决策算法在社会中的存在感如今正在迅速增加,同时人们也开始担心其透明度以及这些算法可能成为新的歧视来源。事实上,许多相关的自动化系统已被证明会根据敏感信息做出决策或歧视某些社会群体(例如,某些用于人员识别的生物特征识别系统)。为了研究当前基于异构信息源的多模态算法如何受到数据中的敏感元素和内部偏见的影响,我们提出了一个虚构的自动招聘测试平台:FairCVtest。我们使用一组有意识地以性别和种族偏见进行评分的多模态合成档案来训练自动招聘算法。FairCVtest 展示了此类招聘工具背后的人工智能(AI)从非结构化数据中提取敏感信息并以不良(不公平)的方式将其与数据偏见结合起来的能力。最后,我们列出了最近开发能够从深度学习架构的决策过程中删除敏感信息的技术的列表。我们使用其中一种算法(SensitiveNets)来实验歧视感知学习,以消除我们多模态 AI 框架中的敏感信息。我们的方法和结果展示了如何生成更公平的基于 AI 的工具,特别是更公平的自动招聘系统。
摘要:本研究描述了用于实验室环境的电子控制电阻负载组的设计过程、构建和测试。负载组的基本特性来自前期工作的初步设计。负载组是飞机混合动力推进试验台的一部分,用于静态分析,旨在降低成本和提高操作安全性。它旨在模拟飞机螺旋桨在稳定状态下以不同转速施加到传动轴上的可变机械载荷。由发电机 (EG) 供电,它可以分步施加电阻载荷,然后由发电机转换为机械载荷。设计、构建和组装了容纳电阻元件和冷却风扇的支撑框架。开发了两个传感器板来测量电压和电流。负载组的控制器由 Arduino 板实现,采用实时操作系统 (RTOS),并通过控制器局域网 (CAN) 总线与计算机上的监控系统通信。该程序的用户界面是作为 Windows Forms App 创建的,以便于使用和实时监控银行的运营。构建了一个单负载分接头并对其进行了测试,以验证传感器性能并获取热响应曲线。结果表明,该系统运行可预测且可靠,这鼓励了进一步的开发。
∗ 机械工程系助理教授,美国密西西比州斯塔克维尔 39762,AIAA 成员,azimi@me.msstate.edu(通讯作者)† 土木与环境工程系助理教授,工程 2-2314,200 University Ave. W.,加拿大安大略省滑铁卢,N2V 2T1,alana.lund@uwaterloo.ca ‡ 土木与环境工程学院助理教授,50 Nanyang Ave, N1 01c-96m,新加坡 639798,yuguang.fu@ntu.edu.sg § 研究生助理,莱尔斯土木工程学院,印第安纳州西拉斐特,49707,AIAA 学生成员,montoyah@purdue.edu ¶ 机械工程学院研究生助理,AIAA 学生成员,lvaccino@purdue.edu ‖ 机械工程学院研究生助理,AIAA 学生成员, mrajase@purdue.edu ∗∗ 研究生助理,机械工程学院,印第安纳州西拉斐特,49707,AIAA 学生会员,rhee18@purdue.edu †† 研究生助理,电气与计算机工程系,美国科罗拉多斯普林斯 06269,leila.chebbo@uconn.edu ‡‡ 博士后研究员,机械工程系,德克萨斯州圣安东尼奥,美国 78249,adnan.shahriar@utsa.edu §§ 研究生助理,莱尔斯土木工程学院,印第安纳州西拉斐特,49707,wang4591@purdue.edu ¶¶ 高级研究工程师 - 控制系统,新墨西哥州阿尔伯克基,美国,amin.maghareh@verusresearch.net ∗∗∗ 机械工程学院和莱尔斯土木工程学院机械工程创新 Donald A. 和 Patricia A. Coates 教授和建筑工程,西拉斐特,印第安纳州,49707,AIAA 会员,sdyke@purdue.edu(通讯作者)
1. WCET 对提案的重要性:提案的设施和资源部分必须明确指出 WCET 设施是提案的核心。2. 预算必须包括“设施使用费”,以向 UW 证明工作主要在 WCET 进行,并保证校外管理费率。支付此费用的用户可以使用“热门办公桌”和所有共享空间(教室、会议室)。用户可以升级到预留的办公桌和办公室(如果有),标准价格减去热门办公桌的费用,这笔费用已包含在初始费用中。此费用将作为对象代码 03-80 收取,并将在 UW 的 MyFD 中显示为“租金-建筑物和空间”。PI 将负责确保其资助机构允许收取此费用。WCET 可以为收费提供合理的支持/理由。所有寻求使用校外管理费率的新提案都必须支付访问费,访问权限将分配给该资助中的特定个人。访问费用涵盖单个 FTE(教职员工、博士后)和 0.5 FTE(研究生)。不允许其他细分。1.0 FTE 的访问费用为每月 500 美元,0.5 FTE 的访问费用为每月 250 美元。
上图显示了 B-52G 的不同拟议测试配置。一台 XNJ140E-1 核动力装置,配备八台 J57 化学动力发动机(上图左);后机身两侧各一台 XNJ140E-1 和一台 X211 化学动力 XNJ140E-1 变体,配备八台 J57 发动机(上图中间);两台 XNJ140E-1 核发动机,配备四台 J57 化学发动机。插图由作者提供。
摘要 — 太阳能的高渗透率给配电系统的运行带来了新的挑战。考虑到由于云层覆盖的变化导致太阳能输出的高度波动性,保持功率平衡并在爬坡率限制内运行可能是一个问题。通过在配备灵活资源(如电动汽车和电池存储系统)的各个站点平滑太阳能输出,可以为电网带来巨大好处。本文提出了几种太阳能平滑应用方法,利用位于佛罗里达州一家公用事业公司的“纳米电网”试验台中的电池存储和电动汽车充电控制。控制算法侧重于实时应用和基于预测的预测控制。然后使用来自纳米电网站点的实际数据比较太阳能平滑模型,以展示所提出模型的有效性并比较它们的结果。此外,控制方法应用于奥兰多公用事业委员会 (OUC) 纳米电网以确认模拟结果。索引术语 — 太阳能平滑、光伏预测、爬坡率、电池
新闻稿严格禁止发布,直至 2021 年 6 月 16 日上午 10:00 新加坡国立大学和南洋理工大学启动首个热带数据中心试验平台 新的 2300 万新元计划旨在为位于热带地区的数据中心开拓绿色高效的冷却解决方案,使其实现最佳运行 新加坡,2021 年 6 月 16 日——新加坡国立大学 (NUS) 和新加坡南洋理工大学 (NTU Singapore) 与新加坡数据中心行业的主要利益相关者一起,建立了一项新的 2300 万新元研究计划,旨在为位于热带地区的数据中心开发创新和可持续的冷却解决方案。新加坡国立大学将建立一个最先进的试验平台设施,以促进此类先进冷却技术的共同创造和展示。新的可持续热带数据中心试验台 (STDCT) 是热带地区首个此类试验台,将成为学术界和业界共同努力的创新中心,为该地区的数据中心行业提供面向未来的保障。该项目由新加坡国立大学主办的新加坡冷却能源科学与技术 (CoolestSG) 联盟策划,研究人员将开发和展示节能冷却技术,以在热带数据中心环境中取得突破。该试验台设施预计将于 2021 年 10 月 1 日投入运营。该项目由新加坡国家研究基金会 (NRF) 和主要行业合作伙伴 Facebook 共同资助。该研究由新加坡国立大学和南洋理工大学牵头,并得到信息通信媒体发展局 (IMDA) 的支持。其他五个行业合作伙伴包括 Ascenix Pte Ltd、CoolestDC Pte Ltd、Keppel Data Centres、New Media Express Pte Ltd 和 Red Dot Analytics Pte Ltd。对高效和可持续数据中心的需求不断增长 数字经济的兴起导致对容纳计算和数据存储基础设施的数据中心的需求不断增长。由于计算机服务器产生大量热量,这些数据中心目前按照工业惯例在 23 至 27 摄氏度的温度下进行空气冷却,环境湿度为 50% 至 60%。维持这种受控环境需要高能耗,从而导致高成本和碳排放——尤其是对于新加坡这样的热带国家而言。新加坡为东南亚约 60% 的数据中心提供服务。新加坡的数据中心消耗了该国总能源需求的近 7%,预计到 2030 年这一数字将达到 12%。因此,越来越需要在同一占地面积内整合更多计算能力来降低功耗和碳足迹,同时开发解决方案来满足数据中心的冷却需求。
在研究实验室和业余实验室中都可以找到构建不同系统原型的耐心和渴望。这种建设不会停止进步,有时是由于需要,有时是由于改进(Golnabi & Asadpour,2007;Li 等,2019;Khechekhouche 等,2019)。雷诺数的历史写在流体力学年鉴中(Rott,1990)。一项研究表明,流体粒子在管道中以层流的形式平行层行进,互不干扰。管道中流体的速度分布并不均匀。流体在外围场被管道压力破坏,流动速度比管道轴线慢。压力的降低与流体的平均速度成正比。流体的多层起泡并相互交换能量,就形成了湍流。非平稳运动是所产生流动类型的特征。此外,但仅在管道的外围区域,存在层流边界层。在大部分管道截面上,速度分布几乎恒定。压降等于层流压降(Fontane,2005;Brunetière,2010)。当雷诺数大于 3000 时,管道内的流动状态为湍流;虚构因素取决于雷诺数,也取决于相对粗糙度,当然还有其他因素。我们的手稿显示,雷诺垂直测试台(H 215)无法让大量学生正确地看到体验,这给教育实验室带来了真正的问题,另一方面,实验室设计的水平测试台可以让相同数量的学生清楚地看到实验的所有阶段。
2.1 旋翼机气动声学 ................................................................................................................ 19 2.1.1 飞机模式 ................................................................................................................ 20 2.1.2 直升机模式 ................................................................................................................ 22 2.1.3 过渡模式 ................................................................................................................ 25 2.2 旋翼机声学数据处理技术 ............................................................................................. 26 2.2.1 信号滤波 ................................................................................................................ 27 2.2.2 采样率 ................................................................................................................ 28 2.2.3 信号平均 ................................................................................................................ 28 2.2.4 声学图 ................................................................................................................ 29 2.2.5 距离校正 ................................................................................................................ 30 2.2.6 旋翼飞行器的声学指标 ................................................................................................ 32