XiaoMi-AI文件搜索系统
World File Search System归因
评估脑损伤患者的负面归因
Angelle M. Sander，博士 临床神经心理学和康复心理学部副教授兼主任 贝勒医学院和哈里斯医疗系统物理医学和康复系，德克萨斯州休斯顿 TIRR 纪念赫尔曼脑损伤研究中心高级科学家兼主任
联合通信在可再生式 - 固定与构造与归因...
Brussels, 18 th May 2021 Subject: Renewable sustainable Fuels in Road Transport should be Recognised and Rewarded as an Essential Component of the Decarbonisation Strategy Dear President von der Leyen, Dear Executive Vice-President Timmermans, Dear Commissioner Simson, Dear Commissioner Breton, Dear Commissioner Vălean, Dear Director General Petriccione, Dear Director General Juul- Jørgensen, Dear Director General Jorna,亲爱的总干事Hololei总干事，这封信的签署人代表了可再生和可持续燃料的价值链中的许多利益相关者，包括投资者，用户，技术提供商和原料供应商，并希望解决最近针对这些燃料提出的误导性索赔。我们都知道，电气化将成为轻型车辆的主要技术，我们支持强大的政策措施来鼓励其吸收。但电动车辆不应通过突然逐步淘汰而获得技术垄断。我们认为，无论是在欧盟还是国家一级，这样的政策决定既不是不必要的，也不是不明智的。的确，运输的脱碳从根本上讲是关于能源的脱碳，而用可再生的可持续燃料燃料的冰具有与电动汽车的碳足迹相当的碳足迹。此外，它具有像EV一样成为气候中性或净零二氧化碳发射的潜力。基于经过验证的可持续原料的良好技术，这些燃料的显着扩展是可能的。欧洲公司是这些解决方案的领先技术提供商。建造和运营加工厂将创造更多的就业机会。来自各种农业和林业，家庭和工业废物以及合成燃料的可持续生物量可以集体利用可再生能源的全球潜力，因为它们可以使用现有基础设施从偏远地区运输。这将在整个欧洲创造许多工作，以汇总和准备这些原料的各种来源。
![用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。](/simg/d/d0b24e3de4e984953fcbe1080336ba472eefd4f9.png)
用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。
用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。
人工智能归因知识在艺术品评估中的作用
摘要 越来越多的艺术品由机器通过算法创作，几乎不需要人类的输入。然而，人们对机器生成的艺术品的态度和评价知之甚少。当前的研究调查了（a）个人是否能够准确区分人造艺术品和人工智能生成的艺术品，以及（b）归因知识（即有关谁创作了内容的信息）在他们评价和接受艺术品中的作用。数据是使用 Amazon Turk 样本从在 Qualtrics 上设计的两个调查实验中收集的。研究结果表明，个人无法准确识别人工智能生成的艺术品，他们很可能将具象艺术与人类联系起来，将抽象艺术与机器联系起来。归因知识和艺术品类型（具象与抽象）之间也存在对购买意向和艺术品评价的相互作用。
2型糖尿病在患者症状归因中的作用...
摘要 - 电子显微镜图像中轴突和髓磷脂的分割使神经科医生可以突出轴突的密度和周围髓磷脂的厚度。这些特性对于预防和预测白质疾病具有极大的兴趣。通常手动执行此任务，这是一个漫长而乏味的过程。我们提出了用于通过机器学习计算该细分的方法的更新。我们的模型基于U-NET网络的体系结构。我们的主要贡献包括在u-Net网络的编码器部分中使用转移学习，以及分割时测试时间增加。我们使用在Imagenet 2012数据集中预先训练的Se-Resnet50骨干重量。我们使用了23张图像的数据集，其中包括相应的分段掩模，这也是由于其极小的尺寸而具有挑战性的。结果表明，与最先进的表演相比，测试图像的平均精度为92％。也必须注意，可用样品是从call体的老年人中取的。与从脊髓或健康个体的视神经中采集的样品相比，这是一种额外的困难，具有更好的轮廓和碎屑较少。索引术语 - 深度学习，分割，髓磷脂，轴突，G比，卷积神经网络（CNN），电子显微镜
脑损伤后的消极归因偏差及相关危险因素
* 通讯作者：Dawn Neumann，dmneuman@iupui.edu。作者贡献 Dawn Neumann：参与研究设计和数据解释，并领导稿件介绍和方法部分，并帮助编辑和修改稿件的其他部分 Flora M Hammond：参与研究设计和数据解释，并帮助编辑和修改稿件的所有部分 Angelle Sander：参与研究设计和数据解释，并领导稿件讨论部分，并帮助编辑和修改稿件的其他部分 Surya Sruthi Bhamidipalli：参与数据分析、结果撰写和表格制作。 Susan M Perkins：参与研究设计、数据解释、数据分析、分析和结果部分的撰写，以及编辑和修改论文的所有部分。
NO2异常 - 经济归因和快速气候...
在一组主要成分中可见，在透明的OLR和表面皮肤温度方面，气候调节迅速，但较弱。很可能无法直接感受到它们，只能在其他影响的背景下考虑。增加了经济驱动的NO2排放量具有变暖的潜力，这是工业化地区的大部分地区（欧洲，美国，中国东亚，南亚）。相反，NO2降低应在这些区域具有冷却效果。
亚马逊洪水归因于气候变化模式
河流记录强调，平均而言，亚马逊典型地经历了极端的水文事件（即洪水或干旱）每十年一次（Marengo等，2011）。然而，自1990年以来，人们认为生活在亚马逊洪泛区中的社区的洪水风险因人口增长，快速的城市扩张，水文学变化以及水文周期的可能增强而增加（Davidson等，2012; Gloor等，2013; Filizola et al。; Filizola et al。，2014; bot eb eb ebre e n;破坏记录的洪水（例如在2009年，2012年，2014年和2015年）和2005年和2010年记录的两次“一个世纪”的干旱（Marengo和Espinoza，2016年）证明了这些事件对人类和自然系统的重大影响（Espinoza等，2013; Marengo等，2013; Marengo等，2013b，2013b）。仅2012年的洪水就影响了秘鲁洛雷托（Loreto）的202,676人，造成了造成生计损失的一个例子（IRFC，2012年）。
开发卫星异常分析和归因的综合应用程序
为了满足我们技术社会的需求，近地空间的卫星数量正在迅速增加。这些卫星预计将在受到强烈粒子辐射的轰击时持续运行，这些辐射可能会损坏电子元件，导致暂时故障、性能下降或整个系统/任务失败。我们尽一切努力设计能够承受恶劣环境的卫星，但在轨道上仍然会出现问题。当出现问题时，有必要找出原因，以便采取适当的措施保护资产并恢复正常运行。然而，诊断与空间天气相关的异常具有挑战性，因为它需要广泛的环境信息、工程知识和专业知识。我们的目标是通过提供将所有必要组件整合在一起并简化最终用户的分析过程的工具来实现有效的异常分析和归因。在这里，我们讨论了我们为构建全面的卫星异常归因工具所做的努力。我们介绍了一些正在进行的项目，包括开发高能电子辐射带模型 (SHELLS)、卫星充电评估工具 (SatCAT) 和太阳质子访问模型 (SPAM)。 SHELLS 电子辐射带模型使用神经网络来绘制从低空到高空填充内磁层的实时高能电子通量。一旦建立了映射，就可以仅使用近乎实时的 POES/MetOp 数据来指定过去和未来的高能电子通量。SatCAT 工具是一个在线系统，允许用户创建在轨卫星当前和历史内部充电水平的时间线，以便与异常时间进行比较。该工具是可配置的，允许用户生成和查看其卫星的内部充电水平以及设计参数，例如屏蔽厚度和材料。最后，太阳质子接入模型 (SPAM) 使用低空 POES/MetOp 测量来绘制整个磁层的太阳质子通量。