XiaoMi-AI文件搜索系统
World File Search System第一篇
RFID 系统简介 - TechRxiv
摘要 — 继互联网之后，全球信息产业的下一个重大革命是物联网。RFID 技术（即射频识别）在物联网的普及中起着至关重要的作用。RFID 作为识别传感器（将非计算设备连接到互联网）的独特特性是物联网大受欢迎的主要驱动力。虽然在采用 RFID 方面取得了长足的进步，但对创新所需的基本原理缺乏深入的了解。要从广泛接受的 RFID 技术中获益，全面回顾其所有组成部分将变得非常重要。本文分析了从二战到现在的文献，据我们所知，这是第一篇专注于实现物联网的 RFID 系统的调查。确实存在其他调查，它们不是分析旨在通过传感和执行设备实现物联网的技术，而是关注安全和隐私问题，或者在另一端讨论 RFID 系统的应用。在这篇调查中，我们对致力于将所有物理设备连接到互联网的 RFID 技术进行了详尽的回顾。我们从历史视角、演变、RFID 频率开始讨论，随后深入调查包括标签、阅读器和中间件在内的底层组件。为了减轻人们对威胁的认知，我们对安全和隐私进行了详细审查
使用数据驱动的方法对政府支出与影子经济之间的非线性依赖性进行建模
摘要：本文旨在使用非线性方法对影子经济规模与最重要的政府支出分别建模社会保护，健康和教育之间的关系。我们在1995年至2020年之间的横截面数据集上应用了四种不同的机器学习模型，即支持向量回归，神经网络，随机森林和XGBoost。我们的目标是校准一种算法，该算法可以比线性模型更好地解释影子经济规模的差异。此外，最大的模型已被用来预测30,000多个模拟支出组合的影子经济规模，以概述一些可能的拐点，之后政府支出变得适得其反。我们的发现表明，ML算法在R平方和根平方误差方面优于线性回归，而社会保护支出是阴影经济规模的最重要决定因素。进一步进行了我们对28个欧盟州的分析，在1995年至2020年之间，结果表明，当社会保护费用大于GDP的20％，健康费用大于GDP的6％，而教育费用占GDP的6％和8％的范围。据作者所知，这是第一篇用ML模拟影子经济及其决定因素（即政府支出）的论文。我们提出了一种易于复制的方法，可以在未来的研究中开发。
出版商和期刊对作者在学术和科学出版中使用生成人工智能的指示：文献计量分析
2022 年 12 月，《自然》杂志发表了第一篇讨论对在学术写作中使用 ChatGPT 和 GAI 的担忧的文章。14 从那时起，期刊和出版商开始更新其编辑政策和对作者的说明，以指导如何在学术研究中披露 GAI 的使用。《科学》杂志于 2023 年 1 月发表了一篇文章，表示决定禁止在写作过程中使用 GAI 生成文本、图形、图像或图表，并认为违反该政策构成科学不端行为。15 其他期刊允许在有限制的情况下使用 GAI，并要求完全披露。 16 出版伦理委员会 (COPE) 是一个由编辑、出版商、大学和研究机构组成的组织，旨在帮助所有学科的出版伦理规范，17 该委员会于 2023 年 2 月发布了一份关于研究出版物中人工智能工具的立场声明，18 强调“人工智能工具无法满足作者身份的要求，因为它们无法对提交的作品负责”，同时还建议了披露人工智能使用情况的方法，并强调作者对人工智能工具所产生的作品负责。18
公共管理中人工智能的采用和传播 - CentAUR
人工智能 (AI) 在公共管理中的应用势头强劲，人们希望实现个性化、精益和高效的智能公共服务。然而，人工智能在公共管理中的应用充满了公平、透明、隐私和人权方面的道德矛盾。我们称之为人工智能矛盾。目前的文献缺乏对人工智能在公共管理中的采用和传播的背景和过程理解，无法探索这种矛盾。先前的研究概述了人工智能在公共管理中使用的风险、好处和挑战。然而，在理解人工智能与公共价值创造之间的关系方面仍然存在很大差距。通过基于公共价值管理和企业资源观的系统文献综述，我们将技术-组织-环境 (TOE) 背景变量和吸收能力确定为影响 AI 采用的因素，如文献中所述。据我们所知，这是第一篇从公共管理中的 AI 实施和传播角度概述不同 AI 紧张关系的论文。我们为采用、实施和传播的整个 AI 创新生命周期制定了未来研究议程。
新学院 - 2023 年创纪录
人们常说（天哪，我们现在都知道这个道理！），在政治上，一周是很长的时间。但事实证明，在已成立 700 多年的牛津大学学院的生活和工作中，一年实在是太短了：自从我坐下来为《新学院纪事》撰写第一篇社论以来，似乎没有过多久，但我又在做同样的事情！我只想说，第二次写会容易一些。所有常规部分都包含在本期，记录了我们共同生活的方方面面。今年，我要特别提请大家关注内容特别丰富的讣告部分，其中对许多杰出的新学院人物表示了崇高的敬意：医生约翰·莱丁汉姆、音乐家大卫·拉姆斯登爵士（前管风琴师）和詹姆斯·鲍曼，以及国际经济学家乌韦·基茨辛格。特写部分也有很多有趣的内容。许多人都参与了《纪事》的制作。他们太多了，无法一一提及，但我对他们所有人都心存感激；当然还要感谢助理编辑娜塔莉·威尔克斯 (Nathalie Wilks)，她是整个团队的掌舵人，也是幕后真正的权力人物。
克服人工智能对民主造成的种族危害 克服人工智能对民主造成的种族危害
虽然美国的种族多元化程度正在提高，但生成性人工智能和相关技术却有可能破坏真正的代议制民主。如果不加以控制，人工智能将加剧现有的重大挑战，例如种族两极分化、文化焦虑、反民主态度、种族选票稀释和选民压制。合成视频和音频（“深度伪造”）受到了大部分公众的关注，但这只是冰山一角。针对种族的微定位虚假信息、自动选举管理中的种族偏见、歧视性投票限制、针对种族的网络攻击以及阻碍种族正义主张的人工智能监控只是人工智能威胁民主的几个例子。不幸的是，现有法律（包括《投票权法案》）不太可能应对这些挑战。然而，如果政策制定者、活动家和技术公司立即采取行动，这些问题并非不可克服。本文主张对人工智能进行监管，以促进种族包容的民主，提出了为监管人工智能提供框架的新原则，并提供了具体的政策干预措施来说明这些原则的实施。尽管种族是影响美国投票模式的最重要人口因素，但这是第一篇全面识别人工智能对民主造成的种族危害并提出前进方向的文章。
市场力量和价格风险
我们的目的是分析这些关于可再生能源价格暴露程度的选择如何影响投资完成后电力市场的表现。未来必须进行的大规模可再生能源投资使这个问题变得更加重要。我们的研究结果为如何以最低成本支持可再生能源部署的持续争论提供了关键见解。我们关注的是可再生能源定价方案如何影响企业对给定容量的竞标激励这一尚未得到充分探索的问题，这是电力市场表现的重要决定因素。这是分析长期变量（如进入、退出或新投资的容量和位置）的内生选择的必需的第一步。我们的贡献是捕捉价格暴露对市场力量的影响，这是一个与电力市场及其他领域相关的问题。我们提供了一个易于处理的模型和结构分析，比较了不同程度价格暴露下企业的市场行为。这种分析也适用于许多其他按顺序组织的市场（例如天然气、石油、排放许可、债券或股票等），在这些市场中，企业面临的价格风险程度取决于它们是签订的是短期合同还是长期合同。据我们所知，本文也是第一篇提供价格风险对市场力量的因果影响的文章，其中考虑到了抵消激励。
讨论
第一篇涉及作者对焊接支架试件疲劳试验的描述。他们报告说，试验表现出意想不到的行为，即试件在裂纹穿透厚度之前突然失效，并且根据试件边缘附近裂纹平面的应变计测量，净截面应力估计低于或非常接近屈服强度。对试件配置的检查表明，当支架焊接在缺口对面时，无论使用何种类型或厚度的材料，都会出现这种行为。裂纹似乎不太可能围绕相对较厚的焊接支架扩展，从而穿透另一侧，然后才扩展到主受拉构件的净截面足够远，从而因净截面屈服而失效。虽然参考的应变计测量结果表明破坏应力低于屈服应力，但根据本文图15 和提供的总应力数据对剩余净截面应力进行简单计算，结果表明实际净截面应力远高于屈服强度，可能超过 30 ksi。对样本配置进行更详细的有限元分析证实了这一结论。应变计测量结果似乎与其他信息不一致，可能是因为它们的位置或测量能力。
基于脑电图的心脏骤停后预测的深度学习：从当前研究到未来临床应用
心脏骤停 (CA) 后昏迷患者的结果预测至今仍是一个难题。临床结果的主要决定因素是缺氧/缺血后脑病。脑电图 (EEG) 通常用于评估昏迷患者的神经功能。目前，基于 EEG 的结果预测依赖于医学专家的视觉评估，这既耗时又容易产生主观性，并且无法识别复杂的模式。深度学习领域催生了用于在大量数据中检测模式的强大算法。因此，使用深度神经网络分析昏迷患者的 EEG 信号以协助结果预测是这些算法的自然应用。在这里，我们提供了关于使用深度学习进行 CA 后预测的第一篇叙述性文献综述。现有研究表明，无论是依靠自发或听觉诱发的 EEG 信号，在预测结果方面都具有总体较高的性能。此外，文献关注算法的可解释性，并表明深度神经网络在很大程度上基于临床或神经生理学上有意义的特征做出决策。我们通过讨论人工智能和神经病学领域未来需要共同解决的问题来结束这篇评论，以便深度学习算法能够打破出版障碍并融入临床实践。
土耳其人才流失：登记非...的证据
劳动力全球化导致熟练劳动力的迁移，即所谓的“人才流失”。据我们所知，本文是第一篇通过非回国本科毕业生的行政登记证据分析土耳其人才流失的研究。本文中的分析微观数据集完全基于土耳其共和国公共机构的行政登记。这些公共机构包括内政部、人口和公民事务总局（用于海外居住数据）和土耳其高等教育委员会 (CoHE)（用于高等教育数据）。结果通过描述性统计进行了分析。结果表明，2020 年本科毕业生的人才流失率为 3.23%。该比率是通过考虑 1,730,955 名毕业生中的 55,918 名非回国毕业生来计算的。土耳其人才外流最多的目的地是美国（22.4%）、德国（14.3%）和英国（11.6%）。在性别分布方面，男性人才外流率为 3.62%，女性人才外流率为 2.84%。结果表明，2011 年至 2020 年间，本科毕业生的人才外流率增长了 50% 以上。因此，未来的研究需要调查土耳其人才外流率高增长的原因。本文使用的海外居住数据基于居住在国外的土耳其本科毕业生的陈述。因此，实际数字甚至可能高于此处的数字。