XiaoMi-AI文件搜索系统
World File Search SystemPUTER
陪审团在技术案件中的优势与劣势
(巡回法官乔治普拉特) 和上诉法院都明显反映了对计算机程序保护的强烈敌意，这种敌意严重影响了判决结果，甚至可能是决定性的。2 该判决承认，1980 年的《软件保护法》规定将计算机程序作为“文学作品”进行保护。13 它还承认了“强有力的”三段论，即“如果计算机程序是文学作品，正如立法机关告诉我们的那样，那么计算机程序的非文字结构也受到版权保护。”4 但是，法院还是借鉴了最初反对颁布《软件保护法》的学术论点，设计出一种方法来打破对几乎所有计算机程序的保护（并且可能还会剥夺任何文学作品的有意义的保护）。 5 事实上，该意见直接破坏了国会的立法，因为（i）将计算机程序视为“本质上是功利主义的”，6“由效率考虑决定”
![arxiv：2404.11023v2 [CS.HC] 2024年10月8日](/simg/g:\will\search\icon\source\7\777d5575d4c46ec920d2ad959ecf8d6b2451e8fd.webp)
arxiv：2404.11023v2 [CS.HC] 2024年10月8日
建立社会智能的AI代理商（社会AI）是一个多学科的多模式研究目标，涉及创建可以感知，感知，理性，学习和重新认识的代理人，以影响，行为和对其他代理人的认知（人类或人工）。在过去的十年中，在几个计算社区中取得了进步，包括自然语言处理，机器学习，机器人技术，人机相互作用，计算机愿景和语音。自然语言进程在社会研究中一直很突出，因为语言在构建社会世界中起着关键作用。在该立场论文中，我们确定了一组潜在的技术挑战，并为整个计算社区的研究人员提供了促进社交活动的开放问题。我们在社会智能概念的背景下和社会研究中的先前进步基础上锚定了讨论。
![arXiv:2304.06471v1 [eds.SP] 3 月 25 日](/simg/g:\will\search\icon\source\3\372271f140af9de60f9f2f71906a93e5062dfe12.webp)
arXiv:2304.06471v1 [eds.SP] 3 月 25 日
摘要。对脑电图数据进行分类对于脑机接口 (BCI) 及其应用的性能至关重要。然而，由于其生物性质和复杂的数据收集过程，外部噪声往往会阻碍脑电图数据。特别是在处理分类任务时，标准脑电图预处理方法会从整个数据集中提取相关事件和特征。然而，这些方法对所有相关的认知事件一视同仁，忽视了大脑随时间的动态特性。相反，我们受到神经科学研究的启发，使用一种新方法，该方法集成了脑电图数据的特征选择和时间分割。在 EEGEyeNet 数据集上进行测试时，我们提出的方法显著提高了机器学习分类器的性能，同时降低了它们各自的计算复杂度。
75 马里兰大学 (UMD) 以其悠久的历史为傲，同时展望未来......
关于如此高速度下发生的复杂流动物理，仍有许多问题有待理解。马里兰大学航空航天学院拥有多个致力于这一关键技术前沿的实验室和研究设施，包括由皮诺·马丁教授领导的复杂计算研究集群 (CRoCCo) 实验室。除其他成就外，马丁和她的团队还开发了可用于支持高精度计算机模拟的数值方法，从而为越来越准确的湍流预测奠定了基础。第一原理数据用于开发和校准新的实验流动诊断，并补充地面和飞行实验数据。今年，马丁获得了支持，将领导一项价值 450 万美元的联合高超声速过渡办公室大挑战奖，并在实验和模拟中表征高超声速流动喷射相互作用数据。
创造力和机器学习：调查
1简介创造力和机器之间的连接与计算机科学本身一样古老。在1842年，英国数学家和作家Lovelace夫人（Lady Lovelace）被许多人认可为第一任compoter程序员，他发出了现在所谓的“ Lovelace的反对” [274]。她说，分析引擎（Charles Babbage [9]提出的数字可编程机器）“没有任何构成任何东西。它可以执行我们知道如何订购的任何事情” [184]。在随后的几个世纪中，已经进行了许多项目和研究，目的是设计能够“产生某物”的机器[51，57，57，120，155，183，214]。我们目睹了计算机科学领域的专业领域的出现，即计算率[41]，它涉及对创造力与人工系统之间关系的研究[56，289]。
位置产品：技术工作者如何在计算机视觉中塑造身份概念
对机器学习中与身份相关的偏见问题有很多学术关注。这些注意力的大部分集中在数据和数据工作人员上，这些工作人员是执行注释任务的工人。但是，在定义“身份”概念时，技术工作者（例如工程师，数据科学家和研究人员）会引起自己的“偏见”。更具体地说，他们灌输了自己的立场，他们的理解方式和周围世界的影响。通过与专注于Compoter Vision的行业技术工作者的访谈，我们展示了工人如何将自己的位置观点嵌入产品中，以及位置差距如何导致不可预见和不受欢迎的结果。我们讨论了工人位置的嵌入方式如何相互塑造。我们为研究人员和实践者提供了与科技工作者以及影响科技工作者之外的环境中的地位以及在发展背景下的地位的影响。
第1部分的特殊主题，以实现新时代的弹性和声音数据流社会
在1980年代末和1990年代初，在互联网传播之前，许多人使用了个人计算机连接，其中计算机通过电话线或ISDN连接到电信提供商的计算机来发送和接收信息1。个人通信除了现有的语音信息传播外，还为数据通信铺平了道路，尽管此类数据通信主要是基于文本的服务，例如电子邮件，mes-sage板和聊天，但它们稳步流行。之后，互联网的商业用途也在日本开始，随着1995年Windows 95的发布，互联网向普通家庭的传播迅速发展。在1990年代后期，当互联网开始传播时，主流电信环境是通过电话线拨打连接的，并且存在诸如沟通速度不足，付费付费服务以及无法在连接到互联网时拨打电话的问题。
关于增加用嘈杂量子计算机生成的随机位均匀性的协议
摘要生成随机数对于许多现实世界应用很重要，包括密码学，统计抽样和蒙特卡洛模拟。受测量的量子系统通过Born的规则产生随机结果，因此自然研究使用此类系统以生成高质量的随机数的可能性是很自然的。但是，当前的量子设备会受到错误和噪声的约束，这可能会使输出位偏离Uni-Form分布。在这项工作中，我们提出和分析两个方案，可用于增加带有Hadamard Gate的电路和嘈杂的量子计算机中的测量值时获得的位置的均匀性。这些协议可以在其他标准过程之前使用，例如随机性扩增。我们对量子模拟器和实际量子计算机进行实验，获得的结果表明，这些方案对于提高生成的局部的概率很有用，使其通过统计测试进行均匀性。
增强学习课程| Dimitri P. Bertsekas
Bertsekas教授因其著作《神经动力学节目》（Neuro-Dynamic Programming）的界面和科学之间的界面中的卓越奖而获得了Informs奖，该奖项（与John Tsitsiklis合着），2001年的AACC John R. Ragazzini教育奖，2009年的AACC RICH奖，2014年AAC批准了2014年的ACC奖。 Khachiyan优化终身成就奖，2015年MOS/Siam George B. Dantzig奖和2022年IEEE Control Systems奖。2018年，他与他的合着者约翰·蒂西克利（John Tsitsiklis）分享了2018年，为约翰·冯·诺伊曼（John von Neumann）理论奖提供了研究专着“平行和分布式计算”和“神经动态程序”的贡献。贝特塞卡（Bertsekas）教授于2001年当选为美国工程学院的“对优化/控制理论的基础研究，实践和教育，尤其是其在数据通信网络中的应用”。
社会科学研究中人工智能风险综述
随着人工智能技术的进步和应用领域的拓展，人工智能风险逐渐成为学术界关注的热点，计算机科学、哲学、经济学等学科领域涌现出大量相关文献。根据 Web of Science 核心合集的结果，自数据库建立以来，涉及“人工智能”和“风险”的文献超过 80% 来自计算机科学领域，而社会科学学科中比例最高的是商业和经济学，约占 26%。人工智能所带来的风险被理解为社会问题，需要社会和技术解决方案。社会科学家为提高人们对实验室外人工智能遇到和产生的复杂问题的认识做出了巨大贡献。这涉及到对这些技术开发所在的组织、学科和辩论的实质性和话语推动。人们在描述人工智能的特征并提出规范其产生的风险的措施方面做出了大量贡献 [ 1 ]。