XiaoMi-AI文件搜索系统
World File Search System技术细节
1918 年流感大流行期间美国经济发生了什么？通过高频数据来看
1918 年 2 月至 4 月。3 疫情可能始于法国西海岸。交战国几乎没有动力告知对手自己虚弱的状况，所以一开始只有西班牙等中立国报告了这种疾病，因此得名西班牙流感。正如 1918 年 5 月 31 日的《爱尔兰时报》不带讽刺地指出的那样：“令人惊讶的是，遭受这些流行病影响的国家 [瑞典和西班牙] 竟然都是中立国。”4 一些技术细节。首先，我将完全依赖死亡率数据，因为没有病例数据。其次，死亡率数据适用于完全登记死亡人数（原则上至少 90%）的“登记州”。直到 1933 年，登记才覆盖全国。从 1913 年到 1921 年，登记地区的州数从 24 个增加到 34 个，占美国估计人口的 62% 至 80%。最后，报告了死亡原因，但由于报告存在差异，因此需要将流感和所有形式的肺炎（支气管肺炎、大叶性肺炎和其他肺炎）导致的死亡结合起来研究流行病的发病率（1918 年，报告的流感死亡人数与肺炎死亡人数之比从北卡罗来纳州的 0.4 到蒙大拿州的 2.0 不等）。
搜索天空 - 核弹
在该项目的过程中，我得到了很多人的帮助。首先，我要感谢弗吉尼亚州兰利空军基地空军空战司令部文化资源经理 Paul Green 博士。Green 博士设定了这项研究的范围、内容和形式，并为我提供了宝贵的源材料。此外，国防部冷战遗产任务区经理 Rebecca Cameron 博士也给予了额外的鼓励和关注。美国陆军建筑工程研究实验室在该项目开始时的首席研究员 Virge Jenkins Temme 女士对这项工作提出了宝贵的建议。Temme 女士的首席研究员任务于 1996 年 5 月由 Julie L. Webster 女士接任。在随后管理该项目的一年里，Webster 女士花了无数时间处理完成该项目所需的行政和技术细节。她的时间和才华值得感激。文本编辑是 Sharlyn A. Dimick。USACERL 执行编辑 Gloria J. Wienke 完成了本书的最终编辑和包装。我的同事 John Lonnquest 协助进行了一些研究，并就如何构建和澄清叙述提供了很好的想法。他还撰写了本书第三部分中关于哈弗空军基地的短文。
河口底栖测绘数据的空间分析与可视化工具与技术
海底环境的测绘和地理空间分析是一项多学科任务，近年来由于技术的进步和调查系统成本的降低，这项任务变得更加容易完成。海底物理、生物和化学成分之间存在着复杂的关系，需要先进的综合分析技术，以使科学家和其他人能够直观地看到模式，并由此推断出海底过程。有效的海洋栖息地测绘、分析和可视化尤为重要，因为潮下海底环境不易用肉眼直接观察。因此，海底环境研究严重依赖遥感技术来收集有效数据。由于许多底栖科学家不是测绘专业人士，他们可能没有充分考虑数据收集、数据分析和数据可视化之间的联系。项目通常从明确的目标开始，但可能会受到从收集到分析和呈现的整个过程中保持数据质量所需的技术细节和技能的阻碍。缺乏对整个数据处理过程的技术理解可能会成为成功的重大障碍。虽然许多底栖生物测绘工作已经详细说明了与项目总体科学目标相关的方法，但只有少数已发表的论文和报告关注分析和可视化部分（Paton
摘要书 - 德国联邦物理技术学院
在项目持续的前 14 个月中，主要挑战已经得到解决。新型初级光学折射率补偿标准的概念已经实现。目前正在对可用于现场的原型进行描述、改进和验证。正在通过实验研究对基于 GNSS 的距离测量的复杂不确定性贡献，例如对流层和近场的影响，并且已经开发并正在测试用于验证电磁天线校准参数的现场程序。此外，还准备开展更大规模的空间大地测量活动，以研究大地测量基础站本地连接计量的不同 3D 实时概念。本次演讲旨在向首次公开研讨会的参与者介绍整个项目，并对初步成果进行更广泛的概述。它应该为在白天及以后就技术细节以及更广泛的图景进行富有成效的讨论奠定共同基础。提出的联合研究项目 SIB60“测量”获得了欧洲计量研究计划 (EMRP) 的资助。 EMRP 由 EURAMET 和欧盟内的 EMRP 参与国共同资助 [1] www.emrponline.eu [2] JRP SIB60 Surveying，可发布的 JRP SIB60 Surveying JRP 摘要报告，www. emrp-surveying.eu，（2014 年）
基于梯度的特征归因于可解释的AI
Black-Box AI模型的激增促使需要解释内部机制并证明其可靠性是合理的，尤其是在高风险应用中，例如医疗保健和自动驾驶。由于缺乏对可解释的AI（XAI）的严格定义，已经开发了与解释性，可解释性和透明度有关的大量研究，以从各个角度解释和分析该模型。因此，通过详尽的论文清单，从各个方面对XAI研究进行全面概述变得具有挑战性。考虑到神经网络在AI研究中的普及，我们将重点缩小到XAI研究的特定领域：基于梯度的解释，可以直接用于神经网络模型。在这篇综述中，我们系统地探讨了迄今为止基于梯度的解释方法，并引入了一种新颖的分类法，将它们分类为四个不同的类别。然后，我们按时间顺序介绍了技术细节的本质，并强调了算法的演变。接下来，我们引入人类和定量评估以测量算法性能。更重要的是，我们证明了XAI中的一般挑战以及基于梯度的解释中的特定挑战。我们希望这项调查能够帮助研究人员了解最先进的进步及其相应的缺点，这可能引发他们对解决未来工作中这些问题的兴趣。
基于流程的光子制造成本建模
摘要 — 组件的单片集成有望提高网络功能并降低封装费用。由于制造复杂性和器件间故障的叠加，集成还会降低产量。对于经济上优选的集成程度，人们缺乏共识。以前关于集成成本可行性的研究使用了高级估算方法。本研究则侧重于行业细节，基于从光电子供应链中的 20 家公司收集的数据，建立了基于流程的设备制造成本模型。所提出的模型允许定义流程组织，包括测试，以及每个步骤的加工条件、操作特性和自动化水平。本研究重点研究了在 InP 平台上集成 1550 nm DFB 激光器和电吸收调制器的成本影响。结果表明，无论生产规模如何，单片集成设计都比分立元件选项更具成本竞争力。主要的成本驱动因素是封装、测试和组装。利用模型预测背后的技术细节，组件对准、键合和金属有机化学气相沉积 (MOCVD) 被确定为技术改进对降低成本最为关键的工艺。这样的结果应该鼓励探索进一步集成的成本优势，并专注于成本驱动的技术开发。
IS 597：负责任的数据科学和人工智能 - Jana Diesner
可根据要求获得其他格式的教学大纲。请联系讲师。课程描述 本课程让学生更深入地参与“负责任的数据科学和人工智能”演讲系列 ( https://jdiesnerlab.ischool.illinois.edu/responsible_ds_ai.html ) 中提出的演讲和主题。参加这门课的学生必须参加讲座和课堂会议。我们专注于可解释性、可重复性、偏见、数据管理和治理以及隐私。在课堂上，学生深入讨论这些主题的最新研究，在更广泛的理论、方法和领域发现背景下分析论文，指导或引导讨论，并在自己的研究背景下反思所讨论的论文。我们不一定会讨论我们涵盖的每个主题的历史和基础。学生应在每次课程之前具备该背景知识或根据主题获得该背景知识。我们直接讨论当前的辩论和社会技术细节。每个人都应在课前阅读每周指定的论文，带着至少 3 个问题来上课，并能够讨论论文、演示文稿和他们的问题。本课程面向校园各地的博士生开放。对于高度重视研究的高级硕士生，如果其导师和讲师批准，可以例外。每周时间表 时间表可能会更改。
先进的公共采购作为产业政策
本研究是关于先进生产的正外部性或工业溢出效应的宏观经济效应。探讨的案例是瑞典航空工业的“技术红利”，特别是飞机制造商萨博，以及 JAS 39 Gripen 多用途战斗机的主要工业项目。该项目部分是我 1995 年出版的瑞典语书《技术生成器或国家声望项目 1》的更新，但从几个方向扩展了分析。本研究包括一章关于工业发展中经济体南非先进生产的溢出效应，南非为其空军采购了 JAS 39 Gripen。还有一章在欧洲先进公共采购的更广泛背景下讨论了瑞典的结果。文本的组织方式是，主要章节是为学术读者编写的。两个补充内容包括数据收集、数学模型和计算方法的技术细节。第一章简短，重点介绍结果。它具有扩展执行摘要的特征。第二章总结了整个故事；问题、结果和方法。如果没有许多人的慷慨支持，这个项目就不可能实现。首先，非常感谢瑞典工业公司里那些日程繁忙的人抽出时间来回答我的问题。他们中的大多数都很忙。
利用静止环境磁扰改进视觉惯性导航
我要感谢 José Neira 和 Silvère Bonnabel 教授让我有幸同意报告这篇论文，感谢审稿人 Samia Bouchafa、Pascal Vasseur 和 Michel Dhome 教授对我的工作和研究感兴趣。决定授予我医师职称。我要感谢我的论文导师 Guy Le Besnerais。他非常投入、要求严格、坦率并且总是关心我，他成功地促使我写出一篇好的论文，总是提供明智而有效的建议。我感谢大卫·维西埃，他以他传奇般的热情为这项工作提供了最初的动力，他直到最后都信任我，即使他对所采取的方向有疑问。尽管中小企业的担忧在科学博士学位的学习期间通常很难预测，但我最终拥有了很大的自由和自主权。我要非常感谢 Martial 和 Alexandre：我在论文的技术和科学方面以及其一般行为方面获得了特权。感谢 Martial 与我分享您在视觉里程计和传感器方面的经验、您的幽默感和善良。感谢 Alex 的技术讨论，这使我能够在提供技术细节（通常是枯燥的（肮脏的？））、有用的含义和值得告诉他们的兴趣的同时，提高我的理解。如果没有您精心的校对工作，论文的质量就无从谈起
数学及其在人工智能中的应用
苏希尔·库马尔·赛尼博士 数学副教授 古尔冈德罗纳查里亚政府学院 摘要：人工智能的概念从一开始就引起了全世界人们的兴趣。“人工智能”(AI) 一词是指机器执行认知任务的能力，例如思考、感知、学习、解决问题和决策。它的灵感来自于人们使用大脑感知、学习、推理和决定采取的行动的方式。推动第四次工业革命的人工智能 (AI) 软件是推动革命本身的引擎。它的影响已经可以在人们的家庭、营业场所和政治体系中感受到。很快，它将以能够驾驶汽车、填充仓库和照顾儿童和老人的机器人的形式体现出来。它带来了一些障碍，例如难以理解的“黑匣子”算法、不道德的数据使用以及可能的工作岗位流失，但它也有可能解决社会目前面临的一些最重要的问题。随着机器学习 (ML) 的快速发展，人工智能在日常生活各个方面的部署范围和规模不断扩大，并且技术本身可以自行学习和改变，需要多方利益相关者的合作，以优化问责制、透明度、隐私和公正性，从而建立信任。然而，为了本研究的目的，我们将避开这些复杂的技术细节，而是展示被认为是最典型的情况。