XiaoMi-AI文件搜索系统
World File Search SystemOntology
全基因组识别和分析胡椒（Capsicum annuum L.）中高度特定的CRISPR/CAS9编辑位点
摘要：在本文中，我认为弹片–Costa no-go-go theorem削弱了量子力学的基本本体论的观点的最后剩余可行性本质上是经典的：也就是说，物理现实是，物理现实是由现实的，相反的，在本地的范围内，属于本地的，属于斑点的属性，并确定斑点的属性，并确定斑点的属性，并确定斑点的属性，并确定了斑点的属性，并确定了物理现实，并确定了物理现实的属性，并确定了物理现实，并具有斑点的属性，并确定了物理现实的属性，并具有物理现实的态度。通常，“量子”行为是根据我们自己对这些实体的原理无知的函数而出现的。称这种观点爱因斯坦 - 贝尔现实主义。可以证明，解释量子理论的因果对称局部隐藏变量方法是爱因斯坦 - 贝尔现实主义的最自然解释，在这种情况下，因果对称性在避免传统无关定理的非分类后果中起着重要作用。但是，弹片和哥斯达黎加认为，诸如因果对称性等异国因果结构无法解释世界上非文化本体论特性导致的量子行为。这特别令人担忧的是爱因斯坦 - 贝尔现实主义和古典本体论。在第一个实例中，定理的明显后果是对爱因斯坦 - 贝尔现实主义的直接拒绝。但是，除此之外，我认为，即使有可能在因果对称框架内考虑上下文上的上下文变量，这种说法的成本也破坏了因果对称性的关键优势：接受因果关系对称性比拒绝经典的本体学更经济。无论哪种方式，似乎我们都应该放弃古典本体论。
在研究中导航本体论，认识论和公理学
摘要摘要对研究范式的合理理解对于发展一致和哲学上的研究设计至关重要，尤其是在人文和社会科学方面。本文提供了最常见的研究范式的概述：实证主义，实证主义，建构主义，社会建构主义，解释性，实用主义和批判现实主义。这些范式在本体论的方法（现实的本质），认识论（知识的本质）和人工学（价值观在研究中的作用）有所不同。本文还讨论了这些范式的方法论和伦理意义。反思性和道德责任，研究人员必须考虑自己的偏见和价值观如何影响他们的工作。通过探索这些范式及其哲学基础，本文旨在帮助研究人员确定最能与他们对世界的看法保持一致的范式，最终使他们能够相干地设计在理性上是合理的，道德上知情的和实际上相关的。本文通过提供清晰，实用的研究范式指南，从而更深入地了解跨学科研究实践的哲学基础，从而有助于学术话语。
一级传感器融合和知识本体论... - DTIC
摘要。本立场文件介绍了一级传感器融合本体的概念和应用。它涵盖平台、传感器、有形实体以及概念等无形实体。实体之间的关系是本体的一部分。包括动词和名词。不确定性推理等概念也是传感器融合本体的一部分。应用涉及知识发现和潜在安全威胁的模式识别。1 简介 传感器数据融合分为四个级别，情况复杂性不断增加。一级传感器数据融合涉及对象细化，被定义为与检测、跟踪、分类和识别平台（如船舶和飞机）相关的数据的融合，而不考虑平台的意图。（例如，参见 [1]）。第二级侧重于情况细化，其中平台之间的关系变得重要。第三级涉及威胁细化，并解决敌对平台的意图。第四级解决过程细化，其中指挥官试图预测敌对行动。知识发现以及传感器数据与来自各种其他观察的信息的融合可以帮助军事和执法工作检测平台的异常行为，从而有助于海港和机场的安全和威胁检测。第一级传感器融合的综合本体包括本体的几个子级和第一级融合的几个不同维度：平台和传感器、特征、有形和无形、名词和动词、变量之间的关系、数据组合等概念。例如，船舶的速度和它的位置在近似值上是独立的数据。只知道船舶的速度可能不会触发警报。同样，它的位置本身可能并不重要。但是，知识发现过程可能会发现位于某个区域的特定船舶的速度异常可能意味着非法活动。传感器本体上的数据源包括数据字典，其中包含与多种传感器类型相关的术语，例如声学、磁学、视觉、图像、光电等，以及描述传感器如何单独和协同工作的其他来源，例如传感器融合的情况。本文定义了概念并指定了对象和概念实体之间的关系。军事和执法机构需要单一、集成、逻辑和国家级的传感器本体，以支持为联合使用和国土安全而设计的专家系统中的知识库。它代表了融合、传感器网络和情报的未来。现有的本体，如数据库，是碎片化的、不完整的，格式也不同。这项工作是 SSC-SD 项目的一部分，旨在测试和评估构建单一集成图 (BSIP) [2]。
用于加速研发和理解的量子传感器本体
在本文中，我们 1) 介绍我们的量子科学组织 (QSO)，这是一个由量子科学和工程师志愿者和利益相关者组成的非营利组织；2) 列出我们的 QSO 章程；3) 概述我们的量子本体项目和元科学；4) 考虑各种方法，包括人工智能机器学习和 OpenAI 广受研究的 ChatGPT；4) 解释为什么量子本体对于弥合通信鸿沟和加速量子科学与工程的进步是必要的；5) 将 ChatGPT 与基于本体的人工智能进行对比，展示 ChatGPT 无法胜任当前任务；6) 回顾量子本体的历史；7) 提供量子物理知识和应用领域的示例；8) 预览 QSO 用于开发和提供量子知识即服务 (QKaaS) 的全球安全基础设施的测试版。QSO 的五个录制演示文稿可通过下面的视频索引访问。
MAMBO：用于多尺度材料和应用的轻量级本体
摘要：计算和实验工具的进步最近导致了新型先进功能材料开发的重大进展，与此同时，材料数据和信息总量也迅速增长。然而，要有效发挥先进数据密集型方法的潜力，需要在材料研究和开发背景下系统而有效地组织知识。语义技术可以支持知识的结构化和形式化组织，为数据的集成和互操作性提供平台。在本文中，我们介绍了材料和分子基础本体 (MAMBO)，旨在组织分子材料和相关系统（纳米材料、超分子系统、分子聚集体等）计算和实验工作流领域的知识。MAMBO 结合了相邻领域材料科学本体的最新努力，旨在填补当前最先进的材料开发和设计知识建模方法的空白，针对分子尺度和更高尺度领域的交叉领域。 MAMBO 专注于操作流程、轻量级和模块化，能够扩展到更广泛的知识领域，并集成与计算和实验工具相关的方法和工作流程。MAMBO 有望推动数据驱动技术在分子材料中的应用，包括用于材料设计和发现的预测机器学习框架和自动化平台。
用基因本体学捕获心脏瓣膜发育
简介：所有心脏瓣膜的正常发育都需要高度协调的信号通路和下游介体。虽然基因组变体可能导致先天性瓣膜疾病，但环境因素也可以发挥作用。生命瓣膜后期钙化是主动脉瓣狭窄的主要原因，这是一种进行性疾病，可能导致心力衰竭。当前对先天性瓣膜疾病和瓣膜钙化原因的研究正在使用多种高通量方法，包括转录组学，蛋白质组学和基因组学。来自生物知识库的高质量遗传数据对于促进这些高通量数据集的分析和解释至关重要。基因本体论（GO，http://geneontology.org/）是用于解释这些数据集的主要生物信息学资源，因为它提供了描述所有生物体基因产物的作用的结构化，可计算的知识。UCL功能基因注释小组的重点是人类基因产品的注释。确定了转录组，蛋白质组学和基因组数据中包含的GO注释没有提供有关心脏瓣膜开发的精确描述性信息，我们启动了一个集中的项目来解决此问题。
探索本体学学习的大型语言模型
本体学习旨在在大数据的背景下基于机器学习技术来促进自动或半自动性开发。最新的技术发展引入了生成人工智能（AI），能够创建新数据，从现有数据中提取见解，并从各种输入中生成连贯的文本。此能力支持文本数据的分析，提供减少人类努力的见解和注释。本研究探讨了生成AI的新兴领域，特别是用于本体学习的大型语言模型。我们对当前的生成AI研究状态进行了调查，重点介绍了本体开发任务的适用性和功效，并评估评估技术。我们讨论了与生成AI的解释性和解释性有关的挑战，并概述了未来研究的方向。关键字：大语言模型，LLM，生成AI，本体学习，深度学习
通过本体统一越野数据集的应用
抽象的机器学习（需要大型培训数据集）被用于启用感知：自动驾驶操作环境的分割和分类。由于条件和复杂结构的多样性，大型培训数据集很难为越野环境创建。因此，研究人员研究了统一现有数据集的方法，以开发更健壮和通用的机器学习算法。在我们的工作中，我们通过利用以前提出的基于本体的数据集统一技术来证明这种方法的优势。我们演示了建议的框架如何融合现有数据集以创建一个大型跨集成数据集，这不仅是基于预先存在的类，而且基于材料或结构层次结构。通过统一四个最突出的越野数据集DeepScene的Freiburg Forrest，Rellis-3D，RUGD和YCOR数据集来显示这一点。此外，我们演示了在这样的统一数据集上训练的机器学习模型比仅在较小数据集上创建的模型更准确，更健壮。最后，我们演示了如何利用基于猫头鹰的框架找到在机器学习模型的标签和培训期间发生的不一致之处。这项工作可在https://github.com/ tamu-edu/orator-atlas
论狭义相对论中粒子质量与能量的本体论
可能会觉得，如果脱离广义相对论或更广泛的场论考虑，就无法充分理解能量-质量“等价性”。这种态度的表达见 Lehmkuhl (2011, p.454, n.1)。但有充分的理由认为，可以在狭义相对论粒子动力学的有限背景下以富有启发性的方式研究能量-质量关系，事实上，这种受限背景是探究能量与质量关系的合适起点。首先，爱因斯坦 (1905) 所阐述的质量与能量的最初关联完全基于狭义相对论粒子动力学。因此，存在一个简单的概念问题，即如何理解这种等价性，它早于任何广义相对论或场论考虑。爱因斯坦认为，质量和能量的同一性已经建立在相对简单的点粒子动力学相对论理论之上。其次，下文讨论的对公认观点提出的哲学挑战在广义相对论的更广泛背景下再次浮现。正如 Hoefer (2000) 所指出的，能量和质量的概念地位在该背景下更成问题。因此，从更简单的情况开始是一种很好的哲学方法，希望对狭义相对论粒子动力学的清晰理解可以指明理解更复杂背景的方向。这里提出的解释是否可以适当地扩展到包括广义相对论在内的经典领域，这是一个悬而未决的问题。
本体论增强公平数据点搜索
摘要公平数据点在满足公平原则的努力中起着越来越重要的作用。它为机器提供了对不同类型数字对象的元数据的可读访问。在本文中，我们关注数据集的元数据。自首次参考实施以来，已经开发了更量身定制的实现，并将其部署在医疗保健和生命科学领域。但是，这些越来越多的公平数据点实例和发布的数据集带来的问题是从大量资源中可以找到相关数据集。为了有效查找相关数据集，我们需要利用其元数据的丰富性和良好的排名算法。在本文中，我们报告了公平数据点参考实现的搜索和排名功能的增强。具体来说，我们通过在类术语之间创建关联和班级描述和标签中经常出现的单词来提高其语义搜索能力。我们还对搜索结果实现了基于TF-IDF的排名算法，以呈现用户最相关的结果。通过这两个增强功能，公平数据点可以响应用户的搜索请求，并具有更高的覆盖范围，并根据术语频率 - 逆文档频率（TF -IDF）指标提供更相关的结果。