XiaoMi-AI文件搜索系统
World File Search SystemFilip
人工智能：欧洲和罗马尼亚初创企业格局概览及其决定其成功的因素 Adina SĂNIUȚĂ 国立政治研究和公共管理大学 6-8 Povernei St., Sector 1, 012104 布加勒斯特，罗马尼亚 adina.saniuta@facultateademanagement.ro Sorana-Oana FILIP 罗马尼亚 sorana.filip@gmail.com 摘要 人工智能 (AI) 已融入我们生活的许多方面；在科技驱动的时代，企业使用 AI 来提高生产力、更好地了解消费者行为或通过机器人提供服务。该研究基于 Filip (2021) 为论文进行的在线桌面和试点研究，概述了欧洲和罗马尼亚初创企业的格局以及决定其成功的因素，如产品开发核心团队专业知识、核心团队承诺和商业战略。该研究旨在为进一步研究罗马尼亚人工智能初创企业环境的论文创建一个框架，因为经济期刊预测，鉴于罗马尼亚在这一领域的潜力以及 IT、技术和机器人领域的人才库，市场将在不久的将来增长。关键词人工智能；初创企业；成功因素。介绍人工智能的一般性讨论人工智能 (AI) 有多种形式，从人脸检测和识别系统、搜索和推荐算法到数字助理、聊天机器人，
人工智能：欧洲和罗马尼亚初创企业格局概述及其决定其成功的因素 Adina SĂNIUȚĂ 国立政治研究和公共管理大学 6-8 Povernei St., Sector 1, 012104 布加勒斯特，罗马尼亚 adina.saniuta@facultateademanagement.ro Sorana-Oana FILIP 罗马尼亚 sorana.filip@gmail.com 摘要 人工智能 (AI) 已融入我们生活的许多方面；在技术驱动的时代，企业使用人工智能来提高生产力，更好地了解消费者行为或通过机器人提供服务。基于 Filip (2021) 为论文进行的在线桌面和试点研究，该研究概述了欧洲和罗马尼亚初创企业的格局以及决定其成功的因素，如产品开发核心团队专业知识、核心团队承诺和业务战略。该研究旨在为进一步的论文创建一个框架，该论文将深入研究罗马尼亚的人工智能初创环境，因为经济期刊预测，鉴于罗马尼亚在这一领域的潜力以及 IT、技术和机器人领域的人才库，该市场将在不久的将来增长。关键词人工智能；初创企业；成功因素。介绍人工智能的一般性讨论人工智能 (AI) 有多种形式，从人脸检测和识别系统、搜索和推荐算法到数字助理、聊天机器人或社交媒体。它的复杂性和动态性很难用一个定义来概括 (Zbuchea、Vidu 和 Pinzaru，2019)。据统计，到 2024 年，全球人工智能市场规模预计将达到 5000 亿美元（Statista，2021a），预计人工智能软件市场收入将达到 3275 亿美元（Statista，2021b）。尽管人工智能在过去几年似乎发展迅速，普及度不断提高，但人工智能的历史可以追溯到 20 世纪 50 年代，当时这一概念诞生于科学家、数学家和哲学家的头脑中。艾伦·图灵是第一个对这一主题进行广泛研究的人，他在他的论文“计算机器和智能”中描述了人工智能一词，以及它的构建和测试（Anyoha，2017，第 1 页）。随着图灵测试的引入，他
评估模型中的算法偏见，以预测菲律宾学生的学习成绩
摘要算法偏见是教育环境中机器学习模型中的主要问题。但是，它尚未在亚洲学习环境中进行彻底研究，并且只有有限的工作才考虑了基于区域（亚国家）背景的算法偏见。作为解决这一差距的一步，本文研究了菲律宾一所大型大学的5,986名学生的人口，并根据学生的区域背景调查了算法偏见。大学在广泛领域的在线课程中使用了画布学习管理系统（LMS）。在三个学期的典范上，我们收集了4870万个学生在画布中活动的日志记录。我们使用这些日志来训练从LMS活动中预测学生成绩的二进制分类模型。表现最佳的模型达到0.75，加权F1得分为0.79。随后，我们根据学生区域检查了偏见的数据。使用三个指标进行评估：AUC，加权F1得分和MADD在所有人口组中均显示出一致的结果。因此，在年级预测中对特定学生群体没有观察到不公平。
最初发表于：Rolski，Filip； TKACZ，KAROLINA； węglarczyk，kazimierz; Kwiatkowski，Grzegorz； Pelczar，Paweł； jaźwa-kusior，agnieszka; bar，a
小鼠和同变物对照（TNF +/ +）的小鼠用于研究内核和转基因T细胞受体（TCRM）模型中的心肌炎。TNF + / - 和TNF - / - 小鼠用α-肌球蛋白重链肽（αMYHC）免疫的小鼠表现出心肌炎的发病率降低，但易感动物在心脏中发生了广泛的炎症。在TCRM模型中，由于心肌病和心脏纤维化，TNF-α的产生有缺陷与死亡率增加有关。我们可以确认TNF-α以及抗原激活的心脏反应效应子CD4 + T（T EFF）细胞有效地激活心脏微血管内皮细胞（CMVEC）的粘附特性。我们的数据表明，除T EFF细胞外，内皮产生的TNF-α还促进了叶核细胞粘附于活化的CMVEC。对两种心肌炎模型的CD4 + T淋巴细胞的分析均显示出心脏，脾和TNF + / - 和TNF - / - 小鼠的血液中T EFF细胞的分数明显增加。的确，抗原激活的TNF - / - T EFF细胞显示长期生存率延长，TNF-α细胞因子诱导的心脏反应性t eff的细胞死亡。
Davidson，Matthew J.，Mithen，Will，Hogendoorn，Hinze，Hinze，van Boxtel，Jeroen J.A.和Tsuchiya，Naotsugu（2020）SSVEP引起了注意，而不是意识
摘要。在本文中，我们提出了一个从部分体积（PV）图中合成3D脑T1加权（T1-W）MRI图像的框架，目的是生成具有更多积分率组织边界的合成MRI体积。合成的MRI需要扩大和丰富用于培训脑部分割和相关模型的非常有限的数据集。与当前的最新方法相比，我们的框架利用PV-MAP属性，以指导生成的对抗网络（GAN）来生成更准确和更现实的合成MRI体积。我们证明了在PV-MAP上而不是二进制映射的条件，导致合成MRIS中的精确组织边界更加准确。此外，我们的结果表明，在合成MRI体积中，深灰质区域的表示有所改善。最后，我们表明，在合成图像中反映了引入PV映射的细胞变化，同时保留了准确的组织边界，从而在新的合成MRI体积的数据合成过程中可以更好地控制。
评估模型中的算法偏见，以预测菲律宾学生的学习成绩
摘要算法偏见是教育环境中机器学习模型中的主要问题。但是，它尚未在亚洲学习环境中进行彻底研究，并且只有有限的工作才考虑了基于区域（亚国家）背景的算法偏见。作为解决这一差距的一步，本文研究了菲律宾一所大型大学的5,986名学生的人口，并根据学生的区域背景调查了算法偏见。大学在广泛领域的在线课程中使用了画布学习管理系统（LMS）。在三个学期的典范上，我们收集了4870万个学生在画布中活动的日志记录。我们使用这些日志来训练从LMS活动中预测学生成绩的二进制分类模型。表现最佳的模型达到0.75，加权F1得分为0.79。随后，我们根据学生区域检查了偏见的数据。使用三个指标进行评估：AUC，加权F1得分和MADD在所有人口组中均显示出一致的结果。因此，在年级预测中对特定学生群体没有观察到不公平。
解剖种族差异对使用基于图像的深度学习模型对菲律宾视网膜眼底照片进行人工智能分析的影响，MD 1,2,3
人工智能 (AI) 是诊断和治疗视网膜疾病的一种可能改变范式的创新。深度学习 (DL) 是一种更新、更复杂的 AI 子类型，通常用于处理来自文本、音频和照片的信息。较旧的 AI 模型需要预先编程的指令来分析信息，而较新的 DL 算法可以基于之前输入的信息来“学习”新事物并得出结论。1 例如，DL 算法首先被教导什么是视网膜眼底照片。它学习如何识别正常标志。一旦它能够正确地做到这一点并遇到视网膜病变，它就会学会将其识别为异常发现。它可以学会这种病变是什么，然后 DL 算法识别特征并将其与之前训练的内容联系起来。当它在另一张图片中遇到它时，它应该能够识别它是什么，尽管它的外观有所不同。
标题页 1 完整标题：2 使用人工智能在心电图上检测肥厚型心肌病 3 4 简称：5 使用人工智能在心电图上检测肥厚型心肌病 6 7 作者： 8 James M Hillis，MBBS DPhil 1,2,3 9 Bernardo C Bizzo，MD PhD 1,3,4 10 Sarah F Mercaldo，PhD 1,3,4 11 Ankita Ghatak，MSc 1 12 Ashley L MacDonald，BSc 1 13 Madeleine A Halle，BSc 1 14 Alexander S Schultz 1 15 Eric L'Italien 1 16 Victor Tam 1 17 Nicole K Bart，MBBS DPhil 3,5 18 Filipe A Moura，MD PhD 3,5 19 Amine M Awad，BMBCh 2,3,6 20 David Bargiela，MBBS PhD 2,3,6 21 Sarajune Dagen，RN 7 22 Danielle Toland，RN BSN 6 23 Alexander J Blood，MD MSc 3,5 24 David A Gross，MD PhD 3,5 25 Karola S Jering，MD 3,5 26 Mathew S Lopes，MD MPH 3,5 27 Nicholas A Marston，MD MPH 3,5 28 Victor D Nauffal，MD 3,5 29 Keith J Dreyer，DO PhD 1,3,4 30 Benjamin M Scirica，MD* 1,3,5 31 Carolyn Y Ho，MD* 3,5 32 33 * 这些作者对这项工作的贡献相同。 34 35 作者所属： 36 1 美国马萨诸塞州波士顿麻省总医院布莱根医院，美国马萨诸塞州波士顿 37 2 美国马萨诸塞州波士顿麻省总医院神经内科 38 3 美国马萨诸塞州波士顿哈佛医学院 39 4 美国马萨诸塞州波士顿麻省总医院放射科 40 5 美国马萨诸塞州波士顿布莱根妇女医院心血管医学科 41 6 美国马萨诸塞州波士顿布莱根妇女医院神经内科 42 7 美国马萨诸塞州波士顿布莱根妇女医院神经外科 43
标题页 1 完整标题：2 使用人工智能在心电图上检测肥厚型心肌病 3 4 简称：5 使用人工智能在心电图上检测肥厚型心肌病 6 7 作者： 8 James M Hillis，MBBS DPhil 1,2,3 9 Bernardo C Bizzo，MD PhD 1,3,4 10 Sarah F Mercaldo，PhD 1,3,4 11 Ankita Ghatak，MSc 1 12 Ashley L MacDonald，BSc 1 13 Madeleine A Halle，BSc 1 14 Alexander S Schultz 1 15 Eric L'Italien 1 16 Victor Tam 1 17 Nicole K Bart，MBBS DPhil 3,5 18 Filipe A Moura，MD PhD 3,5 19 Amine M Awad，BMBCh 2,3,6 20 David Bargiela，MBBS PhD 2,3,6 21 Sarajune Dagen，RN 7 22 Danielle Toland，RN BSN 6 23 Alexander J Blood，MD MSc 3,5 24 David A Gross，MD PhD 3,5 25 Karola S Jering，MD 3,5 26 Mathew S Lopes，MD MPH 3,5 27 Nicholas A Marston，MD MPH 3,5 28 Victor D Nauffal，MD 3,5 29 Keith J Dreyer，DO PhD 1,3,4 30 Benjamin M Scirica，MD* 1,3,5 31 Carolyn Y Ho，MD* 3,5 32 33 * 这些作者对这项工作的贡献相同。34 35 作者所属： 36 1 美国马萨诸塞州波士顿麻省总医院布莱根医院 37 2 美国马萨诸塞州波士顿麻省总医院神经内科 38 3 美国马萨诸塞州波士顿哈佛医学院 39 4 美国马萨诸塞州波士顿麻省总医院放射科 40 5 美国马萨诸塞州波士顿布莱根妇女医院心血管医学科 41 6 美国马萨诸塞州波士顿布莱根妇女医院神经内科 42 7 美国马萨诸塞州波士顿布莱根妇女医院神经外科 43
菲利波尤·尼古拉
10. Anca G. Mirea、Ioana D. Vlaicu、Sarah Derbali、Florentina Neatu、Andrei G.Tomulescu、Cristina Besleaga、Monica Enculescu、Andrei C. Kuncser、Alexandra C. Iacoban、Nicolae Filipoiu、Marina Cuzminschi、George A. Nemnes、Andrei Manolescu、Mihaela Florea 和 Ioana Pintilie。钙钛矿太阳能电池的电子传输双层：c-TiO 2 /m-SnO 2 量子点的喷涂沉积。 2024.arXiv:2406.18261。
DNA保护，抗氧化剂和抗癌潜力（Filipendula ulmaria）干tindure
1植物学和生物教育系，Plovdiv大学生物学学院，“ Paisii Hilendarski”，4000 Plovdiv，保加利亚； ts_andonova@uni-plovdiv.bg（t.a.）; ivadim@uni-plovdiv.bg（I.D.-D。）2生物工程部门；比利时Gembloux 5030 Walloon农业研究中心生命科学系3分子生物学系，Plovdiv University of Plovdiv“ Paisii Hilendarski”，4000 Plovdiv，保加利亚； eapostolova@uni-plovdiv.bg（E.A.）; naimov0@uni-plovdiv.bg（s.n.）4人类解剖学和生理学系，生物学学院，Plovdiv大学“ Paisii Hilendarski”，4000 Plovdiv，保加利亚； silviamladenova.sm@uni-plovdiv.bg 5生物学系，瓦尔纳医科大学，保加利亚9000瓦尔纳大学医科大学； ijelev80@abv.bg 6农业学院农业学院农业技术系，保加利亚索非亚1164； ivadincheva@abi.bg 7细胞生物系统实验室，保加利亚科学学院微生物学研究所，139 Ruski Blvd.，4000 Plovdiv，保加利亚； vasgeorgiev@microbio.bas.bg（v.g。）; a_pavlov@uft-plovdiv.bg（A.P.）8食品技术学院分析化学和物理化学系，保加利亚Plovdiv 4002
Stefano V. Albrecht Filippos ChristianosLukasSchäfer
名称：Albrecht，Stefano V.，作者。|克里斯蒂安诺斯，菲利波斯，作者。| Schäfer，卢卡斯，作者。标题：多代理强化学习：基金会和现代方法 / Stefano V. Albrecht，Filippos Christianos，LukasSchäfer，爱丁堡大学，英国。描述：马萨诸塞州剑桥：麻省理工学院出版社，[2024] |包括书目参考和索引。标识符：LCCN 2024002669（打印）| LCCN 2024002670（电子书）| ISBN 9780262049375（精装）| ISBN 9780262380508（EPUB）| ISBN 9780262380515（PDF）主题：LCSH：增强学习。|智能代理（计算机软件）分类：LCC Q325.6 .A43 2024（PRINT）| LCC Q325.6（电子书）| DDC 006.3/1 – DC23/ENG/20240412 LC记录可在https://lccn.loc.gov/2024002669 LC电子书记录上找到，请访问https://lccn.lccn.lcoc.gov/2024002670