XiaoMi-AI文件搜索系统
World File Search System尝试的
人工智能和数据促进可持续发展
人工智能 (AI) 系统为可持续发展和可持续发展监测提供了新的机遇。应用包括用于地球观测的遥感、用于增强数据和信息可访问性的生成式人工智能以及用于挖掘非结构化数据源的机器学习等。然而，人工智能存在缺陷，包括连接需求、输出偏差的可能性以及对环境的影响。毫不奇怪，人工智能和官方统计数据一起成为数据和统计领域的讨论话题，包括联合国欧洲经济委员会统计现代化高级工作组、联合国大数据中心等各类实体都从不同角度着手构建和利用其发展能力。在这个领域，有两种方式可以讨论人工智能。第一种也是最成熟的方法是将人工智能用于数据（例如机器学习）。第二种方法也是较少尝试的，即人工智能的数据方法，它提出了一些有趣的新问题，即如何训练人工智能模型以及使用什么样的数据。本次会议将基于现有用例和共享经验，通过深入讨论三个主题，反思需要做些什么才能释放人工智能的力量，实现可持续发展：
TOPSIS 应用的最新调查
多准则决策辅助 (MCDA) 或多准则决策 (MCDM) 方法已受到研究人员和从业人员的广泛关注，用于评估、评定和排列不同行业的替代方案。在为解决实际决策问题而开发的众多 MCDA/MCDM 方法中，按与交易解决方案的相似性排序参考技术 (TOPSIS) 在不同应用领域继续发挥着令人满意的作用。在本文中，我们进行了一项最新文献调查，以对 TOPSIS 应用和方法的研究进行分类。本评论的分类方案包含自 2000 年以来来自 103 种期刊的 266 篇学术论文，分为九个应用领域：(1) 供应链管理和物流，(2) 设计、工程和制造系统，(3) 商业和营销管理，(4) 健康、安全和环境管理，(5) 人力资源管理，(6) 能源管理，(7) 化学工程，(8) 水资源管理和 (9) 其他主题。TOPSIS 学科的学术论文根据 (1) 出版年份、(2) 出版期刊、(3) 作者国籍和 (4) 与 TOPSIS 结合或比较的其他方法进行了进一步解释。我们在评论论文的最后提出了对 TOPSIS 决策未来研究的建议，这些建议既具有前瞻性，又具有实践导向。本文对 TOPSIS 方法提供了有用的见解，并为学术研究人员和从业人员提供了未来在该领域尝试的框架。2012 Elsevier Ltd. 保留所有权利。
儿童自杀思想和行为的分类
与构想和尝试相关联。Janiri等5检查使用逻辑回归的潜在风险和保护性因素范围更广泛，还表明，更高水平的家庭冲突是自杀，儿童心理病理学的存在，更长的周末筛查时间和更长的周末筛查时间也被发现是危险因素，而危险因素更大，而父母的监督和积极的学校参与是保护因素。的发现表明，贫穷的家庭连贯性和支持与儿童自杀念头有关，与个人的心理模型以及自杀行为的综合动机 - 自愿性模型相一致，在这种模型中，独自一人和不支持的感觉（挫败遗产）的感觉是自杀构思和尝试的重要风险因素。8，9然而，以前已确定为自杀思想和行为相关的社会学和临床因素并没有改善对自杀思想或行为的预测。10因此，需要研究与自杀思想和行为相关的新措施，例如遗传学或区域大脑活动，这些措施已证明在青少年中在这些思想和行为中起作用。11此外，这些研究还没有检验，是否有多种因素的组合，而不是每个风险因素的关联，而是区分有或没有自杀 *联合第一作者的儿童。
人工智能（AI）对消费者购买的影响
在“过去”，我们去商店，看看要买的东西，可能还会和销售助理交谈，然后做出决定。这意味着，我们总是很容易理解这种购买模式的原理。然而，现在，我们也会做这些事情，我们还会浏览产品网站，访问比较网站，参加讨论，在 Facebook 上询问我们的朋友，并与一系列竞争对手比较产品。我们还可以听一些相关的在线视频，甚至可以参加有关我们想买的东西的在线课程。对于任何零售商来说，这都是一个主要问题。消费者尝试的大部分购物活动现在都是在商店之外进行的。这意味着销售代表可以用来确保购买的典型数据类型不再可用。此外，即使消费者在网上做任何事情，他们也可能受到现实生活中看到不同产品或访问实体店的影响。预计到 2026 年，印度电子商务市场规模将从 2017 年的 385 亿美元增长至 2000 亿美元。互联网和智能手机普及率的提高推动了该行业的快速增长。如今，人们可以在任何地方、任何时间购物，无论是在工作场所还是家中，尤其是在一天中的任何时候休闲时。印度的在线市场空间正在蓬勃发展，提供从旅游、电影、酒店预订和书籍等各种服务
美国商务部规则扩展了与AI相关材料的许可要求
2025年1月13日，工商部工业与安全局（BIS）发布了一项临时最终规则，建立（i）扩展的出口许可要求出口高级计算综合电路（ICS），促进了最先进的人工智能（AI）模型的最先进的人工智能（AI）模型的开发。实体，总部位于总部位于18个盟友（补充5个国家）的最终父母通常不受新的控制措施。来自中国（包括香港和澳门）的实体以及其他受到美国武器禁运的国家，或与位于这些国家 /地区的母公司约束，通常禁止接受覆盖的AI项目。所有其他国家尝试的实体都受许可要求和特定国家 /地区的高级计算配额的约束。该规则建立了一个经过验证的最终用户程序，以为符合广泛勤奋和安全要求的实体提供额外的灵活性。最后，总部设在总部或与父母的公司的“永久常规雇员”将在5个国家 /地区的父母中获得，将免于与通过就业访问获得AI技术有关的“被视为出口”许可要求。
2G HTS涂层导体磁带的价值预测
摘要：索引值或所谓的n值预测对于理解超导体的行为至关重要，特别是需要对超导体建模时。此参数取决于几个物理量，包括温度，磁场的密度和方向，并影响由涂层导体制成的HTS设备的行为，从损失和淬火繁殖方面。在本文中，对许多用于估计N值的机器学习方法进行了全面分析。结果表明，级联向前神经网络（CFNN）在此范围内擅长。与其他尝试的模型相比，尽管需要较高的训练时间，但它的性能最高，具有0.48的均方根误差（RMSE）和99.72％的Pearson系数，具有拟合度（R-Squared）。另一方面，刚性回归方法的预测最差为4.92 RMSE和37.29％的R平方。此外，随机森林，增强方法和简单的馈电神经网络可以被视为比CFNN更快的训练时间的中间精度模型。这项研究的结果不仅提前对超导体进行了建模，而且还为应用程序的应用铺平了道路，并为机器学习插件代码进行了进一步研究，以进行超导研究，包括对超导设备进行建模。
AI驱动的网络钓鱼检测系统
网络钓鱼攻击涉及通过伪装成一个值得信赖的实体来获取敏感信息的欺诈尝试，已经变得越来越复杂和普遍。传统的网络钓鱼检测方法通常依赖于启发式或基于签名的技术，这可能很难与不断发展的网络钓鱼策略保持同步。本文探讨了人工智能（AI）在增强网络钓鱼检测系统中的应用。AI驱动的方法利用机器学习算法，自然语言处理和模式识别，以更高的准确性和效率来识别和减轻网络钓鱼威胁。通过分析大量数据，这些系统可以检测出可能避免常规方法的网络钓鱼尝试的微妙模式和异常。该摘要讨论了网络钓鱼检测中采用的各种AI方法，包括受监督和无监督的学习技术，集合方法和深度学习模型。此外，它研究了AI-wive系统在现实世界中的有效性及其适应新兴的网络钓鱼策略的潜力。本文以目前的挑战和该领域的研究的未来方向进行了概述，强调需要持续发展以解决网络钓鱼威胁的动态性质。
网络安全 - 浏览器中的密码存储
计算机技术。摘要 - 在数字连接时代，确保在线帐户已成为当务之急。个人管理的在线帐户数量的激增导致需要记住和管理的密码数量增加。此外，对网络攻击的日益增长的复杂性强调了需要采取更高级和强大的安全措施。我们提出的解决方案是一种浏览器扩展模型，旨在通过为密码管理提供安全且用户友好的解决方案来应对这些挑战。模型集成了旨在增强安全性和可用性的几个关键功能。扩展名提供了一个集中式存储库，用于为多个在线帐户存储密码，从而消除了用户记住多个密码并降低密码丢失或盗窃的风险的需求。为了保护敏感的用户密码，该扩展名使用可靠的加密算法，这是一种以其强度和对未经授权的解密尝试的阻力而闻名的加密技术。与将数据存储在云上的许多其他密码管理解决方案不同，我们的扩展程序将密码存储在用户的设备上。此方法增强了数据隐私，并降低了暴露于外部威胁的风险。该扩展名还允许用户根据需要解密其存储的密码，以确保用户在需要时可以访问其密码，而不会损害安全性。该扩展名是通过用户友好的界面设计的，该接口简化了存储，管理，
3DG：使用生成AI来处理智能辅导系统的稀疏学习者性能数据的框架
抽象学习绩效数据（例如，测验得分和尝试）对于理解学习者的参与和知识掌握水平而言至关重要。但是，从智能辅导系统（ITS）收集的学习绩效数据通常会遭受稀疏性，从而影响了学习者建模和知识评估的准确性。为了解决这个问题，我们介绍了3DG框架（用于致密化和生成的3维张量），这是一种新型方法，将张量分解与先进的生成模型（包括生成对抗性网络（GAN）和生成性预训练的变压器（GPT））相结合，以增强数据插入和增强数据插入。该框架首先将数据表示为三维张量，从而捕获学习者，问题和尝试的维度。然后，它通过张量分解来致密数据，并使用生成AI模型增强数据，该模型是根据通过聚类识别的个体学习模式量身定制的。由成人扫盲中心（CSAL）中心的自动课程中的数据应用，3DG框架有效地生成了可扩展的，个性化的学习绩效模拟。比较分析揭示了GAN在这种情况下比GPT-4的出色可靠性，强调了其在解决ITS的数据稀少挑战方面的潜力，并有助于进步个性化的教育技术。
3DG：使用生成AI来处理智能辅导系统的稀疏学习者性能数据的框架
抽象学习绩效数据（例如，测验得分和尝试）对于理解学习者的参与和知识掌握水平而言至关重要。但是，从智能辅导系统（ITS）收集的学习绩效数据通常会遭受稀疏性，从而影响了学习者建模和知识评估的准确性。为了解决这个问题，我们介绍了3DG框架（用于致密化和生成的3维张量），这是一种新型方法，将张量分解与先进的生成模型（包括生成对抗性网络（GAN）和生成性预训练的变压器（GPT））相结合，以增强数据插入和增强数据插入。该框架首先将数据表示为三维张量，从而捕获学习者，问题和尝试的维度。然后，它通过张量分解来致密数据，并使用生成AI模型增强数据，该模型是根据通过聚类识别的个体学习模式量身定制的。由成人扫盲中心（CSAL）中心的自动课程中的数据应用，3DG框架有效地生成了可扩展的，个性化的学习绩效模拟。比较分析揭示了GAN在这种情况下比GPT-4的出色可靠性，强调了其在解决ITS的数据稀少挑战方面的潜力，并有助于进步个性化的教育技术。