XiaoMi-AI文件搜索系统
World File Search System实体
对碳实体的影响
使用CO 2注入增强的石油回收（EOR）是有希望的，经济和环境益处是一种积极的气候变化方法。然而，CO 2注射的较低扫描效率仍然是一个挑战。CO 2 -FOAM注射已被提议作为一种补救措施，但其对特定储层的实验室筛查是昂贵且耗时的。在这项研究中，使用机器学习模型来预测CO 2-FOAM洪水期间的石油回收因子（ORF）。四个模型，包括通用回归神经网络（GRNN），具有Levenberg - Marquardt优化（CFNN-LM），具有贝叶斯正则化（CFNN-BR）（CFNN-BR）的级联向前神经网络的级联向前神经网络以及基于实验数据的实验数据，以贝叶斯正则化（CFNN-BR）（CFNN-BR）（CFNN-BR）（CFNN-BR）和极端梯度提升（XGBoost）。结果表明，GRNN模型的表现优于其他模型，总体平均绝对误差为0.059，R 2为0.9999。使用威廉姆斯图对GRNN Model的适用性域进行了验证，并对CO 2 -FOAM洪水项目进行了不确定性分析。这项研究的新颖性在于开发一种基于机器学习的方法，该方法在CO 2-FOAM实验中对ORF进行了准确且具有成本效益的预测。这种方法具有显着减少CO 2 -FOAM注入所需的筛查成本和时间的po态，从而使其成为更可行的碳利用和EOR策略。
SAM.gov 中使用的唯一实体标识符已更改。
SAM.gov › opp › 查看 2023 年 1 月 11 日 — 2023 年 1 月 11 日 联邦政府网站通常以 .gov 或 .mil 结尾。... a) 您的公司是否有支持建模和仿真、人工智能的经验...
使用实体上下文的白皮书可见到设备，应用程序和用户
此软件包提供了相关的摘要，该信息通常由分析师和安全团队手工制作的信息进行狩猎和事件响应。Corelight将实体定义为企业网络元素，例如系统，服务器，用户，域或证书。这些属性可在一组相互关联的日志中获得，这些日志从完整的Corelight日志流进行了汇总以进行快速搜索。此日志集包括有关网络上所有内容的实体信息，从IT设备（笔记本电脑，服务器，电话，打印机）到工业控制系统（ICS）和操作技术（OT）设备（构建自动化，相机和工业控制系统）。
探究公共部门实体对人工智能系统的使用和治理
•负责和安全的AI（政府）：CSIRO与澳大利亚政府紧密合作，提供科学和技术建议，以介绍负责和安全的AI政策的制定。这包括通过国家AI中心和AI安全研究网络提供有关AI安全的技术建议，并为澳大利亚行业开发了负责任的AI最佳实践目录以及AI多样性和包容指南。后者为政府使用AI的AI保证的国家框架的发展做出了贡献。csiro还为澳大利亚AI安全标准的发展做出了贡献，支持政府参与国际AI安全峰会，并促进了国际研究联盟，将澳大利亚定位为负责人AI的领导者。
基于适体的免疫疗法：潜在的实体瘤治疗
基于适体的免疫疗法可能是针对癌症疗法的个性化和特定方法治疗实体瘤的新希望。适体是小的合成单链核酸，可能在治疗实体瘤时会带来范式转移。这些是在细胞免疫疗法，细胞因子调节和免疫检查点抑制中应用的高度选择性药物。本评论概述了基于适体技术的最新进展，并具有涉及AON-D21和AM003的特定关键临床试验。适体在免疫调节和肿瘤靶向中有效活跃。但是，与肾脏清除率和通过核酸酶快速降解有关的问题严重损害了适体稳定性和生物利用度。在这里审查了后者以及新的改进，其中一些涉及化学修饰，可极大地增强稳定性并延长循环时间。这种修饰的示例性是卵巢，胆固醇的结合和圆形核酸的合成。监管方面也至关重要。例如，除了预防癌症治疗药物中药物相互作用（DDI）的特定策略外，本文还强调了风险评估的需求，尤其是由于免疫原性和器官衰竭。通过躯体，X-Appamers和Bioinformatics的发展扩大了适体的使用。将基于适体的药物成为癌症治疗的主要部分，未来的研究应更多地集中于解决现有问题并扩大其利益用途。
使用深度学习的知识实体感知模型
抽象课程推荐系统可以通过利用用户交互数据来帮助学生识别合适或有吸引力的课程，这显示了用户和课程之间以前的参与。但是，现有课程推荐系统的普遍问题是它们倾向于优先考虑准确性而不是解释性。这些复杂模型的“黑框”性质提出了一个挑战：准确表征和建模用户的偏好，同时还提供明确的，具有预性和可解释的用户配置文件。为了解决这种限制，我们为课程推荐提出了一个新颖的知识实体感知模型，该模型称为KEAM，该模型基于知识图的详细信息支持明确的用户个人资料生成，以增强学生对建议背后的理由的理解。具体来说，我们利用知识图中编码的信息，通过更换隐藏单元来使用神经网络之间建立单位之间的连接。接下来，对模型进行了培训，可以捕获学生的偏好并创建用户配置文件，以提供可解释的建议。在两个现实世界的在线数据集上进行了全面的实验，以评估所提出的模型的有效性和解释。
实体肺灌注：最新进步和未来方向
EX-VIVO肺部灌注（EVLP）已成为肺移植中的一种变革性技术，提供了评估和修复供体肺部的解决方案，否则该供体肺部否则将被视为不适合。本评论文章探讨了EVLP技术的显着进步及其在临床实践中的应用。我们讨论了选择和修复供体肺部的标准，并强调了EVLP用于肺部肺部功能受损的肺部，这是由于诸如延长的缺血时间和供体吸烟史之类的因素。此外，我们详细介绍了改善肺功能评估的技术进步，包括开发更复杂的灌注解决方案以及对实时评估的人工智能的整合。此外，我们讨论了EVLP的未来前景，重点是灌注溶液中的潜在创新，再生医学和基因疗法的整合以提高同种异体移植质量。通过这项全面审查，我们旨在清楚地了解EVLP的当前状态及其有希望的未来方向，最终有助于改善肺移植的结果。
实体清单的增补和修订以及未经核实的合规移除
该文件计划于 2022 年 12 月 19 日在《联邦公报》上公布，并可在 federalregister.gov/d/2022-27151 和 govinfo.gov 上在线查阅。