XiaoMi-AI文件搜索系统
World File Search System不均
2017 年更新报告 - 包容性增长 - OECD
面临越来越大的政治压力，部分原因是增长利益的分配不均。它被视为加剧不平等的原因之一，也是个人和社区丧失权力的根源。经合组织长期以来一直强调必须重新思考传统的经济增长模式，将人民福祉放在中心位置，并于 2012 年启动了包容性增长倡议，以制定战略政策议程，以支持这一新的增长愿景。经合组织在包容性增长议程方面的努力最终促成了 2016 年部长理事会会议《关于提高生产力促进包容性增长的宣言》。该宣言强调，要有效应对促进生产力增长和减少不平等的双重挑战，就需要利用技术进步和创新来促进经济发展，并确保更高的生产力增长转化为广泛共享的福祉。本报告更新了经合组织为响应《宣言》而开展的活动，这些活动以经合组织的主要旗舰成果为基础，例如《2017 年追求增长》、《税收与包容性增长》、《分裂我们站在一起》分析的更新以及其他各种经合组织成果。
一个核心 - 外围框架，用于理解拉丁美洲在金融体系中的位置
本文通过制定一种新颖的核心 - 外围框架工作来理解新兴经济体的下属金融化，从而阐明了拉丁美洲在Fi Nance全球建筑中的地位。此框架建立在1988年维多利亚·奇特（Victoria Chick）和希拉·道（Sheila Dow）最初提出的区域信贷和经济增长不均的中心 - 外围财务模型上。在放松管制的金融流量和基于市场的信贷时代，核心 - 外围关系已成为一个三级等级制度，在该系统中，拉丁美洲国家占据了下属的位置。这些国家内部这种结构性转变的主要驱动因素是跨境财务流和投资的自由化，银行业放松管制以及采用私人养老金系统。这些驱动因素的采用既可以追溯到推动因素：具体来说，需要进行外部干预的经常性金融危机（尤其是国际货币基金（IMF）），以及与金融工具和巨型银行互动的可能性。参与这个等级制度需要进口1980年代在广告经济体中进化的金融体系结构的要素，并且也可以说，该地区的财务依赖和脆弱性可以加深。
Alfred NZO灾难风险评估报告
Alfred NZO风险评估研究区域Alfred Nzo区市政府的一般描述位于东开普省东部地区的东北地区，并从德拉肯堡山脉（Drakensberg Mountains）延伸，与北部的莱索托（Lesotho）接壤，西森克区（Sisonke District）北部，东部和南部的塔姆博地区城市。在为2011年地方政府选举做准备时，根据2008年的《分界法》（经修订）宣布了某些市政当局（边界间）的变化，从而将某些LMS从某些DMS转移到其他城市。对某些市政区边界也有修正案。由于这些变化，将来自或Tambo地区市政当局（Mbizana和Ntabankulu）的两个LMS纳入了Alfred Nzo地区市政府。阿尔弗雷德·恩佐（Alfred Nzo）地区城市历史上是Transkei家园的一部分。该地区本质上是农村地区，其村庄定居点由该地区通过山脉和河流系统的地理足迹定义。农业和旅游业构成了当地经济的核心组成部分。ANDM由四个当地城市组成，其中包含七个城镇和许多较小的定居点。ANDM的人口约为90万人，在4个城市之间分布不均：
RFID 应用和传播的系统回顾
RFID 应用程序（称为电子身份证、智能标签和非接触式智能卡）正在应用于我们日常生活的众多领域，包括跟踪制成品、货币和患者以及支付系统。审查 RFID 的各种应用不仅对探索正在进行的电子治理问题（例如数字识别、交付流程和治理）很重要，而且对供应链等面向业务的应用领域也很重要。通过对 111 项关于公共部门 RFID 技术的先前研究的系统审查方法，我们发现了 RFID 应用的六个关键领域：国防和安全、识别、环境应用、交通、医疗保健和福利以及农业和畜牧业。我们还认为，RFID 的传播和应用可能涉及意想不到的缺点，包括技术缺陷、不确定的好处、可疑的透明度、令人不安的隐私问题以及数字权力和素养的分配不均。对 RFID 影响的进一步研究不仅包括各种理论问题，还包括法律和管理问题。需要进行严格的研究来探索在技术治理和数字素养方面采用和实施新的 RFID 应用的关键因素。海量数据驱动的研究也有望确定 RFID 在政府机构和各个行业领域的性能。
北欧车辆数据集 (NVD) - CVF 开放获取
摘要 无人机图像中的车辆检测和识别是一个复杂的问题，已用于不同的安全目的。这些图像的主要挑战是从斜角捕获的，并带来了一些挑战，例如非均匀照明效果、退化、模糊、遮挡、能见度丧失等。此外，天气条件在引起安全问题方面起着至关重要的作用，并为收集的数据增加了另一个高水平的挑战。在过去的几十年里，人们采用了各种技术来检测和跟踪不同天气条件下的车辆。然而，由于缺乏可用数据，在大雪中检测车辆仍处于早期阶段。此外，还没有使用无人机 (UAV) 拍摄的真实图像在雪天检测车辆的研究。本研究旨在通过向科学界提供北欧地区不同环境和各种积雪条件下无人机拍摄的车辆数据来解决这一空白。数据涵盖不同的恶劣天气条件，如阴天降雪、低光照和低对比度条件、积雪不均、高亮度、阳光、新雪，以及温度远低于-0摄氏度。该研究还评估了常用物体检测方法（如 YOLOv8s、YOLOv5s 和 Faster RCNN）的性能。此外，还探索了数据增强技术，以及那些增强检测器性能的技术
RFID 应用和传播的系统回顾
RFID 应用程序（称为电子身份证、智能标签和非接触式智能卡）正在应用于我们日常生活的众多领域，包括跟踪制成品、货币和患者以及支付系统。审查 RFID 的各种应用不仅对探索正在进行的电子治理问题（例如数字识别、交付流程和治理）很重要，而且对供应链等面向业务的应用领域也很重要。通过对 111 项关于公共部门 RFID 技术的先前研究的系统审查方法，我们发现了 RFID 应用的六个关键领域：国防和安全、识别、环境应用、交通、医疗保健和福利以及农业和畜牧业。我们还认为，RFID 的传播和应用可能涉及意想不到的缺点，包括技术缺陷、不确定的好处、可疑的透明度、令人不安的隐私问题以及数字权力和素养的分配不均。对 RFID 影响的进一步研究不仅包括各种理论问题，还包括法律和管理问题。需要进行严格的研究来探索在技术治理和数字素养方面采用和实施新的 RFID 应用的关键因素。海量数据驱动的研究也有望确定 RFID 在政府机构和各个行业领域的性能。
新不伦瑞克的2024年儿童和家庭贫困报告卡
2022纳税人数据显示，加拿大儿童中大约有1个生活在贫困中。加拿大的儿童贫困率从2021年的15.6％增加到2022年的18.1％。新不伦瑞克省拥有该国第六高的儿童贫困率（如果仅考虑各省而不是领土）。新不伦瑞克省贫困的儿童人数从2021年的26,360（18.7％）上升至2022年的31,430（21.9％）。新不伦瑞克省的儿童贫困率在其八个城市中分布不均，从高于坎贝尔顿，圣约翰和巴瑟斯特的高于29％的高点到迪普的低点14.4％。最高的新不伦瑞克省家庭的儿童持有总收入的25.7％，而最低的十分位数为1.6％。在新不伦瑞克省的贫困中，有近四分之一的6岁以下儿童（24.44％）生活在贫困中。单亲家庭中有47.9％的儿童生活在贫困中，而夫妇家庭中的儿童中有11.2％。政府将新不伦瑞克省的儿童贫困率从38.8％降低至21.9％。加拿大儿童福利从贫困中解除了14,580名儿童。
![arXiv:2309.08629v3 [physics.ed-ph] 2024 年 3 月 15 日](/simg/e\eb1188804ad435c66128e074dabf809b705dd7f2.png)
arXiv:2309.08629v3 [physics.ed-ph] 2024 年 3 月 15 日
在很大程度上，在 2018 年《国家量子计划法案》的推动下，量子信息科学 (QIS) 课程和学位课程正在美国各机构迅速普及。然而，先前的研究表明，量子劳动力教育的机会分配不均，私立研究型机构的学生受益不成比例，而这些机构的学生群体并不代表整个美国高等教育。我们使用回归分析来分析截至 2022 年秋季 456 所高等教育机构的 QIS 课程分布情况，发现各机构之间存在统计学上的显著差异，特别是在机构分类、资金和地理分布方面，这表明当今的 QIS 教育计划在很大程度上未能惠及低收入和农村学生。我们还对新兴的专用 QIS 学位课程的分布进行了简要分析，发现了大致相同的趋势。最后，我们讨论了对教育工作者、政策制定者和教育研究人员的影响，包括具体的政策建议，将对 QIS 教育的投资引导到为低收入和农村学生服务的学校，利用量子社区内现有的草根多样性和包容性举措，并更新和现代化收集 QIS 教育数据的程序，以更好地跟踪这些趋势。
分布式控制，用于连接和自动化车辆的无灯和无方向运动
Laneless和无方向运动是高速公路网络中连接和自动化车辆（CAVS）的轨迹行为的新型特征。应用此概念可以利用高速公路的最大潜在能力，尤其是在分布不均的方向需求下。尽管如此，消除了在车道和方向的分离域上的传统概念，因此可以增加混乱的驾驶行为和碰撞风险（从而损害安全性）。因此，本文的重点是在这种未来派环境中为骑士的轨迹规划，其双重目标是（i）提供和确保安全性，而（ii）提高了绩效性能。为此，我们提出了一种骑士的算法，以区分潜在的冲突车辆与自己的方向和/或反对的传播流（整个本文档中所谓的威胁）在早期（及时）阶段。之后，威胁工具被聚集为威胁群体。作为下一步，开发了一个分散的非线性模型预测控制（NLMPC）框架，以调节每个单个威胁集群中车辆的运动；从这个意义上讲，这是分别应用于每个群集中的分布式控制器。该控制方法的设计方式可以实现上述双重目标，结合了官能安全性和效率。最后，通过微观仿真研究对所提出的方法的性能进行了研究和评估。结果是有希望的，并确认了公路网络所提出的方法的效果。
北欧车辆数据集 (NVD) - CVF 开放获取
摘要 无人机图像中的车辆检测和识别是一个复杂的问题，已用于不同的安全目的。这些图像的主要挑战是从斜角捕获的，并带来了一些挑战，例如不均匀的照明效果、退化、模糊、遮挡、能见度丧失等。此外，天气条件在引起安全问题方面起着至关重要的作用，并为收集的数据增加了另一个高水平的挑战。在过去的几十年里，人们采用了各种技术来检测和跟踪不同天气条件下的车辆。然而，由于缺乏可用数据，在大雪中检测车辆仍处于早期阶段。此外，还没有使用无人机 (UAV) 拍摄的真实图像在雪天检测车辆的研究。本研究旨在通过向科学界提供北欧地区不同环境和不同积雪条件下无人机拍摄的车辆数据来解决这一空白。数据涵盖不同的恶劣天气条件，如阴天降雪、低光照和低对比度条件、积雪不均、高亮度、阳光、新雪，以及温度远低于-0摄氏度。该研究还评估了常用物体检测方法（如 YOLOv8s、YOLOv5s 和 Faster RCNN）的性能。此外，还探索了数据增强技术，并提出了在此类场景中增强检测器性能的技术。代码和数据集将在 https://nvd.ltu-ai.dev 上提供