XiaoMi-AI文件搜索系统
World File Search System驱动
不丹计划采用国家技术驱动器 - 我们准备好了吗？通过旅游业改变经济
今天有3,100家持牌运营商，但行业观察家估计，只有大约四分之一的活动。已获得了接近2,500条指南的许可。旅游班酒店也从1991年之前的七个旅馆发展到53个国际“旅游班”酒店和旅馆，提供1,807张床，到2002年。到2016年，国外和地区游客共有267家酒店，有10,278张床。128位于3至5星类别及以上。自2016年以来，估计有132家酒店（三星级及以上）在Thimphu和Paro（TCB数字）中得到批准。2星及以下的预算酒店的数量也在增加。Air BNB是一种全球在线住宿预订系统，宣传约70个或更多的不丹物业，使区域游客能够直接预订。将近一半的地区游客留在预算酒店，而这些住宿的收入不可用。同样，对不丹的区域游客进行的TCB调查表明，平均而言，调查的地区游客的一半单独从正常旅行成本中支出约5,530/-apart。这是国际游客总支出的一小部分，国际游客代表了总访客的三分之一。
夹子驱动的器官分割和肿瘤检测的通用模型
越来越多的公共数据集显示出对自动器官细分和图检测的显着影响。但是，由于每个数据集的大小和部分标记的问题，以及对各种肿瘤的有限侵入，因此所得的模型通常仅限于细分特定的器官/肿瘤，以及ig- ignore ignore ignore的解剖结构的语义，也可以将其扩展到新颖的Domains。为了解决这些问题，我们提出了剪辑驱动的通用模型，该模型结合了从对比的语言图像预训练（剪辑）到细分模型中学到的文本嵌入。这个基于夹子的标签编码捕获了解剖学关系，使模型能够学习结构化特征嵌入和段25个器官和6种类型的肿瘤。提出的模型是从14个数据集的组装中开发的，使用总共3,410张CT扫描进行培训，然后对3个附加数据集进行了6,162个外部CT扫描进行评估。我们首先在医疗细分十项全能（MSD）公共排行榜上排名第一，并在颅库（BTCV）之外实现最先进的结果。此外，与数据集特异性模型相比，大学模型在计算上更有效（更快6英制），从不同站点进行CT扫描更好，并且在新任务上表现出更强的传输学习绩效。
COVID-19疫苗的数据驱动部署：
已建立的技术：超过45个国家已经将DHIS2用于其国家免疫计划，而36个国家使用DHIS2进行Covid-19-19的监视现有能力：MOH已实施了DHIS2多年了； DHIS2专家的13个区域HISP集团可自定义的工具：DHIS2完全可自定义，使国家团队可以掌握其系统的所有权，并修改它们以满足当地需求和不断变化的需求。全球标准：HISP与谁和其他全球合作伙伴合作，以确保DHIS2工具包建立在全球标准上，以易于整合，分析和互操作性可持续性投资：向国家提供实施，培训和基础设施的资金，从而有助于长期目标，从而有助于加强卫生系统数字公共善良：DHIS2免费和开放式卫生系统。所有应用程序，移动应用，工具，培训材料，平台改进和创新都在全球共享，没有许可费
拷贝数畸变驱动激酶重新布线，导致癌症的遗传脆弱性
体细胞DNA拷贝数变化（CNV）在癌症中很普遍，并且可以驱动癌症进展，尽管在改变细胞信号状态下通常具有未表征的作用。在这里，我们整合了5,598个肿瘤样品的基因组和蛋白质组学数据，以鉴定导致异常信号转导的CNV。由此产生的关联概括了已知的激酶 - 基底关系，并进一步的网络分析优先考虑可能因果基因。在癌细胞系中复制了43％，包括在多种肿瘤类型中鉴定出的44种强大的基因磷材料。实验验证了几个预测的河马信号调节剂。使用RNAi，CRISPR和药物筛选数据，我们发现癌细胞系中激酶成瘾的证据，确定靶向激酶依赖性细胞系的抑制剂。我们建议基因的拷贝数状态，作为激酶抑制差异影响的有用预测指标，这是一种抗癌疗法的策略。
实验设置以探索电池电动汽车的驱动器
1简介汽车行业已成为电动驱动器和电力产品的主要市场。准确的交流电流（AC）和直流电流（DC）电动机在电源转换器供电的广泛的功率和速度上，基于隔热栅极双极晶体管，具有复杂的监控和管理系统已成为现代车辆的固有部分[1]。在这种情况下，探索和测试平台的电池驾驶电动汽车（BEV）完全由电动机推动，如今已引起人们的极大关注。他们允许学习并优化车辆性能，减少真实机器的测试次数并提供安全性。许多研究机构和越来越多的工程学校在其实验室中引入了测试工作台[2]。严重的参考文献描述了在不同的
可解释的人工智能，用于数据驱动的反馈和智能行动建议，以支持学生自我调节 Muhammad Afzaal
摘要 自我调节学习 (SRL) 是一种认知能力，在促进学生有效制定策略、监控和评估自己的学习行为方面具有明显意义。研究表明，缺乏自我调节学习技能会对学生的学业成绩产生负面影响。有效的数据驱动反馈和行动建议被认为对 SRL 至关重要，并显著影响学生的学习和表现。然而，向每个学生提供个性化反馈的任务对教师来说是一个重大挑战。此外，由于大多数课程的学生人数众多，为个性化建议确定适当的学习活动和资源的任务对教师来说也是一个重大挑战。为了应对这些挑战，一些研究已经探讨了基于学习分析的仪表板如何支持学生的自我调节。这些仪表板提供了一些关于学生成功和失败的可视化（作为反馈）。然而，虽然这种反馈可能有益，但它并没有提供有见地的信息或可行的建议来帮助学生提高学业水平。可解释的人工智能 (xAI) 方法已被提出来解释此类反馈并从预测模型中产生见解，重点关注学生在正在进行的课程中需要采取的相关行动以改进。此类智能活动可以作为数据驱动的行为改变建议提供给学生。本论文提供了一种基于 xAI 的方法，可以预测课程表现并计算信息反馈和可操作的建议，以促进学生的自我调节。与以前的研究不同，本论文将预测方法与 xAI 方法相结合，以分析和操纵学生的学习轨迹。目的是通过为该方法提供的预测提供深入的见解和解释，为学生提供详细的、数据驱动的可操作反馈。与单独的预测相比，该技术为学生提供了更实用和有用的知识。所提出的方法以仪表板的形式实施，以支持大学课程中学生的自我调节，并对其进行了评估以确定其对学生学业成绩的影响。结果表明，仪表板显着提高了学生的学习成绩并提高了他们的自我调节学习技能。此外，研究发现，所提出的方法提出的建议对学生的表现产生了积极影响，并帮助他们进行自我调节。
疫情时期的通胀驱动因素和全球溢出效应
我们采用多国多部门新凯恩斯主义模型来分析推动大流行时代通货膨胀的因素。该模型结合了部门特定冲击和总体冲击，这些冲击通过全球贸易和生产网络传播并产生供需失衡，从而导致通货膨胀和溢出效应。基线定量分析匹配了美国、欧元区、中国和俄罗斯等样本国家的总体和部门价格和工资变化。我们的研究结果表明，供应链瓶颈引发了 2020 年的通货膨胀，随后 2021 年至 2022 年总需求冲击推动价格飙升，能源价格上涨加剧了这一情况。JEL 分类：E2、E3、E6、F1、F4 关键词：通货膨胀、国际溢出效应、全球生产网络 _________________ Giovanni：纽约联邦储备银行，CEPR（电子邮件：julian.digiovanni@ny.frb.org）。Silva：波士顿联邦储备银行（电子邮件：asilvub@gmail.com）。 Kalemli-Özcan：布朗大学、CEPR、NBER（电子邮件：sebnemkalemli-ozcan@brown.edu）。Yıldırım：哈佛大学、Koç 大学（电子邮件：muhammed_yildirim@hks.harvard.edu）。作者感谢讨论者 Gianluca Benigno、Mishel Ghassibe、Andrea Raffo、John Romalis、2023 年意大利银行-欧洲央行-世界银行“全球经济中的贸易、价值链和金融联系”研讨会的参与者、《国际经济学杂志》国际经济学暑期学校（2023 年版）、澳大利亚储备银行年会（2023 年）和第 8 届 NBU-NBP 年度研究会议（2024 年）的深刻评论。本文介绍了初步研究结果，并分发给经济学家和其他感兴趣的读者，仅用于激发讨论和征求评论。本文表达的观点为作者的观点，并不一定反映纽约联邦储备银行或联邦储备系统的立场。任何错误或遗漏均由作者负责。如需查看作者的披露声明，请访问 https://www.newyorkfed.org/research/staff_reports/sr1080.html。
人工智能驱动模拟器的兴起：构建新的水晶球
人工智能驱动的模拟器的兴起：构建新的水晶球 计算社区联盟 (CCC) 四年期论文 Ian Foster（芝加哥大学）、David Parkes（哈佛大学）和 Stephan Zheng（Salesforce AI Research） 五十年前，天气预报员努力预测明天的天气是否与今天相同。如今，天气预报通常可以准确预测未来一周或更长时间，让个人和社会能够为不再不可预见的事情做好准备。这种显著的转变在很大程度上归功于计算机，尤其是计算模拟的兴起，这是一种使用计算机预测复杂系统未来状态的方法。模拟最初是在第二次世界大战的最后几天为军事目的而开发的，现在已遍布人类社会和经济领域，为决策者提供了一个非凡的水晶球，不仅可以预测下周的天气，还可以预测飞机在不同天气模式下飞行时的表现、新药对新疾病的有效性以及未来电池中新材料的行为。计算机模拟是在计算机上执行的数学建模过程，旨在预测现实世界或物理系统的行为或结果。 1 模拟通常通过将空间（例如北美）划分为多个小单元来配置，每个小单元保存一组值（例如温度和压力）以及一组本地规则，用于更新下一个时间步骤的单元（例如，基于单元和相邻单元的当前温度和压力，一分钟后的温度/压力）。模拟运行以测量的输入（温度/压力）为种子，并反复应用其规则来随时间更新模拟系统。更准确的输入数据、更小的单元和更好的规则可以实现更高保真度的模拟（例如，下周而不是明天的良好天气预报）。计算机模拟的使用现在在社会上如此普遍，毫不夸张地说，美国和国际的持续繁荣、安全和健康在一定程度上取决于模拟能力的持续改进。如果我们能够预测两周后的天气，指导新病毒性疾病新药的设计，或者管理将生产成本和时间降低一个数量级的新制造工艺，情况会怎样？如果我们能够预测人类的集体行为，例如，在自然灾害期间对疏散请求的响应，或劳动力对财政刺激的反应，情况会怎样？ （另请参阅 CCC Quad 关于疫情信息学的配套论文，其中讨论了
人工智能驱动的低抵押贷款协议 - T3
T3 中的风险监控是一个持续的过程，可同时检查多个层面的风险。在投资组合层面，会不断计算和评估各个风险指标，以符合预定的阈值。系统层面的监控会跟踪所有协议参与者的总体风险指标，确保系统性风险保持在可接受的范围内。市场层面的监控为风险评估提供了背景信息，并有助于在潜在市场压力条件影响投资组合稳定性之前识别它们。