XiaoMi-AI文件搜索系统
World File Search SystemArenas
经营战略对竞争优势的影响...
文章信息 摘要 目的：本研究还考察了商业战略对约旦中小企业获得竞争优势和提高组织绩效的影响。 理论框架：竞争使企业保持活跃和活力。尤其是在今天，当商业领域相对更具挑战性时，对组织卓越的需求。因此，商业战略必须足够有效和高效才能应对这些挑战。 设计/方法/方法：为了进行实证调查，我们随机选择了目前在约旦中小企业工作的 n = 300 名员工样本。我们还执行了结构方程模型技术来检查数据在多大程度上验证了研究变量之间提出的关系。 结果：结果表明，商业战略与愿景和目标（p≥.000）、核心价值观（p≥.000）、SWOT 分析和资源分配计划（p≥.000）之间存在很强的显著关系。除了这些因素之外，研究结果还表明，持续竞争优势 (p≥.000) 和绩效提高 (p≥.000) 呈正相关。研究、实践和社会意义：考虑到商业战略的重要性，我们认为，组织只有通过有效的商业战略才能获得动态竞争优势，这些战略可以帮助组织实现其预期目标。原创性/价值：研究结果表明，中小企业的商业领域和绩效会产生多种后果。此外，包括约旦商业环境在内的中东国家面临着许多挑战，本研究有助于解决这些挑战。通过获得竞争优势和提高组织绩效。Doi：https://doi.org/10.26668/businessreview/2023.v8i6.1534
拉伸结构：文学评论-IJRPR
拉伸结构的起源，例如历史，早期社会的巧妙生活安排，例如游牧民族和部落社区使用黑色帐篷，拉伸结构带来了许多好处。过去，它们是体育中心，农业工业建筑和竞技场的封面。随着工业革命的展开，由于其成本效益作为一种实用的屋面解决方案，拉伸结构的大规模生产激增。令人着迷的拉伸结构世界不仅仅是建筑物。这是关于新想法和设计如何共同改变我们通常构建事物的方式。拉伸结构是我们研究的主要重点，不仅有用。它们是一种独特的工程艺术。想象一下很大的空间，上面有一点支撑，做出了一种非常好看，高效的建筑方式。拉伸结构使用柔性材料（如织物或支撑点之间伸展的电缆）从紧密的力中获得强度。在本论文中，我们将仔细研究这些结构，弄清楚它们如何在三个维度上像檐篷或表面一样形成。拉伸结构在许多不同的地方使用，从著名的地标和运动竞技场到临时凉亭和环保建筑。在我们探索这个主题时，目标是了解使拉伸结构起作用的主要思想，表明它们在建筑设计和所涉及的惊人工程方面的灵活性。这一旅程旨在增加有关现代建筑方式的讨论，并强调拉伸结构在塑造当今建筑物的外观以及挑战通常做事的方式方面的重要性。
扩展了综合世界建模理论
集成世界建模理论 (IWMT) 是一种综合意识理论，它使用自由能量原理和主动推理 (FEP-AI) 框架将集成信息理论 (IIT) 和全局神经工作空间理论 (GNWT) 的见解结合起来。在这里，我首先回顾了有助于 IWMT 整合视角的哲学原理和神经系统。然后，我继续描述大脑的预测处理模型及其与机器学习架构的联系，特别强调自动编码器（感知和主动推理）、涡轮码（为多模态集成和推理协同建立共享潜在空间）和图神经网络（空间和躯体建模和控制）。通过探索如何将模块和工作空间评估为集成信息的复合体和迭代贝叶斯模型选择的舞台，考虑了 IIT 和 GNWT 的未来方向。基于这些考虑，我提出了使用概率图模型、流网络和博弈论中的概念来估计集成信息的新方法。针对 IIT 和 GNWT 之间关于不同种类的意识和无意识现象的物理基础的持续争论，我还考虑了机械和计算原理。我进一步探讨了这些想法与“贝叶斯模糊问题”的关系，或者如何从概率建模中产生看似离散的体验，并考虑了量子力学中的类比，认为它可能揭示不同类型的推理动力学。我接着描述了解决基于网络展开的因果结构理论的批评的潜在方法，以及意识扩展图（没有控制论符号基础）的荒谬性。最后，我讨论了以网络展开为中心的未来工作方向。
量化行为以了解大脑
动物质心、椭圆和身份。最粗略地说，动物行为可以通过估计其质心（即中点或重心）随时间的位置来量化。这些质心轨迹被量化为图像坐标序列，反映了动物在其环境中的运动，可用于测量空间导航或运动行为。质心将动物视为一个点，无法捕捉其方向，但可以通过找到环绕动物的椭圆的长轴和短轴来增强这种描述（图 1b）。这是一种方便的通用描述，因为大多数具有中枢神经系统的动物都有相似的身体结构，其中脊髓或腹神经索在细长身体的中心形成一条线。估算质心和椭圆的经典方法主要依赖于背景减法，该算法识别属于动物（即前景）的图像像素，通过找到它们坐标的中点即可计算出质心。当背景与动物形成对比时（例如在背光场所），可以通过对图像强度进行简单的阈值处理来执行背景减法。如果背景是静态的，则可以通过查找中值图像帧来建模；但是，如果动物长时间不动，此方法通常会失败。经典方法采用稳健的算法来建模背景 1 ，但较新的方法已开始使用深度学习来更好地处理更复杂的背景，从而能够在更自然的条件下追踪动物 2 。将椭圆追踪扩展到多种动物使行为描述更加丰富，其中可以使用相对距离和方向等量来推断复杂的社会
虚拟工作政策影响 - 免费
两种非常悲观和乐观的情景都预示着我们所知的工作将走向终结：前者通过使用自动化、机器人和算法，从而使工人变得多余（Frey 和 Osborne 2013），后者通过技术和点对点合作与协作的结合，使传统的组织经济形式变得多余（Benkler 2006；Rifkin 2014）。文献中普遍认为，工作数字化对欧洲工作和就业质量的影响越来越大（Degryse 2016；Valenduc 和 Vendramin 2016），但对数字化对工作和就业质量的实际影响的研究相对较新。无论如何，由于流程及其相互作用的复杂性、参与者的利益矛盾以及发展的规模和影响，对于政策应采取的方向或应采取的监管形式没有明确的办法。本文的目的是介绍虚拟工作各个方面产生的一系列政策含义。本文并不是试图分析具体的政策（尽管本卷中的几章确实涉及这一任务）或提供具体的政策方案。鉴于数字化影响的问题范围巨大，涉及虚拟劳动力，本文涵盖的领域并不详尽。但是，来自不同学科的学者研究和分析了各种案例、部门、政策领域和实践。我们认为，我们的贡献在于在一个快速发展的领域中提出广泛的论点、辩论和研究成果，在这个领域中，不同问题的辩论非常激烈，立场根深蒂固，制定政策的前景是多层次和复杂的。目标是确定虚拟工作的政策挑战，以便为政策和监管寻找潜在的替代方案。
对话为什么综合数据永远不会是道德的
本对话论文认为，合成数据的使用永远不可能是“道德”。我的论点从媒体伦理学中进口了规范性的立场，即“善意 - 责任 - 责任”（Glasser and Ettema 2008）。从话语伦理上建立这种立场，将道德定位为“具有“有理由和刻意关于道德困境进行思考的设施”，这最终意味着能够公开和公开和令人信服地证明他们的决心是合理的”（Glasser和Ettema 2008：2008：512）。至关重要的是，这种方法是对话和社会的，需要向所有受关系实践和过程影响的所有人开放的空间。虽然在商业机构环境中使用合成数据可能会为有关个人身份信息（PII）或未付用户劳动的隐私问题提供解决方案，或者似乎相对无害，就像培训计算机视觉算法的情况下，视频游戏中的其他案情 - 在此对话中，这种促进者在他们的对话范围内也是如此。去政治化综合数据。综合数据因此，更广泛地增加了自动化系统内固有的固有的责任，并加剧了构成的责任感，并且通过这种情况会牢牢地牢牢地监测和化合物。在某些领域，赌注实际上是生死攸关的，例如在医疗AI的发展中，以及更有用的，在执法和军事环境中，模型从商业部署到州部署的迁移。鉴于对AI庞大且不断增长的集合的重大道德含义的周到，表达和反思性的包容性思考，以及合成数据在进一步神秘化和合法化其似乎无限制的发展和部署中的作用，我认为综合数据永远不会符合“ Ethical”实践的标准。
MISTiC——风，一种微卫星星座方法......
模拟TM风是一种基于微型高分辨率，广阔场，热发射光谱仪器改善短期天气预测的方法，该方法将提供高（3-4 km）水平和垂直（1 km）空间分辨率的全球对流层垂直谱图。可以在27U级的立方体或ESPA级的微卫星上适应其尺寸非常小，质量和最小冷却要求。较低的制造和发射成本使Leo Sun同步发声星座可以共同提供频繁（1-2小时）的刷新速率或频繁，垂直解决的对流层风观测。这些观察结果与当前和新兴的环境观察系统具有很高的互补性，并将提供高垂直和水平分辨率的组合，目前正在运行中的任何其他环境观察系统都没有提供。米斯TM风提供的光谱遥感测量值类似于由BAE Systems构建的NASA大气红外声音（AIRS），目前在Aqua Satellite上运行。Airs一直在提供精心校准的红外光谱光谱观测，用于天气，气候研究和操作天气预报已有十多年了。这些新的观察结果，当被吸收到高分辨率的数值天气模型中时，将彻底改变短期和恶劣的天气预测，挽救生命，并支持能源，空中运输和农业领域的关键经济决策，其成本要低得多，比从地静止的Orbit中提供了这些相比。此外，这种观察能力将是研究水蒸气，云，污染和气溶胶的运输过程的关键工具。
Genai Arena：生成模型的开放评估平台
生成的AI已取得了显着的进步，以彻底改变图像和视频生成等领域。这些进步是由创新算法，体系结构和数据驱动的。然而，生成模型的快速扩散突出了一个关键的差距：缺乏值得信赖的评估指标。当前的自动评估，例如FID，剪辑，FVD等，通常无法捕获与生成输出相关的细微质量和用户满意度。本文提出了一个开放的平台g en-a rena，以评估不同的图像和视频生成模型，用户可以在其中积极参与评估这些模型。通过利用集体用户的反馈和投票，G en-A-A Rena旨在提供更民主和准确的模型绩效衡量。它分别涵盖了三个竞技场，分别用于文本形象生成，文本到视频生成和图像编辑。目前，我们总共涵盖了35个开源生成模型。g en-a-a rena已经运作了七个月，积累了社区的9000多票。我们描述了我们的平台，分析数据并解释用于对模型进行排名的统计方法。为了进一步促进基于建筑模型的评估指标的研究，我们发布了三个任务（即Genai-Bench）的偏好数据的清洁版本。我们促使现有的多模式模型，例如Gemini，GPT-4O，模仿人类投票。我们通过将投票的模型投票与人类投票来了解其惩罚能力来计算准确性。在这三个生成任务中有19％。我们的结果表明，现有的多模式模型仍在评估生成的视觉内容方面落后，即使是最佳型号GPT-4O也只能达到49的平均精度。开源MLLM的表现更糟，因为在复杂的视力方案中缺乏指导跟踪和推理能力。
第 42 届国际噪声大会和博览会...
Muhammad Tahir Akhtar，Fabienne Anfosso，Jorge Arenas，Noureddine Atalla，Keith Attenborough，Mike Bahtiarion，Delphine Bard，Hans Bendsen，Hans Bendtsen，Frits van den Berg L. Bronsdon，Lex Brown，Courtney Burroughs，Jean-Pierre Clairbois，Charlotte Clark，LuísBento Coelho，Dominique Collin，Stephen C. Conlon，Joe Cuchieri，Patricia Davis，Patricia Davis，John Laurence dec. ，Hugo Fastl，Thomas Fedtke，Andre Fiebig，Salvador Figueroa，Heinz Martin Fischer，Ian Flindell，Adrian Fuente，Aslak Fyhri，Massimo Garai，David Pelegrin Garcia，Juan Jesus Garcia，Denis Gely，Klaus Genuit，Samir Ny Gerges，Eddy Gerretsen，Berry Gibbs，AnitaGidlöf-Gunnarsson，克里斯蒂安·汉斯克（Christian Hantschk），马库斯·赫希特（Markus Hecht），卡尔·霍普金斯（Carl Hopkins），乔恩·霍贝尔特（JörnHübelt），斯塔坦·赫吉（Staffan Hygge），钟·贡（Jeong Guon Ich），巴特·英格拉尔（Bart Ingelaere），乌尔里希·伊斯曼（Ullrich Ingelaere），乌尔里希·伊斯曼（Ullrich Isermann），萨宾·詹森（Sabine Janssen），迪伦·琼斯（Dylan Jones），曼弗雷德·卡尔滕巴赫（Manfred Kaltenbacher），艾琳·范·坎普（Irene van Kamp） UC Koujoumji，Annette Kruger-Dokter，Patrick Kurtz，Sonoko Kuwano，Soogab Lee，Peter Lercher，Kai Ming Li, Jing Lu, Luigi Maffei, Jeffrey Mahn, Thomas Maly, Toshihito Matsui, Young J. Moon, Mats E Nilsson, Svein Arne Nordby, Mikael Ögren, Jorge Patricio, Eja Pedersen, Rich Peppin, Kerstin Persson-Waye, Markus Petz, Bert Pluymers, Christian Popp, Anna Preis, Guido Previati, Wolfgang Probst, Nicola Prodi, Birgit Rasmussen, Robert Rasmussen, Timothy Van Renterghem, Jens Rindel, Ulrich Saemann, Ulf Sandberg, Beat Schäffer, Werner Scholl, Dirk Schreckenberg, Brigitte Schulte-Fortkamp, Ahmet Selamet, Daniel Shepherd, Malcolm Sim, Christian Simmons, Stephen Stansfeld, Marianna Pérez Abendaño Tecnalia, Wolfgang Unterberger, Berthold Vogelsang, Diemer de Vries、Dittrich Wittekind、Ning Xiang、Ichiro Yamada、Takano Yasushi、Bernd Zeitler
vidhi Jain -
2024年8月Anavi：使用室内室内视觉效果进行导航的音频噪声意识。Vidhi Jain，Rishi Veerapanini，Yonatan Bisk。在德国慕尼黑的机器人学习会议（CORL）会议上接受。纸|网站2024年3月FlexCap：在图像中生成丰富，本地化和灵活的字幕。Debidatta Dwibedi，Vidhi Jain，Jonathan Tompson，Andrew Zisserman，Yusuf Aytar。在加拿大温哥华的神经信息处理系统（Neurips）的会议上接受。纸|网站2024年1月VID2ROBOT：端到端的视频条件策略学习，跨注意变形金刚。Vidhi Jain , Maria Attarian, Nikhil J Joshi, Ayzaan Wahid, Danny Driess, Quan Vuong, Pannag R Sanketi, Pierre Sermanet, Stefan Welker, Christine Chan, Igor Gilitschenski, Yonatan Bisk, Debidatta Dwibedi, In Proceedings of Robotics: Science and Systems (RSS) 2024年，荷兰代尔夫特。纸|网站|视频2023年11月，如何提示您的机器人：用代码作为政策的操纵技巧的促进书。Montserrat Gonzalez Arenas, Ted Xiao, Sumeet Singh, Vidhi Jain , Allen Z. Ren, Quan Vuong, Jake Varley, Alexander Herzog, Isabel Leal, Sean Kirmani, Dorsa Sadigh, Vikas Sindhwani, Kanishka Rao, Jacky Liang, Andy Zeng.在国际机器人与自动化国际会议上（ICRA）2024年，日本横滨。2023年11月的纸张开放X-设备：机器人学习数据集和RT-X模型。开放X-授权协作。在国际机器人与自动化国际会议上（ICRA）2024年，日本横滨。（最佳纸）纸|网站2023年6月，巴掌：空间关注政策。Priyam Parasher，Vidhi Jain，Xiaohan Zhang，Jay Vakil，Sam Powers，Yonatan Bisk，Chris Paxton。在美国亚特兰大的机器人学习会议论文集（CORL）2023年，论文|网站2023年6月：荷马植物：开放式摄影库移动操作。Sriram Yenamandra, Arun Ramachandran, Karmesh Yadav, Austin S Wang, Mukul Khanna, Theophile Gervet, Tsung-Yen Yang, Vidhi Jain , Alexander Clegg, John M Turner, Zsolt Kira, Manolis Savva, Angel X Chang, Devendra Singh Chaplot, Dhruv Batra, Roozbeh Mottaghi，Yonatan Bisk，Chris Paxton。在美国亚特兰大的机器人学习会议论文集（CORL）2023年。纸|网站|竞赛 @ Neurips 2023 2022年12月，变压器是适应性的任务计划者。Vidhi Jain，Yixin Lin，Eric Undersander，Yonatan Bisk，Akshara Rai。在新西兰奥克兰2022年机器人学习会议论文集（CORL）。纸|网站|视频|代码