XiaoMi-AI文件搜索系统
World File Search System轻量级
利用混合人工智能的力量释放组织生产力
集成云、边缘和安全连接环境的管理层。这可自动执行资源分配、任务分配和数据同步。它根据所需的模型、网络功能和跨层性能指标，实时做出在边缘或云层计算的决策。编排器根据设备类型和工作负载需求动态分配任务，选择轻量级物联网设备进行常规监控，并优先考虑 AI PC、工作站或云的更复杂任务。通过动态管理资源和保持数据一致性，编排可优化系统性能并确保合规性。这种自动化通过减少延迟、防止资源瓶颈和实现更高效的决策来提高生产力。
用于库存控制应用的模块化集成 RFID 系统
摘要：单板计算机技术的最新进展使得轻量级、节能的设备（例如 Raspberry Pi）可以在某些应用中取代台式电脑。这有可能颠覆许多当前系统的结构，特别是对于库存管理和控制应用。在本文中，我们探讨了用于库存管理的模块化射频识别 (RFID) 系统的设计和拓扑，该系统由手持/便携式配置的独立、自主扫描和固定控制 PC 组成。虽然商业市场上可能存在此类系统的类似解决方案，但这一拟议的开发为开源灵活、低成本解决方案提供了一个模板，可以轻松扩展以满足库存量大和小的企业的需求。
rudraksh：紧凑而轻巧的量子后键 -
摘要。资源受限的设备，例如无线传感器和物联网（IoT）设备在我们的数字生态系统中已变得无处不在。这些设备生成并处理我们数字数据的主要部分。但是，由于我们现有的公钥加密方案的量子计算机即将发生威胁以及在物联网设备上可用的有限资源，因此设计适合这些设备的轻量级量化后加密（PQC）方案非常重要。在这项工作中，我们使用基于错误的PQC方案探索了学习的设计空间，以设计适用于资源约束设备的轻巧键合并机制（KEM）。我们对不同的设计元素进行了严格且广泛的分析和评估，例如多项式大小，场模结构，还原算法以及基于LWE的KEM的秘密和错误分布。我们的探索导致了轻巧的PQC-KEM Rudraksh的提议，而没有损害安全性。我们的方案提供了针对所选密文攻击（CCA）的安全性，该攻击（CCA）具有100个以上的核心SVP后量子后安全性，属于NIST级I安全类别（至少提供AES-128的安全性）。我们还展示了如何将Ascon用于基于晶格的KEM中的轻质伪随机数生成和哈希功能，而不是广泛使用的keccak用于轻量级设计。我们的FPGA结果表明，Rudraksh目前需要类似安全性的PQC KEM之间的最小面积。与最先进的面积优化的Kyber实施相比，我们的Rudraksh实施对面积的需求提高了3倍，可以在高thoughtup Kyber的频率上以63％-76％的频率运行，并且与Time-Araea-AraeApoptuct-time-Araeapoptuct-time-aftrapuctiage 〜2×2×compact compact的实施相比，
LPN和MQ
摘要。资源受限的设备，例如无线传感器和物联网（IoT）设备在我们的数字生态系统中已变得无处不在。这些设备生成并处理我们数字数据的主要部分。但是，由于我们现有的公钥加密方案的量子计算机即将发生威胁以及在物联网设备上可用的有限资源，因此设计适合这些设备的轻量级量化后加密（PQC）方案非常重要。在这项工作中，我们使用基于错误的PQC方案探索了学习的设计空间，以设计适用于资源约束设备的轻巧键合并机制（KEM）。我们对不同的设计元素进行了严格且广泛的分析和评估，例如多项式大小，场模结构，还原算法以及基于LWE的KEM的秘密和错误分布。我们的探索导致了轻巧的PQC-KEM Rudraksh的提议，而没有损害安全性。我们的方案提供了针对所选密文攻击（CCA）的安全性，该攻击（CCA）具有100个以上的核心SVP后量子后安全性，属于NIST级I安全类别（至少提供AES-128的安全性）。我们还展示了如何将Ascon用于基于晶格的KEM中的轻质伪随机数生成和哈希功能，而不是广泛使用的keccak用于轻量级设计。我们的FPGA结果表明，Rudraksh目前需要类似安全性的PQC KEM之间的最小面积。与最先进的面积优化的Kyber实施相比，我们的Rudraksh实施对面积的需求提高了3倍，可以在高thoughtup Kyber的频率上以63％-76％的频率运行，并且与Time-Araea-AraeApoptuct-time-Araeapoptuct-time-aftrapuctiage 〜2×2×compact compact的实施相比，
可扩展的无 MatMul 语言建模 - Yu Zhang
矩阵乘法 (MatMul) 通常占据大型语言模型 (LLM) 总体计算成本的主导地位。随着 LLM 扩展到更大的嵌入维度和上下文长度，这一成本只会增长。在本研究中，我们证明了 MatMul 操作可以完全从 LLM 中消除，同时在十亿参数规模下保持强劲性能。我们的实验表明，我们提出的无 MatMul 模型的性能与最先进的 Transformer 相当，后者在推理过程中需要更大的内存，并且参数规模至少高达 27 亿。我们研究了缩放规律，发现我们的无 MatMul 模型与全精度 Transformer 之间的性能差距随着模型规模的增加而缩小。我们还提供了该模型的 GPU 高效实现，与未优化的基准相比，在训练期间可将内存使用量降低高达 61%。通过在推理过程中使用优化的内核，与未优化的模型相比，我们的模型的内存消耗可减少 10 倍以上。为了准确量化我们架构的效率，我们在 FPGA 上构建了一个定制的硬件解决方案，该解决方案充分利用了 GPU 无法处理的轻量级运算。我们以 13W 的功耗处理了数十亿参数规模的模型，其吞吐量远超人类可读的吞吐量，使 LLM 的效率更接近人脑的水平。这项工作不仅展示了 LLM 在保持高效性能的同时可以精简到何种程度，还指出了未来加速器在处理下一代轻量级 LLM 时应针对哪些类型的运算进行优化。我们的代码实现可在 https://github.com/ridgerchu/matmulfreellm 获取。
车辆通讯 - 欧洲 - 加迪夫大学
随着连接和自动驾驶汽车的增殖，控制器区域网络（CAN）总线由于其速度和效率而成为车载网络的主要通信标准。但是，CAN总线缺乏基本的安全措施，例如身份验证和加密，使其非常容易受到网络攻击的影响。为了确保车辆安全性，入侵检测系统（IDS）必须检测到可见的攻击，并为新的，看不见的攻击提供强大的防御，同时保持轻量级的实用部署。以前的工作仅依赖于CAN ID功能，或者使用了手动功能提取的传统机器学习（ML）方法。这些方法忽略了其他可剥削的功能，这使得适应新的看不见的攻击变体和损害安全性。本文介绍了一种尖端，新颖，轻巧，车载，IDS玻璃，深度学习（DL）算法，以解决这些局限性。所提出的ID采用多阶段方法：在第一个阶段的人工神经网络（ANN）来检测可见的攻击，以及在第二阶段进行长期的短期记忆（LSTM）自动编码器，以检测新的，看不见的攻击。要了解和分析各种驾驶行为，使用最新的攻击模式更新模型，并保留数据隐私，我们提出了一个理论框架，以在层次结构联合学习（H-FL）环境中部署我们的ID。实验结果表明，我们的IDS的F1得分超过了0.99，对于看到的攻击，新型攻击的检测率为99.99％，超过0.95。这使我们的模型可与可见和看不见的攻击进行稳健。此外，误报率（FAR）在0.016％的情况下极低，最小化了错误警报。尽管使用了以其在识别复杂和零日攻击方面的有效性而闻名的DL算法，但IDS仍然轻量级，确保了其对现实世界部署的可行性。
课程大纲-M.TECH-MECH-PLM-2018-19.pdf
第六单元装配建模：表示、配合条件、表示方案、装配序列的生成可视化、多 CAD 系统（JT 等）、如何管理非几何数据，例如可视化数据、轻量级表示技术（如镶嵌/体素化及其动机）、如何从镶嵌、体素化数据中获得视觉表示、逆向工程、进化 AI 方法和 CAD 应用、基于知识的工程、OpenGL、CAD 中的高级可视化主题简介，如现代表示方案（如 FBM、PM）、特征识别、按特征设计、公差建模、系统定制和设计自动化、开源 CAD（如 Open CASCADE）
适用于航空航天应用的光纤布拉格光栅传感器
摘要 随着光纤技术的进步，FBG 传感器已成为土木工程、电信、生物医学、汽车、航空航天等众多领域中使用最广泛的传感器之一。这是因为它们具有灵活、重量轻、抗电磁干扰 (EMI)、高灵敏度和串行多路复用等诱人的特性。在高精度、遥感和轻量级传感器至关重要的航空航天工程相关应用中，FBG 传感器已被证明是极好的选择。在本文中，我们概述了 FBG 传感技术在航空航天工程领域各种应用的进展，即高压传感、地面气动测试设施、冲击压力传感、航天器监测和飞机复合材料的结构健康监测。
使用GPS反射从空间映射的海平面
GNSS-Refreftectry（GNSS-R）是使用导航信号（包括GPS和欧洲等效伽利略）反射仪的一般术语。使用GNSS-R的优点是它使用轨道上的GNSS发射器，并且可以将轻量级，低功率接收器启动到空间相对成本效益。现有的卫星高度计虽然非常准确，但在100公里以下的尺度上没有足够的数量来对海洋进行采样。GNSS-反击仪接收器的星座将对可以收集的数据的数量进行三十倍改善。这样的星座将于2016年底作为NASA Cygnss任务的一部分推出，请观看下面的动画。
