XiaoMi-AI文件搜索系统
World File Search SystemPubs
而你似乎不明白 - Purdue e-Pubs
摘要 本文提出了一种尝试制定机器意识理论的新方法。目前，研究主要围绕制定可应用于机器的标准，以确定它们是否具有类似人类的意识。本文表明，迄今为止的努力尚未取得成果，相反，发现目前的调查方法注定会导致支持机器意识的人和反对机器意识的人陷入僵局。因此，本文质疑人类和机器意识必须彼此相似的假设。它探索了一种不同的方法，这种方法拒绝了两种意识形式需要在同一理论下定义的想法。然后，本文假设，最好为人类和机器意识开发单独的理论，这些理论可能彼此不可比较，尽管它并没有为任何“类”意识提出具体的理论。这种方法论的改变将为心灵哲学的研究开辟新的途径，并允许更多的科学家为制定此类理论做出贡献。
生物生物系统级联模型-Purdue E -Pubs
育儿是青少年物质使用的关键影响和预防目标，并且在青春期期间的形式和功能发生了巨大变化。这种理论综合综述综述了物质使用特殊育儿行为，维度和样式与青少年物质使用相关的证据，并整合了关键的发展和家庭理论（例如，生物生物生物学，动态系统，家庭，家庭系统，发展级联）以及与育儿相结合的典范，以使育儿的效果与育儿相结合，以说明育儿的繁殖型，并与育儿相结合。上下文的影响。由此产生的生物生物生物系统级联模型将育儿和儿童影响的动态共同开发在发育级联反应中，这会导致青少年使用物质的风险或多或少。这些轨迹是由代际影响启动的，包括遗传学，父母的家族环境和儿童父母的依恋。文化和上下文影响是整体塑造父型轨迹的整体背景。育儿的影响被概念化为一个复杂的过程，通过该过程，特定的育儿行为被告知并积累到育儿维度中，共同构成了一般的育儿方式，并以更广泛的家庭环境告知。育儿和儿童生物行为风险的共同开发是由父母和子女塑造的，包括他们所做和不共享的遗传学和环境。讨论了未来研究的方法论途径，以实现该模型。这种共同开发是动态的，个人和家庭的发育过渡会导致不稳定或可变性增加，这可以改变儿童使用药物使用风险的长期轨迹。
Purdue E -Pubs -Purdue University
背景：糖尿病是美国（美国）的第五大死亡原因，影响约27％，即65岁及以上的1590万成年人。糖尿病是美国最昂贵的慢性病，占第二大可避免的医疗费用。遵守长期药物治疗计划在糖尿病患者中至关重要，因为它会降低患有合并症的风险并改善生活质量。 对个人的寿命更大的健康状况（SDOH）的不利社会决定因素可能会导致健康状况较差。 因此，重要的是要更好地了解健康的终结物（SDOH）如何影响患者的行为并影响糖尿病老年人的药物依从性。 目标：识别和优先考虑与糖尿病老年人的全国代表性样本相关的SDOH。 次要目标是表征SDOH，估计药物依从性，并解释了被诊断为糖尿病的美国老年人的健康差异人群的影响。 方法：本研究使用横断面二级数据分析来检查国家健康和营养检查调查数据库，从而确定了美国糖尿病老年人之间SDOH与药物依从性之间的关联。 结果：分析中总共包括1807名受访者的数据。 将近四分之三（73.9％）的患者被认为是遵守口服糖尿病药物的。遵守长期药物治疗计划在糖尿病患者中至关重要，因为它会降低患有合并症的风险并改善生活质量。对个人的寿命更大的健康状况（SDOH）的不利社会决定因素可能会导致健康状况较差。因此，重要的是要更好地了解健康的终结物（SDOH）如何影响患者的行为并影响糖尿病老年人的药物依从性。目标：识别和优先考虑与糖尿病老年人的全国代表性样本相关的SDOH。次要目标是表征SDOH，估计药物依从性，并解释了被诊断为糖尿病的美国老年人的健康差异人群的影响。方法：本研究使用横断面二级数据分析来检查国家健康和营养检查调查数据库，从而确定了美国糖尿病老年人之间SDOH与药物依从性之间的关联。结果：分析中总共包括1807名受访者的数据。将近四分之三（73.9％）的患者被认为是遵守口服糖尿病药物的。多变量分析显示，基于残疾状态（p = 0.016），家庭平衡餐（p = 0.033）和访谈语言（p = 0.008），药物依从性的差异显着差异。结论：结果表明，与这些人相比，与不在这些组中的人相比，与糖尿病药物不遵守糖尿病药物的可能性更高有关。这些发现可以帮助制定以SDOH为中心的药物依从性策略，以使药剂师与老年糖尿病患者实施。
语言学习的探索性分析 - 普渡大学电子出版物
摘要 — 本探索性分析研究了 ChatGPT 在自主学习 (SDL) 中的整合。具体而言，本研究基于 Song 和 Hill 的在线环境中 SDL 概念模型，考察了 YouTube 内容创作者的语言学习经历以及 ChatGPT 在他们的 SDL 中的作用。对 19 位 YouTube 用户的访谈和相关视频内容的主题分析揭示了 ChatGPT 集成 SDL 的不同构造，表明在考虑生成式 AI 的情况下重新概念化和改进 SDL 框架。该框架强调了在两个不同层面上使用 ChatGPT 作为 SDL 工具的关键方面：1) 学习者的个人特征与他们正在进行的学习过程之间的互动关系和相互作用（本地），以及 2) 在快速发展的生成式 AI 领域中 SDL 的不断发展的性质，AI 的社会政治文化基础不断塑造 SDL 发生的学习环境（全球）。该研究强调了 ChatGPT 作为促进自主语言学习 (SDLL) 工具的潜力，并为学习技术的发展和人工智能促进的自主学习研究提供了启示。索引词 — 人工智能 (AI)、ChatGPT、语言学习、自主学习 (SDL)、YouTuber
数据通信设施中的冷却技术 - Purdue e-Pubs
过去十年，对数据中心和网络服务的需求迅速增长。然而，由于更高效的电子硬件、向超大规模和云数据中心的迁移以及更高效的冷却基础设施等，近年来电力需求已经趋于稳定。本文对冷却技术进行了关键概述并讨论了研究差距。数据通信设施中的冷却技术大致可分为风冷和液冷系统。架空/地板下送风、热/冷通道布局和热/冷通道遏制是优化风冷系统性能的主要策略。架空地板架构已在数据通信设施中得到广泛采用，但存在大量气流泄漏（约 25-50%）。研究发现，最佳通风系统是硬地板设计，采用架空冷风输送和热风回风管道，而不是基于房间的送风和回风。冷通道遏制可以更好地降低机架的最高入口温度并抑制冷却系统故障时的温升，而热通道遏制可以提供更低的机架平均入口温度和更小的标准差，并且受服务器周围气密性的影响更小。随着机架功率密度超过 10 kW/机架且热流超过 100 kW/cm 2 ，传统的风冷系统不再是可行的热管理解决方案。喷雾冷却、冲击射流、浸没冷却、液冷微通道和热管等液体冷却方法是克服风冷系统容量限制的新兴技术之一。对于浸没冷却，过渡到过冷两相流沸腾、通过添加微结构或不规则性来创造更多的成核位点和更大的传热表面积来增强传热以及利用纳米流体是受到学者关注的突出增强策略。将电力电子模块浸入液体中可使热阻降低至空气冷却系统的 25%，或微通道或喷雾冷却等液体冷却系统的 30-50%。根据现有的冷却系统、总体热负荷和热点，热管系统可以作为独立单元或与空气冷却系统结合使用，即所谓的混合系统，为数据中心提供服务。与典型的空气冷却系统相比，混合系统可以分别降低 37-58% 和 20-70% 的年度冷却负荷系数和能耗。
石黑一雄与服务经济 - 普渡大学电子出版物
CLCWeb：比较文学与文化，是人文和社会科学领域的同行评审、全文和开放获取学术期刊，发表遵循比较文学学科和文化研究领域（称为“比较文化研究”）原则的新学术论文。该期刊的出版物被编入《英语语言和文学年度书目》（Chadwyck-Healey）、《艺术与人文引文索引》（Thomson Reuters ISI）、《人文索引》（Wilson）、《国际人文全集》（EBSCO）、《美国现代语言协会国际书目》和 Scopus（Elsevier）索引。该期刊隶属于普渡大学出版社的《比较文化研究丛书》。联系方式：< clcweb@purdue.edu >
AI芯片技术对比报告 - STFC ePubs
人工智能 (AI) 芯片使用半导体来提供强大的处理器，可使需要高计算资源的领域受益，例如气候、能源、健康和安全。“AI 芯片”一词是指最近一代专门设计用于更快地处理人工智能任务的微处理器。AI 芯片是综合硅片，集成了 AI 技术并用于机器学习。(Viswanathan, 2020) 在过去十年中，深度学习技术领域取得了许多进步。自 2013 年以来，已经开发了各种新型 AI 芯片以及基于这些芯片的产品 (Momose, 2020)。中央处理器 (CPU) 等通用芯片也可以用于一些更简单的 AI 任务，但随着 AI 的发展，CPU 变得越来越不实用 (Saif M. Khan, 2020)。AI 芯片包括图形处理单元 (GPU)、现场可编程门阵列 (FPGA) 和专用于 AI 的专用集成电路 (ASIC)。AI 芯片包括图形处理单元 (GPU)、现场可编程门阵列 (FPGA) 和专用于 AI 的专用集成电路 (ASIC)。图形处理单元 (GPU) GPU 最初设计用于处理游戏等图形密集型任务。GPU 旨在处理并行性并提供高性能，这是并行性导致深度学习 AI 算法所必需的。GPU 是一种出色的 AI 硬件，在创意制作和 AI 中越来越受欢迎。现场可编程门阵列 (FPGA) FPGA 是可编程阵列，可以根据需求重新编程。FPGA 是具有逻辑门阵列的集成电路硅芯片：该阵列可以在现场编程，即用户可以用新定义的配置覆盖现有配置，并可以创建自己的数字电路。FPGA 因其灵活性而价格昂贵。(Pandit，2019) 专用集成电路 (ASIC) ASIC 芯片专为 AI 应用而设计，并与 AI 算法集成。基于 ASIC 的 AI 芯片有不同类型。本报告介绍了 Graphcore、Cerebras、SambaNova 等 AI 芯片以及 Nvidia、Intel、AMD 的 GPU 以及 Google TPU 的技术比较和编程模型规范。这是一项持续进行的工作，旨在评估尽可能多的 AI 芯片。截至撰写本文时，只有 Cerebras、Graphcore 和 Nvidia GPus 可用。本报告不偏袒任何供应商，且与供应商无关。
Yuri Gagarin的宣传-PURDUE E -PUBS
周日泰晤士报。https://www.sundaytimes.lk/210404/education/60th-anniversary-of-yuri-gagarins-spaceflight-spaceflight-and-visit-to-ceylon- 438701.html-438701.html＃：〜： 201961年12月20日％。
基于模式的系统工程 (PBSE) - 普渡大学电子出版物
推荐引用 推荐引用 Gupta, Rajat，“基于模式的系统工程 (PBSE) - 产品生命周期管理 (PLM) 集成和验证”(2017)。开放获取论文。1282。https://docs.lib.purdue.edu/open_access_theses/1282
设计与文化：跨学科历史 - 普渡大学E -Pubs
关于何时我们的cog nive borbears开始思考的何时存在辩论。从那时到今天的旅程漫长而艰巨。在他们学会进行渠道，发现火灾，开发了火石工具，开始练习生命的农业并开发技术的途中。ella beaudoin和Briana Pobiner问：“成为人类意味着什么？是什么使我们在地球上所有其他生物中都独一无二？是合作吗？冲突？创造力？认知？” 1可能是全部四个。