XiaoMi-AI文件搜索系统
World File Search System静默
DE-FOA-0002459 – 开放 2021 - ARPA-E
答案：否。发布此资助机会公告 (FOA) 后，ARPA-E 项目主管和其他 ARPA-E 人员不得就 FOA 与申请人或潜在申请人进行（书面或其他方式）沟通。此“静默期”将一直有效，直到 ARPA-E 公开宣布其项目选择。在“静默期”内，申请人可以向 ARPA-E-CO@hq.doe.gov 提交有关 FOA 的问题，并在主题行中注明 FOA 名称和编号。申请人还可以向 ExchangeHelp@hq.doe.gov 提交有关 ARPA-E 在线申请门户 ARPA-E eXCHANGE 的问题，并在主题行中注明 FOA 名称和编号。ARPA-E 不会接受或回应通过其他方式（例如传真、电话、邮件、亲自递送）收到的通信。发送到其他电子邮件地址的电子邮件将被忽略。
全球健康研究中的人工智能伦理
3 达拉拉纳公共卫生学院 背景 人工智能 (AI) - 机器学习 (ML) 的一个子集 - 是指可以根据输入（数据）到输出（标签）的映射对新案例进行推理的计算系统。准确预测患者当前或未来健康状况的能力是一项宝贵的特性，但这样做并不能保证患者会受益。在最近对临床 AI 工具的系统评价中，只有五分之二的技术性能良好的工具也与患者结果的改善有关 1 。这些试验至关重要，原因有二：1) 可靠地确定关于 AI 工具对特定患者结果的因果影响的知识；2) 因为 AI 可能会引入新的和无法预料的错误，包括自动化偏见 2 和算法不公正 3 。确保 AI 的采用真正使患者受益反映了对循证实践、负责任的健康数据管理、组织问责制和有效利用医院资源的承诺。此外，正如我们在引入电子健康记录时所看到的那样，技术集成的方式和价值观一致的认知会对医护人员对该工具的满意度产生积极或消极的影响。出于所有这些原因，证明 AI 工具有益于患者对于患者和医护人员的道德融合至关重要。当 AI 工具的训练人群和环境与集成人群和环境高度相似时，AI 工具是最可靠的。因此，AI 系统性能的普遍性是一个有争议的问题 4 。在国际上使用 Watson for Oncology 等系统已被证明是非常不合适的。假设而不是测试模型的性能将在新环境中保留是失败的根源。中低收入国家 (LMIC) 可能合理地希望采用 AI 技术，其中一些技术可能在外部开发和试用。在某些情况下，人口分布将与训练人群有很大不同，这对系统的公平性提出了额外的担忧。国际医疗保健组织应如何确保其绩效在当地人群中得以保留，并促进而不是损害对患者的公平？本治理文件提出，静默审判是保护患者利益和伸张正义的关键过程。静默审判在模型开发中，最初使用精选数据集中的历史数据开发和验证算法，作为初步概念证明，即在给定特定输入（数据）的情况下可以有效映射某些输出（标签）。虽然这种验证是负责任的 AI 评估 5 的重要组成部分，但它不足以确保在临床环境中具有类似的性能。因此，静默试验（又称影子试验或静默模式）是指在预期的临床环境中部署模型，其中模型对活跃病例进行推理并做出预测——然而，这些预测只有研究团队可以看到，不会影响患者护理。这些预测被记录下来，并与真实的临床结果或人为因素进行比较。
![arXiv:2002.03851v7 [eess.AS] 2020 年 5 月 4 日](/simg/e\e27bea09feb84a8d62f2925b6571f12b1efc8a7c.webp)
arXiv:2002.03851v7 [eess.AS] 2020 年 5 月 4 日
连续静默语音识别模型试图解码人们在脑海中阅读的内容。它可以被认为接近于读心术问题，其中思想也被解码。沿着这个方向的研究可以使有严重认知障碍的人使用 Siri、Alexa、Bixby 等虚拟助手，从而提高技术的可访问性。它还可以使有认知障碍的人与其他人交流。连续静默语音识别技术还可以让士兵和科学家在敏感的工作环境中进行秘密通信。最后，连续静默语音识别技术可以为身体健全的人引入一种新的基于思想的交流形式。脑电图 (EEG) 是一种通过将 EEG 传感器放置在受试者的头皮上来测量人脑电活动的非侵入性方法。即使空间分辨率较差，EEG 信号也具有很高的时间分辨率。另一方面，皮层电图 (ECoG) 是一种测量人脑电活动的侵入性方法。 ECoG 信号具有与 EEG 信号相似的时间分辨率，但比 EEG 信号具有更好的空间分辨率和信噪比 (SNR)。ECoG 的主要缺点是它是一种侵入性程序，需要受试者接受脑部手术才能植入 ECoG 电极。在这项工作中，我们使用非侵入性 EEG 信号来解码受试者的想法或执行连续无声语音识别。在 [1, 2, 3] 中，作者展示了使用 EEG 信号进行孤立和连续语音识别，这些信号是在受试者大声说出英语句子和听取有限英语词汇的英语话语时并行记录的。[2, 3, 1] 中的作者使用端到端自动语音识别 (ASR) 模型，如连接主义时间分类 (CTC) [4]、注意模型 [5] 和传感器模型 [6] 将 EEG 输入特征直接转换为文本。在 [7, 8] 中描述的一项最新工作中，作者展示了直接从 EEG 特征合成语音的可行性。尽管在[3]中，作者们利用被动聆听过程中记录的脑电图信号展示了语音识别，但他们的实验
verint.pdf - Ofcom
本报告由 Ofcom 委托，由 Verint Consulting (“VC”) 代表团队编写。Ofcom 在其《关于持续滥用电子通信网络或服务的政策声明》（2006 年 3 月）（“原始声明”）和《修订声明》（2008 年 9 月）中都提到了外拨联络中心运营中静音和放弃呼叫的问题。实际上，他们试图消除前者，并将后者减少到不超过实时呼叫的 3%。应答机检测（“AMD”）技术用于尝试识别和断开已由（或将由）应答机（“AM”）应答的呼叫。该技术之所以受欢迎，是因为它减少了代理花在收听和断开 AM 呼叫上的时间，使他们有更多时间与消费者交谈。我们报告的第 8 节讨论了这种影响及其相关论点。在修订声明发布之前，AMD 技术显然通过误报（“FP”）的存在而创建了大量静默呼叫——这种情况是技术错误地将接听方评估为 AM 并断开连接。这在最好的情况下会导致放弃呼叫，在最坏的情况下（通常是）会导致静默呼叫。修订声明要求在放弃呼叫率的计算中包括对 FP 的合理估计。指南的这一修订引起了人们的关注和担忧，这导致 Ofcom 想要
verint.pdf - Ofcom
本报告由 Ofcom 委托，由 Verint Consulting (“VC”) 代表团队编写。Ofcom 在其《关于持续滥用电子通信网络或服务的政策声明》（2006 年 3 月）（“原始声明”）和《修订声明》（2008 年 9 月）中都提到了外拨联络中心运营中静音和放弃呼叫的问题。实际上，他们试图消除前者，并将后者减少到不超过实时呼叫的 3%。应答机检测（“AMD”）技术用于尝试识别和断开已由（或将由）应答机（“AM”）应答的呼叫。该技术之所以受欢迎，是因为它减少了代理花在收听和断开 AM 呼叫上的时间，使他们有更多时间与消费者交谈。我们报告的第 8 节讨论了这种影响及其相关论点。在修订声明发布之前，AMD 技术显然通过误报（“FP”）的存在而创建了大量静默呼叫——这种情况是技术错误地将接听方评估为 AM 并断开连接。这在最好的情况下会导致放弃呼叫，在最坏的情况下（通常是）会导致静默呼叫。修订声明要求在放弃呼叫率的计算中包括对 FP 的合理估计。指南的这一修订引起了人们的关注和担忧，这导致 Ofcom 想要
2022/2023 年国际招生
大学举办丰富多彩的活动、比赛、公开讲座、研讨会、参观或社区服务，丰富学生的校园生活。您还有机会与我们邀请的演讲者和顶尖学者互动。我们的图书馆是澳门最大的图书馆，面积约 30,000 平方米，藏书超过 1200 万件/件。图书馆提供小组讨论室以及个人学习的静默区。学生会和研究生协会下还有近 30 个体育、文化和艺术团队，以及约 100 个学生领导的团体。您可以与来自不同文化背景的学生交朋友。
空中决策的确定性和随机性模型 ......
根据飞机的飞行手册或 ES 中管制员采用的 ASSIST（确认、分离、静默、通知、支持、时间）工作技术。图 2 给出了 ATC 的确定性和随机性模型。其中 { А } – 是管制员根据 ASSIST 执行的操作集； { Т } – 是决策时间； { Р } – 是在选择 i 个备选方案时 j 个因素影响的概率集； { U } – 是在选择 i 个备选方案时 j 个因素影响的损失集； { R } – 是在选择 i 个备选方案时 j 个因素影响的风险集； { λ } – 是影响 DM 的因素集。
研究论文 基于脑电图的波斯语多词想象语音分类
本研究的重点是利用脑电图信号为想象词提供一个简单、可扩展、多类的分类器。六个波斯语单词以及静默（或空闲状态）被选为输入类。这些单词可用于控制鼠标/机器人运动或填写简单的计算机表格。本研究的数据集是五名参与者在五次会话中收集的 10 条记录。每条记录重复了 20 次所有单词和静默。特征集由 1 至 32 Hz 频带中 19 个脑电图通道的归一化 1 Hz 分辨率频谱组成。二元 SVM 分类器组的多数规则用于确定特征集的相应类。通过蒙特卡洛交叉验证估计分类器的平均准确度和混淆矩阵。根据记录类间和类内样本的时间差异，定义了三种分类模式。在长时间模式下，即涉及整个数据库中单词的所有实例，单词-沉默的平均准确率约为 58%，单词-单词的平均准确率约为 60%，单词-单词-沉默的平均准确率约为 40%，七类分类（6 个单词+沉默）的平均准确率约为 32%。对于短时间模式，当仅使用相同记录的实例时，准确率分别为 96%、75%、79% 和 55%。最后，在混合时间分类中，每个类别的样本都来自不同的记录，平均准确率最高，约为 97%、97%、92% 和 62%。即使在长时间模式的最坏情况下，这些结果也明显优于随机结果，并且与该领域先前研究报告的最佳结果相当。
突变与基因编辑 | SL IB 生物学复习笔记 2025
静默突变 – 突变不会改变多肽的氨基酸序列（这是因为某些密码子可能编码相同的氨基酸，因为遗传密码是退化的）错义突变 – 突变改变多肽链中的单个氨基酸（镰状细胞性贫血症是一种由单一替代突变改变序列中的单个氨基酸而引起的疾病）无义突变 – 突变产生过早的终止密码子（信号，让细胞停止将 mRNA 分子翻译成氨基酸序列），导致产生的多肽链不完整，从而影响最终的蛋白质结构和功能（囊性纤维化是一种由无义突变引起的疾病，尽管这并不总是唯一的原因）
突变和基因编辑 | HL IB 生物学复习笔记 2025
静默突变 – 突变不会改变多肽的氨基酸序列（这是因为某些密码子可能编码相同的氨基酸，因为遗传密码是退化的）错义突变 – 突变改变多肽链中的单个氨基酸（镰状细胞性贫血症是一种由单一替代突变改变序列中的单个氨基酸而引起的疾病）无义突变 – 突变产生过早的终止密码子（信号，让细胞停止将 mRNA 分子翻译成氨基酸序列），导致产生的多肽链不完整，从而影响最终的蛋白质结构和功能（囊性纤维化是一种由无义突变引起的疾病，尽管这并不总是唯一的原因）