XiaoMi-AI文件搜索系统
World File Search System性对
使用具有触觉传感的灵巧手指的可变形线性对象
摘要 - 关于可变形线性对象（DLO）操纵的大多数研究都假定刚性抓握。然而，除了刚性的抓握和重新抓紧之外，在掌握的范围之外，人类也是人类使用敏捷操纵DLOS的重要技能，它需要通过握住DLO来防止其掉落的同时通过手动滑动来连续更改抓握点。在没有使用专门设计但不是多功能的最终效果的情况下，实现这种技能对于机器人来说非常具有挑战性。以前的作品尝试使用通用的平行抓地力，但是由于关注和持有之间的冲突，它们的稳健性并不令人满意，这很难与一级自由的抓手保持平衡。在这项工作中，受到人类如何使用手指跟随DLOS的启发，我们探索了具有触觉感知的通用灵巧的手的用法，以模仿人类的技能并获得强大的DLO跟随。为了使硬件系统能够在现实世界中运行，我们开发了一个框架，其中包括笛卡尔空间手臂控制，基于触觉的In-Hand-hand 3-D DLO姿势估计以及特定于任务的运动设计。实验结果证明了我们方法比使用平行抓手的显着优势，以及它的稳健性，可推广性和效率。
数字ERP实施，供应链集成和供应链灵活性对业务绩效的影响
全球化需要制造公司提高其竞争力，以优于竞争对手。这项研究调查了通过供应链整合，外部供应链整合和灵活性来改善业务的作用。研究对正在充分实施ERP技术的制造公司进行了研究。数据是从已实施ERP的东爪哇省的99家制造公司收集的。这项研究使用了判断性抽样的标准，这些员工已经工作了两年，并且是永久员工，并且在公司部门中有一个ERP模块的重要用户或最终用户。数据分析使用的Smartpls软件版本4.0。结果表明，ERP实施将内部供应链的集成增加了0.708，外部供应链集成增加了0.491，供应链灵活性提高了0.244。通过迅速响应部门间的需求并集成了功能之间的系统，内部供应链整体会影响外部供应链的整合0.373，供应链灵活性在0.249且业务绩效降至0.196。外部供应链集成会影响供应链的灵活性0.445，并且性能降低了0.360。，供应链灵活性，由员工工作时间的灵活性描述，按时产品交付和生产过程，影响了0.378的业务绩效。通过供应链策略和技术集成来提高竞争力的理论贡献。研究结果为公司信息技术经理提供了实际贡献，以升级ERP软件和硬件，以与单个数据库保持一致，以快速，适当的决策。
通过手性对称性修复和霍金 - unruh效果
编辑器：F。Gelis QCD与字符串模型之间的关系是探索Quarks之间相互作用潜力的宝贵观点。在这项研究中，我们研究了与加速观察者所经历的临床相关的手性对称性的恢复。利用Schwinger模型，我们分析了Quark-Antiquarks之间的弦或染色体孔管的临界点，而夸克之间的分离增加。在这项研究中，确定Quark-Antiquark染色器式孔管或弦弦断裂的临界距离为𝑟= 1。294±0。040 FM。与此临界点相对应的加速度和未温度的温度表示系统的手性对称性从断裂状态到恢复状态的过渡。我们对临界加速度的估计值（𝑎=1。14×10 34 cm/s 2）和未温度（𝑇= 0。038 GEV）与以前的研究保持一致。此分析在夸克相互作用的背景下，阐明了手性对称性恢复，效果的效果以及弦乐或铬发射器的破裂之间的相互作用。
非洲未来的疟疾环境适合性对水文学敏感
在线存放在白玫瑰研究中的重用项目受版权保护，除非另有说明，否则保留所有权利。可以下载和/或印刷供私人学习，或者按照国家版权法所允许的其他行为。发布者或其他权利持有人可以允许进一步复制和重新使用全文版本。这是通过该项目的白玫瑰研究在线记录的许可信息来指示的。
多样性对未来大西洋热带的影响...
摘要：冰的形成仍然是气候模型中代表最差的微物理过程之一。虽然已知主要的冰生产（PIP）参数化对建模的云特性具有很大的影响，但次级冰产生（SIP）的表示不完整，因此其相应的影响在很大程度上是毫无疑问的。此外，冰的聚集是总云冰预算的另一个重要过程，这在很大程度上也不受限。在这项研究中，我们使用挪威地球系统模型（Noresm2）研究了PIP，SIP和ICE聚集对北极云的影响。具有预后和诊断PIP的模拟表明，仅异质冻结不能再现观察到的云冰含量。Noresm2中缺失的SIP机制（胶水分解，掉落和升华分解）的实施可改善建模的冰属性，而液体含量中的图案仅在预后PIP的模拟中发生。但是，结果对碰撞分裂的描述很敏感。这种机制在所检查的条件下占主导地位，对升华校正因子的治疗非常敏感，升华校正因子的治疗是一种受使用的参数的约束参数。最后，冰聚集处理的变化也可以显着影响云特性，这主要是由于它们对碰撞分手效率的影响。总体而言，通过添加SIP机制来增强冰产量和冰聚集的减少（与浅北极云的雷达观察一致）导致云层覆盖率和降低TOA辐射偏见，与卫星测量相比，尤其是在寒冷的月份。
高山湖的生物多样性对全球变化的韧性...
古多样性 - 高山湖的生物多样性对全球变化的韧性：一种未来保护的古生态学方法，该项目建议通过在最后一个CA中跟踪湖泊社区Composi8on的变化来研究生物多样性的弹性。在四个菌群中有2。2.000年，具有应激源压力的史。我们将着重于人为变化（非NA8VE储备，基于牧场的牲畜压力和气候）以及这些变化引起的生物学反应的类型：逐渐或突然。我们将使用Mul8variate ordina8on技术与非线性8ME系列方法（分层概括ADDI8VE模型）相结合，以表征每个湖泊中社区反应的轨迹，并在跨湖中的此类轨迹中保持一致性。该项目将使用一个空间进行8ME方法，并与区域Informa8ON一起使用78个湖泊，并在沉积物记录中分析了Sedadna和Tradi8onal古杂质的代理。尚未详细研究三个压力源对高山湖泊的重视重要性。我们小组的先前结果表明，鱼可能会对生物多样性产生强大的影响，这是在引入小鱼时更高的。我们还表明，可以通过去除非NA8VE鱼类来恢复湖泊。然而，重要的是要知道何时完全恢复了Na8ve生物多样性，并且一旦消除了鱼类，其他压力源对恢复的影响是什么。此外，将环境压力源与湖泊生态弹性联系起来的研究已将侧重于单个SEN8NEN站点，这阻碍了对大型大面积的SPA8同步变化的研究。结果将为未来的Consera8on计划和关键湖泊的SELEC8ON提供专家标准，其对生物多样性Restora8on的兴趣最高，因为它具有最高的恢复Poten8al。博士主管的研究行：该提案的PI，将共同讨论候选人，涵盖了古多样性的主要主题。teresa buchaca是一位古菌学家和羊水学家，从事使用化学生物标志物（有机颜料）的photynthe8c生物社区Composi8ON的变化。她的研究包括在不同的SPA8AL和时间尺度上进行的研究。在区域规模上，她研究了浮游生物蓝细菌和藻类变化的帕兹恩人，以及在高山湖泊中的侵蚀作用。在古生态量表上，她一直在研究晚期系统，以研究如何调节记录的标记色素信号，以消除不同的全球变化压力源的影响（气候，Eutrophica8on和Fiffasions），并了解涉及长期环境变化的机制。，她在研究温带高山和低地欧洲湖泊，复活节岛和阿苏里亚地区的湖泊以及伊比利亚半岛的沿海湿地方面有经验。她正在共同领导一个在High Mountain Lake Assonsa8on上工作的研究小组。Marc Ventura是一名羊水学家和生态学家，在高山湖生态学中，使用不同模型的动物群（来自甲壳类动物，大型无脊椎动物，两栖动物和菲斯），在食品网层或物种水平上工作。他现在正在共同领导一个研究小组，主要是Fifs ristionuc8ons在高山湖的保护区工作。既描述了这些入侵的影响（Consera8on生物学或生态学），又将这种现象研究为局部
社会脆弱性对气候相关的影响...
气候变化可能会对新西兰产生一系列不利影响。这些影响包括洪水，极端风暴和野火等突然发作的灾难，以及热浪，干旱，空气和水质较差，以及蚊子出生疾病的风险增加。并非每个人都会受到气候变化的这些负面影响的同样影响，最脆弱的人群将受到不成比例的影响。“社会脆弱性”一词是指由于预先存在的条件，社会人群特征和环境，他们可能容易受到危害事件对其健康和福祉的负面影响。了解哪些人群容易受到与气候相关的危害的影响，哪些人提供了关键的证据，以告知决策和气候变化适应和减少灾害风险活动。
推荐引用 推荐引用 Hojjati, Yalda；Chen, YuanYuan；和 Raja, Uzma，“可解释性对基于集体兴趣的人工智能推荐系统的影响”（2024 年）。AMCIS 2024 TREOs。 183. https://aisel.aisnet.org/treos_amcis2024/183
ychen200@ua.edu Uzma Raja 奥本大学 uraja@auburn.edu 摘要 AI 推荐系统越来越多地应用于各种情境中，通过提供个性化推荐来促进集体利益，这些推荐有利于用户群体而不是个人。然而，追求集体利益有时可能会与个人偏好相冲突，导致用户认为推荐与他们的最佳利益背道而驰。这种现象涉及交通管理、环境保护、社会服务分配和医疗保健建议等各个领域。当用户不了解底层算法时，他们可能会遇到与他们的期望不一致的结果，从而导致怀疑并削弱对 AI 工具及其不透明决策过程的信任。因此，实现服务集体利益的总体目标成为一项挑战。这凸显了 AI 系统对可解释性的迫切需求。可解释人工智能 (XAI) 是一组过程和方法，允许人类用户理解和信任机器学习算法创建的结果和输出 (Arrieta 等人2020)。尽管在研究、实践和监管话语中受到越来越多的关注，但可解释性对基于集体利益的人工智能系统的影响仍有待探索。本文以锚定效应和计划行为理论的理论基础为基础，探讨了可解释性在培养信任和采用基于集体利益的人工智能系统中的关键作用，特别是在面对与个人最佳利益不同的建议时。具体来说，我们研究哪些特征或变量可以帮助解释人工智能推荐系统，从而促进采用基于集体利益的人工智能建议。此外，我们探讨了用户的人口统计特征和与推荐相关的感知成本如何影响可解释性对他们的信任和采用此类人工智能系统的意图的影响。
CMIP6偏见的驱动器驱动器。第一部分：北半球 多样性对未来大西洋热带的影响... 北极云对Noresm2气候模型中冰的微物理过程的敏感性 无线电掩盖建模实验（Romex） 季节性气候异常对预期的厄尔尼诺 - 南方振荡（ENSO）的影响如何？ 大平流层水蒸气的长期气候影响 在非沉积层云中控制夹带和液态水对气雾扰动的过程 2022年气候状态：北极-AMS期刊 通过地形PV梯度抑制中尺度涡流混合 气候变化评估的新热应力指数 北大西洋上从海洋到大气的多年代变化：桥梁的扰动势能 海洋热收敛和北大西洋多年代热含量变异性 深度学习模拟器对区域气候模型预测的可转让性和解释性：未来应用的观点
摘要：气候模型代表热带风暴轨迹的能力对于提供有用的预测至关重要。在先前的工作中，发现北半球的热带风暴轨迹的表示已从耦合模型比较项目（CMIP）的第5阶段改善。在这里，我们通过将仅大气模拟（AMIP6）与历史库型模拟（CMIP6）进行了对比，从而研究了CMIP第6阶段模型中的剩余和持久偏差。对AMIP6和CMIP6模拟的比较表明，冬季跨北部Paci -fean的耦合模拟中海面温度（SST）的偏见改变了大气温度梯度，这与风暴轨迹的赤道偏置有关。在北大西洋中，旋风在耦合的模拟中没有足够的杆子传播，该模拟部分是由格陵兰岛南部的冷SST驱动的，从而减少了潜在的热量。在夏季，中亚和藏族高原的过度加热会降低当地的斜压性，导致更少的气旋形成并从中国东部传播到耦合和大气中的模拟物中。当规定SST时，耦合模型中描述的几种偏差大大减少。例如，北极风暴轨迹的赤道偏置显着减少。然而，在CMIP6和AMIP6中，其他偏见都显而易见（例如，夏季东亚的轨道密度密度和循环发生的持续降低）与其他过程有关（例如，土地表面温度）。
气候弹性对话
AAE = Actuarial Association of Europe AFPCNT = Association Française pour la Prevention des Catastrophes Naturelles et Technologiques AFM = Autoriteit Financiële Markten AI = Artificial Intelligence AZN = Insurance Supervision Agency of Slovenia CAGR = Compound Annual Growth Rate CCA = Climate Change Adaptation CCR = Caisse Central de Reassurance CCRIF = Caribbean Catastrophe Risk Insurance Facility CEMS = Copernicus Emergency Management Service CRC = Climate Resilience Certificate CRESTA = Catastrophe Risk Evaluation and Standardising Target Accumulations DRR = Disaster Risk Reduction DSB = Norwegian Directorate for Civil Protection EC = European Commission ECB = European Central Bank EDO = European Drought Observatory EEA = European Environment Agency EFAS = European Flood Awareness System EFFIS = European Forest Fire Information System EIOPA = European Insurance and Occupational Pensions Authority EM-DAT = Emergency Events Database ERCC = Emergency Response Coordination Centre ESS = European Statistical System EU = European Union GEM = Global Earthquake Model GHG = Greenhouse Gasses GIS = Geographic Information System GRA = Global Risk Alliance GRI = Global Resilience Index GRMA = Global Risk Modelling Alliance IAIS = International Association of Insurance Supervisors IPCC = International Panel on Climate Change JRC = Joint Research Centre KB = Norwegian Knowledge Bank KTM = Key措施的类型ML =机器学习NATCAT =自然灾难NGFS =用于绿色金融系统NLP =自然语言处理螺母的网络=统计的领土单位命名