XiaoMi-AI文件搜索系统
World File Search SystemNeighbors
人身安全计划
如果您不得不离开家，就可以决定并计划去哪里（即使您认为自己不需要）。练习如何安全地离开家。确定最好的门，窗户，电梯或楼梯间是最好的。准备好包装袋，并将其放在亲戚或朋友的家中，以便快速离开。使用此手册中的清单来确定您需要随身携带的清单。确定一个或多个邻居，您可以讲述暴力事件，并要求他们在听到骚扰时致电警察。在需要警察时，设计一个代码或信号来与您的孩子，家人，朋友和邻居一起使用。如果您认为将发生身体虐待事件，请在可能的情况下离开。如果您不能离开，请搬到可以访问出口和/或电话的房间。远离任何房间，没有出口或带有可以用作武器的物品的房间，例如厨房或车库。使用您自己的判断。如果情况非常危险，请尽一切努力安全。这可能意味着给施虐者他/她想让他/她平静下来。如有必要，请致电“ 911”或当地警察。
缓解图神经网络应用于欺诈检测的不一致性问题
基于图的模型已广泛应用于欺诈检测任务。由于图神经网络 (GNN) 的发展，最近的研究提出了许多基于同构或异构图的 GNN 欺诈检测器。这些工作利用现有的 GNN 并汇总邻域信息来学习节点嵌入，这依赖于邻居共享相似的上下文、特征和关系的假设。然而，欺诈者造成的不一致性问题很少被研究，即上下文不一致、特征不一致和关系不一致。在本文中，我们介绍了这些不一致性并设计了一个新的 GNN 框架 GraphConsis 来解决不一致问题：（1）对于上下文不一致，我们建议将上下文嵌入与节点特征相结合； (2) 针对特征不一致，我们设计了一个一致性评分来过滤不一致的邻居并生成相应的采样概率；(3) 针对关系不一致，我们学习与采样节点相关的关系注意权重。对四个数据集的实证分析表明，不一致问题在欺诈检测任务中至关重要。大量实验证明了 GraphConsis 的有效性。我们还发布了一个基于 GNN 的欺诈检测工具箱，其中包含 SOTA 模型的实现。代码可在 https://github.com/safe-graph/DGFraud 获得。
步行市政厅摘要 La Noria 社区
2023 年 4 月 11 日 - 加里森、陆军住房办公室和 BBC 在 La Noria 社区进行了步行市政厅活动，重点关注了 286 所房屋。十三名租户就他们在布利斯堡家庭住房的居住体验提供了反馈。七名租户就超速、邻居、害虫控制和维护问题提供了负面反馈。六名租户对房屋大小和安静的社区表示满意。租户总体上对社区和房屋状况表示满意。
增加侵入性脑膜炎球菌疾病，芝加哥，2023–2024
展开的故事不仅仅是挣扎或痛苦（尽管也存在）。我们的评估还阐明了南侧和西侧的力量，美丽和韧性。我们听到了为社区服务数十年的企业主，提供基本服务的当地组织，参与和激活其邻居和青年的组织者，这些组织受到启发。健康的芝加哥运动旨在提升并与社区合作以建立这些优势。
使用幼稚的贝叶斯算法预测航空公司飞行延迟的机器学习方法
航空业在全球运输中起着至关重要的作用，促进经济增长和革命性旅行。但是，航班延误已经成为一个日益严重的关注点，影响了航空公司和乘客。本研究旨在研究用于飞行延迟预测的幼稚贝叶斯算法。目的是使用幼稚的贝叶斯算法开发可靠的飞行延迟预测模型并评估其性能。使用美国运输部（DOT）的飞行延迟和取消数据的数据集用于预测。本研究修改了高斯幼稚贝叶斯的参数调整，以识别专门为该飞行延迟数据集构建模型的最佳值。参数调整高斯幼稚的贝叶斯模型的性能与另外两种众所周知的算法是K-Neartiment Neighbors（KNN）和支持向量机（SVM）。还对KNN和SVM算法进行了培训和测试，以完成航班延迟的二元分类，以实现基准测试。通过比较准确性，特异性和ROC AUC分数的值来实现算法的评估。比较分析表明，高斯幼稚的贝叶斯的表现最佳，精度为93％，而KNN的性能最差，而ROC AUC得分为63％。
CXL-ANNS：软硬件协作内存分解和十亿级近似最近邻搜索计算
摘要 我们提出了 CXL-ANNS，这是一种软硬件协作方法，可实现高度可扩展的近似最近邻搜索 (ANNS) 服务。为此，我们首先通过计算快速链路 (CXL) 将 DRAM 从主机中分离出来，并将所有必要的数据集放入其内存池中。虽然这个 CXL 内存池可以使 ANNS 能够在不损失准确性的情况下处理十亿点图，但我们观察到由于 CXL 的远内存类特性，搜索性能会显著下降。为了解决这个问题，CXL-ANNS 考虑节点级关系并将预计访问最频繁的邻居缓存在本地内存中。对于未缓存的节点，CXL-ANNS 通过了解 ANNS 的图遍历行为预取一组最有可能很快访问的节点。CXL-ANNS 还了解 CXL 互连网络的架构，并让其中的不同硬件组件并行协作搜索最近邻居。为了进一步提高性能，它放宽了邻居搜索任务的执行依赖性，并通过充分利用 CXL 网络中的所有硬件来最大化搜索并行度。我们的实证评估结果表明，与我们测试的最先进的 ANNS 平台相比，CXL-ANNS 的 QPS 提高了 111.1 倍，查询延迟降低了 93.3%。在延迟和吞吐量方面，CXL-ANNS 也分别比仅具有 DRAM（具有无限存储容量）的 Oracle ANNS 系统高出 68.0% 和 3.8 倍。
人工智能应用-药物警戒中不良事件和药物的数据驱动矢量表示
目标：评估通过全球药物警戒报告模式得出的不良事件和药物的向量表示法识别的最近邻的稳定性和临床相关性。背景：药物警戒需要识别与同一临床状况相关的不良事件术语，仅依靠医学术语的层次结构往往是不够的。药品分析也存在类似的挑战。通过利用机器学习的进步，UMC 开发了 vigiVec，产生了 MedDRA 首选术语和 WHODrug 活性物质的向量表示法。
脊髓灰质炎疫苗和美国对脊髓灰质炎的应对：突破医学、生理和社会
最大的挑战之一是第一次感到被抛弃。我当时五岁，我记得父亲把我抱进隔离医院，把我一个人留在那里。在我隔离期间，父母不准来探望我。幸运的是，我母亲自愿给医院里的孩子们热敷，所以她每天都能花一点时间陪我。我的家人不得不面对家里有人患脊髓灰质炎的耻辱。一些邻居回避我的父母和妹妹。（威尔逊）