XiaoMi-AI文件搜索系统
World File Search System耶众
众包神经科学
当我们在社交行为中感到联系或参与时，我们的大脑是否真的在正式、可量化的意义上“同步”？大多数研究都使用高度控制的任务和同质的受试者池来解决这个问题。为了采取更自然的方法，我们与艺术机构合作，众包神经科学数据：在 5 年的时间里，我们从数千名博物馆和节日游客那里收集了脑电图 (EEG) 数据，他们自愿参与 10 分钟的面对面互动。熟悉程度不同的两对参与者坐在互波机内——这是一种艺术神经反馈装置，可将每对 EEG 活动的实时相关性转化为光图案。由于此类参与者之间的 EEG 相关性容易受到噪声污染，在随后的离线分析中，我们使用虚部相干性和投射功率相关性计算了大脑间耦合，这两个同步指标在很大程度上不受瞬时噪声驱动相关性的影响。当将这些方法应用于具有最一致协议的两个记录数据子集时，我们发现配对的特质同理心、社交亲密度、参与度和社交行为（联合行动和眼神接触）一致地预测了他们的大脑活动同步的程度，最显著的是低 alpha（~7-10 Hz）和 beta（~20-22 Hz）振荡。这些发现支持这样一种观点，即在动态、自然的社交互动过程中，共同参与和联合行动会驱动耦合的神经活动和行为。据我们所知，这项工作首次证明了跨学科、现实世界、众包神经科学方法可能提供一种有前途的方法来收集与现实生活中面对面互动有关的大量丰富数据集。此外，它还展示了普通公众如何参与和参与实验室外的科学过程。博物馆、美术馆等机构或公众出于自我激励而积极参与的任何其他组织都可以帮助促进此类公民科学研究，并支持在科学控制的实验条件下收集大量数据集。为了进一步提高公众对实验室外实验方法的兴趣，本研究的数据和结果通过一个专门为公众量身定制的网站传播（wp.nyu.edu/mutualwavemachine）。
众筹可再生能源投资
众筹已成为替代金融行业中一种可行的工具，用于补充政府和银行投资无法覆盖的项目（包括可再生能源）的融资。然而，关于发展中国家（尤其是非洲）的众筹文献仍然很少，人们对其从借贷（众筹）或投资角度（而不是捐赠或慈善）为可再生能源融资做出重大贡献的潜力知之甚少。在本文中，我们以西非加纳为例，通过调查发展中国家背景下的群体认知，围绕众筹的机制和动态进行了闭环研究。我们采用了以集体行动、社会证明、说服、网络和信号理论为基础的综合文献综述，并辅以对加纳家庭散户投资者的批判性焦点小组访谈，以提炼与可再生能源众筹有关的关键问题和担忧。然后，我们根据研究结果提出了一个概念框架。我们的研究结果表明，可再生能源和可供大众选择的投资替代品之间的财务回报存在不公平的竞争环境。因此，众筹领域需要精心设计，以提高非金融属性的吸引力，例如开发商/筹款人的声誉和项目可行性，以进一步加强项目经济效益。此外，对众筹平台安全性和易用性的看法也得到了强调，前者是更广泛的银行或金融系统的挑战。总体而言，本文强调需要社会认同和质量信号来吸引家庭投资者。建议进一步研究此类发展中市场集体行动的动机。
人工智能能帮助众包吗？基于理论的众包竞赛创意筛选模型
1 我们不使用 Berger 和 Packard 的基于潜在狄利克雷分析 (LDA) 的方法，因为它提取了最流行 (常见) 的主题 (维度)，例如词束。LDA 方法在新产品创意的背景下可能会出现问题，因为 LDA 可能会将新颖和独特的词归类为“错误”。成功的新产品创意往往是新颖或独特的 (Dahl and Moreau 2002；Toubia 2006)。在众包创意竞赛中，在创意级别而不是主题级别捕捉非典型性的指标可能更胜一筹，因为它不会筛选出这些新颖或独特的创意。
挪威耶洛奈夫市耶洛伊市...
一般基金营运支出 广义政府 — 人员编制 149,200 0 0 149,200 0 0 0 149,200 社区服务 — 人员编制 153,300 0 0 153,300 0 0 0 153,300 规划及发展 — 人员编制 6,800 0 0 6,800 0 0 0 6,800 公共安全 — 人员编制 148,300 0 0 148,300 1.00 100,200 0 100,200 248,500 公共工程及工程 — 人员编制 76,750 0 0 76,750 1.00 32,000 0 32,000 108,750 法律费用 45,000 0 0 45,000 0 0 0 45,000 人力资源市场调查 0 50,000 0 50,000 0 0 0 50,000 软件维护/采购 0 44,000 0 44,000 0 0 0 44,000 社区服务运营审查 0 50,000 0 50,000 0 0 0 50,000 无障碍交通 0 0 0 0 0 0 0 0 供暖燃料成本 15,850 0 0 15,850 0 0 0 15,850 垃圾收集 21,000 0 0 21,000 0 0 0 21,000 公共交通 10,000 0 0 10,000 0 0 0 10,000 冬沙 15,000 0 0 15,000 0 0 0 15,000 公民周年纪念 0 0 0 0 15,000 0 15,000 15,000 北极冬季运动会费用 0 0 0 0 0 50,000 50,000 641,200 144,000 0 785,200 2.00 147,200 50,000 197,200 982,400 运营支出削减 应计未来福利减少 (48,000) 0 0 (48,000) 0 0 0 (48,000) 保险费减免 (18,250) 0 0 (18,250) 0 0 0 (18,250) 规划研究 0 (30,000) 0 (30,000) 0 0 0 (30,000) 2006 年一般评估 0 0 0 0 (15,000) 0 (15,000) (15,000) 电力成本 (8,900) 0 0 (8,900) 0 0 0 (8,900) 其他 0 0 0 0 0 0 0 0 (75,150) (30,000) 0 (105,150) (15,000) 0 （15,000）（120,150）
迪耶瓦教授
传记 Di Ieva 教授于 2002 年获得医学学位，并于 2007 年在意大利获得神经外科专业学位。2007 年至 2009 年，他担任米兰的神经外科顾问，主要参与脑肿瘤和垂体肿瘤的治疗，与耳鼻喉科和颅颌面外科医生、肿瘤学家和放射肿瘤学家密切合作，并参与神经创伤的紧急处理。2009 年至 2011 年，他还在奥地利维也纳医科大学解剖学和细胞生物学中心担任研究员，并在那里获得临床神经科学博士学位（引入神经病理学和 MRI 的创新方法）。2012 年，他被任命为神经解剖学副教授，并多次受邀在意大利、奥地利、瑞士、德国、美国和阿联酋等多个国家教授神经创伤学和神经外科。 2014 年，Di Ieva 教授在多伦多大学圣迈克尔医院完成了为期 3 年的颅底外科临床和研究奖学金，在那里，他还获得了伽玛刀放射外科方面的进一步经验，并继续在加拿大安大略省最大的创伤中心之一进行急诊神经外科手术。他的多学科经验使他能够领导出版“颅底外科手册”（Thieme，纽约，2015 年），这是全球该领域使用最多的书籍之一。2015 年，Di Ieva 博士搬到悉尼，在那里他进一步从事普通神经外科和复杂脊柱外科工作（主要在麦考瑞大学医院、北岸私立医院和皇家北岸医院以及悉尼基督复临安息日会医院），并于 2017 年获得澳大利亚皇家外科学院的奖学金。他是麦考瑞神经外科和麦考瑞大学医院的全职顾问神经外科医师，也是麦考瑞大学的神经外科教授。临床专长 神经肿瘤学（中枢和周围神经系统肿瘤和癌症的外科和多学科治疗）；垂体和颅底手术（包括治疗影响脑神经和颅颈交界处的复杂肿瘤和疾病）；疼痛治疗（包括显微血管减压和经皮治疗颅面疼痛和面肌痉挛、周围神经减压、脊柱手术、神经调节）；显微神经外科、内窥镜和微创（“锁孔”）神经外科；清醒手术和神经监测；脑积水；神经创伤学，包括脑外伤和脊柱损伤以及脑震荡后患者的多学科管理。 学历
利用智能手机开展众包项目
a Hochschule für Technik Stuttgart，Schellingstr 24，70174 Stuttgart，德国 - (eberhard.guelch，shohrab.uddin)@hft-stuttgart.de b Imkerverein Waiblingen e.V.Waiblingen，德国 - bernhardwilli@web.de ICWG III/VII 关键词：花朵识别、蜂蜜产量网络门户、地理定位、无人机 摘要：Beesmart 项目旨在利用智能手机的众包方法推导出蜜蜂的地理定位产量目录。因此，核心问题是智能手机应用程序 (App2bee) 的设计以及花朵识别软件的设计，该软件使用智能手机的传感器信息和开花时间信息来识别和定位花朵。实施的花卉识别基于“最小视觉词袋”方法。分类准确率可达到约 60-70%，当然，这受花卉种类繁多的影响，也受图像拍摄方式以及图像质量和分辨率的影响。通过在触摸屏上应用先验简单的手动分割将图像焦点放在所讨论的花朵上，分类结果得到进一步改善。介绍了 App2Bee 的设计和功能，然后详细介绍了通信、数据库和 Web 门户组件。在项目的第二部分，使用固定翼无人机系统研究对蜜蜂很重要的较大花卉区域的分类，该系统配备两种不同类型的相机，即 RGB 数码相机和 NIR 数码相机。当然不可能识别单朵花，但可以证明，相同花朵的较大花田，例如红三叶草，可以用这种方法进行分类。利用现有数据，还可以对裸地、道路、低牧场、高牧场以及混合牧场进行分类。对于高牧场，可以自动识别花簇，如蓍草。1.简介
众包 GNSS 智能手机的自动选择......
智能手机已转换为便携式GNSS（全球导航卫星系统）接收器。具有数十亿此类设备记录的GNSS数据具有很大的科学研究潜力，并具有前所未有的时空分辨率。但是，目前访问大型GNSS智能手机数据的访问量是有限的，并且数据处理具有挑战性。Camaliot项目（机器学习技术在GNSS IOT数据融合中的应用）旨在解决这些问题，以促进众包GNSS数据的可用性，以进行天气预报和太空天气监测。Camaliot众包活动中大量的GNSS数据具有异质性的质量。为了应对此数据处理挑战，我们使用机器学习（ML）开发了一种自动数据选择算法。在这项研究中，比较了不同ML模型的分类性能。还检查了不同数据质量指标的重要性。初始结果表明，基于ML的分类器可以在广告系列的实际数据上获得95％的精度，而无需为质量指标设置明确的阈值。基于选定的智能手机GNSS数据，也进行了对流层参数估计实验。
扎耶德大学战略
在阿联酋，领导层已经勾勒出了一个全新的未来愿景。政府的 2071 百年计划赋予教育机构重大责任，以迎接未来的发展方向。11 该计划概述了发展“一流”教育体系和改革现有教育体系和教学法的必要性。该计划还指出，“鼓励教育机构成为创业和创新的孵化器，并充当国际研究中心”。因此，扎耶德大学必须坚持不懈地完成这一使命。该计划还强调了私营部门在阿联酋青年就业中的作用。自建国以来，阿联酋人一直偏爱公共部门，而大多数外籍人士则在薪酬竞争力较低、要求更高的私营部门工作。政府推出的 NAFIS 计划是一项全面的联邦计划，其中包括改革和财政激励措施，以推动私营部门为年轻和经验丰富的阿联酋人提供工作机会。根据 NAFIS，阿联酋将在 2021 年至 2025 年期间投入高达 240 亿迪拉姆（65.3 亿美元），在私营部门雇用 75,000 名阿联酋公民。其目标是到 2025 年让阿联酋公民占据阿联酋私营部门 10% 的就业岗位。12 因此，如果要实现这些目标，私营部门和教育之间的协调至关重要。技术在教育中的作用日益重要，在疫情期间变得更加重要。13 这些因需要而产生的变化现已成为永久性的变化，教师和学生相信，拥抱技术可以让他们受益匪浅。这种向数字化转型的举措创造了机会。如果学生可以远程学习学位课程，那么理论上他们可以申请世界上任何一所学校。在这种环境下，只有那些不断创新、注重学习质量同时开发独特产品的人才能茁壮成长。