XiaoMi-AI文件搜索系统
World File Search SystemML
基于 AI/ML 的气候服务 S2S 预测工具
有很多 Python 包可用，但没有一个可以处理气候数据集的多维。它安装起来非常容易（一行命令），不需要任何特殊的计算机，并且适用于 Window、Mac 和 Linux/Unix 系统。Xcast 并行化代码，因此速度更快。它包括所有传统方法（MLR、PCR、CCA）和最先进的 AI/ML 方法（如 ANN、随机森林等）。它读取 NetCDF/Grib2/Zar 数据，而传统工具需要“ASCII 格式”。它还可以读取任何模型输出（NMME、C3S、S2S 和 SubX 或您自己的）。它不仅仅是一个“Jupyter 笔记本”，而是一个 Python 包。
治疗室中的加速器束仪器：VHEE闪光和质子治疗的纤维阵列探测器的开发
CMS沿着大型强子对撞机环位于CERN。它以40 MHz的速率记录了质子质子碰撞的质子胶原碰撞。每个事件记录来自〜10 2 M传感器的信息。多亏了触发系统，每秒仅保存100K事件。〜6 GB/s输出。
aml通过Notch信号传导改变骨髓基质细胞成骨效应
引言：急性髓细胞性白血病（AML）是由各种遗传改变引起的高度异质性恶性肿瘤，其特征是骨髓中未成熟的髓样爆炸的积累（BM）。AML细胞的这种异常生长破坏了正常的造血并改变BM微环境成分，从而建立了对白血病的利基支持。骨髓基质细胞（BMSC）在产生BM壁ni的基本要素（包括脂肪细胞和成骨细胞）方面起着关键作用。动物模型表明，BM微环境是由AML细胞显着重塑的，AML细胞将BMSC偏向于无效的成骨分化，并积累了骨化剂。然而，对AML细胞影响成骨的机制知之甚少。
机器学习与人工智能：SWOT 分析
教职人员@莱斯大学、新加坡国立大学、于默奥大学、浙江大学、北卡罗来纳大学、林雪平分校、印度医学科学院、卡本代尔大学、文图拉大学、南洋理工大学、以色列理工学院 博士后@苏黎世联邦理工学院（3）、麻省理工学院（2）、麦吉尔大学、图灵大学 其他@Kandou bus、SwissRE、TUM
DML MTSS教学领导力工具v3.Docx -InfoHub
教学领导者必须培养和灌输工作人员所必需的文化，系统和结构，以做出持续的基于数据的决策，以将其MLS和ELL组成。使用此工具，教学领导者可以对范围内的团队，评估，核心教学和有针对性的支持进行分析和自我反思，并与所有学生一起服务其MLS/ELL。了解如何实施多层支持系统（MTSS）来满足文化和语言多样化的学生的需求，需要随着时间的流逝而持续的承诺，并且根据学习社区的不断发展的优势和需求而不断地完善。每个锚点下列出的功能将协助教学领导者制定战略行动计划，从而及时为员工，学生和家庭提供支持。
核物理AI/ML核物理AI/ML
[1] G. Gavalian等。“使用人工智能在CLAS12检测器中使用粒子轨迹识别。”Arxiv预印型ARXIV：2008.12860（2020）。[2] G. Gavalian。“用于CLAS12的漂移室中轨道重建的自动编码器。”ARXIV预印型ARXIV：2009.05144（2020）。[3] L.-G。 Gagnon，LHC的轨道重建机器学习，2022 Jinst 17 C02026 - AI4EIC研讨会[4] EXA.TRKX：Exascale的HEP跟踪。DOE Comphep项目，https://exatrkx.github.io/ [5] A. Akram和X. Ju。“在Panda实验中使用稻草管跟踪器（STT）中使用几何深度学习的跟踪重建”。arxiv：2208.12178（2022）[6] D. Rohr“在爱丽丝的在线和离线重建的概述，用于LHC运行3.”arxiv：2009.07515（2020）https://arxiv.org/abs/2009.07515
用于可变形医学图像配准的相关感知粗到精 MLP
可变形图像配准是医学图像分析的基本步骤。最近，Transformer 已用于配准，其表现优于卷积神经网络 (CNN)。Transformer 可以捕获图像特征之间的长距离依赖性，这已被证明对配准有益。然而，由于自注意力的计算/内存负载高，Transformer 通常用于下采样特征分辨率，无法捕获全图像分辨率下的细粒度长距离依赖性。这限制了可变形配准，因为它需要每个图像像素之间精确的密集对应关系。没有自注意力的多层感知器 (MLP) 在计算/内存使用方面效率高，从而可以捕获全分辨率下的细粒度长距离依赖性。然而，MLP 尚未在图像配准中得到广泛探索，并且缺乏对医学配准任务至关重要的归纳偏差的考虑。在本研究中，我们提出了第一个基于相关感知 MLP 的配准网络 (CorrMLP) 用于可变形医学图像配准。我们的 CorrMLP 在新颖的粗到细配准架构中引入了关联感知多窗口 MLP 块，该架构可捕获细粒度多范围依赖性以执行关联感知粗到细配准。对七个公共医疗数据集进行的大量实验表明，我们的 CorrMLP 优于最先进的可变形配准方法。
s2-MLP：视觉的空间移位MLP体系结构
最近，Visual Transformer（VIT）及其以下作品放弃了卷积，并利用了自我发项操作，比CNN获得了可比甚至更高的精度。最近，MLP-Mixer放弃了卷积和自我发项操作，提出了仅包含MLP层的体系结构。为了实现交叉补丁通信，除了通道混合MLP外，它还设计了其他令牌MLP。在诸如JFT-300M之类的极限数据集上进行训练时，它会取得令人鼓舞的结果。，但是当在ImagEnet-1k等中等规模的数据集上训练时，它的表现不如其CNN和VIT对应。MLP混合使用的性能下降激励我们重新考虑令牌混合MLP。我们发现，MLP混合中的令牌混合操作是深度卷积的变体，具有全局接收场和空间特异性配置。在本文中，我们提出了一种新颖的纯MLP体系结构，即空间移位MLP（S 2 -MLP）。不同于MLP混合器，我们的S 2 -MLP仅包含通道混合MLP。我们设计了一个空间换档操作，以实现通过补丁之间的通信。它具有局部接收场，是空间的 - 不可知论。同时，它无参数且有效地计算。在Imagenet-1K数据集训练时，提出的S 2 -MLP比MLP混合剂具有更高的识别精度。同时，S 2 -MLP在ImageNet-1k数据集上具有出色的性能，具有更简单的架构，较少的失败和参数。
2025年1月30日
禁止活绵羊出口（并减少澳大利亚绵羊羊群的规模）将造成以下后果：•根据羊毛生产商的许多提交和委员会提供的证据，绵羊和羊毛生产是自豪的。拿走绵羊，用其他农业企业代替它们，然后您带走工作。禁令将失去工作。•绵羊的放牧良好可以带来自然的积极结果，尤其是通过增强的生物多样性和土壤和植被中大气碳的隔离。从农业系统中取出绵羊会损害生物多样性，并导致碳固存的机会损失。（7）该政策决定是否与到2030年的1000亿美元农业部门的愿景不一致？绝对！消除农民从事有利可图和自我维持的行业以追求政治动机的意识形态的能力将使到2030年的1000亿美元几乎不可能实现。我相信这些答案对委员会具有价值，并要再次感谢委员会提供向调查提供证据的机会。如果您需要更多信息，请随时与我联系。真诚的，
计算机视觉 / ML工程师实习生< / div>
理想的候选人将具有强大的背景：计算机科学，机械工程，电气工程，生物医学工程或相关领域。如果有兴趣，候选人将暴露于从头开始发展初创公司的各个方面（R＆D，光学系统集成和原型化）。工作将主要在我们的马里兰州哥伦比亚办事处进行。工资与经验相称（至少$ 17/hr）。我们的紧密联系的团队很高兴欢迎有才华的申请人并一起发展我们的冒险！