2背景2 2.1通用晶格攻击。。。。。。。。。。。。。。。。。。。。。2 2.2安全假设。。。。。。。。。。。。。。。。。。。。。。4 2.2.1研究ASPPTIONS的安全级别的重要性。。。。。。。。。。。。。。。。。。。。。。。。。5 2.2.2加密系统中使用的假设。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 2.2.3计算与决策LWE变量。。。。。。。7 2.2.4 LWE与LWR。。。。。。。。。。。。。。。。。。。。。7 2.2.5部分校正加密系统。。。。。。。。。。。8 2.2.6安全假设。。。。。。。。。。。。。。。。。。。8 2.2.7基本的REGEV加密系统。。。。。。。。。。。。。。10 2.3一般设计框架和可证明的安全性。。。。。。。12 2.3.1 Fujisaki Okamoto变换(有隐性拒绝)12 2.3.2安全损失。。。。。。。。。。。。。。。。。。。。。。。。13 2.3.3菲亚特 - 沙米尔变换。。。。。。。。。。。。。。。。14 2.4关于回合2 C软件的一般说明。。。。。。。。。。。。。15 2.4.1正确性。。。。。。。。。。。。。。。。。。。。。。。。15 2.4.2防止正时攻击。。。。。。。。。。。。15 2.4.3基准。。。。。。。。。。。。。。。。。。。。。。。。16 2.4.4将来的速度。。。。。。。。。。。。。。。。。。。。。。。16
摘要 随着人工智能系统的使用不断增加,人们对其缺乏公平性、合法性和责任感的担忧也日益增加。可以通过确保人工智能系统在设计上具有可争议性来防止这种有害的自动决策:在整个系统生命周期中响应人为干预。设计上具有可争议性的人工智能是一个规模虽小但正在增长的研究领域。然而,大多数可用知识需要大量的翻译才能应用于实践。传达中级生成设计知识的一种行之有效的方法是采用框架的形式。在本文中,我们使用定性解释方法和视觉映射技术从文献中提取有助于可争议人工智能的社会技术特征和实践,并将它们综合成一个设计框架。
摘要 — 本文讨论了一种新的 MRAM 技术,其写入方案依赖于自旋轨道力矩 (SOT)。与自旋转移力矩 (STT) MRAM 相比,它提供了非常快速的切换、准无限的耐久性,并通过解决“读取干扰”问题提高了可靠性,这要归功于独立的读写路径。这些特性允许在系统内存层次结构的所有级别引入 SOT,并解决 STT-MRAM 无法轻松实现的应用程序。我们介绍了这项新兴技术和完整的设计框架,允许在任何抽象级别(从设备到系统)设计和模拟混合 CMOS/SOT 复杂电路。获得的结果非常有希望,表明该技术可以降低电路的功耗,而不会明显影响性能。
我们日常生活中使用的大多数系统都是共享的——因为多个人可以互动,或者一个人的互动会影响其他人。然而,日常物联网系统通常是为个人使用而设计的。先前对协作技术(计算机支持的协同工作)的研究表明,为了协调系统共享,人们需要了解社交背景,界面可以通过使突出的信息可见来支持社交背景。虽然有关于如何为意识而设计的文献,但这可能是零散的,难以与其他应用领域联系起来。为了让更广泛的交互设计师了解意识,我们的目标是使可用的设计知识更具通用性和可操作性。为了这个目标,我们构建了共享系统中的意识设计框架,该框架对意识的设计考虑因素进行了结构化和全面的概述。该框架可以在设计与共享系统的交互时激发反思并为决策提供信息。
摘要 设计教育者和行业合作伙伴是关键的知识管理者和变革的共同推动者,设计本科生和研究生可以充当新想法、新能量和新观点的催化剂。在本文中,我们将通过对荷兰设计学院与行业合作开展的活动进行纵向调查的视角,探讨设计如何推动行业发展。我们分析了七十五 (75) 篇理学硕士 (MSc) 论文成果和七 (7) 篇博士 (PhD) 论文成果(其中五篇正在进行中),以确定设计活动如何影响荷兰航空业的进步。基于这些发现,我们随后引入了一个行业设计框架,将行业/设计关系组织为一个三层系统。这种让行业参与设计研究和设计教育的新方法具有直接的实用价值和理论意义,无论是在当前还是未来的研究中。
在本研究中,开发了一个通用概率设计框架,用于预测金属硬件的循环疲劳寿命,所采用的方法解决了实验数据和计算模型中的不确定性。该方法涉及:(i)在 Ti6Al4V 材料试样上进行的疲劳试验数据,(ii)基于连续损伤力学 (CDM) 的材料本构模型,用于模拟材料的循环疲劳行为,(iii)基于方差的全局灵敏度分析,(iv)用于模型校准和不确定性量化的贝叶斯框架,以及(v)在不确定性下的计算寿命预测和概率设计决策。使用实验数据进行计算分析的结果证明了在存在不完整和噪声数据的情况下,概率设计方法用于模型校准的可行性。此外,使用概率设计方法可以评估计算模型预测的疲劳寿命的可靠性。[DOI: 10.1115/1.4038372]
摘要。包容性设计关注多样性。交互系统情境化的用户感知设计框架需要分析和处理复杂的多样性因素,这对传统的设计流程、工具和方法提出了挑战。因此需要新的技术进步来提供更多的创新潜力。作者指出,智能产品的设计流程正在应对不确定性而演变。未来,面向多样性的设计将倾向于以算法的方式分配设计资源和价值,而不是妥协的统一解决方案。本文分析了以深度学习为代表的人工智能技术在面向多样性的设计实践和设计研究中应用的局限性和潜力,提出了进一步研究的目标和方向,并讨论了跨学科研究环境中人工智能使能多样性设计的关键环节。关键词:包容性设计 · 多元化设计 · 人工智能
摘要 设计教育者和行业合作伙伴是关键的知识管理者和变革的共同推动者,设计本科生和研究生可以充当新想法、新能量和新观点的催化剂。在本文中,我们将通过对荷兰设计学院与行业合作开展的活动进行纵向调查的视角,探讨设计如何推动行业发展。我们分析了七十五 (75) 篇理学硕士 (MSc) 论文成果和七 (7) 篇博士 (PhD) 论文成果(其中五篇正在进行中),以确定设计活动如何影响荷兰航空业的进步。基于这些发现,我们随后引入了一个行业设计框架,将行业/设计关系组织为一个三层系统。这种让行业参与设计研究和设计教育的新方法具有直接的实用价值和理论意义,无论是在当前还是未来的研究中。
这项工作将深入探索Yolov6对象检测模型,专注于其设计框架,优化技术和检测功能。yolov6的核心元素由有效的主链组成,用于鲁棒特征提取和用于无缝特征聚合的rep-pan颈部,以确保高性能对象检测。在可可数据集上进行了评估,yolov6- n在NVIDIA TESLA T4 GPU上以1187 fps的形式获得37.5%的AP。yolov6-s在484 fps处达到45.0%的AP,在同一类中,诸如PPYOLOE-S,YOLOV5-S,YOLOX-S和YOLOV8-S之类的模型都超过了模型。此外,Yolov6-M和Yolov6-L在保持与其他检测器的可比推理速度的同时,还显示出更好的准确性(50.0%和52.8%)。具有升级的主链和颈部结构,Yolov6-L6实时提供最先进的精度。
雷达相机3D对象检测旨在与雷达信号与摄像机图像进行交互,以识别感兴趣的对象并定位其相应的3D绑定框。为了克服雷达信号的严重稀疏性和歧义性,我们提出了一个基于概率deno的扩散建模的稳健框架。我们设计了框架,可以在不同的多视图3D检测器上易于实现,而无需在训练或推理过程中使用LiDar Point Clouds。在特定的情况下,我们首先通过开发带有语义嵌入的轻质DENOIS扩散模型来设计框架编码器。其次,我们通过在变压器检测解码器的深度测量处引入重建训练,将查询降解训练开发为3D空间。我们的框架在Nuscenes 3D检测基准上实现了新的最新性能,但与基线检测器相比,计算成本的增加很少。