XiaoMi-AI文件搜索系统
World File Search SystemIndices
USAARL 报告编号 2019-06 清晨模拟飞行期间飞行员表现和心理生理指标的个体差异 作者：Kathryn A. Feltman 1、Jared Basso 1,2、Kyle A. Bernhardt 1,2、Amanda Hayes 1, 2、Colby Mathews 1, 2、Jim Chiaramonte 1、Melody King 1、Amanda M. Kelley 1、Bradley Erickson 1、Ian Curry 1
估计此次信息收集的公共报告负担平均为每份回应 1 小时，包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将有关此负担估计或本次信息收集任何其他方面的评论（包括减轻负担的建议）发送至国防部华盛顿总部服务处信息行动和报告局 (0704-0188)，1215 Jefferson Davis Highway, Suite 1204, Arlington, VA 22202-4302。受访者应注意，尽管法律有任何其他规定，但如果信息收集未显示当前有效的 OMB 控制编号，则任何人均不会因未遵守信息收集而受到任何处罚。请不要将您的表格寄回上述地址。1.报告日期 (DD-MM-YYYY) 2.报告类型 3.涵盖日期 (从 - 到)
清晨模拟飞行期间飞行员表现和心理生理指标的个体差异
估计此次信息收集的公共报告负担平均为每份回应 1 小时，包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将有关此负担估计或本次信息收集任何其他方面的评论（包括减轻负担的建议）发送至国防部华盛顿总部服务处信息行动和报告局 (0704-0188)，1215 Jefferson Davis Highway, Suite 1204, Arlington, VA 22202-4302。受访者应注意，尽管法律有任何其他规定，但如果信息收集未显示当前有效的 OMB 控制编号，则任何人均不会因未遵守信息收集而受到任何处罚。请不要将您的表格寄回上述地址。1.报告日期 (DD-MM-YYYY) 2.报告类型 3.涵盖日期 (从 - 到)
制定新指数来衡量数字技术的可及性和熟悉度
使用探索性和验证性因素分析来检验第一个研究问题。这些分析的结果表明，访问和熟悉度领域都是多维的。对于访问领域，确定了两个因素，分别解释为“在家访问”和“在学校访问”。对于熟悉度领域，确定了三个因素，“通过教学熟悉”、“通过使用计算机熟悉”和“通过使用平板电脑熟悉”，以及 8 年级和 12 年级的两个额外因素，“对数字概念的熟悉”和“对数字概念的过度熟悉”。因素分析表明，单个因素描述了“对数字技术的自我效能”项目。为观察到的每个因素建立了指数，并计算了每个因素的可靠性。这些指数的可靠性估计值在所有因素的可接受范围内
NYSE® FactSet 全球机器人和人工智能指数 (NYFSRAI) 由 ICE Data Indices, LLC 根据 FactSet 开发的方法计算和维护。该方法利用 FactSet RBICS（Revere 商业行业分类系统）行业分类来确定涉及机器人和人工智能的全球上市公司。
NYSE ® 是 ICE Data Indices, LLC 或其附属公司（“ICE Data”）的服务/商标，已获得授权，与 NYSE ® FactSet 全球机器人和人工智能指数（“指数”）一起供贝莱德公司（“贝莱德”）与 iShares 机器人和人工智能 ETF（“基金”）一起使用。ICE Data 不赞助、认可、出售或推广贝莱德和基金。ICE Data 不对投资证券的合理性（特别是基金、信托）或指数跟踪一般股票市场表现的能力做出任何陈述或保证。
精算师气候（和气候风险）指数：用于...
•创建反映精算性观点的索引，是客观的，并且易于理解而不过于简单化•创建一个指数•衡量极端气候变化的索引，以及将这些极端气候与经济和人类损失相关的第二个索引与经济和人类损失相关的第二个索引•使用这些索引•使用这些索引来促进政治事件的一般性促进范围的事件，并促进了行动•行动•行动•行动•行动•行动•行动•行动•行动•行动•赞助商：
谱与空间指数在特定类别中的应用...
在本文中，我们讨论了使用指标来应对机载棱镜实验 (APEX) 高光谱开放科学数据集 (OSD) 的维数缺点，并使用可能性 c 均值 (PCM) 算法提高分类精度。这用于制定光谱和空间指标，以较低的维度描述数据集中的信息。这种降低的维度用于分类，试图提高确定特定类别的准确性。光谱指标是根据目标的光谱特征编制的，空间指标是使用定义邻域上的纹理分析来定义的。为了评估光谱和空间指标在提取特定类别信息中的适用性，考虑了 20 个不同空间分布的类别的分类。数据集的分类分两个阶段进行；光谱和光谱与空间指数的组合分别作为 PCM 分类器的输入。除了降低熵之外，在考虑光谱空间指数方法的同时，实现了 80.50% 的整体分类准确率，而仅光谱指数为 65%，最佳确定的主成分为 59.50%。
药物发现中的配体效率指数
bei = -selog 10i/（mw/1000）= pwa/（mw（kd）; mw（kd）; mwples：what = 1 l（1.E -09）。 = PWA/（PSA/100）; 10*PS/MW;（2005）。DG DG今天10（7）464-469。
MODIS 植被指数
植被状况、覆盖、变化和过程的评估是全球变化研究项目的主要组成部分，也是具有重大社会意义的课题。光谱植被指数是最广泛使用的卫星数据产品之一，它为气候、水文和生物地球化学研究、物候学、土地覆盖和土地覆盖变化检测、自然资源管理和可持续发展提供了关键测量数据。植被指数 (VI) 是一种稳健且无缝的数据产品，无论生物群落类型、土地覆盖状况和土壤类型如何，它都以类似的方式在时间和空间上对所有像素进行计算，因此代表了真实的表面测量值。VI 的简单性使其能够跨传感器系统融合，这有助于确保长期陆地表面建模和气候变化研究的关键数据集的连续性。目前，已有超过二十年的 NOAA 高级甚高分辨率辐射计 (AVHRR) 得出的一致的全球归一化差异植被指数 (NDVI) 陆地记录，这对全球生物群落、生态系统和农业研究做出了重大贡献。在本章中，我们介绍了中分辨率成像光谱仪 (MODIS) VI 产品的当前状态、其算法状态和传统、验证和 QA。我们重点介绍了陆地遥感科学的一些重要进展，并讨论了使用 MODI 所带来的各种应用和社会效益