北明屋:学习舱系统
智能手机已成为承载多种深度学习模型的中心,该研究介绍了一种新的移动人工智能范式,使用协同管理方法在移动操作系统和硬件之间实现一个基础模型,能够为各种移动人工智能任务提供服务。
Aug, 2023
提出了一种基于 LLM 的自主代理框架,作为 BIM 作者工具中的副驾驶员,回答软件使用问题,理解用户的设计意图,并通过调用合适的工具自主执行建模任务,以此来应对日益复杂的 BIM 作者软件和昂贵的学习成本,实现与设计过程本身的精简互动。
Jun, 2024
提出了一种基于强化学习的个性化导航系统,根据不同视力障碍者的个人特点和行动能力,通过权重专家模型逐步调整系统用户交互体验,实现更精准的长期行为预测和快速适应性学习。
Apr, 2018
通过深度学习使自主系统能够在感知的亚符号方式下逐渐理解对象及其环境,执行对象检测、传感器数据融合和语言理解任务。为了实现强大的人工智能,我们需要考虑人类提供的显式教学和通过观察人类行为获得的隐式教学,同时设计多模态输入和输出能力的系统以支持隐式和显式交互模型。我们提出了几个假设和设计指南,并通过相关工作的一个用例来实现这个目标。
Sep, 2023
预测车辆软件系统开发中的关键点,并提出了一种基于模型和特征的方法,其中最终架构不是显式定义的,而是从迭代的搜索和优化过程中出现,并保留以单系统虚幻为特点,使应用在逻辑统一的环境中运行。
Mar, 2024
在这项研究中,我们提出采用一种新颖的框架,即知识集成机器学习,来推进质子交换膜水电解(PEMWE)的发展。通过融合数据驱动的模型和领域专业知识,系统地应对 PEMWE 在优化性能方面的挑战。我们展示了一种分层的三级框架,在 PEMWE 的背景下应用于细胞退化分析的三个案例研究中,证明了其在插值、外推和信息表示方面的有效性。这项研究为工程领域的知识驱动型增强的机器学习应用奠定了基础。
Jan, 2024
本研究旨在提出一种综合方法,将软件工程和人工智能社区的模型结合起来,实现驱动智能系统的模型驱动软件开发,主要着重于物联网领域,并通过案例研究和用户评估验证了该方法的可行性和性能提升。
Jul, 2021
大型语言模型已经展示出了超越传统自然语言处理挑战的卓越能力,为生产使用案例创造了机会。为了实现这一目标,出现了构建复合人工智能系统的显著转变,在其中将大型语言模型与包括模型、检索器、数据库和工具在内的广泛软件基础设施集成。本文介绍了一种针对复合人工智能系统在企业环境中进行成本效益和可行性操作的蓝图架构。我们提出的架构旨在与现有的计算和数据基础设施进行无缝集成,通过 “流” 作为关键的编排概念,在代理和其他组件之间协调数据和指令。任务和数据计划分别将任务和数据分解、映射并优化分配给在各自注册表中定义的可用代理和数据源,考虑生产约束条件,如准确度和延迟。
Jun, 2024
本文提出了一种基于深度学习的辅助系统,旨在提高视障人士的环境感知体验,通过 RGBD 数据和建立的语义地图预测行走指令、进行障碍物避让,在多种情境下得到了很好的实验效果并有效提高了视障人士的环境感知体验。
Aug, 2019