XiaoMi-AI文件搜索系统
World File Search System计算环境
高性能计算环境中脑映射的主动学习管道
摘要 —本文介绍了一种可扩展的主动学习管道原型，用于利用高性能计算能力进行大规模脑映射。它可以对算法结果进行高吞吐量评估，经过人工审核后，用于迭代机器学习模型训练。图像处理和机器学习在批处理层中执行。使用 pMATLAB 对图像处理进行基准测试表明，吞吐量可以提高 100 倍（10,000%），而 Xeon-G6 CPU 上的总处理时间仅增加 9%，Xeon-E5 CPU 上的总处理时间仅增加 22%，这表明可扩展性很强。图像和算法结果通过服务层提供给基于浏览器的用户界面进行交互式审查。该管道有可能大大减轻手动注释负担，并提高基于机器学习的脑映射的整体性能。索引词 —主动学习、脑映射、高性能计算、神经元分割、轴突追踪
叶：模拟大型能量吸引的雾计算环境
摘要 - 尽管效率不断提高，但当今的数据中心和网络消耗了大量的能量，预计该需求将进一步上升。一个重要的研究问题是雾计算是否可以遏制这一趋势。作为雾基础设施的现实部署仍然很少见，研究的重要部分依赖于模拟。但是，现有的电源模型通常仅针对特定组件，例如计算节点或电池约束的边缘设备。结合了分析和离散事件建模，我们开发了一个整体但颗粒状的能量消耗模型，可以随着时间的推移确定计算节点的功率使用以及网络传播和应用程序。模拟可以合并数千个设备，这些设备在分布式，异质和资源受限的基础构造上执行复杂的应用程序图。我们在智能城市的情况下评估了我们公开可用的原型叶，表明它可以对持势雾的雾计算体系结构进行研究，并可用于评估动态任务放置策略和其他节能机制。索引项 - 仿真，建模，雾计算，边缘计算，能量消耗
第十六届普适计算与环境智能国际会议
AmI 环境由现代生活中的多种自主计算设备集成而成，从消费电子产品到手机。理想情况下，AmI 环境中的人们不会注意到这些设备，但是，他们将受益于这些解决方案提供的服务。这些设备可以感知到此类环境中的人员，并可以对他们的手势、动作和环境做出反应。最近，由于社会带来的新挑战，人们对 AmI 环境的兴趣大大增加，需要高度创新的服务，例如车载自组织网络 (VANET)、环境辅助生活 (AAL)、电子健康、物联网、家庭自动化等。本届 UCAmI 会议的重点将是“可持续环境智能解决方案的创建技术”。
在云计算环境中实现零信任安全模型
在当今快速发展的数字景观中，云计算的采用从根本上重塑了组织如何管理，存储和保护数据。虽然云基础架构提供可扩展性，灵活性和资源效率，但它们也引入了复杂的安全挑战。传统的基于周边的安全模型不足以朝着零信托安全（ZTS）模型转变。此模型强制执行严格的访问控件，连续监视，并且在网络内部或之外没有固有的信任。本文对云计算环境中的零信任进行了广泛的探索，并深入研究了其原理，建筑，实施策略，挑战和预期的未来发展。通过理论讨论，技术框架和实际案例研究的结合，该研究旨在为希望在云基础架构中采用零信任模型的组织提供强大的路线图，从而在安全性和运营效率之间达到平衡。
对云计算和本地Windows环境中身份验证模型的分析
安全身份验证至关重要的区域是云计算。云计算是一种服务模型，它可以通过Internet进行按需访问到网络，服务器，存储，应用程序和服务等资源。云计算的使用增加通过具有可扩展，灵活和具有成本效益的解决方案的保护组织改变了现代信息技术的景观。一些最突出的云计算提供商是Microsoft Azure（Azure），Amazon Web Services（AWS）和Google Cloud Platform（GCP）[ZHA24]。随着越来越多的组织开始将其运营和敏感数据移至云，网络安全的重要性也会增加。
GIIST_潜在导师名单_博士联合项目_2425.xlsx
类脑计算是借鉴脑科学基本原理，打破 “ 冯诺依曼 ” 架构束缚的新型计算技术。本研究组将从理论和器件两个方向对类脑计算展开协同 研究。 理论方面：研究类脑计算架构、模型和算法，探索基于类脑计算的类脑智能的基础理论；借鉴神经元模型、神经环路传导、神经编码 及认知、学习、记忆、决策等神经机制，逐步建立和完善类脑处理信息处理的数学 / 计算原理和模型；构建类脑计算和智能的统一理论 框架。为类脑计算器件及系统的发展提供理论基础。 器件方面：基于新材料和新技术，研究新型高性能类脑神经器件，解决一致性差、可靠性差、规模化难等痛点；研究基于类脑神经器 件的网络架构，构建大规模阵列，开展外围电路的研发与设计；研究基于新型类脑器件的感知和计算架构，发展感存、存算、感存算 一体系统。
基于机器学习的网络入侵检测优化云计算环境
摘要 - Cloud Computing是世界各地企业之间的新兴选择，因为它提供了灵感和全球的Web计算机功能作为可自定义的服务。由于云服务的分散性质，安全是一个主要问题。由于入侵者对任何形式的攻击，隐私和安全性都是极大的选择，这是对按需服务成功的重大障碍。网络交通量的大量增加为日益困难和广泛的安全脆弱性开辟了道路。使用传统的入侵检测系统（IDS）防止这些尝试无效。因此，本文提出了一种基于机器学习（ML）模型的新型网络入侵检测系统（NIDS），称为支持向量机（SVM）和极端梯度增强（XGBoost）技术。此外，基于乌鸦搜索算法的高参数优化技术正在利用来优化NID的性能。此外，基于XGBoost的特征选择技术用于提高NIDS方法的分类精度。最后，使用NSL-KDD和UNR-IDD数据集评估了提出的系统的性能，实验结果表明，它的性能优于基线，并且有可能在现代NID中使用。
草地固碳增汇技术评价规范
1) 计算权重在软件中可选择熵值法、层次分析法等计算方法； 2) 也可对定性指标进行权重计算。 d) 综合评价 — TOPSIS 分析。 根据软件运行结果，选择评价对象与最优方案接近程度最大的值，该值越大说明越接近最优方案 （系统会根据值的大小自动排序）。
高级云计算环境中的生成式人工智能的可扩展架构：
对生成式人工智能 (GAI) 应用程序的需求不断增长，云计算环境中的可扩展架构对于支持此类模型的计算复杂性和资源需求至关重要。在本文中，我们深入研究了云中生成式人工智能的可扩展架构，旨在提高性能和效率。分布式计算、容器化和边缘计算是我们探索的一些架构方法，可让组织满足 GAI 模型的资源需求。我们通过案例研究和性能基准，探索如何结合使用可扩展基础设施、智能资源管理和数据管理实践来部署和执行 GAI 应用程序。结果显示了每个架构框架的优缺点，并概述了集成新兴技术（如量子计算和无服务器架构）以提高可扩展性的未来方向。这项研究适用于各个行业的实际应用，从医疗保健到金融和娱乐，再到增加 GAI 应用程序的使用以推动创新和效率。
量子计算用于计算...
计算化学量子计算项目 (QC 3) 的目标是加速量子计算机算法的开发，以推进计算化学和材料科学的能源应用。几十年来，化学和材料的计算机模拟一直在推动前沿发现。尽管计算机硬件和算法都取得了巨大进步，但一些重要的问题仍然无法用传统（经典）计算机解决。量子计算机提供了一种全新的计算形式，利用物质的量子性质以比传统计算机快得多的速度解决某些问题。量子计算硬件正在迅速发展，但尚未达到在实用价值问题上超越传统计算机的规模。QC 3 项目旨在通过开发新的算法和软件，在近期的量子硬件上实现可扩展的量子优势，将量子计算机应用于能源领域的高影响问题。QC 3 的申请人将确定一个特定的能源相关问题，开发量子算法，