XiaoMi-AI文件搜索系统
World File Search System数据集
诊断成像数据集统计版本
6。NHSP管理提供者与NHS资助护理专员之间的交易。《 2012年健康与社会护理法》（根据《卫生与护理法》第2022号法案修订）（20122年法案）指出，NHSP必须设定规则以确定专员为NHS医疗保健服务付款的金额（请参阅该法第114A条）。这包括急性，救护车，社区和心理健康服务。但是，NHSP不适用于根据2006年《国家卫生服务法》的规定确定付款的初级保健服务。
自动驾驶中的协作感知数据集
摘要 - 这项调查在车辆到基础设施（V2I），车辆到车辆（V2V）和车辆（V2X）（V2X）的背景下对协作感知数据集进行了全面检查。它重点介绍了大规模基准的最新发展，这些发展加速了自动驾驶汽车的受访任务的进步。本文系统地分析了各种数据集，并根据多样性，传感器设置，质量，公共可用性及其对下游任务的适用性进行比较。它还突出了关键挑战，例如域移动，传感器设置限制以及数据集多样性和可用性中的差距。在数据共享和数据集创建方面，强调了解决数据集开发中隐私和安全问题的重要性。结论强调了综合，全球访问数据集的必要性以及技术和研究社区的协作努力，以克服这些挑战并完全利用自动驾驶的潜力。索引术语 - 自主驾驶，协作感知，数据集，V2X通信
通过本体统一越野数据集的应用
抽象的机器学习（需要大型培训数据集）被用于启用感知：自动驾驶操作环境的分割和分类。由于条件和复杂结构的多样性，大型培训数据集很难为越野环境创建。因此，研究人员研究了统一现有数据集的方法，以开发更健壮和通用的机器学习算法。在我们的工作中，我们通过利用以前提出的基于本体的数据集统一技术来证明这种方法的优势。我们演示了建议的框架如何融合现有数据集以创建一个大型跨集成数据集，这不仅是基于预先存在的类，而且基于材料或结构层次结构。通过统一四个最突出的越野数据集DeepScene的Freiburg Forrest，Rellis-3D，RUGD和YCOR数据集来显示这一点。此外，我们演示了在这样的统一数据集上训练的机器学习模型比仅在较小数据集上创建的模型更准确，更健壮。最后，我们演示了如何利用基于猫头鹰的框架找到在机器学习模型的标签和培训期间发生的不一致之处。这项工作可在https://github.com/ tamu-edu/orator-atlas
基础模型的大规模掌握数据集
摘要 - 诸如Chatgpt之类的基础模型由于其对现实世界的普遍代表而在机器人任务中取得了长足的进步。在本文中，我们利用基本模型来解决Grasp检测，这是具有广泛工业应用机器人技术的持续挑战。尽管数据集很多，但与现实世界数字相比，它们的对象多样性仍然有限。幸运的是，基础模型具有广泛的现实知识存储库，包括我们在日常生活中遇到的对象。因此，对以前的GRASP数据集中有限表示的有希望的解决方案是利用这些基础模型中嵌入的通用知识。我们提出了Grasp-noth，这是一种从基础模型中合成的新的大规模掌握数据集来实施该解决方案。掌握在多样性和幅度上都擅长，具有文本描述和超过3M对象的1M样品，超过了先前的数据集。从经验上讲，我们表明，任何东西都成功地促进了对基于视觉的任务和现实世界机器人实验的零射击抓手的检测。我们的数据集和代码可在https://airvlab.github.io/grasp-anything/上找到。
农业计算机视觉数据集调查
摘要：在农业研究中，最近的计算机视觉（CV）工作的数量激增。但与一般简历研究不同，大型高质量的公共数据集可稀少。这可以部分归因于不同农业任务，农作物和环境以及数据收集的复杂性之间的高变异性，但也受许多作者发布数据集的沉默影响。这以及缺乏广泛使用的农业数据存储库，是有影响力的因素，阻碍了对农业的CV进行研究以及在通用CV研究中使用农业数据的使用。在本调查中，我们提供了大量在字段上拍摄的图像的高质量数据集。总体而言，我们找到了45个数据集，这些数据集在本文中以及项目网站上的在线目录中列出：https：// smartfarm- inglab.github.github.io/field_dataset_survey/。
档案 遗留大气探测数据集项目
或半个多世纪以上，田野凸轮在推进大气科学方面发挥了核心作用。尽管最近几十年目睹了在美国和国际实验的分类和归档现场数据的有组织的努力，这在很大程度上是通过国家大气研究中心（NCAR）的主持人（NCAR）的主持人，但从1950年代到1980年代的运动中的数据尚未系统地收集并在中央位置进行了存档。在这里，我们报告了采取措施纠正这种情况的努力，最初的重点是大气发声数据。此外，我们通过识别和找到过去现场活动的观察结果并将此信息报告到我们的项目网站上，向国际社会呼吁国际社会在这项努力中sist。
对脑电图数据集的机器学习算法的评论
mL已成为脑电图数据分析的关键工具，在BCI快速扩展的领域中起着至关重要的作用[6，11，13，26，28，29]。丰富的脑电图数据集的可用性为研究人员提供了使用ML技术的激动人心的机会，从而推动了创新的方法进行脑电图数据分析。然而，激增的研究产出导致了大量的论文，这对于具有计算机科学（CS）背景的新移民而言，这具有效地导航该领域。回答这个问题，我们的论文对当前文献进行了系统的综述，特别着眼于使用ML技术解释脑电图，从而强调了截至2023年的现行趋势。通过综合和组织这些发现，我们旨在促进对BCI研究现状的更深入了解，并提供指导，以确定未来研究的有希望的方向。为了进一步的帮助读者，我们包括表1，列出了本文中使用的首字母缩写词。这项全面的审查旨在使CS学生能够在BCI中使用知识和见解，从而为这个令人兴奋且迅速发展的领域做出有意义的贡献。
数据集和分析以通知公平投资
可再生能源开发可以通过创造就业，当地税收和降低能源成本来加强当地经济；但是，大多数需要经济发展和就业机会的社区通常会看到可再生能源部署水平较低。我们试图确定处于弱势社区指标以及具有成本效益的可再生能源机会相交和部署的高发电潜力的领域，可能会导致经济发展和创造就业机会。通过能源负担，环境危害和社会人口统计学数据与技术发电潜力的地理空间交集以及多种可再生能源技术的能源水平成本，我们计算了县级相关性和识别贫困的社区指标和可再生能源部署潜力的跨性别趋势。数据源和工具包括低收入能源可负担性数据（LEAD）工具，环境正义筛查和映射（EJSCREEN）工具，国家和本地能源平台和本地计划（Slope）平台以及可再生能源的整合和优化（REOPT）模型。指标包括公用事业尺度光伏（PV），屋顶PV（住宅和商业），分布式PV Plus Plus Storage，陆基风，地热和水力发电开发的水平成本和发电潜力。这项研究和相关的县级数据集旨在为国家和州级能源相关的援助计划，经济发展工作和基础设施计划提供信息，以优先考虑在不利社区的投资。
使用同形加密保护医疗数据集
在当今的数字景观中，在最大化数据实用程序的同时需要保护隐私的需求推动了加密解决方案的发展。同态加密，这是一种在没有解密的情况下对加密数据进行计算的范式，在这项工作中脱颖而出。这项调查深入研究了同态加密的核心，探索其理论基础，算法优化和实际应用。各种方案的弹性，尤其是基于晶格密码学的方案的弹性，对对抗性威胁进行了检查。该调查强调了正在进行的优化同态加密，平衡加密鲁棒性与计算效率的努力。强调适应性，研究表明了同态加密如何在医疗保健和云计算等各个领域中找到效用。此外，它探讨了同构加密与人工智能等新兴技术的相交，并有望提供隐私的数据分析。展望未来，调查解决了预期量子计算后的量子后同构加密的挑战。同态加密是一种关键的力量，塑造了以隐私为中心的数字未来，以实现安全数据处理。
使用PIMA数据集的机器学习方法
摘要当前的研究介绍了AdvansVM，这是一种改进的支持向量机，旨在使用PIMA印度糖尿病数据集来完善糖尿病预测。这项研究探讨了各种插补方法，以评估其对预测精度的影响，强调针对针对糖尿病预测的微调机器学习模型的特征选择的重要性。它还指出了数据平衡和复杂模型公式的重要性，以及需要更广泛的数据集推动该领域的前进进步的需求。挑战与数据集的特异性以及超出其范围之外的结果的扩展有关。具有自定义内核函数和量身定制的参数调整的AdvanSVM分类器解决了这些问题，同时还可以管理医疗数据中发现的固有不平衡。该研究针对PIMA数据集的独特挑战，例如缺失的信息和异常，以改善糖尿病的临床适用预测。对具有相关指标的模型的彻底评估证实了其提供精确糖尿病预测的潜力。