XiaoMi-AI文件搜索系统
World File Search SystemFound
中医基础
ST-1 承气含泪 974 ST-2 四白四白 974 ST-3 巨寮大裂隙 975 ST-4 地仓土仓 975 ST-6 夹车下驮车 976 ST-7 下关下门 976 ST-8 头尾头角 977 ST-9 人迎人迎 977 ST-12 缺盆空盆 978 ST-18 乳根乳根 978 ST-19 步荣饱满 979 ST-20 承满撑满 979 ST-21 梁门梁门 979 ST-22 关门关口 980 ST-25 天枢天枢 980 ST-27 大居大成 981 ST-28 水道水道 982 ST-29 归来归来 982 ST-30 气冲贯气983 ST-31 脘关大腿门 984 ST-32 浮图卧兔 984 ST-34 梁丘 985 ST-35 犊鼻小牛鼻 985 ST-36 足三里 985 ST-37 上巨虚 上大虚 987 ST-38 条口狭窍 987 ST-39 下巨虚 下大虚 988 ST-40 丰隆丰凸 988 ST-41 解溪散流 989 ST-42 重阳贯阳 990 ST-43 仙谷沉谷 990 ST-44 内庭内院 991 ST-45 离兑 病口 991
分布式认知：迈向人机交互研究的新基础
我们正在快速经历一个历史时刻：人们在一台计算机前工作，由一台小型 CRT 控制，专注于仅涉及本地信息的任务。联网计算机变得无处不在，在我们的生活中以及科学、商业和社会互动的基础设施中发挥着越来越重要的作用。为了在新千年推动人机交互的发展，我们需要更好地理解新兴的交互动态，其中焦点任务不再局限于桌面，而是延伸到一个复杂的网络信息世界和计算机介导的交互。我们认为分布式认知理论在理解人与技术之间的交互方面发挥着特殊的作用，因为它的重点一直是整个环境：我们在其中真正做什么以及我们如何协调其中的活动。分布式认知为如何思考设计和支持人机交互提供了彻底的重新定位。作为一种理论，它专门用于理解人与技术之间的交互。在本文中，我们提出分布式认知作为人机交互的新基础，勾勒出一个综合的研究框架，并使用我们早期工作中的选集来提出该框架如何为数字工作材料的设计提供新的机会。
EclipseSAM IoT 2020 - Eclipse 基金会活动
物联网 (IoT) 在每个应用领域的应用正在急剧增加，促进了当代社会的快速数字化。当前物联网场景的特点是对非功能性需求不断增加，从低延迟到高可靠性、可信赖性和动态资源分配。这种范式转变也被认为是物联网的下一个发展阶段，预计将为技术市场创造大量机会，支持多个领域的应用，即智能工厂、智能城市、关键基础设施、合作服务机器人等。为了满足这些苛刻的要求，正在研究多种新技术 - 例如边缘计算、人工智能和分析、数字孪生以及安全、隐私和信任方案 - 以便在当前的物联网架构标准中采用，确定具有适当设计模式的有效集成方案。因此，设计和管理下一代基于物联网的系统将变得更加复杂。本书包含第一届 Eclipse 下一代物联网安全、人工智能和建模国际会议 (SAM IoT 2020) 的会议记录。SAM IoT 2020 是 Eclipse 基金会组织的第一次科学会议，旨在促进研究界建立更丰富的公共领域文化，特别关注应用研究。SAM IoT 2020 组织了一次征文活动，以收集欧洲和世界各地的最新研究成果，特别关注与下一代物联网应用中的安全、人工智能和建模相关的未解决的问题。SAM IoT 还得到了欧盟资助的 H2020 BRAIN-IoT 项目的支持。BRAIN-IoT 是一个专注于定义和实施新架构和方法的项目，旨在支持现代物联网应用的开发人员和运营商应对智慧城市、工业和机器人领域日益复杂和动态的物联网系统，是下一代物联网范式的先驱项目之一。因此，LINKS 基金会作为 BRAIN-IoT 项目的协调者，参与组织 SAM IoT 2020，以促进围绕下一代物联网研究主题的讨论，将研究和工业界的参与者聚集在一起。已收到来自欧洲、亚洲和美国 16 个不同国家/地区的作者的投稿。为了评估每份提交的论文，技术计划委员会进行了盲审，该委员会的成员都是 SAM IoT 主题领域的资深研究人员。每篇论文至少经过三名审阅者审阅。根据这些审查，选出了在质量、原创性和与会议主题的相关性之间取得充分平衡的论文。根据提供的分类，选出了 11 篇论文。会议还举办了 2 场主题演讲，由专家发表，分别是 Henrik Plate（SAP 安全研究）和 Paul-Emmanuel Brun（AIRBUS 网络安全）。这些演讲有助于提高会议的整体质量，并加深对会议感兴趣领域的了解。SAM IoT 2020 的论文集将提交给 CEUR 研讨会论文集 (CEUR-WS.org) 进行出版，这是亚琛工业大学下属 Sun SITE Central Europe 的一项免费开放获取出版服务。CEUR-WS.org 是公认的 ISSN 出版物系列，ISSN 1613-0073。我们相信，已发表的论文集展示了新的创新解决方案，并突出了 SAM IoT 领域中具有挑战性的技术问题。为了表彰最佳提交作品，技术计划委员会在会议闭幕式上根据论文评审分数颁发了奖项。最后，我们首先要感谢技术论文的作者，他们的工作和奉献精神使我们能够制定出一个我们认为非常令人兴奋且技术质量很高的计划。接下来，我们要感谢项目委员会的所有成员，他们用专业知识和时间帮助了我们。
CSE 539：应用密码学秋季2023（Internet -Hybrid
缺勤和迟到或错过的作业，学生应在课程时间表中指定的时间范围内积极参与所有学习活动和评估。未能参与或提交指定的工作可能会影响您实现可能影响课程成绩的课程目标的能力。缺席或缺乏参与，被原谅或无故，不会减轻学生的任何课程要求。定期参与学习活动和遵守分配/测试日期是学生的责任。请遵循适当的大学政策要求宗教习俗（http://www.asu.edu/aad/aad/manuals/acd/acd/acd/acd/acd/acd304-04.html），或适应因大学批准的活动而错过的任务（http://wwwwwwwww.asu.edu.eedu/anad/manual/ACD304.04.
铝合金压铸铸造技术
总部位于布鲁塞尔的欧洲铝消费者和用户联合会 (FACE) 决定以新的活力重启欧盟对进口原铝关税的暂停活动，这要归功于罗马路易斯大学 (LUISS University) 的最新研究成果，该研究题为“欧盟铝业 - 欧盟贸易措施对下游活动竞争力的影响”。该研究由 FACE 于 2014 年委托进行，旨在建立欧盟铝价值链的透明情景，特别关注下游环节，该环节约占欧盟铝业年营业额的 70%，占其总就业人数的近 92%。从源头上看，欧盟国内原铝供应不足，70%以上的需求依赖进口，为了弥补2017年约510万吨的缺口，且这一缺口还在不断扩大，下游产业必须从境外供应商那里吸引铝材。与许多其他商品一样，铝产品也适用复杂的进口关税制度；对于未锻造金属，在2007年和2013年连续两次自主暂停征收关税后，铝合金、铝板坯和铝坯以及铸造合金的关税税率分别为3%、4%和6%。未锻造铝进口既有关税款（DP）也有关税款（DU），可以从与欧盟签署优惠贸易协定（PTA）的国家和普惠制（GSP）覆盖的欠发达国家（SPGA）免税进口。由于新的冶炼能力正在受欧盟关税影响的国家建设，应税金属的份额将随着欧盟对进口金属的需求而继续增长。无论如何，由于市场条件，DP价格基准已成为欧盟向下游用户供应原金属的事实基准，所有DU供应商都有强烈的动机收取DP价格，无论他们是否缴纳关税。因此，欧盟下游客户为进口和国内铝支付的价格
适应植物表型的视觉基础模型
基础模型是对大量数据进行预训练的大型模型。通常可以以最小的努力来适应各种下游任务。但是，由于基础模型通常是在从互联网中提出的图像或文本上进行预培训的，因此它们在植物表型等植物域中的性能受到质疑。此外，完全调整基础模型是耗时的，需要高计算能力。本文研究了植物表型设置和任务的基础模型的有效适应。我们对三个基础模型（MAE，Dino和Dinov2）进行了大量实验，对三个必需的植物表型任务：叶子计数，实例阶段和疾病分类。特别是，预先训练的骨干被冷冻，同时评估了两种不同的调整方法，即适配器调整（使用lora）和解码器调整。实验结果表明，基础模型可以充分地适应植物表型任务，从而产生与针对每个任务的最先进的模型（SOTA）模型相似的性能。尽管在不同任务上表现出很高的传递能力，但在某些情况下，精细调整的基础模型的表现比SOTA任务特定的模型稍差，这需要进一步研究。
OpenEQA：基础模型时代的具体问题回答
我们提出了一种现代的体现问题答案（EQA），这是理解环境足以以自然语言回答问题的任务。代理可以通过借鉴情节记忆来实现这种理解，就像在移动机器人的情况下一样，由代理商在智能眼镜上示例或积极探索环境。我们使用OpenEQA（用于EQA的第一个开放式基准基准数据集）伴随着我们的配方。OpenEQA包含超过180个现实环境提取的1600多个高质量的人类生成的问题。除了数据集外，我们还提供了一种自动LLM驱动的评估协议，该协议与人类判断具有良好的相关性。使用此数据集和评估协议，
探索大型基础模型的开放潜力...
开放式摄取的人类对象相互作用（HOI）的构图与检测以自然语言为指导的新型HOI的问题有关，这对于不认为以人为中心的场景至关重要。然而，先前的零射HOI检测器通常使用相同水平的图形图来模拟距离的HOI，从而在包含具有较大距离的人类对象对的场景中导致次优性能。此外，这些检测器主要依赖类别名称，并概述语言可以提供的丰富上下文信息，这对于捕获通常很少见的开放词汇概念至关重要，而单独使用类别名称的词汇量不佳。在本文中，我们引入了一种新型的端到端开放词汇HOI检测框架，该框架具有有条件的多级解码和细粒度的semantic增强（CMD-SE）（CMD-SE），从而利用了视觉语言模型（VLMS）的潜力。具体来说，我们建议通过在两部分匹配过程中结合软性结合来对具有不同特征图的不同距离的人类对象对进行建模。更重要的是，通过利用大型语言模型（LLM），例如GPT模型，我们利用了他们广泛的世界知识来生成人体部分状态的描述，以进行各种相互作用。然后，我们整合了人体部分的泛化和细粒语义，以证明相互作用的识别。在两个数据集（Swig-hoi和Hico-det）上进行的实验结果表明，我们提出的方法达到了最新的方法，可以实现开放的词汇HOI检测。代码和模型可在https://github.com/ltttpku/cmd-se-版本中使用。
人工智能基础模型——解释
虽然基础模型有时被认为与“通用人工智能”（GPAI）完全相同，但实际上它们只是众多 GPAI 类型中的一种（尽管非常强大）。其他 GPAI 类型包括（通常非常基础的）用于一系列任务（例如模式检测或翻译）的 AI 系统。