XiaoMi-AI文件搜索系统
World File Search System预测技术
就数字技术和人工智能进行集体协议谈判
制定一份涵盖不同技术和背景的协议将非常有用，特别是在制定了指导应该发生和不应该发生什么的原则的情况下。然而，这可能并不总是可行的，因为可能已经存在涵盖特定技术、群体（例如学习者）或背景（例如与第三方签订的合同）的协议。在这种情况下，您应该尝试确保未来可以更新的协议，以涵盖更广泛的技术使用或不同的背景或群体。您可能还需要解决如果协议重叠或出现协议影响其他协议的情况会发生什么。您应该尝试预测技术可能使用的不同方式。例如，CCTV 等视频技术可能用于安全和行为管理目的，但也可以用于监控员工。同样，便携式设备和可穿戴设备上的传感器可能使管理人员能够监控教师并使用这些信息来判断他们的表现。因此，在集体协议条款中纳入与使用和移除技术或系统有关的限制和条件非常重要。
改善季节性influenza-forecasting-使用时间...
流感是一种高度传染性的呼吸道疾病，仍然对世界各地的公共卫生构成严重威胁。预测技术有助于监测季节性流感和其他类似流感的疾病，以及适当地管理资源以制定疫苗接种策略，并选择适当的公共卫生措施以减少疾病的影响。这项调查的目的是预测使用XGBoost模型在2020年和2021年的沙特阿拉伯每月发病率，并将其与Arima和Sarima模型进行比较。结果表明，与Arima和Sarima模型相比，XGBoost模型具有最低的MAE，MAE和RMSE，并且R-squared（R²）的最高值。本研究将XGBOOST模型与Arima和Sarima模型的准确性进行了比较，以提供每月季节性流感病例数量的预测。这些结果证实了以下概念：XGBoost模型的预测准确性高于Arima和Sarima模型，这主要是由于其捕获复杂的非线性关系的能力。因此，XGBoost模型可以预测沙特阿拉伯季节性流感病例的每月发生。
绿色网格的排放感知能量存储计划
减少我们对碳密集型能源的依赖对于减少电网的碳足迹至关重要。尽管电网看到清洁，可再生能源的部署越来越多，但使用传统的碳密集型能源仍可以满足网格需求的很大一部分。在本文中，我们研究了使用网格中部署的能量存储来减少电网的碳排放的问题。以前已将储能用于网格优化，例如剃须和平滑的间歇来源，但我们的见解是使用分布式存储来使公用事业能够减少其对效率较低和大多数碳密集型发电厂的依赖，从而减少其整体排放脚印。我们制定了排放意识到分布式储能的问题作为优化问题，并使用强大的优化方法非常适合处理负载预测的不确定性，尤其是在存在间歇性可再生能源（例如太阳能和风能）的情况下。我们使用具有1,341套房屋的分配网格的最佳神经网络负载预测技术和实际负载痕迹评估我们的方法。我们的结果表明，年度碳排放量降低了50万公斤，相当于我们的电网排放量下降了23.3％。
推荐系统；算法和应用程序
在特定领域和环境中的建议可以被视为对建议目标产生重大影响的重要来源。基于行为和视图的不同类型的数据，例如内容数据，历史数据和用户数据，都用于微调推荐系统中的培训模型。同样，从工业角度来看，单个项目或产品建议也得到了增强以促进销售。推荐系统的目标是预测推荐产品，以便在特定领域和字段中提供个性化的结果。建议系统的上下文可以看作是确保影响建议目标的决定性分类。推荐系统通过使用潜在的预测技术来产生最多的准确性建议，通过大量和广泛的数据（例如时间，空间和社交）进行搜索。从行业的角度来看，服务提供商和产品用户都从改进的决策过程和准确的建议技术中受益。有多种可靠的推荐系统，包括基于信任的推荐系统，实时个性化推荐系统以及高准确性以及多样性平衡的推荐系统。这些已在越来越多的领域中使用，包括信息技术，旅游业，
人工智能驱动的收入管理
人工智能 (AI) 无处不在，并将在未来十年成为世界经济活动的重要驱动力。它是许多技术协同工作的集合，使机器能够以类似人类的智能水平感知、理解、行动和学习。机器学习（例如，您的信用卡公司发送有关潜在欺诈活动的短信）和自然语言处理（例如，您的手机帮助您找到句子中下一个可能的单词）等工具是 AI 领域的一部分。随着我们收集更多数据并增强算法以做出更好的决策，它们将继续影响我们所做的一切。与其他行业一样，AI 也将改变自助存储运营的每一层，包括客户服务、租户访问、安全、财务、销售、营销和收益管理 (RM)。RM 的一个基本原则是利用您拥有的数据（数据）并生成有关您没有的数据（客户行为预测）的信息，以改善您的决策（定价）。作为一项主要的预测技术，AI 将极大地增强自助存储业务的 RM。由 AI 驱动的 RM 是关于智能定价、需求预测、竞争对手价格
5 纳米技术节点设计中的碳纳米管 SRAM...
摘要 — 在本文中，我们提出了一种基于碳纳米管 (CNT) 场效应晶体管 (CNFET) 的静态随机存取存储器 (SRAM) 设计，该设计在 5 纳米技术节点上基于性能、稳定性和功率效率之间的权衡进行了优化。除了尺寸优化之外，还评估和优化了包括 CNT 密度、CNT 直径和 CNFET 平带电压在内的物理模型参数，以提高 CNFET SRAM 性能。基于亚利桑那州立大学 [ASAP 7 纳米 FinFET 预测技术模型 (PTM)] 库，将优化的 CNFET SRAM 与最先进的 7 纳米 FinFET SRAM 单元进行了比较。我们发现，与 FinFET SRAM 单元相比，所提出的 CNFET SRAM 单元的读取、写入 EDP 和静态功率分别提高了 67.6%、71.5% 和 43.6%，稳定性略好。 CNFET SRAM 单元内部和之间的 CNT 互连被视为构成全碳基 SRAM (ACS) 阵列，本文第二部分将对此进行讨论。本文实施了一个具有铜互连的 7 纳米 FinFET SRAM 单元并将其用于比较。
包裹 - 诱导脱离 - 能源估计lithium-ion ...
电池的剩余放电能（RDE）是估计车辆剩余范围的重要值。基于预测的计算RDE的方法已被证明适合提高能量估计精度。本文旨在通过将新颖的负载预测技术与模式识别纳入RDE计算，以进一步提高估计准确性。对于模式识别，将驱动段数据分类为不同的用法模式，然后根据每个模式的功能设计了基于规则的逻辑来识别这些模式。为了进行功率预测，使用聚类和马尔可夫建模方法将数据从数据分组和定义功率水平为状态，并找到每种状态到国家过渡的概率。为每个模式定义了此数据，以便逻辑可以告知应使用哪些数据来预测未来的功率概况。根据预测的功率曲线，RDE是根据预测负载和预测电压的乘积计算得出的，该电压是从一阶电池模型中获得的。使用电池循环器数据在模拟和实时测试了所提出的算法，并与其他基于预测的方法进行了比较。所提出的方法证明对建模误差具有理想的准确性和鲁棒性。这项研究的主要结论是使用模式识别可以提高RDE估计的准确性。
基于机器学习的数据驱动诊断... - NDT.net
摘要。不同行业数字化的最新趋势导致了大量数据的产生。自然而然地，大量高级机器学习技术被应用于这种大数据。同时，对提高运营可靠性、降低维护成本和提高安全性的需求也日益增长，因此预测性维护正迅速成为许多行业（尤其是航空航天业）最重要的战略。随着新型飞机配备更多传感器，与开发预测性维护解决方案的传统方法相比，基于机器学习的诊断和预测技术正变得越来越流行。构建基于机器学习的诊断和预测模型需要大量的运行到故障传感器数据，但与其他领域相比，在高度可靠和安全至关重要的飞机平台上捕获这些在役故障相关数据的机会非常有限。为了应对缺乏足够和适当的在役故障数据的挑战，空中客车 DS 在 ISHM 和预测性维护的技术开发路线图中开发了一个模拟框架。为了加速开发各种飞机系统的预测性维护解决方案，我们开发了数据驱动的诊断和预测框架。本文概述了这一独特的框架及其使用 ISHM Simu 生成的数据进行的验证
用于制造、建筑和... 的 3D 成像系统
摘要 国防工业计量和 3D 成像卓越中心 (COE-IM3DI) 正在进行研究，以实现下一代以制造为中心的人/仪器/机器交互。COE-IM3DI 研究的总体目标是促进 3D 成像技术从需要高技能/专业技术人员的技术转变为车间实时可用的无处不在的测量能力。这项长期工作需要详细研究当前 3D 成像的最新技术以及未来十年的预测技术发展趋势。2004 年，NIST 发布了一份关于当时 3D 成像领域最新技术的报告 [1]，特别关注制造、自动驾驶汽车移动和建筑应用的硬件要求。本报告将扩展初步工作（主要涉及软件），并提供更新以满足 COE-IM3DT 研究计划的需求。所研究的特定 3D 成像领域包括： • 当前最先进的 3D 图像数据软件和未来软件趋势 • 当前最先进的主动 3D 成像系统硬件和未来硬件趋势 • 评估国防 3D 成像的运营要求，重点是制造、建筑和自主移动 关键词：3D 成像；硬件调查；焦平面阵列 (FPA)；LADAR；激光扫描仪；LIDAR；软件调查。
使用浓缩 - 极性植物作为无碳容量资源
电力系统的深度脱碳引起了人们对可以维持可靠能源供应的产能的需求的担忧。考虑到这一问题，我们探索了具有热量储存的浓缩 - 极性植物以提供这种能力的无碳来源。我们开发了一种评估考虑未来系统的浓缩 - 极性植物的能力贡献的方法。此类考虑很重要，因为与今天相比，净负载模式的潜在差异（例如g。，由于较高的可再生能源渗透率）。使用历史数据涵盖18年的历史数据，我们证明了具有热量储能的浓缩 - 极性工厂可以提供这种必要的能力，而对其财务生存能力几乎没有影响。我们研究了近视决策和对未来系统条件对浓缩 - 磨性工厂运行的影响以及对CA能力贡献的影响的影响。我们发现，只要开发和使用适当的预测技术，就可以对这种浓缩太阳能工厂产生有限的影响。总体而言，我们的工作表明，具有热能储能的浓缩 - 极性植物可能在脱碳能力系统中提供可靠的电力供应中起作用。