XiaoMi-AI文件搜索系统
World File Search SystemMethods
skada bench：对无监督的域适应方法进行基准测试，并对多种方式进行现实验证
无监督的域适应性（DA）包括适应在标记的源域上训练的模型，以在未标记的目标域上表现良好，并具有某些数据分布变化。虽然文献中提出了许多方法，但公平和现实的评估仍然是一个悬而未决的问题，尤其是由于方法学困难在无监督环境中选择超参数。在Skada Bench的情况下，我们提出了一个框架，以评估DA方法的不同方式，除了在文献中很大程度上探讨的计算机视觉任务之外。我们对现有浅层算法进行了完整而公平的评估，包括重新加权，映射和子空间对齐。现实的超参数选择是通过嵌套的交叉验证和各种无监督的模型选择得分进行的，这两个模拟数据集都具有受控的偏移和现实世界数据集的不同模式，例如图像，文本，生物医学和表格数据。我们的基准强调了现实验证的重要性，并为现实生活中的应用提供了实用的指导，并对模型选择方法的选择和影响有了重要的见解。Skada-Bench是开源的，可再现的，可以通过新颖的DA方法，数据集和模型选择标准轻松扩展，而无需重新评估竞争对手。Skada-Bench可在https://github.com/scikit-adaptation/skada-bench上在github上获得。
让最终用户参与智能手机应用程序的开发和可用性测试，专为糖尿病前期的个人：混合方法焦点小组
背景：当技术设计以满足最终用户的需求时，更有可能使用技术。为了补充预防糖尿病预防计划的大型更改的小步骤，智能手机应用程序是与过去的大型更改客户群合作开发的。可用性测试对于持续使用和采用移动健康应用程序至关重要，通过提供有关在适当调整和改进需要进行适当调整和改进以确保用户满意度的地方。目标：主持了一个有7个参与者的焦点小组来检查该应用程序的可用性并收集反馈以进行未来的迭代。方法：过去的大变化的过去小步骤参与了8个新任务的认知演练，并完成了系统可用性量表调查。参与者可以选择使用该应用程序3周，然后才能完成用户移动应用程序评分量表。结果：对认知演练的分析确定了26个可用性问题；每个人都使用启发式评估来描述可用性错误。最常见的编码错误包括不适当的进度反馈，以不合逻辑的顺序出现的信息，违反直觉的设计以及App Aesthetics的问题。报告了系统可用性量表的平均摘要得分为66.8％（SD 18.91），代表边际可接受性得分，并表明需要解决设计问题。报告了用户移动应用程序评级量表平均得分为3.59（SD 0.33），这意味着平均可接受性等级。涉及最终用户允许该应用程序根据客户的喜好进行量身定制，并增加了使用的可能性。结论：这些发现确定了该应用程序的必要改进，从次要美学问题到主要功能问题。此应用程序与大型更改计划组件和行为变化技术相吻合，可以改善未来客户的健康成果，并使他们能够自我监测其运动，饮食和目标。
混合方法途径开发研究的协议
方法：最初的途径开发是通过系统的证据审查，共同制作和混合方法的可用性告知的。CHATA包括2个关键要素：在线自我完成的标准化自闭症问卷以及训练有素的临床医生的结构化在线访谈和观察。将邀请在本地等待名单的顶部附近的60个家庭中，将邀请使用CHATA和常规评估途径进行评估，参加试点评估。敏感性和特异性将通过通过CHATA与通常的护理进行比较自闭症的诊断来计算。使用系统可用性量表将从所有家庭中收集定量可用性评估（平均68表示高于平均水平的可用性）。将对CHATA评估的子集进行审查，以审查Interfater可靠性（由CohenK衡量的分类数据[存在或缺失]，值表示一致的水平；关于可接受性，可行性和可用性的定性数据将从与家庭和医疗保健提供者的一部分的半结构化访谈中收集。，我们将招募60个家庭进行主要试点研究（包括可用性测试）和10-15个定性替代的参与者。数据将估计Chata的诊断准确性，有效性，可靠性，可用性和可接受性。患者和公众参与将是不可或缺的。这项研究将在社会经济剥夺，种族多样化的内部伦敦自治市镇中进行，在社区儿童健康国家卫生服务局中，负责对13岁以下的儿童和年轻人进行自闭症评估。
教师教育和专业发展，具体水平和方法，其他
密西西比大学已获得南方学院和学校学院委员会的认证，可颁发证书和学士学位、硕士学位、专业学位和博士学位。如需咨询认证事宜，请联系学院委员会，地址：1866 Southern Lane, Decatur, Georgia 30033-4097，电话：404-679-4500，或访问 www.sacscoc.org。
用内核方法的信息理论
我们通过重现Hilbert空间的相关协方差操作员来考虑概率分布的分析。我们表明，这些操作员的冯·诺伊曼熵和相对熵与香农熵和相对熵的通常概念密切相关，并具有许多特性。它们与概率分布的各种牙文的有效估计算法一起出现。我们还考虑了产品空间，并表明对于张量产品内核，我们可以定义互信息和联合熵的概念，然后可以完美地表征独立性，但只有部分条件的独立性。我们最终展示了这些新的相对熵的新概念如何导致日志分区函数上的新上限，这些概念可以与变异推理方法中的凸优化一起使用，从而提供了新的概率推理方法家族。
一项初步数值研究，比较用于地下公用事业网络表征的GPR数据的物理方法和机器学习方法
1关于风险，环境，可调性以及城市和国家规划（CEREMA）的研究和专业知识中心，23 AV。沙文海军上将，法国49130 Les Ponts-De-Cé； David.guilbert@cerema.fr 2 Logiroad，5 Rue de l'Ectlose，44118 LaChevrolière，法国； yann.goyat@logiroad.fr（y.g。）; ali.assaf@logiroad.fr（A.A.）3材料与结构部（桅杆lames），古斯塔夫·埃菲尔大学，南特斯校园，AlléeDesPonts etchaussées，44340 Bouguenais，法国； Amine.ihamouten@univ-eiffel.fr 4组件与系统部（COSYS-SII），Gustave Eiffel大学，Nantes Campus，AlléeDesPonts etChaussées，44340 Bouguenais，法国； shreedhar.todkar@gmail.com 5评估和成像实验室（GERS-GEOEND），Gustave Eiffel University，Nantes Campus，AlléeDesPonts etChaussées，44340 Bouguenais，法国； xavier.derobert@univ-eiffel.fr *通信：rakeeb.jaufer@cerema.fr;这样的。：+33-699565486
量子算法的形式化方法
虽然量子硬件的最新进展为密码学以及其他关键领域（生物学、化学、优化、机器学习等）的显著加速打开了大门，但量子算法仍然难以正确实施，而且这种量子程序的验证是一项挑战。此外，由于量子测量的破坏性，在量子情况下引入传统编程中使用的测试和调试实践极其困难。作为一种替代策略，形式化方法很容易在量子软件这一新兴领域发挥决定性作用。最近的研究为开发过程的每个阶段出现的问题提供了解决方案：高级程序设计、实现、编译等。我们回顾了在量子计算中有效使用形式化方法所面临的挑战以及当前最有前途的研究方向。
使用和比较深度学习方法来检测自动驾驶汽车的夜间道路表面条件
摘要：目前，在这些自动驾驶汽车上的现有传感器无法很好地检测到自动驾驶汽车之前的道路表面状况。但是，应确保白天和黑夜的天气引起的道路状况。对深度学习的调查，以识别当天的道路表面状况，是使用车辆前面嵌入式摄像头收集的数据进行的。深度学习模型仅在当天被证明是成功的，但迄今为止尚未对它们进行评估。这项工作的目的是提出深度学习模型，以检测在夜间在自动驾驶汽车前的天气造成的在线道路表面条件，其精度很高。在这项研究中，使用性能比较，将不同的深度学习模型，即传统的CNN，Squeezenet，VGG，Resnet和Densenet模型。考虑到现有夜间检测的当前局限性，本文研究了不同路面的反射特征。根据功能，夜间数据库是带有或没有环境照明的。这些数据库是从几个公共视频中收集的，以使所选模型更适用于更多场景。此外，根据收集的数据库对选定的模型进行培训。最后，在验证中，这些模型对夜间干燥，潮湿和雪道的表面条件进行分类的准确性可高达94％。
在eHealth应用程序开发中可用性测试的方法：范围评论
结果：133条符合纳入标准。用于可用性测试的方法以降低的频率下降为：问卷（n = 105），任务完成（n = 57），'think-aloud'（n = 45），访谈（n = 37），启发式测试（n = 18）和焦点组（n = 13）。大多数研究使用了一项（n = 45）或两种（n = 46）测试方法。其余的结合了三个（n = 30）或四个（n = 12）测试可用性的方法。所有研究都没有使用自动机制来测试可用性。系统可用性量表（SUS）是最常用的问卷（n = 44）。对可用性进行评估的十种最常见的健康状况或疾病如下：心理健康（n = 12），癌症（n = 10），营养（n = 10），儿童健康（n = 9），糖尿病（n = 9）（n = 9），远程医疗（远程医疗（n = 8），n = 8），心血管疾病（n = 6），n = 4 = 4 = 4 = 4 = 4 = 4 = 4） （n = 4）。在少数研究中报告了该应用程序的进一步迭代（n = 41）。使用“ think-aloud”（Pearson Chi-squared测试：χ2= 11.15，p <0.05）和启发式演练（Pearson Chi-Chi-Squared Test：χ2= 4.48，P <0.05）至少与应用程序的另一种迭代效率显着相关。
netmeta：使用频率学派方法进行网络元分析
描述 一套全面的函数，提供用于网络元分析的频率学派方法 (Balduzzi 等人，2023 年) < doi:10.18637/jss.v106.i02 > 并支持 Schwarzer 等人 (2015 年) < doi:10.1007/978-3-319-21416-0 >，第 8 章“网络元分析”： - 遵循 Rücker (2012) < doi:10.1002/jrsm.1058 > 的频率学派网络元分析； - 治疗组合的加性网络元分析 (Rücker 等人，2020 年) < doi:10.1002/bimj.201800167 >； - 使用 Mantel-Haenszel 或非中心超几何分布方法 (Efthimiou et al., 2019) < doi:10.1002/sim.8158 >，或惩罚逻辑回归 (Evrenoglou et al., 2022) < doi:10.1002/sim.9562 > 对二元数据进行网络荟萃分析； - 按累积排名曲线下表面 (SU-CRA) 对治疗进行排名图和排名 (Salanti et al., 2013) < doi:10.1016/j.jclinepi.2010.03.016 >； - 按照 Rücker & Schwarzer (2015) < doi:10.1186/s12874-015-0060-8 >，使用 P 分数（无需重采样的 SUCRA 频率学派类似物）对治疗进行排名； - 拆分直接和间接证据以检查一致性 (Dias et al., 2010) < doi:10.1002/sim.3767 >, (Efthimiou et al., 2019) < doi:10.1002/sim.8158 >； - 带有网络荟萃分析结果的排行榜； - “比较调整”漏斗图 (Chaimani & Salanti, 2012) < doi:10.1002/jrsm.57 >； - 按照 Krahn 等人 (2013) < doi:10.1186/1471-2288- 13-35 > 的净热图和基于设计的 Cochran's Q 分解； - 由 König 等人 (2013) < doi:10.1002/sim.6001 > 描述的表征两种治疗之间证据流的测量值； - 按照 Rücker 和 Schwarzer (2016) < doi:10.1002/jrsm.1143 > 的描述自动绘制网络图；