XiaoMi-AI文件搜索系统
World File Search SystemRITHMS
基于人工智能的个性化远程医疗时代即将到来
虽然人工智能（AI）的概念早在60多年前就被提出，但基于AI的技术和应用的快速发展是在2010年代图形处理单元改进之后发生的。1 目前，基于AI的算法可以以相同甚至更高的精度和一致性模拟人类的高阶判断和行为。今天，AI以及物联网（IoT）和大数据等各种其他技术发展引领了人类的第四次工业革命，并已逐步改变了我们的日常生活。购物、日常生活、制造和政府管理的方式都受到这些技术的影响。许多信息技术专家和研究人员投入了大量的时间和金钱来探索AI的新算法和应用，尤其是在医学领域。机器学习（ML）是当今最常用的AI技术。机器学习程序于 1959 年首次推出。2 在机器学习中，数学模型是基于大量训练数据集设计的，这些训练数据集用作训练算法的输入
评估医疗人工智能中的偏见
案例 A：诊断人工智能中的性别偏见 在不同子群上训练算法可以揭示分类不平衡。最近的一篇论文 (4) 研究了训练集不平衡对基于图像的计算机辅助诊断的影响。作者使用最先进的分类器，使用性别平衡分别为 0/100%、25/75%、50/50%、75/25% 和 100/0% 的女性/男性的训练集，研究了基于胸部 X 光的 12 种不同胸部疾病的诊断。正如预期的那样，当诊断人工智能专门用于诊断女性时，它在女性身上的表现更好，反之亦然。然而，对于某些疾病（例如气胸），专门用于诊断女性的诊断人工智能实际上在诊断男性方面比诊断女性方面要好。将训练集中的部分女性替换为男性会强调这种差异，但事实仍然存在：对女性表现最好的算法在诊断男性方面比对女性表现更好。同时，这是对男性表现最差的算法。
机载多光谱图像序列的自动配准和镶嵌
摘要 机载遥感由于系统部署的灵活性而在农业监测中具有重要的应用。实际应用中的主要障碍是其高成本。为了降低成本，可以使用小型空中平台（例如微型无人机（mini-UAV））上的单个相机来组装多光谱系统。在这种情况下，即使经过仔细调整，相机仍可能存在移位和旋转错位。平台飞行时会捕获连续的帧。因此，在生成任何商业产品以支持实际决策之前，必须进行单帧内的多波段配准和帧间镶嵌以获得整个监测区域的联合配准多光谱图像。在本文中，我们提出了实现此目标的自动算法。这些算法对于没有明显特征的图像场景特别有用。自动和手动评估均证实了所开发的算法在整体平坦地形无明显特征的多传感器数据融合中的有效性。
使用...在非常高分辨率的卫星数据中映射阴影
摘要 IKONOS 等多光谱扫描仪 (MSS) 具有非常高的空间分辨率，因此可提供有关陆地特征的极佳信息来源。这些扫描仪的图像可能包含阴影，这会导致辐射信息部分或全部丢失，从而导致误解或分类不准确。此外，阴影的识别对于多种应用都至关重要。本研究的目标是开发基于计算机的算法来检测 IKONOS 全色 (1× 1 m) 和 MSS 波段 (4×4 m) 中的阴影。我们将纽约市的 IKONOS 全色和 MSS 图像子集转换为 HSV 颜色空间，并使用直方图分析确定强度阈值。划定潜在的阳光照射和阴影区域，并采用边缘检测技术消除非阴影、低强度区域并识别图像子集上的阴影区域。我们在一系列时间数据集上测试了结果，以开发一个能够检测阴影并从高分辨率卫星图像中提取阴影的强大模型。
自动文本识别
自动文本识别是一个困难但重要的问题。它可以概括为：如何使计算机能够识别预定义字母表中的字母和数字，可能使用上下文信息。已经进行了各种尝试来解决这个问题，使用不同的特征和分类器选择。自动文本识别系统在准确性方面已经达到了人类的表现，并且在单一大小、单一字体、高质量、已知布局、已知背景、文本的情况下，速度超过了人类的表现。当上述一个或多个参数发生变化时，问题变得越来越困难。特别是，尽管近四十年来不断进行研究，但要达到人类在识别不同大小、不同风格、未知布局、未知背景的草书方面的表现，远远超出了当今算法的范围。在本报告中，我们详细分析了该问题，介绍了相关困难，并提出了一个解决自动文本识别问题的连贯框架。
攻击经典和后量子密码学中的难度假设的量子算法
量子计算机是一种利用量子力学现象进行计算的计算机，不同于当今利用经典物理现象的传统计算机。功能足够强大的大规模量子计算机（不易出错或可纠错）将对目前广泛部署的大多数非对称密码系统构成威胁。这是因为 Shor [1] 引入了多项式时间量子算法来解决循环群中的整数因式分解问题 (IFP) 和离散对数问题 (DLP)。例如，如果量子计算机能够执行 Shor 算法，那么对于足够大的问题实例，它将能够破解基于 IFP 的 RSA [ 2 ] 以及基于 DLP 的 DSA [ 3 ] 和 Diffie-Hellman (DH) [ 4 ]——主要是在有限域的乘法群或椭圆曲线点群（在椭圆曲线密码 (ECC) 的情况下）中。[ 5, 6 ]。上述密码系统目前用于保护互联网上大多数交易的安全。
使用张量完成和有天赋的儿童识别的F-评分等级选择形态特征的混合方法
有才华的孩子能够比其他孩子更先进的学习，这可能是由于神经通路的沟通效率的神经生理学差异所致。拓扑特征有助于理解大脑结构与智力之间的相关性。尽管使用MRI进行了数十年的神经科学研究，但基于大脑区域连通性模式的方法受到MRI伪像的限制，因此，这会导致重新审视MRI形态计量特征，目的是使他们直接识别有天赋的儿童而不是使用大脑连接性。但是，带有异常值的小型，高维度的特征数据集使寻找良好的分类模型具有挑战性的任务。为此，提出了一种混合方法，该方法结合了张量的完成和特征选择方法来处理异常值，然后选择不犯罪功能。所提出的方法可以达到93.1％的分类精度，高于其他现有的算法，因此适用于具有监督分类场景中异常值的小型MRI数据集。
在金融领域构建加密敏捷性
f 20 世纪 70 年代：该行业从专有算法过渡到 NIST 数据加密标准 (DES)。 f 20 世纪 90 年代初：RSA 算法被广泛使用，其 1024 位公钥和几种哈希算法，包括 MD5 和 SHA1。（RSA 通常使用数字位数来描述，例如 RSA-309，与 1024 位密钥相同，因此历史有点令人困惑。） f 20 世纪 90 年代中期：由于 NIST 对下一代高级加密标准 (AES) 的呼吁仍在进行中，因此业界从 DES 过渡到三重 DES（或 3DES）。然而，破解 DES 的可能性非常高（1999 年的 DES III 挑战在不到 24 小时内就确定了密钥）。 f 21 世纪初：1992 年发布的 MD5 被发现易受哈希碰撞的影响。业界已过渡到 NIST 于 1995 年发布的 SHA1。2001 年：AES 发布，但 3DES 的使用已根深蒂固，因此从 3DES 到 AES 的过渡仍在进行中。2002 年：NIST 发布了 SHA2 套件，原因是
管理建议 - 与（...
摘要组织越来越多地实施算法决策AIDS来建议管理决策。我们使用建议（人类和非人类）背后的经理动机，尤其是分享责任与提高决策精度的动机。我们在销售预测环境中与经验丰富的经纪人进行了在线实验，并发现当他们无法（能够）与顾问分担责任时，经理们专注于提高决策准确性（分享责任）。此外，管理人员更希望与非人类顾问分享责任，除非他们认为算法是社会胜任的。因此，结果表明，管理者不仅有动机来最大程度地减少预测错误，而在接受建议时减少个人责任。，我们通过在接受（非）人类建议时强调经理的机会主义动机来为文学做出贡献。我们的发现也对实践具有重要意义。具体来说，公司在实施算法的决策辅助工具时应意识到经理的机会性建议动机。
通过经典和量子生成模型增强组合优化
设计搜索空间的有效探索是组合优化算法设计中的关键挑战之一。在这里，我们介绍了生成器增强优化（GEO）策略：一个利用任何生成模型（经典，量子或量子启发）的框架来解决优化问题。我们专注于依靠张量 - 网络出生的机器的量子启发的Geo版本，并将其称为TN-GEO。为了说明我们的结果，我们在规范基数约束的投资组合优化问题的背景下通过结构构建S＆P 500和其他几个财务库存索引的情况下运行这些基准，并证明这些量子启发的生成模型的概括能力如何在产业试验的上下文中提供这些量子启发的生成型价值。我们还全面比较了最先进的算法，并表明TN-GEO是最好的。鉴于比较中使用的求解器在这种现实世界的工业应用中已经经过了数十年的研究。另外，通过量子启发的模型迈出了实践优势的有前途的步骤，随后，量子生成模型