。调查结果显示积极的反馈，表明人工智能驱动的教育工具具有潜在的实用性。