XiaoMi-AI文件搜索系统
World File Search SystemDragonfly
出色的3D可视化，具有一流的图形
通过Draginfly 3D World Zeiss Edition软件在最高定义中探索您的数据。它旨在从头到尾管理您的工作流程。使用直观的用户界面，该软件为您提供了完整的3D可视化和数据分析平台。各种功能，例如交互式导航，高级分割工具，简易注释和对象分析为您提供简单的过程和高质量的结果。为支持显微镜的需求而设计的升级提供了一个通用工作空间，用于将多尺度相关显微镜整合到NM到NM。通过编程语言python自定义您的功能，功能和小部件，以使您的软件自动化以提高生产率。
Zeiss VersaxRm 615
High Aspect Ratio Tomography (HART) • Dual Scan Contrast Visualizer (DSCoVer) • ZEISS LabDCT for Diffraction Contrast Tomography Optional GPU CUDA-based Reconstruction Dual Dual Dual Secondary High Performance Workstation • • Optional 1 year or perpetual license ZEISS Autoloader Optional Optional Optional ZEISS Versa In Situ Interface Kit Optional Optional Optional ZEISS DeepRecon Pro与2年许可一起包含2年许可，可选Zeiss DeepScout可选可选的可选Zeiss Phaseevolve可选可选的可选可选Zeiss MARS MARS可选可选的可选可选Zeiss optional Zeiss Optirecon，可选可选的Zen AI Tooles Tooles with Intellisis in Intellional intellitional intellitional可选可选可选的3D世界Zeiss Zeiss Editional Zeiss Editional Zeiss Edition divional Zeiss Edition dive
Sonifyar：增强现实中的上下文感知声音
（1）有限的现实世界上下文。现有系统通常支持链接到AR中虚拟对象的动作触发器，但缺乏对现实世界上下文信息的支持（例如，，一种虚拟玩具机器人，穿越木材，地毯或玻璃等多样化的室内表面。（2）有限的交互规范。现有系统仅提供预定义的交互触发器，例如“ TAP”和“接口输入”。这限制了创建者在提供的选项之外指定交互的能力，尤其是涉及环境环境的选项（例如，用户在现实世界中“幻灯片”虚拟粉笔在现实世界黑板上滑动）。（3）有限的声音来源。现有系统受其图书馆中可用的声音资产的限制以及在线合适的声音资源的稀缺性。因此，AR的作者努力为不同的AR事件找到适当的声音（例如，复制虚拟蜻蜓的翅膀颤动或模拟虚拟恐龙的饮食声音）。
Mohd Fauzi Bin Ismail - 玛拉理工大学 (UiTM)
1. 表面分析系统 (SurfSuite) 荣获 2021 年槟城国际发明、创新和设计 (PIID) 银牌 2. 端铣模拟模型荣获 2021 年槟城国际发明、创新和设计 (PIID) 铜牌 3. 双翼蜻蜓智能扑翼系统在 2019 年国际工业革命 4.0 博览会 (IREX) 上荣获金牌 4. 多点工具圆柱端表面形貌表征基准定义荣获 2012 年发明、创新与设计 (竞赛与展览) (IID 霹雳) 金牌。 5. INNOVARS 1.0 荣获 2015 年槟城国际发明、创新与设计 (PIID) 银牌：综合在线注册系统 6. Anugerah Inovasi Kaedah Pembelajaran dan Pengajaran (Emas) di UiTM Mini Konvensyen KIK Peringkat Zon Utara 2014 (Kumpulan Mechy Mutiara)
6.+MTFP+报告+FCOSC.pdf
在 MTFP 的所有年份，员工预算中都包括 3% 作为薪酬奖励的估计数。 由于预计利率不会像之前建议的那样迅速下降，因此在 MTFP 的所有年份中，由于资金管理决策而产生的投资收入都有所增加。当前银行利率为 4.75%，预计未来几年将缓慢下降。这是我们用于投资收入水平的假设。 已修改能源成本和燃料等通货膨胀特定预算，以反映预期的价格变化。 关于规划费，MTFP 中已为所有未来年份包括了 42.5 万英镑的基本收入水平。政府将规划费增加 20% 的规定意味着我们必须将我们收到的额外 20% 收入留出，专门用于规划功能。 费用和收费 - 成员同意的特定服务增加。 政府将补偿雇主国民保险缴款 (NIC) 的增加，但资金分配要等到最终结算后才会公布。由于尚不清楚如何计算分配，我们没有将 MTFP 任何一年的收入包括在内。只有理事会支付的直接 NIC 才会获得资金，即 Dragonfly 支付给员工的任何 NIC 都不会获得资金。
Q4 Baillie Gifford LTGG 治理报告
讨论：坦诚的讨论让我们了解了公司在各种问题上的立场。对于提出的每一个问题，我们都得到了有数字支持的证据，以有力地捍卫公司的立场并反驳不可持续的做法。我们听说了公司范围内支持员工参与的各种举措，包括公司的“Dragonfly”软件工具，该工具记录员工安全相关的反馈，以转化为可衡量的行动——2023 年采取了超过 200,000 次观察。公司为切实改善工作条件所做的努力，已将记录的受伤率降低到远低于行业平均水平。我们还了解了公司为降低侵犯人权风险而参与和监控其庞大供应链的努力。我们了解到公司持续、实质性的脱碳目标，包括在 2023 年签订 28GW 的可再生能源合同，相当于整个英国装机容量的 50% 以上。最后，公司强调了最近任命斯坦福大学兼职教授 Andrew Ng 博士为董事会成员。他曾担任谷歌大脑负责人、百度首席科学家，目前是一家人工智能风险投资基金的管理合伙人。他的任命将有助于董事会从社会和商业角度了解人工智能带来的机遇和挑战。
美国宇航局重大项目评估
CCP 的数据表 129 Dragonfly 的数据表 129 EHP - xEVA 的数据表 129 EPFD 的数据表 130 Europa Clipper 的数据表 130 Gateway - HALO 的数据表 131 Gateway - PPE 的数据表 131 HLS Initial Capability 的数据表 131 IMAP 的数据表 132 LBFD 的数据表 132 ML2 的数据表 132 NEO Surveyor 的数据表 133 NISAR 的数据表 133 OSAM-1 的数据表 133 Orion 的数据表 134 PACE 的数据表 134 Psyche 的数据表 135 Roman 的数据表 135 SEP 的数据表 135 SLS Block 1B 的数据表 136 SPHEREx 的数据表 136 VIPER 的数据表 136 EHP 的数据表 137 EHP - LTV 的数据表 137 EHP-xEVA 数据表 137 EPFD 数据表 137 Gateway - HALO 数据表 138 Gateway - PPE 数据表 138 Gateway 初始能力数据表 138 HLS 初始能力数据表 139 HLS SLD 数据表 139 ML2 数据表 139 MSR 数据表 139 SLS Block 1B 数据表 139 CCP 数据表 140 Europa Clipper 数据表 140 IMAP 数据表 140 LBFD 数据表 140 NEO Surveyor 数据表 141 NISAR 数据表 141 OSAM-1 数据表 141 Orion 数据表 141
基于人工智能的语音编码
I. 简介 编程涉及人力、硬件，并且由于需要通过键盘手动输入，因此在输入时很容易出错。由于编程对于学生和创新非常重要，而手动输入非常耗时，因此需要一个先进的系统来减少程序员的工作量并促进智能工作。我们将要开发的系统比手动输入代码更容易。 有一个名为 Dragonfly 的开源语音识别系统，有 15 个版本。一开始很少有人使用它，但在过去的两年里，它发生了巨大的变化，来自世界各地的大量请求和更新层出不穷，而这背后的原因是“自动化”一词。作为致力于自动化的研究人员和开发人员，他们发现它非常有用。因为它可以自由地创建我们自己的语法。通过使用它，我们正在创建一个完整的语音编码平台。语音编码需要两种软件：语音识别引擎和语音编码命令平台。在这个平台上，人们只需发出命令就可以由平台完成全部代码。为此，我们为其创建了语法，其中包含一组所需的指令。以前有一些程序是由人创建的，但不同之处在于它在运行评估环境中工作（即在命令提示符下）。此外，还开发了一些插件，但它们只是将用户的输入作为所需的语法。我们正在开发一种解决方案，它将从用户那里获取指令，但无需提供语法。
RET 异常癌症和 RET 抑制剂疗法
* 通讯作者：德克萨斯大学 MD 安德森癌症中心研究性癌症治疗学系（I 期临床试验计划），癌症医学部 455 单元，1515 Holcombe Blvd，休斯顿，TX 77030，美国。vsubbiah@mdanderson.org (V. Subbiah)。利益竞争声明 V. Subbiah 自述在研究期间获得 Eli Lilly/LOXO Oncology、Blueprint Medicines Corporation、Turning Point Therapeutics、Boston Pharmaceuticals 的资助；以及 Helsinn Pharmaceuticals 的资助；此外，V. Subbiah 自述在研究期间担任 Eli Lilly/Loxo Oncology 的资助和咨询委员会/顾问职位；来自 Roche/Genentech、Bayer、GlaxoSmithKline、Nanocarrier、Vegenics、Celgene、Northwest Biotherapeutics、Berghealth、Incyte、Fujifilm、D3、Pfizer、Multivir、Amgen、Abbvie、Alfa-sigma、Agensys、Boston Biomedical、Idera Pharma、Inhibrx、Exelixis、Blueprint Medicines、Altum、Dragonfly Therapeutics、Takeda、美国国家综合癌症网络、NCI-CTEP、德克萨斯大学 MD 安德森癌症中心、Turning Point Therapeutics、Boston Pharmaceuticals、Novartis、Pharmamar、Medimmune 的研究经费；在 Helsinn、Incyte、QED Pharma、Daiichi-Sankyo、Signant Health、Novartis、Relay therapy、Pfizer、Roche、Medimmune 担任顾问委员会 / 顾问职位；Pharmamar、Incyte、ASCO、ESMO 提供差旅资金；Medscape 提供的其他支持；除所提交的作品外，
改进的ResNet152v2：使用基于迁移学习的方法对脑卒中进行二分类和混合分割
摘要简介：当脑血管破裂时，大脑会受到一种称为中风的疾病的伤害。当大脑的血液和其他营养物质流动中断时，可能会出现症状。世界卫生组织 (WHO) 声称，中风是全球致残和死亡的主要原因。通过及早发现中风的不同警告症状，可以减轻中风的严重程度。可以使用计算机断层扫描 (CT) 图像快速诊断脑中风。虽然专家们正在研究每一次脑部 CT 扫描，但时间过得很快。这种情况可能会导致治疗延迟和错误。因此，我们专注于使用有效的迁移学习方法进行中风检测。材料和方法：为了提高检测准确性，使用 Red Fox 优化算法 (RFOA) 对大脑中风影响的区域进行分割。然后使用高级 Dragonfly 算法进一步处理处理后的区域。分割后的图像提取包括形态学、小波特征和灰度共生矩阵 (GLCM)。然后使用修改后的 ResNet152V2 对正常和中风图像进行分类。我们使用脑卒中 CT 图像数据集使用 Python 进行测试以进行实施。结果：根据性能分析，所提出的方法优于其他深度学习算法，实现了 99.25% 的最佳准确度、99.65% 的灵敏度、99.06% 的 F1 分数、99.63% 的精确度和 99.56% 的特异性。结论：所提出的基于深度学习的分类系统在考虑性能标准的所有输入预测模型中返回最佳解决方案，并提高了系统的功效；因此，它可以更好地帮助医生和放射科医生诊断脑中风患者。