XiaoMi-AI文件搜索系统
World File Search SystemFrame
朝着大脑数据的治理框架
分析仅限于临床领域和生物医学，心理或行为研究。如今，通过越来越多的Conumer级神经技术设备，大脑数据也越来越多地用于就业，教育和军事环境以及个人使用。在消费者空间中，信息技术公司正在开发用于用于消费者目的的大脑数据的设备和应用程序，例如认知监测，神经反馈，设备控制或其他形式的脑部计算机接口。例如，在2017年至2021年之间，Facebook开发了脑部计算机界面（BCI）研究计划，旨在构建可穿戴的BCI，使用户可以通过简单地想象语音来键入。Microsoft正在为普通人群的非侵入性交互式BCIS并行工作，而神经技术公司（例如Neuralink，Emotiv和Nemiv和kernel）的整个生态系统正在迅速出现。消费者神经技术，电子学习，数字表型，情感计算，心理学和神经元素是利用大脑数据作为商品的某些应用领域[1，2]。在教育和工作环境中，已经尝试收集和处理大脑数据以进行诸如改善学习和重新设计工作流程之类的内容。例如，去年，在中国，小学生被录取了一项试验，在该试验中，在认知任务期间记录了电脑图（EEG）数据以评估他们的注意力跨度[3]。
dmr：视觉增强学习中的框架和事件融合的分解多模式表示
我们使用两种互补视觉方式探索视觉增强学习（RL）：基于框架的RGB凸轮和基于事件的动态视觉传感器（DVS）。iSTING多模式视觉RL方法在有效提取与任务相关的信息时经常遇到挑战。为了解决这个问题，我们提出了用于视觉RL的分解多模式表示（DMR）框架。它将输入分为三个不同的组成部分：与任务相关的效果（共同功能），RGB特异性噪声和DVS特异性噪声。共同创作表示与RL任务相关的两种模式中的完整信息；这两个噪声组件都受到数据重构损失以避免信息泄漏的约束，与共同创作形成对比，以最大程度地差异。广泛的经验表明，通过明确分开不同信息的类型，我们的方法可实现与最先进的方法相比，实质性改善的政策绩效。
用于评估和优化靶向嵌合体（Protacs）
摘要：靶向蛋白质降解的领域呈指数增长。然而，对提供机械见解的药代动力学/药效学模型的需求未满足，同时在药物发现环境中实际上也很有用。因此，我们已经开发了一个全面的建模框架，可以应用于常规项目的实验数据，到：（1）基于准确的降解指标评估Protac，（2）指导最关键参数的化合物优化，（3）将降解降解到下游药物效应。所提出的框架包含了许多第一个特征：（1）一种机械模型，可以在Protac浓度降解中效应钩子效应，（2）（2）量化靶占用作用在Protac动作机制中的作用和（3）靶向降解和靶标的proticat效应的效应的靶标在protak protica的作用机制中的作用和靶标的proticat效应的效应。为了说明适用性并建立信心，我们采用了这三种模型来分析来自不同项目和目标的各种化合物的示例性数据。提出的框架使研究人员可以量身定制其实验性工作，并更好地了解其结果，最终导致更成功的Protac发现。这里的重点在于体外药理学实验，但还讨论了体内研究的关键含义。
现代计算框架中的中央操作系统
摘要 - 现代系统的快速发展引起了人们对隐私和控制的关注。本文探讨了集中式城市操作系统的假设情况CTO，该CTO管理基础架构（如交通信号灯）并收集了大量的个人数据。我们探讨了与此类系统相关的潜在风险，包括私人公司的权力集中以及操纵用户行为的能力。个人（目前每个美国人超过2.3 GB）铸造的数字阴影不断增长，提出了有关数据安全性和滥用潜力的问题。ctos，如果实施，可以创建一个网络，在该网络中，个人信息直接链接到物理系统，并用于目标广告以外的目的。从在线服务到紧急系统的现代技术的相互联系性质增加了带有广泛后果的网络攻击的潜力。本文研究了这些问题，并探讨了确保负责任的数据管理的潜在解决方案，并减轻与超连接的城市基础设施相关的风险。
迈向可解释人工智能的统一框架
可解释人工智能 (XAI) 领域已迅速成为一个蓬勃发展且成果丰硕的社区。然而，该领域一个不为人知、反复出现且公认的问题是缺乏对其术语的共识。特别是，每一项新贡献似乎都依赖于其自己的（通常是直观的）术语版本，例如“解释”和“阐释”。这种混乱阻碍了该领域进步的巩固，无法满足科学和监管要求，例如在比较方法或确定其对偏见和公平约束的遵从性时。我们提出了一个理论框架，它不仅为这些术语提供了具体的定义，而且还概述了产生解释和阐释所需的所有步骤。该框架还允许重新语境化现有贡献，以便可以衡量其范围，从而使它们与其他方法具有可比性。我们表明，该框架符合对解释、可解释性和评估指标的要求。我们提供了一个用例，展示了如何使用该框架来比较 LIME、SHAP 和 MDNet，确定它们的优点和缺点。最后，我们从我们的框架的角度讨论了 XAI 的相关趋势以及对未来工作的建议。
海洋战略制定实用框架
21 世纪的陆地生活严重依赖海洋领域。人们经常听到的统计数据是，90% 的世界贸易通过海上进行，99% 的国际通信通过海底电缆进行，但这实际上只能说明我们的陆地生活与海洋活动和基础设施之间的联系有多紧密。全球对海洋领域的这种依赖需要人们更加关注海上安全，因为任何看似低级的问题都可能很容易产生全球影响。2021 年 3 月，苏伊士运河因集装箱船 EVER GIVEN 搁浅而关闭，这便是一个例子，说明一艘船只发生的单一事件可能会对全球产生后勤、经济和安全影响。正是由于这个原因——海上活动与陆地生活之间密不可分的联系——海上战略已成为几乎每个沿海、岛屿和群岛国家关注的重点。
最佳大脑压缩：准确的训练后量化和修剪框架
我们考虑深度神经网络 (DNN) 在具有挑战性的一次性/后训练环境中的模型压缩问题，在该环境中，我们获得了一个经过精确训练的模型，并且必须仅基于少量校准输入数据对其进行压缩，而无需进行任何重新训练。鉴于新兴的软件和硬件支持通过加速剪枝和/或量化来执行压缩模型，这个问题变得很普遍，并且已经针对这两种压缩方法分别提出了性能良好的解决方案。在本文中，我们介绍了一种新的压缩框架，该框架在统一的环境中涵盖权重剪枝和量化，具有时间和空间效率，并且大大提高了现有后训练方法的实际性能。在技术层面，我们的方法基于 [LeCun、Denker 和 Solla，1990] 的经典最佳脑外科医生 (OBS) 框架的精确和高效实现，该框架扩展到还涵盖现代 DNN 规模的权重量化。从实际角度来看，我们的实验结果表明，它可以显著改善现有后训练方法的压缩-准确度权衡，并且可以在后训练环境中实现修剪和量化的准确复合应用。
使用深度学习和蒙特卡洛树搜索的勒索软件检测的混合框架
勒索软件攻击已成为一种主要的网络安全威胁，其越来越复杂的技术经常逃避传统的检测方法。提出了一个新颖的框架，该框架通过蒙特卡洛树搜索（MCT）的动态决策能力来协同深度学习模型的预测优势，从而为不断发展的勒索软件变体带来的挑战提供了全面的解决方案。通过严格的评估，混合动力框架在降低误报的同时表现出显着提高的检测准确性，表现优于常规机器学习模型。MCT的整合允许探索多个决策路径，从而实时增强了系统对新型威胁的适应性。此外，提出的模型还保持了计算效率，使其对于企业环境中的实时部署而言是可行的。结果证明了混合模型是现代网络安全中强大的防御机制的潜力，提供了一种可扩展有效的工具来减轻勒索软件威胁。
人工智能框架设计研究...
摘要 —本研究旨在研究人工智能 (AI) 思维的定义和属性，以支持 AI 教育，从而帮助教育工作者确定应如何在 K-12 年级开展此类教育。采用文本挖掘方法，使用文本爬取和共词分析，使用 Python 编程语言设计和定义 AI 思维。使用余弦相似度和 word2vec 技术进行共词分析。余弦相似度通过根据出现频率分配权重来提取配对词。word2Vec 的 skip-gram 检查周围的单词并预测配对词。根据共词分析结果，AI 思维正在使用综合思维过程通过讨论、提供、演示和证明过程来解决决策问题。此外，未来的 AI 教育研究必须考虑 AI 思维。本研究旨在作为推动 AI 教育发展的基础研究。
为大众运营商开发和实施技能和能力框架：机会和挑战
海上和运输行业创新多样性的增长以及自动船舶技术的出现正在吸引有关学术界，工业和监管机构中海上自主地表运营（Mass）运营的讨论。通过预测海员和非隔壁者将参与自主船的关键操作，研究人员正在积极调查未来大众运营商可能要求的新技能和能力。本文作者进行的最新研究涉及一项定性研究，包括对包括海员，海上监管机构，海上教育和培训提供者以及其他海上专家在内的利益相关者的深入访谈。该研究确定了关键的技术和非技术技能，并且需要在框架中包括确定的技能和能力。在本文中，作者建立在过去和现在的研究基础上，以及在海上教育和培训的背景下确定这样做的挑战，迈向建立和实施框架的第一步。挑战是根据文献的评论以及针对其他行业劳动力建立的可用技能和能力框架的研究。确定的挑战（如果解决）将有助于建立一个受管制和条例的结构，以训练大众运营商，并满足海上利益相关者的期望。