XiaoMi-AI文件搜索系统
World File Search System半自动
信息行为和实践研究为信息系统设计提供信息
尤其是 ISD 的人性和设计导向分支已经对人与信息技术 (IT) 工件之间的关系有了详细的了解 (Grudin, 2011; Hevner 等, 2004)。然而, 正如 Hepworth (2007) 所说, IBP 研究已经形成了更详细的信息消费者知识体系。这在设计信息系统 (IS) 时尤其重要, 因为根据定义, 信息系统明确侧重于与人们交流和提供信息并支持他们的信息活动, 而不是自动或半自动处理信息 (例如, 参见 Alter, 2008 列出的定义以及 Boell & Cecez-Kecmanovic, 2015 中的社会或社会技术与技术和过程导向观点)。尽管有人声称 IBP 中的以系统为中心的方法无法解释个人信息偏好，但以用户为中心的模型被认为可以提高对个人信息行为及其对系统使用的可能影响的理解。这些行为包括信息搜索和寻求、其潜在机制、意义建构和信息回避（Harland & Bath，2008）。毫无疑问，IBP 研究中的一些长期见解未能为新 IS 的开发提供信息，这有几个不同的原因。例如，IBP 和 ISD 研究人员倾向于分开，在各自的领域发表和展示
论文最终稿已接受在 IEEE 知识与数据工程学报上发表。©2022 IEEE。本文个人使用
摘要 — 数据整理任务（例如从各种来源获取和链接数据、转换数据格式和更正错误记录）可占典型数据工程工作的 80%。尽管机器学习和人工智能兴起，但数据整理仍然是一项繁琐且手动的任务。我们引入了 AI 助手，这是一类半自动交互式工具，用于简化数据整理。AI 助手通过推荐合适的数据转换来指导分析师完成特定的数据整理任务，该转换尊重通过与分析师交互获得的约束。我们正式定义了 AI 助手的结构，并描述了将数据清理视为优化问题的现有工具如何符合定义。我们为四种常见的数据整理任务实现了 AI 助手，并通过利用它们遵循的通用结构，使数据分析师可以在数据科学的开源笔记本环境中轻松访问 AI 助手。我们通过三个示例场景对我们的 AI 助手进行了定量和定性评估。我们表明，统一的交互式设计可以轻松执行手动或使用全自动工具难以完成的任务。
大量钴二硫化物热电池生产
熔融盐电池，称此称为热电池，在为广泛的防御应用提供按需电力方面起着至关重要的作用。尽管热电池的制造和认证仍然是一项复杂，艰巨的努力，但较长的存储寿命和令人难以置信的热电池的功率密度将它们定位为无数系统中的首选电源。引入了改进的阴极材料，钴二硫化物（COS 2），已扩大了热电池的性能状态，并产生了更多的用例。然而，改进的阴极材料的结构提出了一些制造挑战，这些挑战阻碍了许多高量生产应用的采用。在当前的工作中，概述了一些进步，这些进步允许使用新颖的COS 2 Catholyte材料继续准时交付高量热电池。Enersys Advanced Systems Inc.（EAS）（EAS）通过提供量身定制的粒径分布，连续的颗粒制造技术和半自动装配设备，证明了使用Superior Cos 2电化学解决方案提供高量生产要求的能力和能力。关键字热电池；高体积生产；钴二硫化物；阴极;电化学细胞
自动细胞外体积分数测量用于轻链型心脏淀粉样变性患者的诊断和预测
共分析了 300 名连续患者，这些患者接受了 CMR 检查以鉴别诊断 LVH。50 名患者确诊为 CA（39 名患有 AL-CA，11 名患有转甲状腺素蛋白淀粉样变性），198 名患者确诊为肥厚性心肌病，47 名患者确诊为高血压性心脏病，5 名患者确诊为法布里病。半自动深度学习算法 (Myomics-Q) 用于分析 CMR 图像。区分 CA 与其他病因的最佳截止细胞外体积分数 (ECV) 为 33.6%（诊断准确率为 85.6%）。自动 ECV 测量显示，对于 AL-CA 患者（修订版 Mayo III 或 IV 期）的心血管死亡和心力衰竭住院综合预后价值显著（ECV 40% 的调整风险比为 4.247，95% 置信区间为 1.215– 14.851，p 值 = 0.024）。将自动 ECV 测量纳入修订版 Mayo 分期系统可实现更好的风险分层（综合判别指数 27.9%，p = 0.013；分类净重新分类指数 13.8%，p = 0.007）。
基于 LiDAR 数据生成数字高程模型以进行历史景观分析，以佛兰德斯（比利时）为例
本文讨论了基于高密度机载 LiDAR（光检测和测距）数据生成高精度 DEM（数字高程模型）的方法，该方法用于跨学科景观考古学研究，研究对象为位于比利时根特北部的 Sandy Flanders 地区的定居历史和环境。目标是以 DEM 的形式创建一个详细的地形表面，其中不含人工特征和地形伪影，仅通过实现真实地面点来可视化自然和当前地形。这些特征和伪影的半自动去除是基于地形矢量数据、视觉解释和坡度分析。最终构建了两个 DEM：（1）TIN（不规则三角网络）模型，其固有的大文件格式限制了其在大比例尺下的可用性；（2）网格模型，可用于小、中、大比例尺应用。这两个数据集都用作使用来自历史来源的辅助数据进行解释的图像。其实用性在田野模式和微田地形的案例中得到了说明。从这个 DEM 开始，这项景观历史研究的方法主要是回溯性的，即从当代景观中仍然存在的景观结构和元素开始，然后进入过去。� 2010 年由 Elsevier Ltd. 出版。
可解释的人工智能：概念、应用、研究挑战和愿景
摘要。可解释人工智能 (XAI) 的理论、框架和工具的开发是当今非常活跃的研究领域，阐明任何形式的愿景和挑战的连贯性本身就是一项挑战。至少出现了两个有时互补且相互冲突的线索。第一个重点是开发实用工具，以提高自动学习的预测模型的透明度，例如通过深度学习或强化学习。第二个旨在预测不透明模型的负面影响，希望规范或控制错误预测的影响后果，特别是在医学和法律等敏感领域。制定使用领域知识增强预测模型构建的方法可以为产生人类可理解的预测解释提供支持。这与人工智能监管问题同时存在，例如欧盟《通用数据保护条例》，该条例为自动或半自动决策的解释制定了标准。尽管所有这些研究活动都越来越认识到可解释性主题至关重要，但重要的是要记住，它也是计算机科学最古老的领域之一。事实上，早期的人工智能是可追溯的、可解释的，因此人类可以理解和解释。这项研究的目标是阐明宏观思想及其在推进 XAI 系统发展中的作用，承认它们的历史根源，并强调前进的最大挑战。
使用视觉数据理解城市感知
建筑环境的视觉特征会影响人们的感知和体验城市。很长一段时间以来，许多研究都检查了城市中的视觉感知。由于技术的进步和相关数据的扩散（例如，街景图像，地理位置照片，视频，视频，虚拟现实和空中图像），这种努力在近年来加速了。尚未就此主题进行全面的系统审查论文，以揭示一系列总体研究趋势，局限性和未来的研究机会。这种遗漏是由于很难回顾有关此流行主题的大量相关论文的困难。在这项研究中，我们利用机器学习技术（即自然语言处理和大语言模型）进行半自动进行审查过程，并审查了393篇相关论文。通过评论，我们发现这些论文可以分为城市的物理方面：绿化和水，街道设计，建筑设计，景观，公共空间以及整个城市。我们还透露，许多研究以越来越多地利用大数据和先进技术的趋势进行了定量分析，例如街道视图图像和深度学习模型的组合。的局限性和研究差距也被确定为：（1）在研究领域，样本量和属性方面的范围有限； （2）低质量的主观和视觉数据； （3）需要更加控制和复杂的方法来推断
用于军事模拟的地理特定地形建模
特定地理地形模型是用于创建现有现实世界环境的军事模拟的地理空间信息来源。这些模拟用于在不踏上地面的情况下获得态势感知并用于任务演练。特定地理地形模型由仅表示裸地高程的数字地形模型 (DTM)、正射影像层和基本要素层（如建筑物足迹、森林、水和基础设施）组成。鉴于任务和行动的时间性质，重要的是通过开发半自动特定地理地形建模流程尽可能缩短特定地理地形模型的生产周期。考虑到不同数据精度、货币和比例之间的相关性，从各种来源的现有数据创建特定地理地形模型具有挑战性。此外，从更常见的数字表面模型 (DSM) 中推导出 DTM 仍然是一个反复研究的课题，该模型仍然包括所有地面物体，例如建筑物和森林，并且没有灵丹妙药。在创建外国领土上的地理特定地形模型时，卫星图像是唯一保证准确和最新信息的来源，因为它是商业上可用且几乎覆盖全球的。因此，研究使用 WorldView-2 卫星提供的最先进的立体卫星图像作为推导所有必需的地理特定地形模型层的单一输入源。
历史景观的数字高程模型生成...
关键词 机载 LiDAR；DEM；过滤；地质考古学；微地形；景观可视化；多尺度概念 摘要 本文讨论了基于高密度机载 LiDAR（光检测和测距）数据生成高精度 DEM（数字高程模型），用于跨学科景观考古研究，研究比利时根特北部 Sandy Flanders 地区的定居历史和环境。目标是创建一个没有人工特征和地形伪影的详细地形表面，以 DEM 的形式，仅通过实现真实地面点来可视化自然和当前地形。这些特征和伪影的半自动去除基于地形矢量数据、视觉解释和坡度分析。最终构建了两个 DEM：（1）TIN（不规则三角网）模型，其固有的大文件格式限制了其在大规模上的可用性；（2）网格模型，可用于小规模、中规模和大规模应用。这两个数据集都用作使用历史资料中的辅助数据进行解释的图像。其实用性在田野模式和微田野地形的案例中得到了说明。从这个 DEM 开始，这项景观历史研究的方法主要是倒退性的，即从当代景观中仍然存在并不断移动的景观结构和元素开始
基于机器学习的基于机器学习的预测维护，用于旋转机械中的故障检测：案例研究
在工业生产领域，状况监测在确保旋转机械的可靠性和寿命方面起着关键作用。由于大多数生产设施都严重依赖振动分析，因此它已成为条件监测实践的基石。但是，对振动信号的手动分析是一项耗时且专业的密集型任务，通常需要专门的领域知识。当前的研究通过提出一种新型的半自动诊断系统来解决上述挑战。该方法以快速傅立叶变换（FFT）频谱的形式利用历史振动数据。系统通过将频率范围划分为预定义的垃圾箱，并求和每个垃圾箱内的能量值，从而从频域中提取能量特征。随后，根据相应的机器条件将每个数据点标记为标记，从而使系统能够通过使用机器学习模型来学习诊断模式。这种方法通过最少的手动干预促进了有效而准确的诊断。产生的数据集有效地表示并提供了可解释的结果。支持向量机（SVM）和集成算法可立即诊断出故障，并以最小的错误率诊断。所提出的系统能够提供早期警告，从而防止进一步的恶化和计划外的下降。使用现实世界数据的实验验证证明了系统的功效，其准确性超过90％。