XiaoMi-AI文件搜索系统
World File Search System设计空间
Mynders Hall 翻新工程
项目安排 - 在各个部门、其员工和学生服务之间建立逻辑邻接 合适规模的教职员工办公室 创建多模式空间，用于研究、兼职员工和学生员工 提供协作 / 创新空间 保护建筑的历史意义 建筑基础设施 - 现代化暖通空调系统并改善建筑空气质量 在公共空间提供隔音设施 改善热封套，包括高效的窗户和玻璃 更新整个建筑的技术和数据 / 无线设备 安全 - 提供电子建筑通道 提供消防系统 按照 CPTED 和主动射击指南设计空间 现代化 - 提供更新的技术，增强大型集会区 使饰面更明亮，以投射更现代、更企业化的专业精神 通过图形和颜色强化大学品牌 利用既实用又现代的系统家具
老年人的体内机器人的设计
摘要 - 可满足的技术已大大改善了老年人的生活质量，并且在体内，可移动机器人的出现为进一步增强幸福感提供了新的机会。然而，这些机器人的相互作用设计仍然不足，尤其是从老年人的角度来看。我们提出了涉及13名老年人的两阶段共同设计过程的发现，以发现该人群的体内机器人的设计原理。我们确定了丰富的潜在应用程序，并描述了设计空间，以告知如何为老年人建造车身机器人。我们的发现突出了考虑共同提议，实施例和多模式通信等因素的重要性。我们的工作提供了设计见解，以促进在体内机器人中融入日常生活，并强调让老年人参与共同设计过程，以促进可用性和接受新兴可穿戴的机器人技术。索引术语 - 身体机器人，可穿戴机器人，共同设计，老年人，人类机器人互动
一项关于轨道边缘计算的综合调查
摘要 - 近年来，卫星的数量，尤其是那些在低地球轨道（LEO）的卫星数量正在爆炸。另外，将COTS硬件在这些卫星中的使用实现了新的计算范式：轨道边缘计算（OEC）。与单卫星计算相比， OEC需要更高级的步骤。 此功能允许具有多个参数的庞大设计空间，从而使几种新颖的方法可行。 与传统的基于地面的边缘计算相比，与网络中LEO卫星在网络中的移动性以及有限的通信，计算和存储资源有关，设计适当的调度算法。 本文全面调查了轨道边缘计算中重点的重要领域，其中包括协议优化，移动性管理和资源分配。 本文提供了OEC的首次全面调查。 先前的调查论文仅集中在基于地面的边缘计算或空间和地面技术的整合上。 本文对2000年至2023年有关轨道边缘计算的最新研究进行了综述，该研究涵盖了网络设计，计算卸载，资源分配，绩效分析和优化。 此外，在讨论了几项相关作品之后，该领域都强调了技术挑战和未来的方向。OEC需要更高级的步骤。此功能允许具有多个参数的庞大设计空间，从而使几种新颖的方法可行。与传统的基于地面的边缘计算相比，与网络中LEO卫星在网络中的移动性以及有限的通信，计算和存储资源有关，设计适当的调度算法。本文全面调查了轨道边缘计算中重点的重要领域，其中包括协议优化，移动性管理和资源分配。本文提供了OEC的首次全面调查。先前的调查论文仅集中在基于地面的边缘计算或空间和地面技术的整合上。本文对2000年至2023年有关轨道边缘计算的最新研究进行了综述，该研究涵盖了网络设计，计算卸载，资源分配，绩效分析和优化。此外，在讨论了几项相关作品之后，该领域都强调了技术挑战和未来的方向。
质疑人工智能：为可解释的人工智能用户体验提供设计实践
摘要 人们对可解释人工智能 (XAI) 的兴趣高涨，导致了大量关于该主题的算法工作的出现。虽然许多人认识到在人工智能系统中加入可解释性特征的必要性，但如何满足现实世界用户对理解人工智能的需求仍然是一个悬而未决的问题。通过采访 20 位从事各种人工智能产品的用户体验和设计从业者，我们试图找出当前 XAI 算法工作与创建可解释人工智能产品的实践之间的差距。为此，我们开发了一个算法驱动的 XAI 问题库，其中用户对可解释性的需求以用户可能会问到的有关人工智能的典型问题的形式表示出来，并将其用作研究探针。我们的工作为 XAI 的设计空间提供了见解，为支持该领域的设计实践的努力提供了信息，并确定了未来 XAI 工作的机会。我们还提供了一个扩展的 XAI 问题库，并讨论了如何使用它来创建以用户为中心的 XAI。
建议引用：“2024 年 NSF 人工智能研究国家资源展望研讨会最终报告”。Yolanda Gil 和 Shantenu Jha。美国国家科学基金会报告，2024 年。
关键需求 参与者在两个主要领域确定了十种典型的人工智能工作流程，这些工作流程迫切需要大规模资源。在机器学习方面，它们包括 (a) 探索算法和架构的新颖性、(b) 关注数据的新颖性和数据质量、(c) 使用非常大的数据集和 (d) 比较不同的方法。在生成人工智能方面，它们包括 (a) 训练或预训练大型模型、(b) 分析预先训练的模型、(c) 微调或压缩模型、(d) 通过推理询问或探测模型、(e) 将模型与结构化知识结合使用，以及 (f) 将代理任务与模型提示相结合。国家资源将支持的人工智能研究的重要领域包括探索人工智能系统的设计空间、生成人工智能的基础、使用大量知识进行推理和学习、人类智能模型、用于科学发现的人工智能以及用于改变人类所有领域的人工智能。
航空电子控制系统的设计模式 - Doug Lea 的
大多数模式仅涉及组件、接口、连接和协议的架构形式，仅在它们影响整体设计时才深入研究细节。这些模式可用于生成一系列具体架构和设计的实例，这些架构和设计可使用多种不同的语言、工具和系统实现。由于航空电子系统中使用的平台和编程语言多种多样，因此实现细节明显缺失。该模式集合还省略了对信号处理和控制算法、雷达系统和其他导航硬件的设备特性、飞行员仪表和用户界面设计以及从头开始实际构建 ACS 所需的机械效应器系统的充分描述。有关此类事项的信息和指导必须从其他来源获得（例如 [6、13、12]）。鉴于航空电子系统设计的悠久历史，这组设计模式最有可能的用户包括学习导致不同航空电子架构的设计空间的人、重新设计现有系统的开发人员以及构建新组件系列的人。
![arXiv:2304.02786v1 [cs.LG] 2023 年 4 月 5 日](/simg/6\6572104c226cb2e6beb8c0175c9011d97b43372c.webp)
arXiv:2304.02786v1 [cs.LG] 2023 年 4 月 5 日
后门攻击是对深度神经网络 (DNN) 模型的严重威胁，攻击者使用带有触发器的输入 (例如补丁) 来激活预先植入的恶意行为。触发器反演是识别后门模型和理解嵌入式对抗行为的有效方法。触发器反演的挑战在于构造触发器的方法有很多种。现有方法无法通过做出某些假设或特定于攻击的约束来推广到各种类型的触发器。根本原因是现有工作在制定反演问题时没有考虑触发器的设计空间。这项工作正式定义并分析了注入不同空间的触发器和反演问题。然后，它基于触发器的形式化和从我们的分析中识别出的后门模型的内部行为，提出了一个统一的框架来反演后门触发器。我们的原型 UNICORN 具有通用性，并且能够有效地反转 DNN 中的后门触发器。代码可在 https://github.com/RU-System-Software-and-Security/UNICORN 找到。
交易，建筑和设计联合增强现实视觉信息系统
未来的探险将通过执行外部活动（EVA）操作来探索和研究月球和火星的行星表面。当今的国际空间站（ISS）EVA运营需要对机组人员，太空西装，工具，系统和飞行团队进行复杂的编排，以计划，培训和执行有限的高级信息学。在本文中，NASA Johnson航天中心（JSC）的联合增强现实视觉信息系统（联合AR）项目团队描述了为太空服形式开发模块化增强现实（AR）设备的设计空间，以支持EVA的机组人员决策。联合AR产品是通过贸易研究和以前的EVA展示工作的市场分析来定义的。本文概述了定义的建筑设计决策，包括安全性关键因素，接口和计算机架构。这些研究的结果导致了原型设计，在此定义为关节AR产品。这项工作旨在使社区范围内的讨论能够实现与未来任务的必要西服AR功能和功能。
质疑 AI：为可解释 AI 用户体验提供设计实践
摘要 人们对可解释人工智能 (XAI) 的兴趣激增，导致了大量关于该主题的算法工作。虽然许多人认识到在人工智能系统中加入可解释性特征的必要性，但如何满足现实世界用户对理解人工智能的需求仍然是一个悬而未决的问题。通过采访 20 名从事各种人工智能产品的用户体验和设计从业者，我们试图找出当前 XAI 算法工作与创建可解释人工智能产品的实践之间的差距。为此，我们开发了一个基于算法的 XAI 问题库，其中用户对可解释性的需求以用户可能会问到的关于人工智能的典型问题的形式表示出来，并将其用作研究探索。我们的工作为 XAI 的设计空间提供了见解，为支持该领域的设计实践的努力提供了信息，并确定了未来 XAI 工作的机会。我们还提供了扩展的 XAI 问题库，并讨论了如何使用它来创建以用户为中心的 XAI。