XiaoMi-AI文件搜索系统
World File Search SystemMcculloch
世界能源展望-可持续复苏-NET
其他主要作者包括：Zakia Adam（补贴和数据支持）、Yasmine Arsalane（电力）、Heymi Bahar（可再生能源）、Stéphanie Bouckaert（建模协调）、Arthur Contejean（接入）、Elisabetta Cornago（交通）、Amrita Dasgupta（交通）、Connor Donovan（电力）、Musa Erdogan（工业）、Araceli Fernandez Pales（创新主管）、Timothy Goodson（建筑主管）、Maxine Jordan（建筑）、Vanessa Koh（电力）、Kevin Lane（建筑）、Pharoah Le Feuvre（生物燃料）、Lilly Lee（交通）、Olivier Lejeune（宏观分析）、Sara Moarif（背景）、Samantha McCulloch（创新）、Kieran McNamara（电网）、Ariane Millot（建筑）、Sarbojit Pal（交通）、Leonardo Paoli（交通）、Sebastian Papapanagiotou（电网）、Claudia Pavarini（电力）、Daniele Perugia（电网）、Apostolos Petropoulos（交通主管）、Alison Pridmore（城市基础设施）、Uwe Remme（创新）、Arnaud Rouget（接入）、Hugo Salamanca（行业）、Andreas Schroeder（行业主管）、Leonie Staas（就业）、Brent Wanner（电力） 带领） 。
连体双胞胎：人工智能与计算机科学的发明
人们普遍认为，现代计算机本身就是一台思维机器，它处在即将被冠以控制论的丰富内容之中，这一点比人们通常认为的要多得多。现代计算机的基本架构以从可寻址高速存储器中检索数字编码指令为中心，最早在约翰·冯·诺依曼的《EDVAC 报告初稿》中描述。冯·诺依曼在 1945 年初撰写这份材料时，正忙于与一个试图成立“目的论学会”的团体进行讨论，以探索生物体和机器实质上等同的激进思想。冯·诺依曼用生物学术语“神经元”描述了数字计算机逻辑的构建块，后来被称为门。这一说法受到沃伦·麦卡洛克和沃尔特·皮茨工作的启发，他们断言，真正的神经元就像二进制开关一样工作，因此在功能上等同于图灵机和形式逻辑中表达的语句。冯·诺依曼进一步利用生物学隐喻，将他计划中的计算机的组成部分称为器官，将其内部存储单元称为内存。
大师之眼——人工智能的社会历史......
Agnicayana 火坛图。Frits Staal，《希腊和吠陀几何》，《印度哲学杂志》第 27 期。1 (1999)：111（图像旋转）。抽象的反射结构。Peter Damerow，《抽象与表征》，柏林：Springer，2013，379。算术寓言。Gregor Reisch，《Margarita Philosophica》，1503 年。将 de Prony 算法实现为劳动分工的方案。Lorraine Daston，《计算与劳动分工，1750-1950》，《德国历史研究所公报》62（2018 年春季）：11。将 de Prony 算法实现到机制中的设计。Charles Babbage，《机械与制造经济》，伦敦：Charles Knight，1832 年，161。Babbage 的差分机。Charles Babbage，《哲学家生平篇章》，伦敦：Longman、Roberts & Green，1864 年，封面。William Heath，《智力的进军》，大约。1828 年，印刷品，大英博物馆。人工神经元的草图。Warren McCulloch 和 Walter Pitts，《神经活动中内在思想的逻辑演算》，《数学生物物理学公报》第 5 卷，第 4 期（1943 年）：105。
人工智能及其在医学中的应用I
塞维利亚大学学习对象库 [2019 年 3 月 4 日访问] 网址：https://rodas5.us.es/file/1240b064-8389-6228-96a5-653dd137f73b/1/capitulo3 SCORM.zip/pagina 22.htm。 4. Domjan M.学习和行为原则。马德里：汤姆森； 2012. 5. Basogai-Olabe X. 人工神经网络及其应用。毕尔巴鄂工程学院。毕尔巴鄂：毕尔巴鄂工程学院 [2019 年 3 月 4 日访问] 网址：https://ocw.ehu.eus/file。 php/102/neuro-networks/contents/pdf/course-book.pdf。 6.Sancho-Caparrini F. 监督和无监督分类。 Fernando Sancho Caparrini [2019 年 3 月 7 日访问] 网址：http://www.cs.us.es/ ∼ fsancho/?e=77。 7. McCulloch WS，Pitts W. 神经活动中固有观念的逻辑演算。数学生物物理学公报。 1943；5：115---33 [2019 年 3 月 7 日访问]。网址：http://link.springer.com/10.1007/BF02478259。 8. 1956 年达斯茅斯会议。[2019 年 3 月 7 日访问] 网址：https://darthmouthconference.wordpress.com/。 9. Ramirez F. 大数据与数据科学博客：人工智能的历史：
控制论的悠久历史 CORE-UA 400
“控制论”一词源于希腊语中的“舵手”，是工程师、管理专家、哲学家和科学家发起的一场跨学科运动，他们开发了我们今天生活的数字世界的硬件和术语。它的目标是重塑全方位的科学和哲学知识，以研究和指导有组织的系统——动物、机器、社会团体。它的领军人物借鉴了西方哲学和科学思想的悠久历史，他们的作品催生了一种名为“科幻小说”的新文学，并受到这种文学的启发。本课程将介绍该学科及其深厚的知识根源。我们将按主题进行，从关键词“通信”和“控制”开始，并讨论计算机、系统、动物、智能和出现等主题。阅读材料将包括早期和第二波控制论专家，如诺伯特·维纳、沃伦·麦卡洛克、约翰·冯·诺依曼和海因茨·冯·福斯特。我们将从柏拉图、康德和皮尔斯等人的悠久思想史的角度来解释他们的关注点，并以从艾萨克·阿西莫夫到奥克塔维亚·巴特勒、从塞缪尔·R·德拉尼到刘慈欣的科幻小说作为这些阅读材料的补充。
符号与亚符号 AI 方法：朋友还是敌人？
符号和亚符号代表人工智能 (AI) 的两个主要分支。人工智能领域在 20 世纪 50 年代取得了巨大进步并确立了地位，在此之前，McCulloch 和 Pittes 做出了一些最著名和开创性的工作，他们在 1943 年建立了神经网络 (NN) 的基础，而 Turing 的工作则在 20 世纪 50 年代引入了机器智能测试，即图灵测试。自发明以来，该领域的发展经历了起起伏伏，俗称人工智能季节，其特点是“夏季”和“冬季”。这些起伏的具体时期尚不清楚，但是，我们根据维基百科和 Henry Kautz 在 AAAI 2020 上的演讲 1“第三个 AI 夏天”采用了中间惯例。我们在图 1 中展示了这些发展的时间表。第一个 AI 夏天，也称为黄金时代，始于 AI 诞生几年后，它基于对解决问题和推理的乐观态度。直到 20 世纪 80 年代，主导范式都是符号 AI。这时，亚符号 AI 开始占据主导地位并受到关注，直到最近几年。两种不同方法之间存在长期而未解决的争论。然而，不同人工智能领域之间的这场较量即将结束，因为我们目前正在经历第三次人工智能之夏，其中主导浪潮是
基于 YOLOv2 和卷积神经网络的 MRI 脑肿瘤分析改进框架
摘要 脑肿瘤是一组异常细胞。大脑被包裹在更坚硬的头骨中。异常细胞生长并引发肿瘤。由于肿瘤形状不规则，肿瘤检测是一项复杂的任务。所提出的技术包含四个阶段，即病变增强、特征提取和选择以进行分类、定位和分割。磁共振成像 (MRI) 图像由于某些因素（例如图像采集和磁场线圈的波动）而带有噪声。因此，使用同态小波滤波器进行降噪。然后，使用非支配排序遗传算法 (NSGA) 从 inceptionv3 预训练模型中提取特征并选择信息特征。优化的特征被转发进行分类，之后肿瘤切片被传递到为肿瘤区域定位而设计的 YOLOv2-inceptionv3 模型，以便从 inceptionv3 模型的深度连接 (mixed-4) 层提取特征并提供给 YOLOv2。将定位图像传递给 McCulloch 的 Kapur 熵方法以分割实际肿瘤区域。最后，在三个基准数据库 BRATS 2018、BRATS 2019 和 BRATS 2020 上验证了所提出的技术以进行肿瘤检测。所提出的方法在脑病变的定位、分割和分类中取得了 0.90 以上的预测分数。此外，与现有方法相比，分类和分割结果更优。
符号与亚符号人工智能方法：朋友还是敌人？
符号和亚符号代表人工智能 (AI) 的两个主要分支。人工智能领域在 20 世纪 50 年代取得了巨大进步并确立了地位，在此之前，McCulloch 和 Pittes 做出了一些最著名和开创性的工作，他们在 1943 年建立了神经网络 (NN) 的基础，而 Turing 的工作则在 20 世纪 50 年代引入了机器智能测试，即图灵测试。自发明以来，该领域的发展经历了起起伏伏，俗称人工智能季节，其特点是“夏季”和“冬季”。这些起伏的具体时期尚不清楚，但是，我们根据维基百科和 Henry Kautz 在 AAAI 2020 上的演讲 1“第三个 AI 夏天”采用了中间惯例。我们在图 1 中展示了这些发展的时间表。第一个 AI 夏天，也称为黄金时代，始于 AI 诞生几年后，它基于对解决问题和推理的乐观态度。直到 20 世纪 80 年代，主导范式都是符号 AI。这时，亚符号 AI 开始占据主导地位并受到关注，直到最近几年。两种不同方法之间存在长期而未解决的争论。然而，不同人工智能领域之间的这场较量即将结束，因为我们目前正在经历第三次人工智能之夏，其中主导浪潮是
改进了基于yolov2和卷积神经网络MRI的脑肿瘤分析的改进框架
抽象脑肿瘤是一组异常细胞。大脑被封闭在更刚性的头骨中。异常细胞生长并开始肿瘤。检测肿瘤是由于不规则的肿瘤形状而成为复杂的任务。所提出的技术包含四个阶段，这些阶段是病变增强，特征提取和用于分类，定位和分割的选择。磁共振成像（MRI）图像由于某些因素（例如摄取图像和磁场线圈波动）而嘈杂。因此，使用同态小波档案进行降噪。后来，使用非主导的排序遗传算法（NSGA）选择了InceptionV3预训练模型中提取的特征和信息特征。将优化的特征转发用于分类，然后将肿瘤切片传递给Yolov2-InceptionV3模型，设计用于肿瘤区域的定位，从而从深度偶联（混合-4）层的IntectionV3模型中提取特征并提供给Yolov2。将局部图像传递给麦卡洛克的卡普尔熵方法，以分割实际的肿瘤区域。最后，在三个基准数据库2018，Brats 2019和Brats 2020中验证了所提出的技术以进行肿瘤检测。所提出的方法在脑病变的定位，分割和分类中获得的预测得分大于0.90。此外，与现有方法相比，分类和分割结果优越。
预印本：探索心智、算法和计算的计算理论 1 Jordan Dopkins ( jdopkins@gsu.edu ) 佐治亚州立大学，佩里
第 2 节区分了两种关于计算心智理论 (CTM) 历史的观点。传统观点将 CTM 追溯到行为主义心理学的缺陷以及 20 世纪 40 年代和 50 年代数字计算机的出现。Colombo 和 Piccinini 拒绝了这种观点，认为它扭曲并过度简化了 CTM。相反，他们主张以更基本的概念（如算法或机制）为基础的历史基础。有关其他示例，请参阅 Isaac 2018 和 Uckelman 2018。我认为他们的方法有四个优点。首先，它提供了对 CTM 的开创性贡献的细致入微的理解。以 McCulloch 和 PiS 1943 年的论文为例，该论文讨论了“全或无”神经信号及其用 1 和 0 表示的方式。Colombo 和 Piccinini 对 CTM 历史的思考方式使我们能够超越数字计算机信号的类比，并将该论文置于更悠久的算法形式化尝试历史中，可以追溯到莱布尼茨或尤利。其次，它捕捉了 CTM 与数字计算机无关的方面，例如大脑对连续变量的模拟操作，正如图灵 (1950) 和冯·诺依曼 (1958) 所讨论的那样。第三，Colombo 和 Piccinini 的方法通过强调与算法和机制相关的特定点，增强了思维/计算机类比。最后，它将历史叙述扩展至波斯数学家 Al-Khwarizmi (c.780-850)，并将笛卡尔、霍布斯和洛夫莱斯等熟悉的人物联系起来。