XiaoMi-AI文件搜索系统
World File Search System过程模型
使用机器学习技术进行基于线性随机过程模型的 EEG 分类 Mykhailo Fryz a、Leonid Scherbak b、Bogdana Mlynko a 和
摘要 脑电图 (EEG) 建模和分类方法在医学诊断以及使用基于脑机接口的工业 4.0 解决方案创建复杂信息系统中非常重要。本文以线性随机过程的形式介绍了 EEG 信号的数学模型。考虑了使用自回归模型的相应估计程序。新的信息特征已被证明是线性随机过程模型表示的下采样核。基于自回归系数和新提取的信息特征对二元分类机器学习技术进行了比较分析。显示了分类指标的改进。关键词 1 信息系统、脑电图、信号、数学模型、线性随机过程、自回归模型、核、特征提取、估计、二元分类。
PAISE® – 人工智能系统工程的过程模型
由于过去几十年计算能力的进步和数据可用性的提高，数据驱动方法的使用在许多工业领域受到青睐和扩展。因此，机器学习 (ML) 算法作为人工智能 (AI) 的一个子集正在走向实用前沿。ML 算法通过分析所谓的训练数据并识别模式和相关性来为给定用例编写软件。因此，所创建软件的功能很大程度上取决于训练数据。在德国和欧洲，人们普遍认识到，找到一种系统方法来开发利用新型人工智能和机器学习方法的智能系统非常重要——在工业发展方面（例如，在 VDA 旗舰计划的“AI 家族”项目中）、在标准化方面（例如，在 DIN 和 DKE [1] 的 AI 标准化路线图中），以及欧盟委员会等机构。除了 AI 的巨大潜力之外，欧盟委员会还认为需要制定《欧盟 AI 法案》[5] 中所述的法规。法律基础应保护市场和公共部门以及人民的安全和基本权利。在欧洲创建值得信赖的 AI 应用程序这一目标需要高水平的系统和跨学科方法。经典程序模型假设系统可测试，因此仅与使用 ML 方法有条件兼容。目前，应用 ML 方法的系统只能通过经验方法进行测试，无论 ML 是否内置于最终系统本身，或者 ML 方法是否用于推导最终产品的设计规范。在这两种情况下，基于 ML 的复杂方法的结果都会以关键的方式影响最终产品的功能。因此，有必要能够将这种影响追溯到所使用的基于 ML 的方法的原理和底层数据。
可扩展微电网过程模型：离 Robak Sylwester 电网家庭实验的结果，能源，MDPI，第 14 卷，2021 年，文章编号：7
摘要：国家能源系统的安全以及向低碳未来的过渡是国际政治舞台上的两个热门话题。目前，集中式能源系统稳定性的研究主要集中在分布式发电上。开发可扩展的微电网模型以使其大规模采用是解决此类问题最安全、最可行的方法之一。本文旨在填补微电网运行模式的现有空白，这是传统电网大规模整合的障碍。在提出的方法中，作者通过实验（模拟）活动确定了在运行微电网时需要考虑的关键过程。进行了三阶段研究：（1）系统文献综述，以探索独立微电网设计和管理的管理模式；（2）家庭实验；（3）对选定家庭的能量平衡进行计算机模拟。我们确定了构成可扩展微电网的八个关键过程：五个核心过程、两个支持过程和一个管理过程。随后，我们绘制了这些过程的图谱，获得了一个可大规模采用的微电网过程模型。过程模型可以被视为微电网创建和维护过程中可重复的行为模式，其未来所有者可以遵循。为了支持我们的文献研究结果，我们对基础设施过程（重新）设计的三个子过程进行了实验和计算机模拟：（1）风力涡轮机选择，（2）光伏电站选择，以及（3）储能选择。结果证实了所分析微电网的条件稳定性以及进行周期性模拟练习直至实现无条件稳定性的必要性。在可持续性方面，要使微电网永久保持正能量平衡，需要实施所有关键流程。
迈向共同创造 AI 体验的过程模型
允许免费复制本作品的全部或部分以供个人或课堂使用，但不得出于营利或商业目的而复制或分发，且副本首页必须注明此声明和完整引文。必须尊重 ACM 以外的人拥有的本作品组成部分的版权。允许摘要并注明出处。以其他方式复制、重新发布、发布到服务器或重新分发到列表，需要事先获得特定许可和/或支付费用。向 permissions@acm.org 请求许可。
关键性分析过程模型：确定系统和组件的优先级
在现代社会中，复杂系统和系统的系统是社会和企业运作不可或缺的一部分，因此，了解和管理这些系统和组件可能给它们所支持的任务带来的风险变得越来越重要。然而，在资源有限的世界里，不可能对所有资产实施同等的保护。本出版物描述了一个全面的关键性分析过程模型 - 一种结构化方法，根据程序、系统和组件对组织目标的重要性以及它们的运行不充分或丢失可能对这些目标造成的影响，对程序、系统和组件进行优先排序。关键性分析可以帮助组织确定和更好地了解对其运营和运营环境最为重要的系统、子系统、组件和子组件。这种理解有助于更好地做出与组织信息资产管理相关的决策，包括信息安全和隐私风险管理、项目管理、采购、维护和升级决策。该模型的结构在逻辑上遵循组织如何设计和实施项目和系统，可以作为考虑所有风险的整体综合风险管理方法的组成部分，并可以与各种风险管理标准和指南一起使用。
临界性分析过程模型：优先考虑系统和组件
在现代社会中，复杂系统和系统的系统是社会和企业运作不可或缺的一部分，因此，了解和管理这些系统和组件可能给它们所支持的任务带来的风险变得越来越重要。然而，在资源有限的世界里，不可能对所有资产实施同等的保护。本出版物描述了一个全面的关键性分析过程模型 - 一种结构化方法，根据程序、系统和组件对组织目标的重要性以及它们的运行不充分或丢失可能对这些目标造成的影响，对程序、系统和组件进行优先排序。关键性分析可以帮助组织识别和更好地了解对其运营和运营环境最为重要的系统、子系统、组件和子组件。这种理解有助于更好地做出与组织信息资产管理相关的决策，包括信息安全和隐私风险管理、项目管理、采购、维护和升级决策。该模型的结构在逻辑上遵循组织设计和实施项目和系统的方式，可用作考虑所有风险的整体和综合风险管理方法的组成部分，并可与各种风险管理标准和指南一起使用。