XiaoMi-AI文件搜索系统
World File Search SystemNim
AI和可持续会计：平衡创新和责任ahmad yousef areiqat 1*，Hanan Abdelsalam Nimer Jaber 2
摘要。使用人工智能（AI）来增强对环境，社会和治理（ESG）报告的可持续核算方法的前景。但是，这种采用也带来了以下政府需要解决的道德考虑：算法偏见，缺乏透明度和数据隐私。目的：该研究旨在回顾AI在增强ESG披露的质量和/或信誉方面的作用，同时还探讨有关使用AI的新兴道德问题，并在可持续会计中负责任地采用AI的方式，以提高利益相关者的信任。方法论：该研究通过分析了20个组织在ESG报告中应用AI的20个组织完成的调查问卷，并通过对30名从业者的访谈中的定性数据进行了调查问卷。参数，例如准确性，报告生成时间和利益相关者满意度。结果：评估结果表明，导航密钥的有效性的总体增强：ESG报告的具体准确性增加到17.67％，而产生报告的时间降至58.33％。对定性文献的分析强调需要应对实施AI时可能会经历的道德问题。结论：AI通过提高ESG报告标准，对更可持续的会计变化有望。然而，必须基于强大的道德和管理标准来纳入其进一步的应用，以克服缺乏理性和信任的方向。
NimbleAI：面向神经形态感知处理 3D-...
Xabier Iturbe, Nassim Abderrahmane, Jaume Abella, Sergi Alcaide, Eric Beyne, Henri-Pierre Charles, Christelle Charpin, Lars Chittka, Ang ́elica D ́avila, Manil Dev Gomony, Arne Erdmann, Carles Estrada, Ander Fern ́andez, Anna Jos Fontanelli, Alejandro Heron, Hermione Grosu, Carles Hern´andez, Daniele Ielmini, Eric Isusquiza, David Jackson, Maha Kooli, Nicola Lepri, Bernabe ́e Linares-Barranco, Jean-Loup Lachese, Martxel Lasa, Eric Laurent, Menno Lindwer, Frank Linsenmaier, Mikel Luj´an, Karel Masaˇ´, Orlando, Jeanne Morten, Neca an-Philippe Noel, Arash Pourtaherian, Christoph Posch, Peter Priller, Zdenek Prikryl, Felix Resch, Oliver Rhodes, Todor Stefanov, Moritz Storring, Sander Stuijk, Michele Taliercio, Marcel van de Burgwal, Geert van der Plas, Elisa Vianello, and Pavel Zaykov
时间序列分类和深层模型Hassan Tanveer 1*，Namoos Zahra 2，Nimra Batool 3 1 DePaul University，芝加哥，
抽象时间序列异常检测曾经以一种基本分析方法存在。早期序列异常检测技术主要是统计和机器学习。对于深度神经网络的实际过程，实验者不断地探讨了深度神经网络在异常检测任务中的结果，比传统方法更有帮助。传统模型使用指挥机器学习算法。在拟议的应用程序中，组织和注释如此大量的数据集是具有挑战性的，耗时的或太昂贵的，并且需要从该领域的专业人员学习专业化。因此，对于研究人员和从业者来说，异常检测已成为一个重大挑战。异常检测是指检测异常数据实例的过程。在此分析中，我们为时间序列数据中的异常检测提出了一个无监督和可扩展的框架。所提出的技术是在各种自动编码器上建立的。一种深厚的，富有生产力的模型，将各种信念与深度学习结合在一起。此外，还为时间序列数据执行了实时分析。我们使用LSTM网络来处理，进行预测和基于时间序列数据进行分类。关键字：时间序列，深度学习，神经网络，异常检测，LSTM，深神经网络，无监督学习
1- ...
目的：帕金森氏病（PD）是最普遍的神经退行性疾病之一，其特征是底虫nigra pars compacta中多巴胺能神经元的丧失。PD治疗旨在通过替换减少的内源性多巴胺来减轻运动症状。当前，没有用于治疗PD的疾病改良剂。斑马鱼（Danio Rerio）已成为转化研究时代新药发现和筛查的有效工具。已知神经毒素1-甲基-4-苯基-1-甲基-4-苯基-1-2,3,6-四氢吡啶（MPTP）在人中脑中会导致类似的多巴胺能神经元损失，并具有相应的帕金森尼症状。L型钙通道（LTCC）与线粒体氧化应激的产生有关，这是PD发病机理的基础。因此，我们研究了LTCC抑制在MPTP诱导的斑马鱼PD模型中的神经滋补作用，并提出了可能改变PD进展的药物候选者。方法：所有实验均使用转基因斑马鱼（DAT：EGFP）系进行，其中绿色荧光蛋白（GFP）在多巴胺能神经元中表达。实验组在受精后1至3天暴露于500μmolMPTP（DPF）。候选药物：左旋多巴1 mmol，硝苯地平10μmol，nimodipine3.5μmol，二乙基苯甲酸酯0.3μmol，叶酸酯100μmol和钙钙醇100μmol，降钙素0.25μmol从3到5 dpf暴露于3至5 dpf。运动活性，并通过共聚焦显微镜在体内观察到多骨神经元。结果：左旋多巴，二莫迪平，二乙基苯甲醇和骨化三醇对运动行为的恢复具有显着的积极影响，该行为受到MPTP的损害。nimodipine和Clacitiri对多巴胺能神经元的恢复具有显着的积极作用，而多巴胺能神经元通过MPTP降低。通过运动分析和多巴胺能神经元定量，我们鉴定了二摩氨基氨酸和钙三醇在斑马鱼MPTP诱导的PD模型中的神经摄影作用。结论：本研究确定了Nimodipine和Clacitiri在MPTP诱导的PD模型中的神经滋补作用。他们恢复了由于MPTP的影响并使运动活性归一化的多巴胺能神经元。LTCC在神经发育和神经退行性疾病中具有潜在的病理作用。斑马鱼高度适合高通量药物筛查，因此可能是致力于鉴定PD疾病治疗的有用工具。需要进一步的研究，包括斑马鱼遗传模型，以通过研究多巴胺能神经元中的Ca2+涌入和线粒体功能来阐明疾病修饰候选者的作用机制，以揭示PD的发病机理并发展PD的疾病治疗方法。
nimenrix，Inn菌群A，C，W-135和Y结合疫苗
与基线相比，血清群（0.0％至7.8％）。在接种疫苗接种2之前，RSBA滴度≥1：8的参与者比例在4个血清群中的参与者≥1：8范围为33.6％至67.2％。1个月
Nimenrix，A、C、W135 和 Y 群脑膜炎球菌结合疫苗
接种疫苗后 1 个月使用人类补体 (hSBA) 进行血清杀菌测定，单剂量接种后对 W-135 组和 Y 组的反应低于间隔 2 个月接种 2 剂后的 2 剂，而对 A 组和 C 组的反应在两组中相似（见第 5.1 节）。这些观察结果的临床意义尚不清楚。如果预计幼儿因接触 W-135 组和/或 Y 组而面临罹患侵袭性脑膜炎球菌病的直接风险，则可考虑在间隔 2 个月后接种第二剂基础剂量。接种疫苗后 1 年，一剂组和两剂组对 A、C、W-135 和 Y 组的 hSBA 反应相似（见第 5.1 节）。关于 12 至 23 个月儿童接种第一剂 MenACWY- TT（Nimenrix）后针对 A 组或 C 组抗体的减弱，请参见血清杀菌抗体滴度的持久性。
研究通过固体分散技术增强氮氨基胺的溶解性和溶解特性的研究
nimodipine是钙通道阻滞剂的成员，特异性结合了L型电压门控钙通道。在pH 1.2时发现了氮氨基氨酸的最大溶解度，并且溶解度降低到pH 4.0。在pH 6.0及更高的pH下，溶解度大大降低。通过物理混合物，1：1和1：3药物：载体：载体：载体：固定性混合物，溶剂蒸发和揉捏方法，制备具有PVP-K30和麦芽糊精的尼莫地平的合适固体分散系统。药物含量，饱和溶解度，FTIR和维特罗溶解。药物含量均匀，药物的溶解度随载体浓度和方法的函数线性增加。FTIR研究表明药物与聚合物之间没有化学相互作用。与DP 60和DE 60值的物理混合物和纯净的Nimodipine相比，通过溶剂蒸发和揉捏方法制备的固体分散系统的DP 60和DE 60值明显更高（P <0.05）。溶解遵循一级模型，并遵守了希克森 - 克罗威尔的立方体定律。
Nimbro@Home 2024开放平台联盟团队描述
Nimbro团队在各种机器人比赛中取得了良好的成绩，包括Robocup成人联盟中的人形足球等各种机器人比赛，诸如2016年DARPA大挑战之类的非结构化环境到自动垃圾箱，以及自主垃圾箱采摘挑战，例如亚马逊采摘挑战。最近，2022年，Nimbro团队赢得了Ana Avatar Xprize挑战赛。球队已经成功参加了Robocup@主联盟，并连续三场国际Robocup@主场比赛（2011年 - 坦布尔[22]，2012年，2012年墨西哥城[21]，2013年Eindhoven [20]，还赢得了许多Robocup@Home Derman Derman Open挑战。我们专注于演示中的两臂操作和工具用法。重新定位我们的家庭服务机器人活动后，我们参加了Robocup@Home 2023 Bordeaux，并最终排在第四位。图1中给出了我们在Bordeaux的Robocup@Home 2023期间的表现的摘录。我们开发了用于实时环境和对象感知的方法，使用激光扫描仪和RGB-D摄像机等3D传感器的3D对象姿势和掌握估计。我们进一步描述了对象分割，映射和导航，抓握，音频和自然语言处理以及行为控制的方法。在本文中，我们简要概述了预期的机器人平台。此外，我们描述了我们针对Robocup@Home Task的建议方法，并对我们的行为控制进行了粗略的概述。最后，我们总结了我们的家庭服务机器人技术相关研究。