XiaoMi-AI文件搜索系统
World File Search System代表性
在代表性月球风化层中进行低成本测试......
快速原型设计和测试是早期技术研发中常见的迭代设计的关键推动因素。在尘土飞扬的环境中进行测试对于准备低温磁耦合器进行月球操作至关重要。为了能够对尘土缓解概念进行早期和迭代测试，美国国家航空航天局 (NASA) 阿姆斯特朗飞行研究中心 (加利福尼亚州爱德华兹) 开发了一种低成本、低保真度的代表性月球风化层环境。基于对该测试装置的初步测试，类似的装置可能会引起大学和其他实体的兴趣，这些实体希望开发使用月球风化层模拟物安全测试相对小规模组件的能力。本文介绍了该月球风化层测试室的开发和初步测试的结果。还讨论了进一步的开发策略，以潜在地改进该装置。
超级基金计划代表性抽样指导 - CLU-IN
2.4.2 受体 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ................. ... 7 2.9 抽样方法.................................. ... ................. ... .................................................................................................................................................................................................9 2.9.5 系统随机抽样....................................................................................................................................................................................9 2.9.6 搜索抽样.......................................................................................................................................................................................9 2.9.6 搜索抽样.......................................................................................................................................................................................................9 2.9.7 搜索抽样.......................................................................................................................................................................................................9 . .... .... .... .... .... 10 2.9.7 横断面抽样. .... .... .... .... .... .... .... .... ....
生物和人工神经网络中的特权代表性轴
神经元如何编码信息？最近的工作强调了人口代码的特性，例如其几何形状和可解码信息，这些措施对神经反应的本地调谐（或“轴”）视而不见。，但是这些代表性轴是否有系统地对其他轴进行特权？为了找出答案，我们开发了测试跨大脑和深度卷积神经网络（DCNNS）的神经调节的方法。在视觉和试镜中，大脑和DCNN都始终偏爱某些轴代表自然世界。此外，在NAT-URAL输入中训练的DCNN的代表轴与感知性皮质中的轴对齐，从而使对轴敏感的模型 - 脑相似性指标更好地分化了生物感觉系统的竞争模型。我们进一步表明，对某些轴的特权编码方案可以降低下游布线成本并改善概括。这些结果激发了一个新的框架，以了解生物和人工网络中的神经调整及其计算益处。
选择Bert的大脑：使用代表性相似性分析
顾名思义，语言的上下文表示语言表示通常是由于其编码上下文的能力而动机。这些表示形式捕获了上下文的哪些方面？我们采用了一种使用代表性相似性分析（RSA）来解决这个问题的方法。作为案例研究，我们研究了动词嵌入动词的主题的程度，代词嵌入的代词编码代词的前提，并且一个全句子表示编码句子的头部单词（由依赖性parse确定）。在所有情况下，我们都表明，伯特的上下文化嵌入反映了所研究的语言依赖性，而伯特的依赖性比编码语言较低的偏见对照的程度更大。这些结果证明了我们的方法在假设之间裁定上下文的哪个方面在语言表示中编码的能力。
了解 AI 数据集中年龄的表示和代表性
在 AI 训练数据集中对不同人口群体的多样化表示对于确保模型适用于大量用户非常重要。为此，最近在 AI 公平性和包容性方面的努力主张创建在种族、性别、社会经济地位和残疾状况方面均衡的 AI 数据集。在本文中，我们通过关注年龄的表示来为这项工作做出贡献，询问老年人在 AI 数据集中的代表性是否与总体人口成比例。我们研究了有关 92 个面部数据集的公开信息，以了解它们如何编纂年龄，并以此作为案例研究，以调查如何记录受试者的年龄以及老一代是否有代表性。我们发现老年人的代表性非常不足；研究中明确记录受试者年龄封闭区间的五个数据集包括老年人（定义为 65 岁以上），而只有一个数据集包括最年长的老年人（定义为 85 岁以上）。此外，我们发现只有 24 个数据集在其文档或元数据中包含与年龄相关的信息，并且这些数据集中没有采用一致的方法来收集和记录受试者的年龄。我们认识到在年龄方面创建代表性数据集的独特困难，但将其作为对包容性 AI 感兴趣的研究人员和工程师应该考虑的一个重要维度。
呼吁就使用代表性达成共识... - NSF PAR
[15] Brunswik E. 心理实验的系统性和代表性设计。结果显示，其涉及身体和社会感知。《[第一届] 伯克利数理统计与概率研讨会论文集》，1945 年 8 月 13 日至 18 日和 1946 年 1 月 27 日至 29 日，加州伯克利：加州大学出版社；1949 年，第 143-202 页。https://projecteuclid.org/euclid.bsmsp/1166219204。
用于遭遇建模的代表性小型 UAS 轨迹
随着无人机系统 (UAS) 不断融入美国国家空域系统 (NAS)，需要量化无人机和载人飞机之间空中碰撞的风险，以支持法规和标准的制定。监管机构和标准制定组织都广泛使用了使用飞机飞行概率模型的蒙特卡罗碰撞风险分析模拟。我们之前已经展示了一种开发小型无人机系统 (sUAS) 飞行模型的方法，该方法利用开源地理空间信息和地图数据集来生成具有代表性的低空无人操作。这项工作在之前的研究基础上进行了扩展，评估了开源数据的可扩展性和多样性，以支持当前所需的风险评估。我们还考虑将这些轨迹与生成式载人飞机模型配对，以创建用于蒙特卡罗模拟的相遇。
生成环境代表性基于实例的学习：认知模型
基于实例的学习理论（IBLT）建议Humans通过积累经验，以决策任务特征，执行的动作以及决策结果的实用性来学习动态决策任务。该理论已应用于在各种情况下基于实例的学习模型（IBL）模型。所有IBL模型应用程序的一个关键功能是累积基于实例的内存和基于识别识别的检索的方法。在几乎没有功能的简单任务中，可以假设使用所有相关信息来假设这些知识代表和检索。但是，当详尽的特征枚举不可行时，这些方法不能很好地扩展到复杂的任务。这要求认知建模者设计状态特征的任务特定表示以及相似性指标，这些指标可能很耗时，并且无法推广到相关任务。为了解决这个问题，我们利用人工神经网络（特别是常规模型（GMS））中的最新广告来学习复杂的动态决策制定任务的表示，而无需依赖领域知识。我们评估了一系列GM在形成表示代表方面的有用性，这些代表可以被IBL模型用于预测复杂决策任务中的人类行为。这项工作通过使用GMS形成表示形式并确定相似性来连接生成和认知模型。
提高年龄段在药物开发中的代表性的第一步
2016年21世纪治疗法案，将年龄作为人类研究中的包含变量的考虑，以确定任何与年龄相关的排除的依据标准，并提供了有关临床研究参与者年龄的数据。可接受的理由是根据年龄的年龄排除个人。在排除年龄组中不会发生疾病或状况，或者研究主题与排除的年龄组无关。
从文本到图像模型中检查图像的地理代表性
生成模型的最新进展导致了模型，这些模型既可以为大多数文本输入产生现实和相关的信息。这些模型每天都用于生成数百万张图像，并具有巨大影响诸如生成艺术，数字营销和数据增强等领域。鉴于它们的影响力，重要的是要确保生成的内容反映全球的伪影和周围环境，而不是过分代表世界的某些地区。在本文中，我们使用众包研究的研究衡量了通过dall·e 2产生的普通名词（例如房屋）的地理代表，以及稳定的扩散模型，其中包括27个国家 /地区的540名参与者。为了有意地指定没有国家名称的意见，生成的图像最反映了美国之后是印度的周围，而顶级世代很少反映出所有其他国家的周围环境（平均得分少于5分中的3个）。在输入中指定国家名称的代表性增加了1。平均在5-点李克特（Dall）的李子量表上为44点。75对于稳定的扩散，许多国家的超高分数仍然很低，这突出了将来模型在地理上更具包含的需求。最后，我们研究了量化使用用户研究的产生图像的地理代表性的可行性。1