1 对于本文档的大部分内容,许可均符合 CC BY 4.0 许可证 ( https://creativecommons.org/licenses/by/4.0/ )。有关本文档第 3.2.2.1 节、3.4.2.1 节和附录 1 部分内容的合理使用许可,这些部分内容包括或改编自 NIST 出版物(例如 SP 800-30)的段落,请参阅 NIST 许可证的合理使用条款,网址为 https://www.nist.gov/open/license 。(在第 3.2.2.1 和 3.4.2.1 节中,我们从 NIST SP 800-30 的表 H-2 中引用了“关键基础设施部门受损或丧失能力”一词,并从 NISTIR 8062 中引用了“对民主制度和生活质量的影响”一词。本文件第 3.2.2.1.2 节中的影响评级类别与 NIST SP 800-30 的表 H-3 非常接近,只是我们使用“国家或整个社会”而不是“国家”,并且我们添加了一个副标题“可能导致社会严重或灾难性后果的因素包括”以及该副标题下的相关材料。)有关第 3.3 节中包含联合国出版物摘录的部分的权限,请参阅 https://shop.un.org/rights-permissions 。
在当前嘈杂的中等规模量子 (NISQ) 体制下,人们设计了各种算法来取得实用的量子优势。这些 NISQ 算法大多数都是变分的,即基于变分定理。变分量子算法 (VQA) 17,18 可以通过将不需要量子属性的计算卸载到传统计算机上来显著减少量子电路深度。这个想法自然而然地源于尽可能少地使用量子计算机。VQA 是启发式的,依赖于一个按照某种方案进行优化的拟定电路。VQA 的一个相当大的缺点是这个优化过程需要许多测量,这个因素可能会限制或消除获得实用量子优势的机会。14 尽管存在这个缺点,但由于与当前硬件限制有关的原因,VQA 是迄今为止研究最多的量子算法类型。变分量子特征值求解器 (VQE) 19,20 是最著名的 VQA。然而,其他方法,如变分量子虚时间演化 (VarQITE),也是有竞争力的替代方案。21
preventionweb.net › files › 1745_Roa... PDF 2006年4月15日 — 2006年4月15日 河流流域的航空调查(LIDAR)是识别的基本要求... 研究如何提高预测灾害的可靠性。
摘要:工业控制系统在当今的制造系统中发挥着核心作用。在保持和提高生产能力和生产力的同时,生产系统的复杂性也随之大幅增加,并朝着更加灵活和可持续的方向发展。为了应对这些挑战,需要先进的控制算法和进一步的发展。近年来,基于人工智能 (AI) 方法的发展引起了研究和行业对未来工业控制系统的极大关注和相关性。基于人工智能的方法越来越多地被应用于各种工业控制系统层面,从单个自动化设备到复杂机器的实时控制、生产过程和整个工厂的监督和优化。因此,人工智能解决方案被应用于不同的工业控制应用,从传感器融合方法到新型模型预测控制技术,从自优化机器到协作机器人,从工厂自适应自动化系统到生产监督控制系统。本篇展望论文的目的是概述人工智能方法在不同层次上对工业控制系统的新应用,以提高生产系统的自学能力、整体性能、相关流程和产品质量、资源的最佳利用和工业系统安全性以及对不同边界条件和生产要求的适应能力。最后,讨论了主要的未决挑战和未来前景。
我们提出了一种基于微型,能量,低成本的单光子凸轮的测量值来重建任意兰伯特对象的3D形状的方法。这些摄像机作为时间解析的图像传感器运行,用非常快速的脉冲脉冲融合了光,并记录了该脉冲的形状,因为它以高时间分辨率从场景中返回。我们提出了模拟此图像形成过程的建模,解释其非理想性,并适应神经渲染以从一组具有已知姿势的空间分布的传感器中重建3D几何形状。我们表明,我们的方法可以从模拟数据中成功恢复复杂的3D形状。我们利用商品代理传感器的测量结果来证明实际捕获的3D对象重建。我们的工作在基于图像的建模和活动范围扫描之间建立了连接,并通过单光子摄像机朝着3D视觉提供了一步。我们的项目网页位于https://cpsiff.github.io/ toug_3d_vision/。
教育平台越来越多地由人工智能驱动。除了提供广泛的课程过滤选项外,个性化的学习材料和教师推荐也在推动当今的研究。虽然准确性在评估这些推荐中起着重要作用,但必须考虑许多因素,包括学习者的保留率、吞吐量、技能提升能力、学习机会的公平性和满意度。这在以学习者为中心和以平台为中心的方法之间造成了紧张关系。我将描述数据驱动推荐和教育理论交叉领域的研究。这包括利用同伴学习中的协作和亲和力的多目标算法、研究学习策略对平台和人员的影响以及自动生成课程序列。本文最后讨论了数据管理系统在实现现代在线教育方面可以发挥的核心作用。
我们对一项名为动力电池检测(PBD)的新任务进行了全面的研究,该任务旨在从 X 射线图像中定位密集的阴极和阳极板端点,以评估动力电池的质量。现有制造商通常依靠人眼观察来完成 PBD,这使得很难平衡检测的准确性和效率。为了解决这个问题并让更多人关注这个有意义的任务,我们首先精心收集了一个称为 X 射线 PBD 的数据集,该数据集包含从 5 家制造商的数千个动力电池中选择的 1,500 张不同的 X 射线图像,具有 7 种不同的视觉干扰。然后,我们提出了一种基于分割的新型 PBD 解决方案,称为多维协作网络(MDCNet)。借助线和计数预测器,可以在语义和细节方面改进点分割分支的表示。此外,我们设计了一种有效的距离自适应掩模生成策略,可以缓解由板分布密度不一致引起的视觉挑战,从而为 MDCNet 提供稳定的监督。无需任何花哨的修饰,我们基于分割的 MDCNet 始终优于其他各种角点检测、人群计数和基于一般/微小物体检测的解决方案,使其成为有助于促进 PBD 未来研究的强大基础。最后,我们分享了一些潜在的困难和未来研究的工作。源代码和数据集将在 X-ray PBD 上公开提供。
摘要 - 机器人基金会模型具有从工业范围到家庭任务的各种环境中部署的潜力。当前的研究主要关注政策在各种任务中的概括能力,但它无法解决安全,这是对现实世界系统部署的关键要求。在本文中,我们引入了一个安全层,旨在限制任何通才政策的行动空间。我们的方法使用Atacom,这是一种安全的加强学习算法 - 创建安全的行动空间,因此可以确保安全的国家过渡。通过将Atacom扩展到通才政策,我们的方法促进了他们在安全方案中的部署,而无需任何特定的安全性调整。我们证明了该安全层在空气曲棍球环境中的有效性,在该环境中,它防止了冰球击中的药物与周围环境相撞,这在通才政策中观察到了失败。https://sites.google。com/robot-learning.de/to-safe-rfm
诸如人工智能,云计算或大数据等新兴技术在当今社会的数字化中起着重要作用,还影响了公司及其供应链。但是,相关的挑战不仅限于技术维度,而且还包括组织或管理问题。对于公司而言,很难“掌握”有关其供应链的复杂数字化流程。成熟度模型提供了一个有益的起点来评估当前状态并随后指导进一步的数字化。因此,本文旨在采取在数字供应链领域开发成熟度模型所需的第一个步骤。结果,提出了“数字供应链成熟度模型”(DSCM²)的第一个草稿。模型开发已准确记录,并遵循一种严格的科学方法,以深入文献评论和专家访谈为基础。首先,主题领域分为四个维度,即业务,组织,过程和方法以及技术数字化。第二,细分以及成熟度及其相关的成熟度特征被鉴定并描述。第三,在几个迭代中,从从业者的角度评估了该模型。专家的反馈是积极的,并且实施了微小的变化。但是,模型和提供的在线自我评估工具仍然必须进行更大的评估。尽管有局限性,但这项初步研究可以激发未来的研究,并为持续发展模型的稳定基础。
