XiaoMi-AI文件搜索系统
World File Search System语义技术
2024 年 4 月 9 日
约 95,000 平方公里的数据。 约 375,000 公里的机载地球物理数据。 606 次地面地球物理勘测。 约 228,000 个土壤样本结果。 约 32,000 个钻孔日志。总计 380 GB 的数据和 260,000 个文件。 该公司将利用 Planetary AI Ltd Xplore 矿产勘探技术，该技术是与 International Geoscience Services Limited 合作开发的。Xplore 是一个将语义技术与机器学习独特地结合在一起的系统。语义技术是人工智能的一个分支，专注于以机器可读的格式理解和表示数据、信息和知识的含义。它使计算机能够以类似于人类理解的方式理解、解释和推理数据，从而提高信息检索、集成和分析的有效性。这使得计算机能够像地质学家一样“理解”地质数据的含义和背景，以便根据特定的矿床模型确定潜在矿化区域。
核设施人员培训的系统方法
在过去的十年中，机器呈现，分享和行动知识的能力大大增加了。这在知识存储库（例如Wikipedia）和搜索引擎无处不在的知识存储库中变得很明显，如今，这些信息提供了与用户查询有关的大量信息，远远超出了他们仅在万维网上搜索文档的最初目标。启用这种发展的技术通常被定义为“语义技术”。从知识管理的角度来看，值得研究这些能力，这些功能在公共领域中最为明显的组织（在组织范围更为严格的范围内），并将它们与管理核知识所遇到的特定任务联系起来。
面向语义数据容器管理的可扩展性指南
语义技术有助于创建和管理概念模型（也称为本体），并将概念模型应用于大规模和分散的信息系统，以促进对数据和元数据的共同理解。语义数据容器管理是一种基于本体的方法，用于组织数据集并自动发现满足特定信息需求的数据集 [8]。语义数据容器方法目前正在空中交通管理 (ATM) 领域的合作研究项目 BEST (http://project-best.eu) 中开发。语义容器由数据项和元数据组成，它们提供了数据项要成为语义容器的一部分所要满足的成员条件的高级描述。成员条件通常描述数据项的地理空间和时间范围，
面向语义数据容器管理的可扩展性指南
语义技术有助于创建和管理概念模型（也称为本体），并将概念模型应用于大规模和分散的信息系统，以促进对数据和元数据的共同理解。语义数据容器管理是一种基于本体的方法，用于组织数据集并自动发现满足特定信息需求的数据集 [8]。语义数据容器方法目前正在空中交通管理 (ATM) 领域的合作研究项目 BEST (http://project-best.eu) 中开发。语义容器由数据项和元数据组成，它们提供了数据项要成为语义容器的一部分所要满足的成员条件的高级描述。成员条件通常描述数据项的地理空间和时间范围，
博世的神经符号人工智能：数据基础、洞察和部署
动机。神经符号人工智能 [ 1 ] 是指联结人工智能（神经网络）与符号人工智能方法（如本体和逻辑）的集成。工业 4.0 [ 2 ] 的技术进步带来了异构制造（大）数据的数量和复杂性的快速增长 [ 3 ]，使工业中的神经符号人工智能成为可能。尽管这个话题很受欢迎，但如何在工业中实现神经符号人工智能仍有待研究。在本文中，我们以博世的活动（图 1 ）为例来介绍神经符号人工智能，其中语义技术发挥着至关重要的作用，包括 1）数据基础，它依赖于语义数据集成将异构数据统一为统一格式，2）洞察，它利用数据驱动的方法，尤其是机器学习（ML）从数据中提取知识，以及 3）部署，它给出了从数据中创造价值的工业案例。
abimed：迈向一种用于药物审查和多药管理的创新临床决策支持系统
摘要。老年人中的多药是临床（不良药物事件的增加）和经济问题的公共卫生问题。一种解决方案是药物审查，这是药剂师对患者药物的优化治疗的结构化评估。但是，此任务乏味，认知复杂且容易出错，并且仅提出了少数临床决策支持系统来支持它。现有系统是实施准则的基于规则的系统，或者是呈现药物知识的文献系统。在本文中，我们介绍了Abimed的研究项目，通过文献评论和头脑风暴，我们确定了五项用于药物审查的决策支持系统的候选创新：从GP到药剂师的患者数据转移，使用语义技术，基于规则的方法和基于规则的方法和纪录片的方法，机器学习协会，使用机器学习以及使用药剂师和GP的两条讨论。
Jiaoyan Chen, Mr.
2022 年 11 月 – 至今：英国曼彻斯特大学计算机科学系讲师（助理教授，永久）。 2023 年 5 月 – 至今：英国牛津大学计算机科学系高级研究员（兼职，20%）。报告给 Ian Horrocks 教授。 2022 年 12 月 – 2023 年 4 月：英国牛津大学计算机科学系访问研究员。 2017 年 11 月 – 2022 年 10 月：英国牛津大学计算机科学系高级研究员。报告给 Ian Horrocks 教授。 2020 年 3 月 – 2021 年 2 月：腾讯科技 Jarvis 实验室技术顾问，中国深圳。 2019 年 12 月 – 2020 年 2 月：牛津语义技术技术顾问，英国牛津。 2016 年 10 月 – 2017 年 9 月：德国海德堡大学地理信息科学研究小组博士后研究员。报告给 Alexander Zipf 教授。
语义驱动的交易空间框架，用于加速飞机制造系统设计
在飞机制造系统的设计阶段，需要根据关键性能指标评估不同的工业场景，以实现最佳系统性能。这是一个高度复杂的过程，涉及多学科利益相关者、各种数字工具和协议。为了解决此过程中的数字不连续性挑战，本文提出了一种基于语义技术和基于模型的系统工程的交易空间框架。它旨在实现需求管理、架构定义、制造系统设计、解决方案验证和可视化的功能集成。开发了一个应用本体来集成装配系统领域知识、工业需求和系统架构模型信息。所提出的框架在案例研究中得到实施，以支持机身轨道接头工艺设计，这是飞机总装线的一部分。提出了一个工具链来支持实施，该工具链由一组与框架功能模块相对应的支持软件组成。工业系统工程师首先在应用本体的支持下设计不同的制造系统架构