XiaoMi-AI文件搜索系统
World File Search SystemMICROSOFT
Microsoft Word - T09_06_01_Flood_damage_guidelines_D9_1_v2_2_p44.doc
致谢 本出版物中描述的工作得到了欧洲共同体第六框架计划的支持，该计划通过向综合项目 FLOODsite 的预算拨款，合同号为 GOCE-CT- 2004-505420。免责声明 本文件仅反映作者的观点，不代表欧洲共同体的观点。这项工作可能依赖于 FLOODsite 项目联盟外部来源的数据。联盟成员不承担任何第三方因此类数据中的错误或不准确而遭受的损失或损害的责任。本文件中的信息按“原样”提供，不保证或担保该信息适合任何特定用途。用户自行承担使用该信息的风险，欧洲共同体或 FLOODsite 联盟的任何成员均不对使用该信息的任何行为负责。© FLOOD 网站联盟
Microsoft Word - MPI_Position_statement_AI_Inventor_2021-08-09.docx
3 Thaler 诉美国专利、设计和商标总署 [2020] EWHC 2412 (Pat) (2020 年 9 月 21 日)。4 Stephen Thaler 诉 Andrew Hirshfeld，履行美国专利商标局知识产权和局长办公室副秘书的职能和职责，等，编号 1:20-cv-903 (LMB/TCB)，2021 WL 3934803 (ED Va. 2021 年 9 月 2 日)。5 上诉编号 J0009/20。6 “DABUS”代表“用于统一感知的自主引导的设备”。有关解释，请参阅“DABUS 描述”访问日期：2021 年 8 月 24 日。7 申请号 2021/03242。请参阅专利、商标、外观设计和版权局，专利公报，包括电影胶片中的商标、外观设计和版权 54(7) (2021 年 7 月 28 日) 255（2021 年 8 月 24 日访问）。8（2021 年 8 月 24 日访问）。9（2021 年 9 月 6 日访问）。10 Ryan Abbott，《人工智能发明家计划》6 WIPO 杂志（2019 年）（2021 年 8 月 24 日访问）。
Microsoft Word - FantasyFootball-KDD-DLP-Sports-cameraready.docx
摘要 梦幻体育让球迷可以管理自己喜欢的运动员组成的球队，并与朋友和其他经理竞争。梦幻平台将运动员在现实世界中的统计表现与梦幻得分相结合，其受欢迎程度稳步上升，2018 年至 2019 年期间，每月估计有 910 万玩家在 ESPN Fantasy Football 平台上花费了 77 亿分钟，球员卡片浏览量达 44 亿次。与此同时，体育媒体界制作了幻想体育范围内和范围外的新闻报道、博客、论坛帖子、推文、视频、播客和观点文章。然而，人类幻想足球玩家无法消化和总结数十亿字节的自然语言文本和多媒体数据来做出阵容决定。在我们的系统出现之前，幻想经理依靠专家预测及其对平均 3.9 个信息源的分析来做出阵容决定。虽然这些专家擅长根据传统统计数据评估球员，但他们忽略了大部分可用于评估的数据。我们的工作讨论并展示了一种新颖的（正在申请专利的）机器学习管道的结果，该管道可以有效地管理 ESPN Fantasy Football 团队。每天将经过训练的统计实体检测器和 document2vector 模型应用于超过 50,000 个新闻来源和 230 万篇文章、视频和播客，使系统能够理解自然语言，类比测试准确率为 100%，关键字测试准确率为 80%。接下来，98 层深的深度学习前馈神经网络提供球员分类，例如球员是否会失败、爆发、带伤上场或发挥有意义的作用，累计准确率为 72%，真实世界分布率为 12%。最后，多元回归集成接受深度学习输出和 ESPN 投影数据，为 2018 年排名前 500 的梦幻足球球员中的每一个提供点投影。点投影保持了 6.78 个点的均方根误差。接下来，从适合当前预测和历史得分的 24 个概率密度函数中选出最佳的函数来
Microsoft Word - 罗斯福道路概况表 2014 年 12 月分发版
海军继续按照美国环保署的同意令（命令号 RCRA-02-2007-7301）开展工作，并遵守《资源保护和回收法案》（RCRA）的规定，推进对现有场地的调查和清理工作。海军每月都会向社区通报计划进行的实地工作。
Microsoft Word - Chemistry42_An_AI-based_platform_for_de_novo_molecular_design_rxiv.docx
Insilico Medicine 是一家开发用于靶标发现和生成化学的 AI 算法的公司，它是首批发布使用深度对抗模型生成新化合物的方法的团队之一（Kadurin、Aliper 等人2017 年）。从那时起，将生成算法与强化学习 (RL) 相结合的基于 DL 的架构已经得到开发并应用于化学和药理学，以生成具有预定义属性的新型分子结构。尤其令人鼓舞的是，活性分子从头设计方面的最新进展已在体外和体内试验中得到验证（Zhavoronkov 等人2019 年）。生成化学领域现在是增长最快的药物发现领域之一（Vanhaelen、Lin 和 Zhavoronkov 2020；Schneider 2018；Merk 等人2018）。Chemistry42™ 平台已在 Insilico Medicine 中被常规且成功地用于推动多个治疗领域的药物发现过程。在以下部分中，我们将描述 Chemistry42™ 平台的主要功能。
Microsoft Word - CFP_TMTT_Special_Issue_on_MachineLearning.docx
过去十年中，机器学习和人工智能在信号处理、图像和语音识别、机器人、自主系统等领域取得了巨大的成功。这一成功还伴随着机器学习和人工智能在科学和工程等广泛领域的应用不断扩大。微波社区是最早探索机器学习和人工神经网络（ANN）用于无线和有线电子设备、电路和系统设计的社区之一。近年来，人们对机器学习和人工智能不仅在设备/电路级建模和设计，而且在系统和更高级别的应用中的应用兴趣和活动都显著增加。受到激发的研究和应用带来了面向微波的机器学习技术的新方法，例如新型 ANN、基于支持向量机和高斯过程的方法、自动建模、深度学习；此外，机器学习和人工智能还解决了越来越多的微波问题，包括电磁结构建模和设计、多物理建模、微波滤波器/多路复用器设计、GaN HEMT 建模、PA 行为建模、数字预失真设计、振荡器设计、SIW 诊断、MEM 传感器建模、高速 VLSI 封装和微系统设计、无线电力传输、MIMO 发射器设计等等。机器学习在系统级的进一步应用正在创造微波系统的突破性能力，例如用于医疗或安全应用的基于电磁的图像重建，以及用于下一代无线系统的动态频谱分配。
Microsoft Word - TN_Policy_for_Safe_and_Ethical_AI_V1_7_finalupdated.docx
8. 泰米尔纳德邦采购人工智能系统的指南：为人工智能解决方案实施道德评分“DEEP-MAX”...................................................................................................................... 17
Microsoft Word - 20220624_NP_DCSSA-PSEC-RGPD_通知-信息-SIH
仅在符合《通用数据保护条例》（GDPR）的框架内进行数据在健康领域的研究、调查和评估的再利用。您可以反对重复使用与您有关的数据。根据这些项目的性质，我们可能会联系您以征求您的同意或告知您情况。对于某些研究和调查项目，可在以下网址获取信息：https://www.defense.gouv.fr/sante/kiosque-du-ssa/rgpd-notices-dinformation-reglementaires
Microsoft Word - lf99-1309_Prinzel_Kramer_Int_.doc
航空业已见证了许多新型航空电子系统（例如，姿态指示器、无线电导航、仪表着陆系统、近地警告系统）的引入，这些系统旨在克服飞行员外部能见度有限的问题。尽管如此，能见度有限仍然是影响全球航空运营安全和能力的最关键因素。仅在商业航空业，全球超过 30% 的致命事故被归类为可控飞行撞地 (CFIT)，即正常运转、机械完好的飞机撞上地形或障碍物，而机组人员由于缺乏外部视觉参考或地形/危险态势感知受损而无法看到。在通用航空业，最大的事故类别是持续飞行进入仪表气象条件，即非仪表等级飞行员继续飞入恶化的天气和能见度，导致视野丧失，并可能撞上意外地形或空间迷失方向并失去控制。最后，影响机场延误的最大因素是能见度有限，当天气条件低于目视飞行规则时，能见度会降低跑道容量并增加空中交通分离所需的距离。
Microsoft Word - A_Transparency_Index_Framework_for_AI_In_Education.docx
UCL 知识实验室，r.luckin@ucl.ac.uk 已经提出了许多人工智能伦理检查表和框架，重点关注公平性、可解释性和安全性等道德人工智能的不同维度。然而，在为现实世界的教育场景开发透明的人工智能系统方面，还没有开展过这样的工作。本文提出了一个透明度指数框架，该框架是与教育领域人工智能的不同利益相关者共同设计的，包括教育工作者、教育技术专家和人工智能从业者。我们绘制了教育领域人工智能不同类别利益相关者的透明度要求，并证明了透明度考虑因素贯穿于从数据收集阶段到人工智能系统部署到现实世界并不断改进的整个人工智能开发过程中。我们还展示了透明度如何实现教育领域其他道德人工智能维度，如可解释性、问责制和安全性。最后，我们讨论了这一新兴领域未来研究的方向。本研究的主要贡献在于强调了透明度在开发人工智能教育技术中的重要性，并提出了人工智能教育概念化的指标框架。