XiaoMi-AI文件搜索系统
World File Search SystemNIPS
A M K 2024
p 2.1使用聚合物固定的抗生物源膜的抗双源膜的制造和表征，使用聚合物J. kim - 韩国Kyungpook国立大学，韩国。118 p 2.2再生聚碳酸酯作为通过nips D. Breite制备膜制备的原始材料 - 莱布尼兹·伊斯蒂特·弗洛伊尔·奥伯夫弗罗夫·奥伯夫弗罗夫·乔chenmodi-fürfulächenmodi-fizierung（iom），德国。。。。。。。。。。。。。。。。。。119 p 2.3使用陶瓷膜触发器S. trepte-Fraunhofer Ikts，德国。。。。。。。。121 p 2.4交联对聚苯乙烯 - 二乙烯基苯基氯化物共聚物的性质的影响，基于燃料电池的Z.saraç-Gebze技术大学，化学工程，Türkiye。。。。。。。。。。。。。。。。。。。。。123 p 2.5季分化剂对多硫酮/mxene纳米复合物的离子构成性的影响。 Taşdelen-Yücedağ-吉布兹技术大学，化学工程，Türkiye。。。。。。。。。。。。。。125 p 2.6使用块共聚物D. Aydin -SelçukUniversity，Türkiye的受控多孔膜的形成和表征。。。。。。。。127 p 2.7将甲基蓝色染料转运到基于石墨烯的聚合物膜I. Gubbuk-SelçukUniversity，Türkiye。。。。。。。。。129
新的免疫策略：适应全球挑战
免疫接种是公共卫生领域最成功、最具成本效益的干预措施之一，根据联合国的数据，每年可挽救多达 300 万人的生命 [1]。扩大免疫规划 (EPI) 于 1974 年启动，旨在通过基本疫苗进行普遍免疫。在最初针对的六种疫苗可预防疾病 (VPD) 中，即白喉、百日咳、破伤风、麻疹、脊髓灰质炎和结核病，在最初几年就显著减少了可预防的儿童疾病和死亡负担 [2、3]。过去几十年来，国家免疫规划 (NIP) 变得更加复杂，现在的疫苗可以预防 20 多种传染病，而卫生、社会和政治变化在往往更不确定的环境中（例如发生冲突、流行病或人们对疫苗的犹豫不决）带来了额外的波动性和模糊性。全球疫苗和免疫联盟 (Gavi) 成立于 2000 年，主要是为了让最贫穷国家的儿童获得新疫苗 [4]。许多国家的全球免疫覆盖率停滞不前，促使疫苗合作十年1的全球合作伙伴于 2012 年启动了全球疫苗行动计划 (GVAP) [5]。该计划的使命是“到 2020 年及以后，让所有人都能充分享受免疫接种的好处，无论他们出生在何处、身份如何或居住在哪里”。该im
Michael C. Mozer-计算机科学
顾问委员会，WootMath（教育软件），科罗拉多州博尔德 2018 年至今 顾问委员会，NSF/Cyberlearning 项目，主题为“使用协作、动态、个性化实验来研究和加强教育的软件”，伍斯特理工学院 2018 年至今 技术顾问委员会，Drop（人工智能辅助食品制备），加利福尼亚州旧金山 2018 年至今 顾问委员会，NSF/Cyberlearning 项目，主题为“在智能辅导系统中使用视觉表征对本科化学智能辅导系统中的感知流畅性进行建模”，威斯康星大学 2016 年至今 编辑委员会，Springer 应用机器学习系列 2016 年至今 技术顾问委员会，Imagen Technologies（医学图像分析），纽约 2015 年至今 编辑委员会，神经计算 2015 年至今 技术顾问委员会，AnswerOn（客户流失预测），科罗拉多州朗蒙特 2001 年至今 董事会成员兼秘书，神经信息处理系统基金会 1995 年至今 奖励委员会，认知科学学会 2019 研讨会联合组织者，教育深度学习。KDD 2019。阿拉斯加州安克雷奇 2019 年 8 月 联合创始人兼技术顾问委员会成员，Sensory Inc.（嵌入式语音和视觉技术），加利福尼亚州桑尼维尔 1992–2018 顾问委员会，NSF/Integrative Strategies 项目“使用计算认知神经科学来预测和优化记忆”，纽约大学 2016–2019 技术顾问委员会，Open Table，加利福尼亚州旧金山 2016–2018 研讨会联合组织者。认知信息人工智能：从自然智能中吸取的教训。神经信息处理系统。加利福尼亚州长滩 2017 年 12 月 教师，深度学习国际暑期学校，西班牙毕尔巴鄂 2017 年 7 月 研讨会联合组织者，通过认知心理学加强教育。 Psychonomics 2015。伊利诺伊州芝加哥 2015 年 11 月 研讨会联合组织者，教育机器学习。ICML 2015。法国里尔 2015 年 7 月 技术顾问委员会，Cognilytics，Inc.，科罗拉多州丹佛 2011-2015 研讨会联合组织者，人类推动机器学习。NIPS 2014。加拿大蒙特利尔 2014 年 12 月 研讨会联合组织者，接近二十年的知识追踪：经验教训、开放挑战和有希望的发展。 EDM 2014。英国伦敦 2014 年 7 月 研讨会联合组织者，通过机器学习实现个性化教育，NIPS 2012。加利福尼亚州太浩湖 2012 年 12 月 教师，认知科学国际暑期学校，保加利亚索非亚 2012 年 7 月 技术顾问委员会，JD Powers and Associates，Web Intelligence Division (原 Umbria Communications)，科罗拉多州博尔德 2003–2010 机器学习编辑委员会 主席，认知科学学会财务委员会 2005–2009 理事会，认知科学学会 1998–2008 技术顾问委员会，Green Planet Software 2001–2008 执行委员会，认知科学学会 2005–2008 会议联络员，认知科学学会 2008 主席，认知科学学会 2006–2007
基于强粘合剂
观察到扭曲的双层石墨烯中新出现的量子相促使范德 - 瓦尔斯（VDW）材料的活动促进了石墨烯之外的材料。大多数当前的扭曲实验都使用称为PPC的聚合物使用所谓的撕裂和堆栈方法。但是，尽管当前的PPC撕裂和堆栈方法具有明显的优势，但也存在技术局限性，主要是有限数量的VDW材料，可以使用此基于PPC的方法进行研究。这种技术瓶颈一直在阻止少数可用的VDW样品之外的令人兴奋的领域的进一步发展。为了克服这一挑战并促进了未来的扩张，我们使用了强烈的粘合性多丙酮酸（PCL）开发了一种新的撕裂方法。具有相似的角度精度，我们的技术允许制造无上限层，促进表面分析并确保固有的清洁界面和低工作温度。更重要的是，它可以应用于基于PPC的方法仍然无法访问的许多其他VDW材料。我们介绍了通过多种VDW材料制成的扭曲同源物 - 从两种经过良好的VDW材料（石墨烯和MOS 2）到其他VDW材料的首次演示（NBSE 2，NIPS 3和Fe 3 Gete 2）。因此，我们的新技术将有助于将Moiré物理学扩展到少数选定的VDW材料之外，并开辟更令人兴奋的发展。
障碍和促进产前人口筛查的关键先天性心脏病
目的是对关键先天性心脏病（CCHD）的产前诊断允许及时咨询，改善患者护理并优化新生儿结局。我们旨在调查爱尔兰所有19个产妇单位的当前工作实践和政策，并确定最佳产前检测的障碍和推动因素。使用固定格式和所有单位的高级超声师经理进行了半结构化访谈。与CCHD的超声筛查有关的问题，非整倍性筛查，实践协议，人员配备水平以及教育，设备的可用性和护理途径，但如果有可疑的CCHD。我们就服务中的弱点和质量改进计划的建议寻求意见。导致2021年，爱尔兰的95％（18/19）单位提供了妊娠中期胎儿解剖扫描，89％（17/19）向所有患者提供了妊娠中期扫描。在21％（4/19）的单位中提供了有关非侵入性产前筛查（NIP）的信息。53％的单位可以使用现场胎儿医学服务，而58％的产科超声师则拥有硕士学位资格。缺乏靶向训练和高母体体重指数（BMI）被确定为最佳产前检测的障碍。引入目标心脏筛查计划可以改善爱尔兰CCHD的筛查服务。
新发表的研究显示了使用非侵入性产前筛查
1 Johansen Taber K，Hammer C，Pierson S等。 高阳性预测值22q11.2通过无细胞的DNA测试进行微骨骼筛选，该测试结合了胎儿分数扩增。 产前诊断。 于2024年4月16日发布。https：//doi.org/10.1002/pd.6562。 2。 Welker，N.C.，Lee，A.K.，Kjolby，R.A.S。 等。 高通量胎儿扩增增加了非侵入性产前筛查的分析性能。 Genet Med（2020）。 https://doi.org/10.1038/s41436-020-01009-5。 3。 Devriendt K，Fryns J-P，Mortier G，Van Thienen M-N，Keymolen K。 Digeorge/Velocardiofacial综合征的年发病率。 J Med Genet 1998; 35：789–790。 4。 Dugoff L，Mennuti MT，McDonald-McGinn DM。 22Q11.2缺失综合征的无细胞DNA筛选的益处和局限性。 prenat诊断。 2017年1月； 37（1）：53-60。 5。 Dungan JS，Klugman S，Darilek S等。 通用人群中胎儿染色体异常的无创产前筛查（NIP）：美国医学遗传学与基因组学学院（ACMG）的基于证据的临床指南。 Genet Med。 2023年2月; 25（2）：100336。 6。 Hancock S，Ben-Shachar R，Adusei C等。 在胎儿分数光谱中的临床经验，具有低测试率的非浸润性产前筛查方法。 超声产科妇科。 2020; 56（3）：422-430。 doi：10.1002/uog.219041 Johansen Taber K，Hammer C，Pierson S等。高阳性预测值22q11.2通过无细胞的DNA测试进行微骨骼筛选，该测试结合了胎儿分数扩增。产前诊断。于2024年4月16日发布。https：//doi.org/10.1002/pd.6562。2。Welker，N.C.，Lee，A.K.，Kjolby，R.A.S。 等。 高通量胎儿扩增增加了非侵入性产前筛查的分析性能。 Genet Med（2020）。 https://doi.org/10.1038/s41436-020-01009-5。 3。 Devriendt K，Fryns J-P，Mortier G，Van Thienen M-N，Keymolen K。 Digeorge/Velocardiofacial综合征的年发病率。 J Med Genet 1998; 35：789–790。 4。 Dugoff L，Mennuti MT，McDonald-McGinn DM。 22Q11.2缺失综合征的无细胞DNA筛选的益处和局限性。 prenat诊断。 2017年1月； 37（1）：53-60。 5。 Dungan JS，Klugman S，Darilek S等。 通用人群中胎儿染色体异常的无创产前筛查（NIP）：美国医学遗传学与基因组学学院（ACMG）的基于证据的临床指南。 Genet Med。 2023年2月; 25（2）：100336。 6。 Hancock S，Ben-Shachar R，Adusei C等。 在胎儿分数光谱中的临床经验，具有低测试率的非浸润性产前筛查方法。 超声产科妇科。 2020; 56（3）：422-430。 doi：10.1002/uog.21904Welker，N.C.，Lee，A.K.，Kjolby，R.A.S。等。高通量胎儿扩增增加了非侵入性产前筛查的分析性能。Genet Med（2020）。 https://doi.org/10.1038/s41436-020-01009-5。 3。 Devriendt K，Fryns J-P，Mortier G，Van Thienen M-N，Keymolen K。 Digeorge/Velocardiofacial综合征的年发病率。 J Med Genet 1998; 35：789–790。 4。 Dugoff L，Mennuti MT，McDonald-McGinn DM。 22Q11.2缺失综合征的无细胞DNA筛选的益处和局限性。 prenat诊断。 2017年1月； 37（1）：53-60。 5。 Dungan JS，Klugman S，Darilek S等。 通用人群中胎儿染色体异常的无创产前筛查（NIP）：美国医学遗传学与基因组学学院（ACMG）的基于证据的临床指南。 Genet Med。 2023年2月; 25（2）：100336。 6。 Hancock S，Ben-Shachar R，Adusei C等。 在胎儿分数光谱中的临床经验，具有低测试率的非浸润性产前筛查方法。 超声产科妇科。 2020; 56（3）：422-430。 doi：10.1002/uog.21904Genet Med（2020）。https://doi.org/10.1038/s41436-020-01009-5。 3。 Devriendt K，Fryns J-P，Mortier G，Van Thienen M-N，Keymolen K。 Digeorge/Velocardiofacial综合征的年发病率。 J Med Genet 1998; 35：789–790。 4。 Dugoff L，Mennuti MT，McDonald-McGinn DM。 22Q11.2缺失综合征的无细胞DNA筛选的益处和局限性。 prenat诊断。 2017年1月； 37（1）：53-60。 5。 Dungan JS，Klugman S，Darilek S等。 通用人群中胎儿染色体异常的无创产前筛查（NIP）：美国医学遗传学与基因组学学院（ACMG）的基于证据的临床指南。 Genet Med。 2023年2月; 25（2）：100336。 6。 Hancock S，Ben-Shachar R，Adusei C等。 在胎儿分数光谱中的临床经验，具有低测试率的非浸润性产前筛查方法。 超声产科妇科。 2020; 56（3）：422-430。 doi：10.1002/uog.21904https://doi.org/10.1038/s41436-020-01009-5。3。Devriendt K，Fryns J-P，Mortier G，Van Thienen M-N，Keymolen K。Digeorge/Velocardiofacial综合征的年发病率。J Med Genet 1998; 35：789–790。4。Dugoff L，Mennuti MT，McDonald-McGinn DM。22Q11.2缺失综合征的无细胞DNA筛选的益处和局限性。prenat诊断。2017年1月； 37（1）：53-60。5。Dungan JS，Klugman S，Darilek S等。通用人群中胎儿染色体异常的无创产前筛查（NIP）：美国医学遗传学与基因组学学院（ACMG）的基于证据的临床指南。Genet Med。 2023年2月; 25（2）：100336。 6。 Hancock S，Ben-Shachar R，Adusei C等。 在胎儿分数光谱中的临床经验，具有低测试率的非浸润性产前筛查方法。 超声产科妇科。 2020; 56（3）：422-430。 doi：10.1002/uog.21904Genet Med。2023年2月; 25（2）：100336。6。Hancock S，Ben-Shachar R，Adusei C等。在胎儿分数光谱中的临床经验，具有低测试率的非浸润性产前筛查方法。超声产科妇科。2020; 56（3）：422-430。 doi：10.1002/uog.21904
使用Python
Sasikumar B和Naveen Kumar M计算机申请硕士系Raja Rajeswari工程学院，班加罗尔，印度卡纳塔克邦，印度卡纳塔克邦，Prof.sasikumar.b@gmail.com和Naveenmeti9353@gmail.com摘要：与图像相同的应用程序，并在现实中进行了自动驾驶，并在现实中进行了验证计算机视觉。在这个项目中，使用复杂的深度学习技术来完成Python中检测到的事情。它使用预训练的卷积（CNN）模型使用神经网络，在图片或视频供稿中使用Yolo（仅查看一次）或SSD（单拍的多伯克斯检测器）来定位和识别事物。使用Pytorch和Tensor Flow等流行的库，使用thepython编程语言开发，训练和实现此副本时。用于处理传入数据的预处理程序，使用带注释的数据集的模型培训以及对新鲜照片或视频帧的推断都包含在实施中。此外，该项目还研究了如何加速推理，以便实时应用可以使用它。对象识别系统进行评估需要计算重要的性能度量，例如F1得分，回忆和精度。结果表明，在各种情况下，模型能够定位和识别项目。这项工作增加了扩展的机器视觉，并提供了一份有用的手册，用于利用Python实现感情对象。实现的模块化和灵活的设计使对于不同的用例和数据集修改变得易于修改。关键字：Yolo I.II。 CVPR 2016已发布。II。CVPR 2016已发布。CVPR 2016已发布。该项目的结果证明了在实际用途中进行更多突破的可能性，鼓励在包括图像处理，自主系统和监视的领域创新。引言该项目的目标是利用流行的深度学习框架和Python来开发实时对象检测系统。在计算机视觉中，对象检测至关重要，因为它可以使计算机分析在图片或视频流中找到东西。主要文章是该模型的“发展”的准确和有效的对象，可以用于各种环境，例如智能环境，自动驾驶汽车和监视。查找和检测以识别图形或电视框架的事物是PC视图中对象感情的问题。在这项技术中有几种用途，包括安全性和监视，自动驾驶汽车和医疗成像。文学调查“您只看一次：统一，实时对象检测” Joseph Redman，Santosh Davila，Ross Airsick和Ali Faradic是作者。可以在此处找到指向纸的链接。摘要：在实时对象识别中Yolo（您只看一次）体系结构的效率被突出显示。“更快的R-CNN：它是带有区域建议网络的实时对象检测”[链接：更快的R-CNN论文] [作者：浅滩跑步，瞄准He，Ross Airsick，Jain Sun] [Jain Sun] [发布：NIPS：NIPS 2015] [摘要：摘要：较快的R-CNN方法均可使用该网络的准确性，该网络均可在ARTIME INDERS中介绍。ECCV 2016是出版年。“单镜头多食探测器”纸质概要：介绍SSD，一种用于完成“移动视觉应用程序卷积性感性网络：一种有效的方法“移动网”的技术检测技术。
对深色溶剂的综述，作为用于膜制造和分离的绿色溶剂的新兴类别
深层溶剂（DES）正在成为膜技术的环保和有效替代品，比传统溶剂具有可持续的优势。本评论汇编了将DES纳入聚合物膜系统的最新进步，以进行多种分离过程，包括超滤（UF），微滤（MF），纳米滤过（NF），反向渗透（RO），向前渗透（FO），Perva Porva Poration，Perva Poration和Membrane Distillation（RO）。特别注意的是涉及在非溶剂诱导相分离（NIP），界面聚合（IP）和静电纺丝中的DES的制备方法。值得注意的发展包括将DES整合到各种膜类型中，例如NF和FO中的薄膜复合材料（TFC），在Perveporation中的支持液膜（SLM）以及UF中的不对称混合基质膜。审查将DES分类为亲水性或疏水性，揭示了它们各自的作用和应用。对氢键供体（HBD）和受体（HBA）（HBA）的批判性检查提供了视线，以介绍基于DES的膜背后的分离机制。所解决的核心挑战是膜内浸出的复杂行为，这对过滤过程的性能，效率和纯度具有不同的影响。一些研究已经阐明了DES组件的稳定性和故意浸出以增强膜功能，但在水过滤过程中des浸出的特定问题时，研究显然很少。这突出了现有的研究空隙，并提出了未来研究的方向。这项全面的审查是进一步开发和更广泛地采用基于DES的膜技术的路线图，同时确定了优势和改进领域。
alphazero中计划能力的限制-CCN 2024
Glickman，M。E.和Jones，A。C.（1999）。评估国际象棋评级系统。Chance-Berlin，然后是纽约，12，21-28。Kim，B.，Wattenberg，M.，Gilmer，J.，Cai，C.，Wexler，J.，Viegas，F。等。 （2018）。 可解释性超出特征归因：具有概念激活向量（TCAV）的定量测试。 在国际机器学习会议上（pp。） 2668–2677）。 Lee，S。（2000）。 非负矩阵因子化算法。 nips。 McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Kim，B.，Wattenberg，M.，Gilmer，J.，Cai，C.，Wexler，J.，Viegas，F。等。（2018）。可解释性超出特征归因：具有概念激活向量（TCAV）的定量测试。在国际机器学习会议上（pp。2668–2677）。Lee，S。（2000）。 非负矩阵因子化算法。 nips。 McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Lee，S。（2000）。非负矩阵因子化算法。nips。McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。McGrath，T.，Kapishnikov，A.。。Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Kramnik，V。（2022）。在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。在Alphazero中获得国际象棋知识。国家科学院的会议记录，119（47），E2206625119。Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。（2018）。一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。Sci-Ence，362（6419），1140–1144。Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。。。其他人（2017年）。掌握没有人类知识的Go的游戏。自然，550（7676），354–359。Steingrimsson，H。（2021）。国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。在2021年IEEE游戏会议（COG）会议（pp。1–8）。Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。ARXIV预印ARXIV：2206.10498。（2023）。大型语言模型仍然无法计划（LLMS的基准计划和推理有关变更的理由）。van Opheusden，B.，Kuperwajs，I.，Galbiati，G.，Bnaya，Z.，Li，Y。，＆Ma，W。J.专业知识增加了人类游戏玩法的计划深度。自然，618（7967），1000–1005。
COVID-19 疫苗引入规划指南（第 1 版）
泛美卫生组织 (PAHO) 家庭、健康促进和生命历程部 (FPL/IM) 综合家庭免疫科开发的文件背景 COVID-19 是由最近出现的一种新型冠状病毒 (SARS- CoV-2) 引起的传染病。世界卫生组织 (WHO) 于 2020 年 3 月 11 日宣布 COVID-19 大流行，这是首次影响 200 多个国家/地区的非流感大流行，迄今为止病例超过 1000 万。其中大约一半病例发生在美洲区域。全世界希望很快拥有 COVID-19 疫苗，这是控制大流行和减轻健康、经济和社会影响的最具成本效益的措施之一。在 COVID-19 疫苗的研发和生产取得进展的同时，各国必须同时推进引入这种新疫苗的计划，并确定需要加强的关键组成部分，作为针对这一大流行的疫苗接种准备工作。美洲区域在 2009 年接种 H1N1 流感大流行疫苗、每年接种季节性流感疫苗、开展麻疹和风疹、脊髓灰质炎和黄热病疫苗接种活动等方面积累的经验，应用于制定国家 COVID-19 疫苗接种计划。COVID-19 疫苗接种预计面临的主要挑战包括及时、公平和充分获得疫苗，以及技术和后勤方面，例如使用新技术开发疫苗、确定优先群体、为获得充分保护需要接种多少剂，以及疫苗的安全性和有效性。此外，还可能存在其他计划挑战，包括冷链需求和创造疫苗接种需求等。然而，根据目前掌握的信息，并假设疫苗将于 2021 年开始在该地区各国上市，因此必须开始准备基础设施和关键组件，以便在所有国家引入疫苗，并优先考虑可以取得进展的组件。本文件的目的是为国家免疫计划 (NIP) 制定各自的 COVID-19 疫苗接种计划提供指导。重要的是让国家免疫技术咨询小组 (NITAG) 参与制定这些国家计划。同样重要的是要考虑泛美卫生组织/世卫组织先前就医护人员和其他人群有关 COVID-19 的安全措施提出的建议。随着新证据的出现，本文件将进行更新。