XiaoMi-AI文件搜索系统
World File Search SystemKersten
Forbion将Dirk Kersten推广到管理合作伙伴和...
Forbion也很高兴地宣布任命M.D.乔纳森·麦克尼尔（Jonathan McNeill）为波士顿办事处的合伙人。乔纳森（Jonathan）加入了Dyne Therapeutics的Forbion，他担任首席商业官，为生物技术的转变为以肌肉疾病为中心的领先的公司做出了贡献。在Div>担任Div>之前，他担任Editas Medicine，这是一种基于CRISPR技术的临床阶段生物技术开发用于罕见疾病的药物，并且是波士顿咨询集团医疗保健实践的成员。在福比昂，乔纳森（Jonathan）将支持该公司的风险投资基金战略，建立和启用早期生物技术，利用他在业务发展方面的丰富经验，成功的资本筹集和首次公开产品。他的任命是在2024年6月开设福比昂波士顿办事处，以支持该公司在美国市场的长期活动。
建议引用：Dornemann, Jorin；Rückert, Nicolas；Fischer, Kathrin；Taraz, Anusch (2020)：海运物流中的人工智能和运筹学，在：Jahn, Carlos Kersten、Wolfgang Ringle、Christian M. (Ed.)：海运和城市物流中的数据科学：数据驱动的物流和可持续性解决方案。汉堡国际物流会议 (HICL) 论文集，第 14 卷。 30，ISBN 978-3-7531-2347-9，epubli GmbH，柏林，第 337-381 页，https://doi.org/10.15480/882.3140
目的：人工智能 (AI) 的应用有可能与运筹学方法相结合带来巨大进步。在我们的研究中，我们探索了当前使用 AI 方法解决优化问题的方法。目的是概述最新进展并研究它们如何适应海运物流。方法：进行并呈现结构化的文献综述。对已确定的论文和贡献进行分类和归类，并总结一些特别相关的贡献的内容和结果。此外，还进行了评估，确定了现有的研究差距并展望了未来的研究方向。发现：除了在优化领域大量使用 AI 关键词外，人们对使用机器学习自动学习优化问题的启发式方法的兴趣也日益浓厚。我们的研究表明，这些方法大多尚未适应海运物流问题。所发现的差距为未来研究中开发海运物流学习模型奠定了基础。原创性：在运筹学领域使用机器学习方法是一个有前途且活跃的研究领域，具有广泛的应用范围。从海运物流的角度回顾这些最新进展是一种新颖的方法，可以为未来研究和实践中开发海运物流大规模优化问题的解决方案带来优势。
建议引用：Spreitzenbarth, Jan；Stuckenschmidt, Heiner；Bode, Christoph (2021)：人工智能的现状：采购与销售和营销，收录于：Kersten, Wolfgang Ringle、Christian M. Blecker、Thorsten (Ed.)：适应未来：数字化如何塑造可持续物流和弹性供应链管理。汉堡国际物流会议 (HICL) 论文集，第 31 卷，ISBN 978-3-7549-2770-0，epubli GmbH，柏林，第 223-243 页，https://doi.org/10.15480/882.3990
建议引用：Spreitzenbarth, Jan；Stuckenschmidt, Heiner；Bode, Christoph (2021)：人工智能的现状：采购与销售和营销，收录于：Kersten, Wolfgang Ringle、Christian M. Blecker、Thorsten (Ed.)：适应未来：数字化如何塑造可持续物流和弹性供应链管理。汉堡国际物流会议 (HICL) 论文集，第 31 卷，ISBN 978-3-7549-2770-0，epubli GmbH，柏林，第 223-243 页，https://doi.org/10.15480/882.3990
引用：Servaty R、Kersten A、Brukamp K 等人。机器人设备在护理中的应用。障碍与促进因素：综合综述。
摘要 背景 医疗保健领域的机器人越来越受到关注；然而，由于干预措施本身和实施方案的复杂性，它们的实施具有挑战性。本综合评价的目的是确定在护理中实施机器人系统的障碍和促进因素。 方法 2017 年 11 月和 2019 年 7 月在 Medline（通过 PubMed）、CINAHL 和资助研究项目数据库（社区研究与发展信息服务和技术信息图书馆）以及机器人研究期刊上搜索了 2002 年至 2019 年发表的有关在护理中实施机器人设备的项目的文章，以进行更新。没有对研究设计施加任何限制。所有纳入的文章都经过设计特定的批判性评价工具的质量评估。使用复杂干预措施的背景和实施框架对实施的障碍和促进因素进行分类。结果 删除所有重复项后，搜索显示 11 204 项研究，其中 17 项符合纳入标准并被纳入综合。大多数研究涉及旨在支持个人的机器人的实施，无论是居家还是在养老院 (n=11)。这些研究在欧洲、美国和新西兰进行，并在养老院、个人生活环境、医院部门和实验室中进行。大多数研究的报告质量和证据质量较低。最常报告的障碍是在社会经济和伦理领域，并且属于实施结果领域。最常报告的促进因素与社会文化背景、实施过程和实施策略有关。讨论 本综述确定了不同维度中护理中实施机器人设备的障碍和促进因素。结果为制定适当的实施策略以减少潜在障碍和促进要素整合以促进实施奠定了基础。PROSPERO 注册号 CRD42018073486。