XiaoMi-AI文件搜索系统
World File Search SystemRUGGIERI
AI 座谈会 - Adriano Barra
M ARCO COCOCCIONI 比萨大学 多目标机器学习、深度学习硬件加速器和非阿基米德人工智能 S ALVATORE RUGGIERI，比萨大学 人工智能系统中的偏见和公平性
技术预测2025
Abedi，Mohamed Amin，Amirat的Cerif，Athavale，Mary Baker，Greg Byrd，Kyle Chard，Tom Coughlin，Izzat the Haj， Habl Goldman Alfredo，Mike Ignatowski，Lizy K. John。 Khed Mokhtar，Parro的暴民，Pasricha Sudeep，瑞典，Alexandra Polands，Marina Ruggieri，Tomy Sebastian，Farzin Shadpour，Shiabhh，Sinhahha。浴缸，Velicic Gordana，John Berth，Vana的Irene，Jeffrey Goas，Rod Waterhouse，Stefano Zanero，Ying Zhang。
全球经济中的税收政策和投资*
* 稿件日期：2024 年 7 月 5 日。我们感谢 Agustin Barboza、Emily Bjorkman、Walker Lewis、Anh-Huy Nguyen、Shivani Pandey、Sarah Robinson、Francesco Ruggieri、Sam Thorpe 和 Caleb Wroblewski 提供的出色研究协助；感谢我们的讨论者 Eyal Argov、Steven Bond、Manon François、Andrea Lanteri 和 Jason Furman；以及研讨会和会议参与者的评论、想法和数据帮助。我们感谢 Michael Caballero、Anne Moore 和 Laura Power 对跨国税收数据的见解，以及 Tom Winberry 就他的调整成本估算进行的有益讨论。Chodorow-Reich 非常感谢哈佛大学 Ferrante 基金和 Chae 基金的支持。Zwick 非常感谢芝加哥大学布斯商学院的财政支持。Zidar 感谢 NSF 提供的支持（资助号： 1752431。免责声明：本项目涉及机密纳税人信息的所有数据工作均在 IRS 设施和 IRS 计算机上完成，机密纳税人数据从未离开过 IRS 计算环境。本文表达的观点均为作者的观点，并不一定代表 IRS 或美国财政部的观点。所有结果均已审查，以确保不会泄露机密信息。模型隐含的收入估计不是 TCJA 的收入估计。
RI 2020 森林行动计划
凯瑟琳·斯帕克斯 (Catherine Sparks)，自然资源助理主任 Tee Jay Boudreau，副主任 罗德岛州环境管理局、森林环境司 235 Promenade St. Suite 394 Providence, RI 02908-5767 401.222.4700 x 2301 www.dem.ri.gov/programs/forestry/ 感谢合作林业项目主管 Nancy Stairs 的撰写和设计贡献，以及对本项目的完成指导。感谢 RIDEM-DFE 员工对战略制定和审查工作的贡献：火灾项目主管 Olney Knight；森林健康项目协调员 Paul Ricard；森林管理项目协调员 Fern Graves；以及城市与社区林业项目协调员 Robert Allard 特别感谢 DEM 员工的重要投入和贡献：Amanda Freitas，野生动物行动计划社区联络员，RIDEM 鱼类与野生动物司 Gregg Cassidy，森林遗产项目协调员，RIDEM 规划与发展司 Paul Jordan，监督 GIS 专家，开发了 RIDEM 地图 另外还要表彰和感谢：Judee Burr、Christopher Riely、Kate Sayles，《罗得岛森林的价值》的合著者，这是罗得岛森林保护咨询委员会和罗得岛树木委员会的一个项目，他们为该项目提供了资源、背景和见解。 感谢以下组织的领导和成员：美国农业部自然资源保护局管理咨询委员会 州技术委员会森林火灾咨询委员会 RI 林地合作伙伴 RI 树木委员会 还要感谢北方应用气候科学研究所副主任 Maria Janowiak。还要感谢美国农业部森林服务局州立和私有林业可持续发展与规划协调员 Sherri Wormstead 为完成本项目提供的指导和支持。封面照片来源：Megan Ruggieri 除非特别说明，所有地图、图表、表格和照片均为 RIDEM 产品。
可解释人工智能（XAI）
● D. Gunning，可解释的人工智能（xAI），技术代表，国防高级研究计划局（DARPA）（2017）● AB Arrieta，等人。可解释的人工智能（XAI）：概念、分类法、机遇和挑战，走向负责任的人工智能。信息融合 58（2020）：82-115。● E. Tjoa、C. Guan，可解释的人工智能（XAI）调查：面向医学 XAI (2019)。arXiv:1907.07374。● LH Gilpin、D. Bau、BZ Yuan、A. Bajwa、M. Specter、L. Kagal，解释解释：机器学习可解释性概述 (2018)。 arXiv:1806.00069 ● FK Došilović、M. Brćić、N. Hlupić，可解释的人工智能：一项调查，载于：第 41 届信息和通信技术、电子和微电子国际会议 (MIPRO)，2018 年，第 210-215 页。● A. Adadi、M. Berrada，窥视黑匣子内部：可解释的人工智能 (XAI) 调查，IEEE Access 6 (2018) 52138-52160。● O. Biran、C. Cotton，机器学习中的解释和论证：一项调查，载于：IJCAI-17 可解释人工智能 (XAI) 研讨会，第 8 卷，2017 年，第 1 页。● ST Shane、T. Mueller、RR Hoffman、W. Clancey、G. Klein，《人机交互系统中的解释：可解释人工智能的关键思想和出版物及参考书目的文献元评论概要》，国防高级研究计划局 (DARPA) XAI 计划技术代表 (2019)。● R. Guidotti、A. Monreale、S. Ruggieri、F. Turini、F. Giannotti、D. Pedreschi，《解释黑盒模型的方法调查》，ACM 计算调查 51 (5) (2018) 93:1–93:42。
2024年2月
科学委员会（审稿人）英语：《纽约时报》，1997 年。Perini、Carlo Piergallini、Paolo Pisa、Luca Pistorelli、Daniele Piva、Oreste Pollicino、Domenico Pulitanò、Serena Quattrocolo、Tommaso Rafaraci、Paolo Renon、Maurizio Romanelli、Gioacchino Romeo、Alessandra Rossi、Carlo Ruga里瓦、弗朗西斯卡·鲁杰里、埃丽莎·斯卡罗纳、劳拉·斯科帕林、尼古拉·塞尔瓦吉、塞尔吉奥·塞米纳拉、保拉·塞韦里诺、罗莎莉亚·西库雷拉、皮耶罗·西尔维斯特里、法布里奇奥·西拉库萨诺、尼古拉·特里贾尼、安德里亚·弗朗切斯科·特里波迪、朱利奥·乌贝蒂斯、玛丽亚·基亚拉·乌比亚利、安东尼奥·瓦利尼、吉安卢卡·瓦拉索、维托·韦鲁齐、保罗·韦内齐亚尼、弗朗西斯科·维加诺，丹妮拉维戈尼、弗朗西斯科·扎切、斯特凡诺·齐鲁利亚
博士Ioannis Kompatsiaris 简历列表 8346 ...
G. Chantas、SN Nikolopoulos 和 I. Kompatsiaris，“用于单幅图像超分辨率的重尾自相似性建模”，载于《IEEE 图像处理学报》，第 30 卷，第 838-852 页，2021 年，doi：10.1109/TIP.2020.3038521。（1 次引用）。1. Kumar, A. 和 Singh, HV (2021)。基于 Tchebichef 变换域的深度学习架构，用于图像超分辨率。arXiv 预印本 arXiv:2102.10640。 S. Andreadis、A. Moumtzidou、K. Apostolidis、K. Gkountakos、D. Galanopoulos、E. Michail、I. Gialampoukidis、S. Vrochidis、V. Mezaris、I. Kompatsiaris，“VBS 2020 中的 VERGE”，Proc。 26 日国际。会议。多媒体建模 (MMM2020)，2020 年 1 月 5-8 日，韩国大田会议中心 (DCC)（5 次引用）。 1. Lokoć, J.、Soućek, T.、Veselý, P.、Mejzlík, F.、Ji, J.、Xu, C. 和 Li, X.（2020 年 10 月）。具有自动和交互式文本到视频检索功能的 W2VV++ 案例研究。第 28 届 ACM 国际多媒体会议论文集（第 2553-2561 页）。 2.Mejzlík, F. (2020)。评估 vyhledavacich 模型... založených na klíčových slovech pro hledání známých 场景。 3. Tran, VL, Phan, TD, Mai-Nguyen, AV, Vo, AK, Dao, MS 和 Zettsu, K. (2020)。一种基于交互式原子团簇分水岭的系统，用于生命日志时刻检索。 4. Rossetto, L.、Bailer, W. 和 Bernstein, A.（2021 年 6 月）。在交互式多媒体检索评估中考虑人类感知和记忆。国际多媒体建模会议（第 605-616 页）。 Springer, Cham 5. Veselý, P.、Mejzlík, F. 和 Lokoč, J. (2021 年 6 月)。2021 年视频浏览器对决中的 SOMHunter V2。在国际多媒体建模会议上（第 461-466 页）。Springer, Cham。K. Gkountakos、K. Ioannidis、T. Tsikrika、S. Vrochidis 和 I. Kompatsiaris。2020 年。用于检测暴力场景的人群分析框架。在 2020 年国际多媒体检索会议 (ICMR '20) 的论文集上，2020 年 6 月 8-11 日，爱尔兰都柏林。（已接受出版）（3 次引用）。1. Miti, C.、Zatte, D. 和 Gondal, SS (2020)。人群追踪具有挑战性：基于物理特征分析人群。arXiv 预印本 arXiv:2008.03614。2. Siraj, M. (2020)。超越人群追踪：基于物理特征分析人群。3. Souza, FFD (2020)。基于人口普查变换直方图运算符检测视频序列中的暴力事件：基于人口普查变换直方图运算符检测视频序列中的暴力事件。Ntoutsi E、Fafalios P、Gadiraju U、Iosifidis V、Nejdl W、Vidal ME、Ruggieri S、Turini F、Papadopoulos S、Krasanakis E、Kompatsiaris I. 等人。“数据驱动的人工智能系统中的偏见——一项入门调查”。 Wiley 跨学科评论：数据挖掘和知识发现，10(3)，e1356。2020 年 5 月。（31 次引用）1. Alsharef, A. 文本分析：一种用于毒性分类的新型自然语言处理 (NLP) 方法。2. Barceló, P.、Pérez, J. 和 Subercaseaux, B.可解释性和偏见检测的语言基础。