XiaoMi-AI文件搜索系统
World File Search System维和
联合国维和行动中的战略传播
战略传播日益被认为是联合国和平行动成功履行减少暴力、维持和平职责和管理对其能做和不能做的事情的期望的重要手段。虽然公共信息和传播早已被认为是联合国和平行动的重要工具，但传播格局的快速变化，包括社交媒体的大规模渗透和智能手机使用的增加，给联合国特派团的行动和声誉带来了新的风险。武装团体和其他利益攸关方正在利用这些变化来影响人们对政治格局的看法，破坏对特派团的信心，有时甚至煽动针对平民、联合国人员和其他目标的暴力行为。与此同时，通信革命为联合国和平行动提供了与公众分享信息和收集公众意见的新能力。
员工工作文件937-比较思维和...
对比，ML Tictactoe播放器学会了不要从游戏数据库或反复玩游戏中丢失游戏。在更复杂的问题中，对基于规则的AI进行编程，该规则可以预期系统中所有可能的状态很快变得不可行。mL方法通常分为三类：监督学习，不受欢迎的学习和强化学习。在监督学习中，ML算法从数据中学习输入和输出对之间的关联。输出是监督信号，模型学会从输入中推断出来。例如，一个计算机从包含借款人（输入）特征的数据集中学习（输入）（输出）。然后使用该模型来预测未来的借款人是否可能默认。在无监督的学习中，ML模型在输入数据中发现模式。没有输出（监督信号）。例如，一个无监督的ML模型群集借款人会根据其相似性或识别相对于整个数据集的异常数据点。在增强学习中，计算机代理试图在导致最大奖励的环境中识别动作顺序。代理需要探索环境以学习最佳策略。例如，强化学习者通过多次对抗来掌握棋盘游戏来掌握棋盘游戏。该系统的设计使得代理在赢得游戏时会获得奖励，并且在输掉比赛时会受到惩罚。，2018年），监督模型，从图像中检测皮肤癌（Esteva等人，2018年）。代理人仅编程以寻求奖励，但是在开始学习之前，没有任何策略配备任何策略。近年来，AI的许多里程碑成功，例如强化学习代理人玩耍（Silver等人，2017年），或者可以编写连贯文本的无监督语言模型（Brown等人，2020）基于深度人工神经网络，也称为深度学习。通过将输入数据从网络中的图层传递到图层，以越来越抽象的方式表示。提供了足够的数据点，可以从其中学习有意义的表示，深度学习模型可以从非结构化高维数据（例如图像，文本和声音）中提取信号。这是一项更传统的ML方法的任务。在许多AI应用中，人类和机器共同运行既稳定又有效的系统。财务系统也不例外。对于财务系统，稳定性是指吸收冲击的能力，同时防止对真实经济的破坏（Schinasi，2004年）。许多出色的论文已全面审查了AI在财务部门的应用，几项研究集中在其财务稳定性的暗示上（金融稳定委员会，2017年； Danielsson等人。，2019年； Gensler和Bailey，2020年）。我们的论文重点关注这些应用程序（从交易和贷款到监管和政策制定）最好地说明了人类和机器的一些优势和劣势。，2006年； Bacoyannis等。，2015年）。例如，在算法交易中使用AI具有明显的执行速度和同时考虑大量信息的能力（Nevmy-Vaka等人。此外，算法交易者不太可能犯错或有偏见的非理性决定（Jain等人，但大多数AI代理都是
联合国维和行动军事和建制警察部队组建和部署手册
本手册涵盖军事单位 1 和防暴队的组建和部署。这些类别构成了大多数部署人员，并且组建和部署他们的流程也类似。手册中明确指出了任何差异。但是，就防暴队而言，本手册不涵盖确保有效挑选和部署防暴队参与维和行动的评估程序、防暴队的部署条件、防暴队的作用和组成、防暴队在实地的使用及其使用范围和限制（包括使用武力），以及联合国警务方法所蕴含的价值观（载于维和部/警务司发布的指导意见 2 ）。同样，本手册不涵盖与个人（警察和军队）以及警官和民事警务专家的管理有关的程序
燕尾榫接头的二维和三维建模有效性...
世界。如果不使用数字孪生技术，就不可能制造出具有全球竞争力的现代化发动机：数字孪生技术是一套能够充分描述任何工作条件下结构行为的计算模型。如今，复合材料被广泛应用于许多行业。在航空发动机中，它们非常有前景地用于风扇叶片和风扇壳，以减轻发动机的总重量和惯性载荷。风扇叶片的燕尾榫接头在复合应力条件下工作。为了评估该元素的强度，需要考虑问题的三维公式，这需要大量的计算资源。复合材料的使用因准备网格模型的复杂性而变得复杂。正确选择材料强度标准是分析厚壁复合结构机械行为时必须考虑的另一个重要因素。所选标准在很大程度上决定了复合结构的可靠性和重量效率。本文探讨了在采用丹尼尔强度准则对碳纤维布风扇叶片燕尾榫接头进行初始阶段合理加固方案选择时，将问题三维表述替换为二维表述的可能性。
Archimer 二维和轴对称体的进出水
本文致力于开发一个数值模型，用于对具有施加运动的二维 (2D) 和轴对称物体进行水冲击。这项工作是实施用于分析飞机迫降的 2D+t 程序的第一步。在假设流体为无粘性和不可压缩流体的情况下研究该问题，该流体由具有自由表面完全非线性边界条件的势流模型建模。通过边界元法对具有自由表面的非稳定边界值问题进行数值求解，并与简化的有限元法相结合以描述射流的最薄部分。这项研究旨在描述进入和退出阶段。开发了特定的数值解来解决退出阶段并提高模型的稳定性。结果以自由表面形状、压力分布和作用于撞击体的流体动力载荷的形式呈现。该模型用于研究 2D 楔形体和轴对称锥体的进水和出水，文献中提供了相关数值或实验结果。数值研究表明，所提出的模型可以准确模拟进入和退出阶段。对于退出阶段，结果表明，所提出的模型是完全非线性的，与简化（分析）方法相比，它可以更好地预测负载和浸湿面积。重力的影响通常被忽略
分开算法思维和编程
pentadiamond是一种由杂化SP 2和SP 3原子组成的碳同素同质量，该原子被预测是稳定且可合成的。在这项工作中，我们采用第一个原理计算来探索五角大陆的电源结构，光学特征，机械响应和晶格导热率，并与钻石中的相应特性进行了直接比较。HSE06密度功能可预测五角星和钻石的间接电子带隙，其值分别为3.58 eV和5.27 eV。光学特征的结果表明，五角星在中部紫外线区域的吸收量很大，其中钻石没有吸收光，与较小的五角星的带隙一致。发现五角星的弹性模量和拉伸强度分别为496 GPA和60 GPA，大大低于钻石的相应值。通过求解Boltzmann的传输方程来检查晶格的热导率，并通过通过最新的机器学习的原子间电位评估了Anharmonic Force常数。我们预测，五角星原子的热电导率为427 w/m-k，不到钻石相应数量的三分之一。我们的结果提供了五角星原子的内在特性的有用视觉，但与钻石相比，它在机械强度和热传导方面的某些缺点。
电和机械纳米探测诱导钙钛矿薄膜结构相变至二维和三维氧空位模式
钙钛矿氧化物中的氧空位迁移和排序使得能够通过改变阳离子氧化态和晶格来操纵材料特性。在薄膜中，氧空位通常排列成等距平面。本文表明，如果机械纳米探针限制了空位产生的化学晶格膨胀，平面二维对称性就会被破坏。使用原位扫描透射电子显微镜，可以在局部机械应变下的电压脉冲过程中对外延 La 2/3 Sr 1/3 MnO 3– δ 薄膜中从钙钛矿结构到 3D 空位有序相的转变进行成像。这种前所未见的排序模式由扭曲的氧四面体、五面体和八面体的复杂网络组成，它们共同产生波纹原子结构，晶格常数在 3.5 到 4.6 Å 之间变化。巨大的晶格畸变对应变变化反应灵敏，为由电压驱动和应变控制的非挥发性纳米级物理特性控制提供了前景。
二维和三维脑电信号的 CNN 图像分类研究
摘要。目的：本研究的创新之处在于探索了多种脑电波信号数据预处理的新方法，其中提取统计特征，然后根据降维算法选择它们的顺序将其格式化为视觉图像。然后，这些数据被处理为 2D 和 3D CNN 的视觉输入，然后进一步提取“特征的特征”。方法：从三个脑电图数据集得出的统计特征在视觉空间中呈现，并分别在 2D 和 3D 空间中处理为像素和体素。对三个数据集进行了基准测试，即来自四个 TP9、AF7、AF8 和 TP10 10-20 电极的心理注意力状态和情绪价以及来自 64 个电极的眼睛状态数据。通过三种选择方法选择了 729 个特征，以便从相同的数据集中形成 27x27 图像和 9x9x9 立方体。为 2D 和 3D 预处理表示而设计的 CNN 学习从数据中卷积有用的图形特征。主要结果：70/30 分割方法表明，在 2D 中，特征选择分类准确度最高的方法是注意力状态的单一规则和情绪状态的相对熵。在眼部状态数据集中，3D 空间最佳，由对称不确定性选择。最后，使用 10 倍交叉验证来训练最佳拓扑。最终最佳 10 倍结果是注意力状态（2D CNN）97.03%，情绪状态（3D CNN）98.4%，眼部状态（3D CNN）97.96%。意义：本研究提出的框架的结果表明，CNN 可以成功地从一组预先计算的原始 EEG 波的统计时间特征中卷积出有用的特征。 K 折验证算法的高性能表明，除了预先计算的特征之外，CNN 学习到的特征还包含对分类有用的知识。
扩展思维和人为自传记忆
分布的自传记忆在社会心理学理论中受到了极大的关注（例如，Harris，Barnier，Sutton＆Keil，2014; Wegner，1986），在关于认知者与他们的人物环境之间的关系中，在很大程度上被忽略了。因此，本文的目的是通过讨论有关令人回味的对象和生命的经验工作，并概念化这些对象和技术如何整合到生物学记忆过程中，从而改变我们自传记忆的结构（Bell＆Gemmell，2009年），来引起人们对人为自传的纪念的关注。在与回忆性的对象进行相互作用时，我们通常将信息整合到大脑和世界上，以构建自传记忆，从而使我们能够以与在没有此类对象的情况下记住过去完全不同的方式记住我们的个人过去。本文中的一个特定重点是自传依赖性的维度，这是我们依靠对象能够记住个人体验的程度。我将讨论各种程度的自传依赖性，范围从低至中等到强度。这种依赖性越强，记住我们个人过去的车辆和过程都越大。本文具有以下结构。我首先要确定两个参数，以支持扩展思维，一个基于奇偶校验，另一个基于代理和外部资源之间的互补性，将后者优先考虑（第2节）。i分类法对不同的人类记忆系统进行了简要描述人类自传记忆的某些特性（第3节）。接下来，我区分用于实用认知任务的认知文物和用于记住我们个人过去的回忆物体，重点是后者（第4节）。i以概念化自传依赖性的维度结束了本文（第5节），并进行了一个案例研究，其中概念化了代理与救生技术之间的整合程度（第6节）。