XiaoMi-AI文件搜索系统
World File Search System前兆
公务航空飞行数据监控参与...
尽管已经做出了巨大努力来降低风险，但风险仍然存在于日常运营中，特别是在运营商与复杂系统交互时。然而，传统的风险识别策略是在问题发生后解决问题，这种策略是有限的。需要不断跟踪组织日常运营中当前关注的风险，以确保这个快速增长行业的安全。由于飞行数据监控 (FDM) 提供了日常飞行性能的全面可靠信息，因此它为当今公务航空运营商面临的许多问题和挑战提供了解决方案。快速访问记录器 (QAR) 技术长期以来被认为是全球航空公司的最佳实践，现在使 FDM 在小型飞机上变得实用。好处包括：安全 - 识别和拦截事故前兆。操作 - 生成汇总数据以支持轶事飞行操作反馈并改变操作环境或程序。维护 - 通过将汇总和单个飞机数据应用于发动机和机身维护成本。航空公司类别的 FDM 计划从最初的实验发展到今天的成熟计划，历时 45 年。商务航空有机会通过系统性和实验性的举措（例如 CASE FDM 项目）实现其自身的 FDM 成熟度发展。因此，我们希望您能加入我们，成为参与运营商。
MIVT：用于早期癫痫诊断的医学视觉转换器
摘要 — 癫痫是一种以反复发作、无诱因癫痫发作为特征的神经系统疾病，早期诊断对于有效的管理和治疗至关重要。然而，由于癫痫发作的微妙性质和大脑活动模式的复杂性，癫痫的诊断，特别是在早期阶段，仍然具有挑战性。在本研究中，我们引入了医学信息视觉转换器 (MIVT)，这是一种深度学习架构，专门设计用于从多模态神经影像数据中改善早期癫痫诊断。我们的模型整合了医学知识和最先进的视觉转换器 (ViT) 的见解，以提高癫痫发作检测和定位的准确性和可解释性。MIVT 利用脑电图 (EEG) 丰富的空间和时间特征，使系统能够学习与早期癫痫发作前兆和生物标志物相对应的判别特征。我们在大型多模态癫痫数据集上证明了 MIVT 的有效性，其性能优于传统深度学习模型，即 Inception V3、ResNet-50、VGG-16 和 AlexNet，优势高达 17%。我们的结果表明，MIVT 模型的表现优于现有技术，诊断准确率为 93.55%，特异性为 88.89%，AUC 为 98.72%，精确率为 86.67%，召回率为 100%。它显示出弥合机器学习模型与临床实践之间差距的潜力。
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
地面雷达在矿山边坡监测中的应用
1995 年至 2003 年间，边坡破坏事故造成了美国约 12% 的露天矿死亡事故。矿井边坡上的小幅表面移动可能是破坏的前兆，如果检测到，可以提供足够的警告，使工人和机器撤离到安全的地方。雷达干涉测量法提供了检测这些移动所需的精度。与其他方法相比，雷达具有一些优势，它能够覆盖大面积表面，在几乎任何天气条件下进行昼夜真正的二维监测。雷达的主动发射/接收操作模式比依赖太阳照射的被动光学方法提供了更直接的采样。微处理器速度和容量的改进导致了许多小型、便携式、地面系统的开发；这些系统现在正在全球多个地方部署。作为一项持续监测技术研究的一部分，美国国家职业安全与健康研究所和犹他州普罗沃市杨百翰大学的研究人员合作评估了使用干涉雷达监测矿山边坡稳定性的可行性。结合原型设备的设备现场测试成功，检测到了岩石斜坡上厘米级的小位移。
使用可扩展的发现异常航空安全事件...
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多变量时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事故。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常
Emily Tarsell，LCPC，LCPAT
来信 Silvia de Sanjosé* [1] 最近发表的社论从多个角度来看都是有问题的。主要是，它试图将一个复杂的问题描绘成一个简单的二分法，即所谓不合理的“反 HPV 疫苗行动主义”与所谓的绝对科学之间的简单二分法，而后者大概已经为 HPV 疫苗的安全性和有效性提供了无可争辩的证据。尽管存在许多毫无根据的过早乐观情绪，但事实是 HPV 疫苗迄今为止尚未预防一例宫颈癌（更不用说宫颈癌死亡了）。相反，临床试验表明，HPV 疫苗可以预防一些与 HPV-16 和 HPV-18 感染相关的癌前 CIN 2/3 病变，无论疫苗接种状况如何，其中很大一部分都会自发消退 [2-4]。例如，在 13 至 24 岁的青少年女性中，38% 的 CIN 2 在一年后消退，63% 在两年后消退，68% 在三年后消退 [5]。此外，由于误分类率高、观察者内和观察者间诊断重复性差以及回归率高，CIN 2 作为癌症前兆的有效性值得怀疑 [6-9]。根据 Castle 等人的研究 [7]，CIN 2 是所有组织病理学诊断中重复性最差的，可能部分反映了抽样误差。而 CIN 3 是癌症更可靠的标志
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
PoS(ECRS)014 - SISSA
太阳高能粒子 (SEP) 是空间天气中最危险的事件之一。在过去的几十年中，人们开发了各种各样的技术来预测 SEP 的发生，这些技术主要基于 > 10 MeV 质子通量与某些前兆（例如太阳耀斑、日冕物质抛射等）之间的统计关联。在本文中，我们将重点介绍太阳质子事件实时警报 (ESPERTA) 的经验模型，该模型通过考虑三个输入参数来预测≥ M2 太阳耀斑发生后的 SEP 事件：耀斑源区经度、软 X 射线通量和 ∼ 1 MHz 的射电通量。在这里，我们在监督学习框架中重塑了 ESPERTA 模型，并对预测模型进行了交叉验证，同时还应用了罕见事件校正（即数据过采样和损失函数加权），因为 SEP 的发生具有高度不平衡性。使用合成少数过采样技术可获得最佳性能，检测概率为 0.83，误报率 (FAR) 为 0.39。尽管如此，与不平衡情况相比，验证分数的改善很小。SEP 预测的相关 FAR 是样本基率的自然结果。总之，我们给出的证据表明，预测 SEP 事件的统计方法应考虑以下因素：1) 需要根据 SEP 事件的预期发生情况校准模型，2) 决策阈值强烈影响模型性能，3) 模型中使用的特征，如果单独考虑，则无法完全分离参数空间中的事件类别，因此使用处理不平衡问题的技术并不能保证更好的性能。