XiaoMi-AI文件搜索系统
World File Search SystemCUI
Janeczko，Z。和Foster，M。E.（2022）一项基于其外观和行为的人类与机器人相互作用的研究。在：CUI '22：
在为社交机器人设计自然语言互动时，不足以设计对话本身：人类机器人互动的成功也可能受到看似很小的因素（例如机器人的外观和非语言行为）的显着影响。在本文中，我们将相同的聊天机器人系统部署到两个不同的机器人，即Furhat和Pepper上，并比较用户对与两个机器人的对话的主观响应，以清楚地衡量机器人外观对交互作用的影响，当时交互作用保持恒定。这项研究的结果有所不同：认为Furhat比胡椒更好地表现出情感，更聪明，更值得信赖，而两个机器人都被认为同样友好。在可爱性和舒适性类别中没有发现显着差异。
引用：Duan D, Chen M, Cui W, et al. 益生菌、益生元和合生元在乳腺癌患者中的应用：系统评价和
摘要 引言 乳腺癌已成为威胁女性身心健康的常见肿瘤。微生物在维持肠道菌群平衡、调节肠道免疫、抗炎和抗氧化作用方面发挥着重要作用。现有证据表明它们与乳腺癌之间存在密切的关联。但目前尚无关于微生物对乳腺癌患者影响的系统评价。本方案旨在探讨益生菌、益生元和合生元对乳腺癌患者的有效性和安全性。 方法与分析 我们将在以下电子数据库中搜索相关的随机对照试验：PubMed、EMBASE、Cochrane Library 和 Web of Science。我们还将搜索原始研究的灰色文献和参考文献列表以避免遗漏。我们将使用 Cochrane 合作组织的偏倚风险工具来评估纳入研究的质量。主要结果包括患者手臂水肿体积、肠道菌群组成的变化和人体测量参数。两名独立审阅者将进行文献筛选、数据提取和偏倚风险评估。数据合成将使用描述性分析或荟萃分析进行。将使用建议评估、制定和评估工具的分级来评估每个结果的证据质量。伦理与传播系统评价的数据来自已发表的原始研究，不需要伦理委员会的审查和批准。结果将通过同行评审期刊和会议传播。PROSPERO 注册号 CRD42022311502。
Zhongming Huang，Xiao Cui，Shengliang li*，Jinchao Wei，Peng Li，Yitao Wang*和Chun-Sing Lee*二维基于MXENE的材料，用于光热
摘要：Mxenes是一个新的二维材料家族，也称为过渡金属碳化物和氮化物，其通用公式为M n + 1 x n t x（n = 1 - 3）。它们固有的金属电导率和亲水性质具有迷人的物理化学特性（光学，电子，磁性，光到热转化。等）。超薄层的结构和光热特性吸引了许多在生物医学应用中的兴趣，尤其是作为癌症治疗的光质疗法剂。在这篇综述中，我们总结了光热疗法领域的MXENES的最新进展，并突出了至关重要的生物指数的制备和评估。首先，我们介绍了生物应用MXENES的制备和表面修饰的主要策略。然后，回顾了基于MXENE的光热应用领域的代表性病例，例如光热疗法，协同疗法和靶向治疗。最后，引入了细胞毒性和体内长期生物安全。我们还提出
修订后的 DON 指南，用于标记包含个人身份信息 (PII) 的文件 1. 隐私信息是受控非机密信息 (CUI) 的一个类别。有八个定义的隐私子类别（本指南后面列出）。您会注意到，在国防部和 DON 指南中，“类别”和“子类别”这两个术语可互换使用。本指南为包含 PII 的以下文档类型提供标记说明：电子邮件、备忘录、电子表格、简报和演示文稿。本指南不试图为 DON 表格、海军消息或其他类别的 CUI 提供标记说明。请联系这些程序以获取指导。
2.标记包含 PII 的电子邮件和文档的程序已更改。隐私标记“仅供官方使用 (FOUO) – 隐私敏感。任何滥用或未经授权的披露都可能导致民事和刑事处罚”将不再使用，并且包含 PII 的文档将按照以下指南进行标记。过去许多人通过创建电子邮件模板将上述 FOUO 隐私声明或类似内容添加到他们所有的电子邮件中，无论电子邮件是否包含 PII。不应该这样做。没有等效的 CUI 声明。需要明确的是，上述隐私标记和“FOUO”本身不再是有效标记，不应使用。如果文档不包含 CUI，则不应将其标记为“CUI”。如果使用 CUI 标记，您应该能够识别文档中的特定 CUI。3.所有包含 PII 的文档的一般规则是在文档顶部或“横幅”上标记“CUI”，在底部或“页脚”上标记“CUI”。此外，电子邮件主题行也应标记为“CUI”。请勿在“CUI”标记中添加其他描述性措辞。例如，请勿使用“CUI-Privacy”、“CUI-PII”或类似的修饰符。请勿返回并重新标记现有（即 CUI 之前的程序或遗留文档）。如果使用这些“旧”文档中的信息创建新文档，则根据 CUI 程序标记政策标记新文档。4.除了在文档顶部和底部用“CUI”标记外，还需要在文档第一页底部的“CUI”横幅和页脚标记内添加 CUI“指定指示块”。国防部指导指示该块位于页面的右下角。这并不总是可行的。重要的是该块存在。该块包括组织、办公室、CUI 类别、传播信息和 POC 信息。请参阅下面的 CUI 资源，了解如何创建和使用 CUI“指定指示块”。
美国海军工程司令部东南司令部
FCI 的定义在 FAR 52.204-21 中，而 CUI 的定义在 32 CFR Part 2002 中。国防部 CUI 快速参考指南（位于 https://www.dodcui.mil）包含有关 CUI 的信息。此外，国防反情报和安全局 (DCSA) 提供了常见问题解答，网址为：https://www.dcsa.mil/Portals/91/Documents/CTP/CUI/21-10-13%20CUI%20FAQ%20FINAL.pdf。这些常见问题解答描述了 FCI 和 CUI 之间的区别，如下所示：“CUI 和 FCI 都包括由政府或为政府创建或收集的信息，以及从政府收到的信息。但是，FCI 是任何“不打算公开发布”的信息，而 CUI 是需要保护并且可能还受到传播控制的信息。”
分发声明受控技术信息...
要了解受控技术信息，您必须首先熟悉受控非机密信息 • 访问国家档案馆 CUI 注册表或国防部的 CUI 注册表将向您展示 100 多个类别的 CUI • 行政命令 13556“受控非机密信息”，建立了一个管理整个行政部门 CUI 的计划，并指定国家档案和记录管理局执行代理来执行该命令并监督机构行动以确保合规。 • 32 CFR 第 2002 部分“受控非机密信息”由发布，旨在为机构制定指定、保护、传播、标记、解除控制和处置 CUI、自我检查和监督要求以及计划其他方面的政策。该规则影响处理 CUI 的联邦行政部门机构以及处理、拥有、使用、共享或接收 CUI 的所有组织（来源） - 或代表机构操作、使用或访问联邦信息和信息系统的组织。 • 国家档案馆网站上的 CUI 历史和常见问题解答
（常见问题解答） - 国防反间谍与安全局
如果目前没有明确要求 CUI 的合同，行业可以做些什么来为 CUI 做准备？即使行业合作伙伴目前没有与 CUI 要求签订的合同，也鼓励他们确保拥有当前遗留信息的清单。还需要了解的是，与国防部的非机密合作也可能包括 FCI 和 CUI 数据，这些数据不一定是机密国防部合同的一部分。行业还应确保他们了解 CUI 政策和未来工作的要求。此外，承包商可能会拥有 FCI 并将受到 CMMC 要求的约束。
课程vitae
[1] T. Cui和F. Pillichshammer（2025）。伯恩斯坦近似及以后：通过基本概率理论的证明，元素der Mathematik，被接受，Arxiv：2307.11533。[2] T. Cui，J。Dong，A。Jasra和X. T. Tong（2025）。数值MCMC的收敛速度和近似精度，应用概率的进步，57（1），doi：10.1017/apr.2024.28。[3] T. Cui，G。Ditommaso，R。Scheichl（2024）。多级维度独立于可能性的MCMC，用于大规模反问题，反问题，40，035005。[4] Y. Zhao和T. Cui（2024）。张量训练方法用于状态空间模型中的顺序状态和参数学习，机器学习研究杂志，接受，ARXIV：2301.09891。[5] T. Cui，H。de Sterck，A。D. Gilbert，S。Polishchuk和R. Scheichl（2024）。多层次的蒙特卡洛方法用于随机对流扩散特征值问题，《科学计算杂志》，99（3），1-34。[6] T. Cui，S。Dolgov和R. Scheichl（2024）。使用张量列车进行的深度重要性采样，并适用于先验和后验罕见的事件估计，《 Siam Scientific Computing杂志》，46（1），C1 – C29。[7] T. Cui，S。Dolgov，O。Zahm（2023）。可扩展的有条件深度逆罗森布拉特使用张量列和基于梯度的尺寸降低，计算物理学杂志，485，112103。[8] T. Cui，S。Dolgov（2022）。使用平方逆的Rosenblatt传输，计算数学基础，22（6），1863– 1922年对张量列车的深度组成。[9] T. Cui，X。T。Tong和O. Zahm（2022）。先前的标准化了贝叶斯反问题，逆问题，38（12），124002。[10] T. Cui，X。T. Tong（2022）。统一的绩效分析对信息性的子空间方法，Bernoulli，28（4），2788–2815。[11] O. Zahm，T。Cui，K。Law，Y。Marzouk和A. Spantini（2022）。非线性贝叶斯逆问题的认证维度降低，计算数学，91（336），1789–1835。[12] T. Cui，Z. Wang和Z. Zhang（2022）。通过非线性流变学，计算物理学的通信，ARXIV：2209.02088，一种用于冰川建模的变分神经网络方法。[13] L. Bian，T。Cui，B.T。 Yeo，A。Fornito，A。Razi，J。Keith（2021）。 使用功能性MRI，Neuroimage，244，118635识别大脑状态，过渡和社区。div> [14] T. Cui，O。Zahm（2021）。 无数据的贝叶斯反问题，反问题的无数据信息尺寸减小，37（4），045009。 [15] J. Bardsley，T。Cui（2021）。 基于优化的非线性层次统计反问题的MCMC方法，《不确定性量化》的暹罗/ASA期刊，9（1），29-64。 [16] C. Fox，T。Cui，M。Neumayer（2020）。 随机降低了效率的大都市量的前向模型，并应用于地下流体流量和电容层析成像，《辉煌的地质杂志》，《地貌杂志》，11（1），1-38。 [17] J. Bardsley，T。Cui，Y。Marzouk，Z。Wang（2020）。 [18] R. Brown，J。Bardsley，T。Cui（2020）。 [19] S. Wu，T。Cui，X。Zhang，T。Tian（2020）。[13] L. Bian，T。Cui，B.T。Yeo，A。Fornito，A。Razi，J。Keith（2021）。 使用功能性MRI，Neuroimage，244，118635识别大脑状态，过渡和社区。div> [14] T. Cui，O。Zahm（2021）。 无数据的贝叶斯反问题，反问题的无数据信息尺寸减小，37（4），045009。 [15] J. Bardsley，T。Cui（2021）。 基于优化的非线性层次统计反问题的MCMC方法，《不确定性量化》的暹罗/ASA期刊，9（1），29-64。 [16] C. Fox，T。Cui，M。Neumayer（2020）。 随机降低了效率的大都市量的前向模型，并应用于地下流体流量和电容层析成像，《辉煌的地质杂志》，《地貌杂志》，11（1），1-38。 [17] J. Bardsley，T。Cui，Y。Marzouk，Z。Wang（2020）。 [18] R. Brown，J。Bardsley，T。Cui（2020）。 [19] S. Wu，T。Cui，X。Zhang，T。Tian（2020）。Yeo，A。Fornito，A。Razi，J。Keith（2021）。使用功能性MRI，Neuroimage，244，118635识别大脑状态，过渡和社区。div>[14] T. Cui，O。Zahm（2021）。无数据的贝叶斯反问题，反问题的无数据信息尺寸减小，37（4），045009。[15] J. Bardsley，T。Cui（2021）。基于优化的非线性层次统计反问题的MCMC方法，《不确定性量化》的暹罗/ASA期刊，9（1），29-64。[16] C. Fox，T。Cui，M。Neumayer（2020）。随机降低了效率的大都市量的前向模型，并应用于地下流体流量和电容层析成像，《辉煌的地质杂志》，《地貌杂志》，11（1），1-38。[17] J. Bardsley，T。Cui，Y。Marzouk，Z。Wang（2020）。[18] R. Brown，J。Bardsley，T。Cui（2020）。[19] S. Wu，T。Cui，X。Zhang，T。Tian（2020）。基于功能空间的基于可扩展优化的采样，《暹罗科学计算杂志》，42（2），A1317 – A1347。贝叶斯逆问题中的晶状麦片先验的半变量图超参数估计，逆问题，36（5），055006。一种用于推断遗传调节网络的非线性反向工程方法，PEERJ，8，E9065。[20] T. Cui，C。Fox，C.，M。O'Sullivan（2019）。大规模逆问题的自适应误差模型 - 延迟 - 受众MCMC中降低的模型的随机校正，并应用于多相性逆问题，《工程数值国际杂志》，118（10），578-605。[21] T. Cui，C。Fox，G。Nicholls，M。O'Sullivan（2019）。使用平行马尔可夫链蒙特卡洛来量化地热储层校准中的不确定性，国际不确定性量化杂志，9（3），295–310。[22] S. Thiele，L。Grose，T。Cui，S。Micklethwaite，A。Cruden（2019）。从数字数据中提取高分辨率结构取向：贝叶斯方法，结构地质杂志，122，106–115。[23] C. Reboul，S。Kiesewetter，M。Eager，M。Belousoff，T。Cui，H。DeSterck，D。Elmlund，H。Elmlund（2018）。快速接近原子分辨率单粒子3D重建，简单，结构生物学杂志，204（2），172-181。[24] A. Spantini，T。Cui，K。Willcox，L。Tenorio和Y. Marzouk（2017）。贝叶斯线性反问题的面向目标的最佳近似，《暹罗科学计算杂志》，39（5），S167 – S196。[25] Z. Wang，Y。Marzouk，J。Bardsley，T。Cui和A. Solonen（2017）。贝叶斯的逆问题L 1先验：随机化 - 优化方法，Siam on Scientific Computing杂志，39（5），S140 – S166。
comsats伊斯兰堡Sahiwal校园结果...
L.G. - letter等级，GPA - 级平均值，CGPA - 湿度级平均分布：1。 校园主任Cui Sahiwal 2。 主席/HOD有关部门3.考试的控制者CUI 4.通知委员会的部门5. Master FileL.G.- letter等级，GPA - 级平均值，CGPA - 湿度级平均分布：1。校园主任Cui Sahiwal 2。主席/HOD有关部门3.考试的控制者CUI 4.通知委员会的部门5. Master File