XiaoMi-AI文件搜索系统
World File Search System错误检测
辐射引起的软错误对嵌入式加密算法的影响
密码算法在社会多个领域的日常实践（如电子支付、数据交换）中发挥着关键作用，包括金融、医疗保健和政府机构。与软件解决方案相比，在低级硬件设计中实现密码算法具有一组独特的约束（如硬件和计算资源）和需要优化的额外性能指标（如功耗）。考虑到这些限制，人们在 ASIC [1,2] 和 FPGA [3,4] 中彻底研究了不同的轻量级但强大的优化技术。尽管基于 SRAM 的 FPGA 上的密码实现功能多样且具有成本效益，但它极易受到辐射引起的软错误的影响，因此，对可靠解决方案的研究备受关注 [5] 。在这方面，人们已经使用了不同的缓解技术和实施方案来减少软错误对 FPGA 上实现的密码解决方案的影响 [6] 。例如，Bertoni 等人 [5] 将冗余技术与错误检测码结合使用来检测单比特故障。 Banu 等人 [7] 描述了一种基于汉明纠错码的 AES 容错模型。同样，Wu 等人 [8] 提出了一种低成本的 AES 并发错误检测方法
16:20 - 16:40GyörgyHegeds人工智能和机械工程教育中的CAD系统16:20 - 16:40GyörgyHegeds人工智能和机械工程教育中的CAD系统
16:20 - 16:40GyörgyHegeds - Miskolc大学副教授，机床机械学院，机械工具部人工智能部和机械工程教育中的CAD系统人工教育和CAD系统中的CAD系统正在完全彻底改变机械工程学生的学习，发展，发展，开发，创新，并创新。 自动化的AlgortIHMS支持AI驱动的CAD工具的支持可以改善该过程，从而使学生更准确地创建复杂的设计。 这种智能支持有助于AI驱动的CAD工具简化了设计过程，并为学生更准确地生产了复杂的设计。 实现生成设计，实时错误检测和自动化优化，以鼓励创造力和解决问题的技能，可帮助学生更好地内化工程概念。 最终，这种集成将使学生能够通过连接理论和实际实施来学习更多复杂的学科，例如自适应建模和基于机器学习的设计分析。 本文介绍了近年来在人工智能支持的CAD系统教育方面所经历的结果，该系统变得越来越强大。 它还展现了未来预期的机会以及教育工作者接受和应用人工智能所需的范式转变。16:20 - 16:40GyörgyHegeds - Miskolc大学副教授，机床机械学院，机械工具部人工智能部和机械工程教育中的CAD系统人工教育和CAD系统中的CAD系统正在完全彻底改变机械工程学生的学习，发展，发展，开发，创新，并创新。自动化的AlgortIHMS支持AI驱动的CAD工具的支持可以改善该过程，从而使学生更准确地创建复杂的设计。这种智能支持有助于AI驱动的CAD工具简化了设计过程，并为学生更准确地生产了复杂的设计。实现生成设计，实时错误检测和自动化优化，以鼓励创造力和解决问题的技能，可帮助学生更好地内化工程概念。最终，这种集成将使学生能够通过连接理论和实际实施来学习更多复杂的学科，例如自适应建模和基于机器学习的设计分析。本文介绍了近年来在人工智能支持的CAD系统教育方面所经历的结果，该系统变得越来越强大。它还展现了未来预期的机会以及教育工作者接受和应用人工智能所需的范式转变。
NEPP 电子技术研讨会 2020 年 6 月 15 日至 18 日
DFF 触发器 DMM 数字万用表 DMA 直接存储器访问 DSP 数字信号处理 DSPI 动态信号处理仪器 DTMR 分布式三重模块冗余双通道。双通道 DUT 被测设备 ECC 纠错码 EDAC 错误检测与纠正 EEE 电气、电子和机电 EMAC 设备监控和控制 EMIB 多芯片互连桥 EPCS 扩展物理编码层 ESA 欧洲航天局 eTimers 事件计时器 ETW 电子技术研讨会 FCCU 流化催化裂化装置 FeRAM 铁电随机存取存储器 FinFET 鳍式场效应晶体管 FIR 有限脉冲响应滤波器 FMC FPGA 夹层卡 FPGA 现场可编程门阵列 FPU 浮点单元 FY 财政年度 Gb 千兆位 Gbps 千兆位/秒 GCR 银河宇宙线 GEO 地球静止赤道轨道 GIC 全球行业分类 GOMACTech 政府微电路应用和关键技术会议 GPIO 通用输入/输出 GPIB 通用接口总线 GPU 图形处理单元 GR 全球路线 GRC NASA 格伦研究中心 GSFC 戈达德太空飞行中心
![arxiv：2109.13085v1 [cs.lg] 21 Sep 2021](/simg/c\c18afb6dff6069fa5a070de2f822b415342e474a.webp)
arxiv：2109.13085v1 [cs.lg] 21 Sep 2021
摘要 - 与错误相关的电位（ERRP）是事件与事件相关的电位（ERP），这是由于实验参与者在任务性能过程中对错误的识别所引起的。错误已被用于用于脑部计算机界面（BCIS），以检测和纠正错误，并在线解码算法。基于Riemannian几何学的特征提取和分类是BCI的一种新方法，在一系列实验范式中显示出良好的性能，但尚未应用于ERRP的分类。在这里，我们描述了一个实验，该实验引起了执行视觉歧视任务的七个正常参与者的错误。在每个试验中提供了音频反馈。我们使用多通道脑电图（EEG）记录来对ERRP进行分类（成功/失败），将基于Riemannian几何的方法与计算时间点特征的传统方法进行了比较。总体而言，Riemannian方法的表现优于传统方法（78.2％对75.9％的精度，p <0.05）；在七个参与者中，有三名在统计学上是显着的（p <0.05）。这些结果表明，Riemannian方法更好地捕获了反馈引用的错误，并且可能在BCI中应用于错误检测和校正。
可持续认知无线电通信的信号处理技术
无线系统不断增长的设备和容量需求带来了对RF光谱的需求不断增长。COG-NISTILE RADIO（CR）系统是提高频谱效率的新兴概念。CR系统旨在实现其主要许可用户在Spectrum Overlay方法中未占用的RF频段的机会性使用。这种方法在信号和图像处理中尤其重要，其中大型和异质的传感器集提供了大量数据，通常会嘈杂且损坏了各种干扰来源。从方法论的角度来看，认知通知与多维和统计信号处理有关，尤其是诸如检测，估计和优化等问题。除了经典的传感，检测，监督，增强和学习方法外，还包括贝叶斯建模，马尔可夫模型，支持向量机和内核方法。它跨越了广泛的应用领域，例如军事，工业，医疗，运输和其他领域，例如误差控制，错误检测，适应性过滤，计算机视觉，管理数据，数据控制，传感器控制，数据融合，盲目和半盲源分离，稀疏分析，脑部分析，脑部计算机
改进的错误发音检测系统使用...
摘要：本报告提出了计算机辅助语言学习 (CALL) 领域的最新研究成果。错误发音检测是计算机辅助发音训练 (CAPT) 系统的核心组件之一，而 CAPT 是 CALL 的一个子集。自动发音错误检测研究始于 20 世纪 90 年代，但由于计算能力的提高以及用于录制发音分析所需的语音的移动设备的普及，成熟的 CAPT 的开发在过去十年才得以加速。检测发音错误是一个很难解决的问题，因为没有正确和错误发音的正式定义。因此，通常会检测到韵律和音素错误，例如音素替换、插入和删除。此外，人们一致认为，学习发音应该注重说话者的清晰度，而不是听起来像 L1 英语说话者。最初，使用高斯混合模型-隐马尔可夫模型和深度神经网络-隐马尔可夫模型方法，基于后验似然（称为发音良好性）开发方法。与最近提出的基于 ASR 的端到端错误发音检测系统相比，这些系统实施起来很复杂。本研究的目的是使用连接主义时间分类 (CTC) 和基于注意的序列解码器创建端到端 (E2E) 模型。最近，E2E 模型在错误发音检测准确性方面显示出显着的提高。本研究将对基线模型 CNN-RNN-CTC、具有基于字符序列的注意解码器的 CNN-RNN-CTC 以及具有基于音素的解码器系统的 CNN-RNN-CTC 进行比较。这项研究将帮助我们决定一种更好的方法来开发一个有效的发音错误检测系统。关键词：CNN-RNN-CTC、语音处理、发音错误检测 简介：建立人与机器[Baranwal et al, ]或人与人或机器与机器[singh et al, 2020, singh et al, 2019]手势[Baranwal et al, 2017, Singh et al, 2018]、语音、面部表情[singh et al, 2018]等之间的通信。是重要的沟通媒介，其中语音（Baranwal et al, 2014, Baranwal et al, 2014）是人类交流最自然的形式。随着全球化的发展，外语学习市场大幅增长，其中之一就是英语发音学习。发音教学本质上是学生和老师之间的一对一互动，这对许多学生来说是难以承受的。因此，自动发音教学已成为一个热门的研究领域。自动识别发音错误和测量发音的研究工作始于 20 世纪 90 年代，从 90 年代末到 21 世纪初发生了一系列事件。2000 年初 CAPT 的商业化被证明存在问题，因此开发活动放缓。大约十三年前，随着计算能力的提高、智能化，人们的兴趣再次开始
arXiv:2212.10482 Grover 算法在当今量子处理器上的非编码实现性能
量子计算已成为过去十年物理学、数学和计算机科学领域最热门的话题之一。这源于噪声中型量子 (NISQ) 设备的部署，这些设备可以加速多种算法的执行。与大规模量子 (LSQ) 系统相比，NISQ 设备不是基于使用纠错码的容错量子电路，而是使用错误缓解技术。大家一致认为，量子纠错将在 LSQ 系统的开发中发挥重要作用。大量文献致力于这一主题，该研究领域在过去几年中发展迅速 [1]，[2]。研究错误控制编码是否可用于 NISQ 技术也很有趣。据我们所知，直到最近才在 NISQ 设备上进行使用纠错的测试。 2022 年底，[ 3 ] 的作者报告了使用 [[4,2,2]] 错误检测码时的性能改进。这项工作的目的是展示在可用的 NISQ 设备上实现的量子算法的性能限制，并讨论它们的改进，可能使用纠错，与 [ 3 ] 的最新结果一致。为了更好地理解，我们将重点关注 Grover 搜索算法 (GSA) 的一个特殊情况。[ 4 ] 中提出了这种算法，用于在未排序的数据集上搜索标记元素，理论上优于经典搜索算法（GSA 的复杂度随着 √ 而增长
在机器人辅助手术期间的自主标记的超声引导系统
摘要 - 虽然只有有限数量的程序在机器人指导手术期间可用图像指导，但他们仍然要求外科医生手动将所获得的扫描引用到其在组织表面上的预计位置。虽然外科医生可以通过电外科标记器官表面上的边界，但肿瘤周围的精确边缘可能会保持可变，并且在病理分析之前不能保证。本文提出了第一次尝试自主提取和标记肿瘤边界，并在组织表面上指定边缘。它提出了通过惯性测量单元（IMU）传感器融合进行刀具 - 组织相互作用控制的第一个概念，并从电信单元（ESU）的电信号中进行接触检测，不需要力感应。我们使用解剖表面几何形状开发并评估了对超声（US）幻象的方法，比较将肿瘤投射到表面上的不同策略，并评估其在重复试验中的准确性。最后，我们证明了将方法转化为前猪肝的可行性。我们能够达到高于0的真正正率。84和低于0的错误检测率。12与虚拟和前体实验的标记轨迹的每个计算和执行的跟踪参考相比。
日期：2024 年 6 月 12 日 笔试更新大纲...
工程）、薪酬水平 - 06 部分 - A（一般）部分 - B（职位相关）1.数学与数字能力：平均值、利润和损失、时间和工作、单利、复利、小数、数字问题、平方根和立方根、时间和距离、简化、HCF 和 LCM 问题、数值计算等。（最高 10 年级）2.逻辑推理：数字系列汇编、缺失数字查找、连续模式系列、匹配定义、缺失字符查找、奇数、血缘关系、编码和解码、单词的逻辑顺序、算术推理、字母和符号系列、数字推理、数据推理和数据解释。等。3. 语言与理解：反义词、同义词、拼写检查、常见错误检测、单词替换、正确选项、语法错误、变声、叙述、习语和短语、英语语法、句子改错和完成、段落总结、阅读理解与推理、发现错误、句子改进、沟通技巧、句子形成。4. 一般知识和时事：印度历史、印度经济、印度文化、印度政体、印度宪法、印度地理、环境科学、奖项和荣誉、名人、日子和年份、基本常识、时事、政府计划等，最高 10 年级标准。5. 计算机基础、MS Word、MS Excel、Power Point、互联网、电子邮件系统等。
引用：Oliva A、Altamura G、Nurchis MC 等人。评估算法和人工智能的潜力，以更安全、更快捷的药物管理颠覆患者初级保健：系统评价方案。BMJ Open 2022；12：e057399。doi:10.1136/bmjopen-2021-057399
摘要 简介 在初级保健中，家庭医生和全科医生的门诊就诊中几乎有 75% 涉及继续或开始药物治疗。由于门诊患者在无人监控的情况下使用了大量药物，因此由于用药或处方错误而导致不良事件的潜在风险远高于医院环境。人工智能 (AI) 应用可以通过改进错误检测、患者分层和药物管理来帮助医疗保健专业人员负责患者安全。目的是研究 AI 算法对初级保健环境中药物管理的影响，并将 AI 或算法与标准临床实践进行比较，以确定技术支持可以带来更好结果的药物领域。方法与分析 从开始到 2021 年 12 月，将通过查询 PubMed、Cochrane 和 ISI Web of Science 进行文献的系统评价和荟萃分析。主要结果是通过 AI 应用减少用药错误。搜索策略和研究选择将根据系统评价和荟萃分析的首选报告项目以及人群、干预、比较和结果框架进行。将采用非随机对照试验的观察队列和横断面研究的质量评估工具以及美国国立卫生研究院的随机对照试验的对照干预研究的质量评估来评估纳入研究的质量。道德与传播 由于不涉及人类，因此不需要正式的伦理批准。结果将通过同行评审的出版物广泛传播。