XiaoMi-AI文件搜索系统
World File Search System边缘设备
今天在场景分析中的挑战
使用传感器和其他边缘设备网络，越来越多的行业跨多个行业的客户端正在创建现实世界中空间的数字表示形式，从而汇总了这些观点，并为自动操作提取智能。目前，在智能传感器市场中，传统的非偶像解决方案（单角）方法普遍存在。这可以定义为用于单个场景分析用例的特定传感器。尽管有些有用，但是这些解决方案不允许以连接或以其他方式智能的方式跟踪多个动作或方案。单峰解决方案的替代方案是多模式传感，它允许跟踪多个活动。不幸的是，多模式传感解决方案通常在完全专有的环境中找到，在这些环境中，客户“锁定”到特定的供应商。在许多情况下，这些多模式系统是为特定应用程序构建的，不能轻易实施或用于更广泛的客户群。这种缺乏灵活性和可及性阻碍了多模式技术可以带来的价值主张，以使数字化工作的数字化复杂性。
AI在个性化学习中的双重作用
边缘计算正在作为一种变革性解决方案，用于管理物联网（IoT）生成的大量数据。通过分散数据处理并使计算更接近数据源，边缘计算解决了传统云计算的临界局限性，包括延迟，带宽约束和安全漏洞。本评论探讨了边缘计算的关键好处，例如延迟，带宽优化，可靠性提高，增强的数据隐私和可扩展性。它讨论了边缘计算的结构和组件，突出了边缘设备，边缘节点和雾计算的作用。该评论还检查了各个部门的各种用例，包括自动驾驶汽车，智能城市，医疗保健，工业物联网和零售。最后，评论考虑了边缘计算面临的挑战，包括硬件限制，网络安全性，互操作性和成本注意事项。未来的前景表明，5G技术和人工智能的进步将进一步增强边缘计算在驱动IoT创新方面的潜力。
黄银逝世及生平简介
Le 博士目前是阿肯色大学电气工程与计算机科学系 (EECS) 人工智能与计算机视觉 AICV 实验室的助理教授兼主任。此前，她曾在卡内基梅隆大学 (CMU) 担任博士后。Le 博士分别于 2018 年和 2015 年在 CMU 获得电气与计算机工程博士和硕士学位。她分别于 2009 年和 2005 年在越南获得计算机科学硕士和学士学位。Le 博士因其在机器人、机器学习、计算机视觉和医学分析方面的重大贡献而获得国际认可。她的研究解决了各种现实世界的挑战，包括可信决策、不完美数据（有限标记数据、噪声数据、有偏见的数据、看不见的数据、小物体）和边缘设备上的实时应用。她精通多种模式，擅长处理图像、视频、点云、体积数据、时间序列和遥感数据。值得注意的是，她的专业知识涵盖图像处理、场景理解、多对象跟踪、行为分析、医学图像分析、3D 重建和实时机器人感知。Le 博士的工作被认为是最先进的，她的许多研究成果已成功部署到现实世界的应用中，包括边缘设备上的尖端实现。她的研究成果包括拥有三项专利，并在各种著名会议、书籍章节和顶级期刊上共同撰写了 130 多篇论文和文章。她在 Google Scholar 上的 h 指数为 26，i10 指数为 64，截至 2024 年 5 月 19 日，引用次数为 2,829 次（8ck0k UAAAAJ）。Le 博士自 2021 年起担任 ScienceDirect 的《机器学习与应用》（MLWA）期刊的副主编，并主持了 Asilomar 和 MICAD 等会议。 Le 博士还担任 Frontier 和 MDPI 等多家期刊的客座编辑。她组织了著名会议 MICCAI 的教程和研讨会，例如 MICCAI 2018 的医学成像深度强化学习教程和 MICCAI 2019 年和 2020 年的少标签和不完美数据的医学图像学习研讨会。医学图像计算的可解释和注释高效学习：第三届国际研讨会 2020。她积极参与社交活动，尤其是 2019-2022 年 MICCAI 女性社交活动，并担任组织者。她曾担任 2021 年和 2022 年 Google NACMI AMLI 夏季训练营的首席讲师。
使用 TDA4 Edge AI 处理器进行性能和功率基准测试
当今世界人口为 78 亿，并且还在不断增长，预计到 2050 年将达到 100 亿 [1] 。不断增长的人口需要安全无虞的必需品，例如食物、衣服以及越来越多的舒适设施和工具。为了满足这些需求，所有市场（消费、工业和汽车）都在不断进行技术创新。我们都习惯的新技术使数据生成更便宜、更有趣。想想用智能手机拍摄的照片数量，以及建筑物和工厂中各种传感器和边缘设备生成的数据量。所有这些数据都在推动工厂和建筑物的端到端自动化，以提高生产力，生产更多的商品和服务。这成倍增加了需要管理（处理、分析以采取纠正措施）的数据。例如，一家智能工厂可能拥有超过 50,000 个传感器，每天生成数 PB 的数据。即使是标准的办公楼也会产生数百 GB 的数据。大部分数据将在产生地进行存储、管理、分析和保存，即在安全性、实时性能和可靠性驱动的边缘。
从 COVID-19 中吸取教训，为疾病 X 做好准备
摘要 人工智能和边缘设备在管理 COVID-19 大流行中的使用率越来越高。在本文中，我们回顾了从 COVID-19 中吸取的教训，以假设疾病 X 事件的可能解决方案。本研究的总体目的和研究问题是将人工智能功能集成到数字医疗系统中。研究的基本设计包括系统的最先进的审查，然后评估管理全球流行病的不同方法。然后，研究设计涉及构建一种将算法集成到医疗保健系统中的新方法，然后分析新方法并进行讨论。行动研究用于审查现有的最先进技术，并使用定性案例研究方法来分析从 COVID-19 大流行中获得的知识。研究发现的主要趋势源自对 COVID-19 知识的综合，以概念方法的形式呈现了新的见解——包括管理未来疾病 X 事件的六个阶段，并得出了将功能性 AI 集成到医疗保健系统中的各种问题、解决方案和预期结果的摘要图。
使用动态偏置 LSTM 对 ECG 异常进行分类...
摘要 — 本文提出了一种基于动态偏置长短期记忆 (DB-LSTM) 网络的心电图 (ECG) 信号分类模型。与传统 LSTM 网络相比，DB-LSTM 引入了一组参数 C，用于保存单元格的先前时间步长单元门状态。因此，可以保留更多特征信息，并且分类任务所需的网络规模更小。使用 MIT-BIH ECG 数据集进行的全面模拟表明，该模型可以在更短的时间窗口、更快的训练收敛下执行 ECG 特征分类，同时以更低的权重分辨率实现相当的训练和分类精度。与其他最先进的 ECG 分析算法相比，该模型仅需要 4 层，当权重从 FP32 截断为 INT4 时，准确率达到 96.74%，准确率仅下降 2.4%。在 Xilinx Artix-7 FPGA 上实现，所提出的设计估计仅消耗 40μW 动态功率，这对于资源受限的边缘设备来说是一个有希望的候选方案。
面向人工智能驱动的物联网服务的能源消耗和碳足迹测试
摘要 — 能源消耗和碳排放有望成为物联网 (IoT) 应用的关键因素。规模和地理分布都在不断增加，而人工智能 (AI) 进一步渗透到“边缘”，以满足对高响应和智能服务的需求。到目前为止，一些边缘/雾模拟器正在通过支持在整合的测试环境中部署和执行 AI 驱动的物联网服务来满足物联网测试的需求。这些工具可以配置基础设施，使其与边缘设备和物联网网络非常相似。然而，目前的物联网测试套件仍然缺少对 AI 服务测试期间的能耗和碳排放量估计。这项研究强调了 AI 驱动的物联网服务开发人员需要回答的重要问题，以及一系列观察和挑战，旨在帮助研究人员设计物联网测试和基准测试套件以满足用户需求。索引词 — 物联网、边缘计算、软件测试、能源建模、机器学习。
模拟大型节能雾计算环境
摘要 — 尽管效率不断提高，但当今的数据中心和网络仍消耗大量能源，而且这种需求预计还会进一步上升。一个重要的研究问题是雾计算是否以及如何抑制这种趋势。由于实际部署的雾基础设施仍然很少，因此很大一部分研究依赖于模拟。然而，现有的功率模型通常只针对特定组件，如计算节点或电池受限的边缘设备。结合分析和离散事件建模，我们开发了一个整体但细粒度的能耗模型，可以确定计算节点以及网络流量和应用程序随时间变化的功耗。模拟可以包含在分布式、异构和资源受限的基础设施上执行复杂应用程序图的数千台设备。我们在智能城市交通场景中评估了我们公开可用的原型 LEAF，证明它可以用于研究节能雾计算架构，并可用于评估动态任务放置策略和其他节能机制。索引词——模拟、建模、雾计算、边缘计算、能源消耗
元元中的多人沉浸式交流和互动：挑战，架构和未来方向
摘要 - 元评估已经唤醒了用户对沉浸式互动的期望，该互动融合了虚拟数字世界和跨时空的物理世界。然而，元视频仍处于起步阶段，通常会扩展多玩家应用程序（例如，多玩家游戏），借助5G/BEERCE 5G，人工智能，数字双胞胎和其他支持技术来实现原型。本文回顾了特征，启用技术以及驱动状态元元的应用。我们专注于从用户，数字世界和物理世界中的任务，输入和反馈的元评估的沉浸式互动观点，并揭示了关键的挑战。之后，我们根据云边缘设备协作框架提出了一个多玩家交互原型平台。此外，我们使用集中式和设备（D2D）的方法对其进行评估，以验证相互作用的效率和灵活性。最后，我们指出了未来的研究方法，并讨论了潜在的解决方案，以实现更稳定和更高质量的多人互动来进行荟萃服务。
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