XiaoMi-AI文件搜索系统
World File Search System计算时间
衡量 HPC 生产力
HPCS 开发人员和购买者传统上都使用标准化基准（例如 LINPACK）来指导开发选择。系统开发人员使用基准测试结果来指导平台开发，然后展示其机器的速度。购买者传统上使用这些基准来预测计算时间并在竞争平台中进行选择。然而，迄今为止采用的基准和相应指标已被证明是端到端生产力的有效性不断降低的预测指标。传统基准测试几乎完全关注硬件速度。因此，它们通常只试图预测执行时间生产力，而忽略开发时间。此外，它们不衡量应用程序对用户重要的其他属性：可靠性、可重复性、可移植性、可重用性、可维护性等。
位置：基准测试在增强学习研究中受到限制
新颖的增强学习算法或对现有的算法进行的改善，通常通过评估其在基准环境上的性能来概括，并将其与不断变化的标准算法集进行比较。但是，尽管有许多需要改进的要求，但经验实践仍会产生误导或不支持的主张。进行不合标准的做法的一个原因是进行严格的基准测试实验需要基本计算时间。这项工作投资了严格的实验设计中计算成本增加的来源。我们表明，严格的性能基准可能会产生通常很重要的计算成本。因此，我们主张使用附加实验范式克服基准测试的局限性。
眼镜蛇：机器人应用程序的可复合基准
摘要 - 遵守道路规则对于自动驾驶汽车的安全操作至关重要。以前的工作表明，可以通过基于车辆可及的搜索空间来限制搜索空间来加快符合规则的运动计划。我们提出了一种算法，以使车辆在粘附在线性时间逻辑规范时可以达到的状态过度陈述。通过将模型检查整合到可及性分析中，我们可以尽早排除许多不合规的状态。我们只需要在必要时在语义上分配可及的集合，以决定规范的有效性。与现有方法相比，这大大减少了计算时间。我们在录制的现实世界情景中基准了我们的方法，以展示其实时功能。
最佳实践建模以实现低碳电网
当今广泛使用的电网规划工具是为煤炭，天然气，燃料油和核电站是电网的主要能源和最不可能满足电力需求的最不可能的技术的时代设计的。网格规划模型是为了服务一种心态，假设热电厂是可以预测的，并且在需要时可用，因此，如果电网有足够的资源来满足需求的最高峰值，并具有额外的利润作为保险单，则网格将具有足够的能力来满足一年中所有其他小时的能源需求。这些工具还建立在一个缺乏当今可用的计算能力和分析方法的时代。因此，使用某些简化来节省计算时间和分析复杂性。
基于深残留网络（RESNETS）2631
从磁共振图像（MRI）中自动分割脑肿瘤是计算机视觉中具有挑战性的任务之一。许多建议研究在图像分割中使用深神经网络（DNN），因为它们在脑肿瘤图像的自动分割方面具有高性能。由于梯度扩散问题和复杂性，通常需要大量时间和额外的计算能力来训练更深的神经网络。在本文中，我们提出了一种自动技术，该技术根据深度残留学习网络（RESNET）来解决DNN的梯度问题。 重新连接可以实现更准确性，并且可以使训练过程与等效DNN相比更快。 为了实现此增强，重新连接添加了与卷积神经网络层平行的捷径跳过连接。 模拟示例已在Dataset Brats 2015上进行，以验证所提出的技术的优越性。 结果验证了所提出的技术分别为完整，核心和增强区域的改善精度分别为83％，90％和85％。 此外，它的平均计算时间（3倍）比其他DNN技术快。在本文中，我们提出了一种自动技术，该技术根据深度残留学习网络（RESNET）来解决DNN的梯度问题。重新连接可以实现更准确性，并且可以使训练过程与等效DNN相比更快。为了实现此增强，重新连接添加了与卷积神经网络层平行的捷径跳过连接。模拟示例已在Dataset Brats 2015上进行，以验证所提出的技术的优越性。结果验证了所提出的技术分别为完整，核心和增强区域的改善精度分别为83％，90％和85％。此外，它的平均计算时间（3倍）比其他DNN技术快。
混凝土表面图像的自动缺陷诊断...
它减少了手动阈值计算问题。自适应阈值每个块可分为平滑、纹理、混合。块处理将图像分成几个块。每个块都独立处理并根据自适应阈值对块进行分类。大图像的边缘检测影响处理的速度。块处理减少了较大图像的边缘检测计算时间，最后将块组合起来得到图像的最终边缘。块分类发现检测到非常微小的裂缝并且没有边缘丢失。块分类将图像处理成块，最后将这些块组合起来我们得到表面裂缝的边缘。
旋转部件的振动疲劳分析
本文介绍了一种计算受正弦随机载荷作用的部件高周疲劳寿命的方法。该计算方法基于频域中的频谱方法。当有限元分析计算时间过长时，这种方法比时域方法具有显著优势。统计雨流循环直方图直接来自正弦随机应力谱。将循环应用于适当的材料疲劳曲线以获得估计寿命。提供了一个案例研究来说明该方法，该方法使用了一个安装在直升机上的部件。与传统时域方法进行了比较，结果显示一致性极佳。本文最后展示了如何扩展此方法以涵盖正弦随机扫频激励的情况。
基于信号的预测可靠性分析元模型...
测试结果的预测对于非常昂贵的测试尤其重要，例如航空航天工业应用，例如高升力系统的测试。出于成本和可管理性考虑，测试样本通常仅代表部分系统。通过软件驱动的执行器对剩余系统的反应进行真实的反馈，可以提高测试结果的代表性。可以使用复杂的程序对物理系统进行真实的建模，例如多体动力学模拟算法，但它们需要大量的计算时间，并且缺乏实时性能。因此，需要降低计算成本，同时保持高保真度建模。可以建立纯数学模型，这些模型计算速度快，但结果准确。作者的方法最初在 [1] 中提出，产生了近似测试对象动态响应的元模型。修改
基于机动车尾气扩散引起的二氧化氮大气污染过程间隔数据分析的建模
摘要：本文讨论了考虑汽车尾气对大气表面层二氧化氮污染的建模问题。提出了区间数据分析方法。首次提出并建立了基于已知测量误差的数据分析来识别大气污染物二氧化氮分布数学模型的方法。所获得的差分方程形式的数学模型的特点是可以保证准确预测城市特定区域的二氧化氮浓度。它还充分考虑了交通变化，从而大大降低了环境控制和监测成本。与已知方法相比，所提出的新模型识别方法在计算时间复杂度方面更有效，并且它基于对测量误差的考虑，这在最终情况下提供了具有保证准确性的模型预测特性。