XiaoMi-AI文件搜索系统
World File Search SystemRecord
发件人：海军记录修正委员会主席 收件人：海军部长 主题：审查海军记录 ICO，USN，XXX-XX- 编号：(a)
发件人：海军记录修正委员会主席 收件人：海军部长 主题：审查海军记录 ICO，USN，XXX-XX- 编号：(a) 第 10 章 USC § 1552 (b) NAVADMIN 108/20，20 年 4 月 15 日 (c) 21 财年 SRB 奖励计划（N13SRB 002/FY21），20 年 12 月 28 日 (d) 21 财年 SRB 奖励计划（N13SRB 003/FY21），21 年 2 月 19 日 附件：(1) DD 表格 149 及其附件 (2) OCNO N133D 的咨询意见，23 年 9 月 28 日 (3) 主体的海军记录 1. 根据参考 (a) 的规定，主体，以下简称为请愿人，向海军记录修正委员会（委员会）提交了附件 (1)，要求更正其海军记录，取消有效/非有效延期，并表明请愿人于 2021 年 3 月 4 日重新入伍 4 年，有资格获得并已收到 B 区选择性重新入伍奖金 (SRB)。 2. 委员会由、、和组成，于 2024 年 5 月 21 日审查了请愿人的错误和不公正指控，并根据其规定，确定应对现有的记录证据采取下面指示的纠正措施。委员会考虑的文件材料包括附件、请愿人海军记录的相关部分以及适用的法规、条例和政策。 3. 在向本委员会提出申请之前，请愿人已用尽海军部现行法律和法规规定的所有行政补救措施。委员会审查了与请愿人的错误和不公正指控有关的所有记录事实后，发现如下：a. 2015 年 3 月 3 日，请愿人进入现役 4 年，现役义务服务结束 (EAOS) 为 2019 年 3 月 2 日，软 EAOS (SEAOS) 为 2021 年 3 月 2 日；“核领域培训。MILPERSMAN 1510-030 和 MILPERSMAN 1306-500、1306-502 和 1306-504 (NF) 是管理指令。根据 MILPERSMAN 1430-010 晋升等级和级别。我理解，此现役延长在执行后具有约束力，此后不得取消，但 MILPERSMAN 1160--040 和 1510-030 中规定的除外。特别是，我理解当我接受晋升到 E4 时，12 个月
向 Andrew Witty 提问
6. 2023 年 7 月的 MedPAC 报告指出，拥有 Optum 的联合健康集团是 Medicare Part D 最大的计划发起人，占有 23% 的市场份额，约有 1100 万名参保者。报告还指出，Optum 拥有专科药房、邮购药房甚至零售药房。MedPAC 报告研究了 6 类药物，并将 Optum 与其他三家 PBM 进行了研究，发现在 71% 的案例中（24 例中的 17 例），VI 计划对 VI 药房的净成本最高，“这意味着，对于这些案例，垂直整合可能导致 Part D 及其参保者的成本增加”（报告第 98 页）。换句话说，根据数据，垂直整合的 PBM 在许多情况下向其附属药房支付的费用高于非附属药房。根据这些发现，您是否同意应该调查 Medicare 中的这种自我交易？
发件人：海军记录修正委员会主席 收件人：海军部长 主题：审查海军记录 ICO，USN，XXX-XX- 编号：(a)
发件人：海军记录修正委员会主席 收件人：海军部长 主题：审查海军记录 ICO，USN，XXX-XX- 编号：(a) 第 10 章 USC § 1552 (b) NAVADMIN 108/20，20 年 4 月 15 日 (c) 21 财年 SRB 奖励计划（N13SRB 002/FY21），20 年 12 月 28 日 (d) 21 财年 SRB 奖励计划（N13SRB 003/FY21），21 年 2 月 19 日 附件：(1) DD 表格 149 及其附件 (2) OCNO N133D 的咨询意见，23 年 9 月 28 日 (3) 主体的海军记录 1. 根据参考 (a) 的规定，主体，以下简称为请愿人，向海军记录修正委员会（委员会）提交了附件 (1)，要求更正其海军记录，取消有效/非有效延期，并表明请愿人于 2021 年 6 月 11 日重新入伍 4 年，有资格获得并已收到 B 区选择性重新入伍奖金 (SRB)。 2. 委员会由、、和组成，于 2024 年 5 月 28 日审查了请愿人的错误和不公正指控，并根据其规定，确定应对现有的记录证据采取下面指示的纠正措施。委员会考虑的文件材料包括附件、请愿人海军记录的相关部分以及适用的法规、条例和政策。 3. 在向本委员会提出申请之前，请愿人已用尽海军部现行法律和法规规定的所有行政补救措施。委员会审查了与请愿人的错误和不公正指控有关的所有记录事实后，发现如下：a. 2015 年 4 月 15 日，请愿人开始服现役 4 年，现役义务服役结束日期 (EAOS) 为 2019 年 4 月 14 日，软性 EAOS (SEAOS) 为 2021 年 4 月 14 日；“根据 MILPERSMAN 第 1160-040 条和 1510-030 条接受核领域计划培训并晋升至 E4。我理解此延期在执行后即具有约束力，此后不得取消，除非 MILPERSMAN 第 1160-040 条另有规定。特别是，我理解当我接受晋升至 E4 时，无论我是否完成核电或高级培训，本协议的 12 个月都不得取消。”
发件人：海军记录修正委员会主席 收件人：海军部长 主题：海军记录 ICO 审查 编号：(a) 美国法典第 10 章
发件人：海军记录更正委员会主席 收件人：海军部长 主题：海军记录 ICO 审查 参考：(a) 第 10 章 USC § 1552 (b) NAVADMIN 108/20，20 年 4 月 15 日 (c) 21 财年 SRB 奖励计划 (N13SRB 003/FY21)，21 年 2 月 19 日 附件：(1) DD 表格 149 及其附件 (2) 截至 23 年 9 月 28 日的咨询意见 (3) 主体的海军记录 1. 根据参考 (a) 的规定，主体（以下简称请愿人）向海军记录更正委员会（委员会）提交了附件 (1)，要求更正其海军记录以取消有效/非有效延期，并表明请愿人于 2021 年 6 月 24 日重新入伍 4 年，有资格获得并获得了 B 区选择性重新入伍奖金（SRB）。2. 委员会由审查了请愿人于 2024 年 4 月 2 日提出的错误和不公正指控的人组成，并根据其规定，确定应根据现有的记录证据采取下述纠正措施。委员会考虑的文件材料包括附件、请愿人海军记录的相关部分以及适用的法规、条例和政策。3. 在向委员会提出申请之前，请愿人已用尽海军部现行法律和法规规定的所有行政补救措施。委员会审查了与请愿人的错误和不公正指控有关的所有记录事实后，发现如下：a. 2015 年 6 月 22 日，请愿人服现役 4 年，现役义务服务结束日期（EAOS）为 2019 年 6 月 21 日，软 EAOS（SEAOS）为 2021 年 6 月 21 日； “核领域培训、MILPERSMAN 1510 030 和 MILPERSMAN 1306-500、1306-502 和 1306-504 (NF) 是管理指令。晋升至 MILPERSMAN 1430-010 的等级和级别。我理解，此现役延长在执行后具有约束力，此后不得取消，除非 MILPERSMAN 1160-040 和 1510-030 中规定。特别是，我理解，当我接受晋升至 E4 时，无论我是否完成核电或高级培训，本协议的 12 个月都不得取消。”
CHIME：CMOS 体内微电极，用于大规模可扩展的神经元记录
哺乳动物的大脑由数千万到数千亿个神经元组成，这些神经元以毫秒级的时间尺度运行，而目前的记录技术只能捕捉到其中的一小部分。能够以高时空分辨率对神经活动进行采样的记录技术一直难以扩展。研究最深入的哺乳动物神经元网络（例如大脑皮层）呈现出分层结构，其中最佳记录技术可在大面积上进行密集采样。然而，对特定应用设计的需求以及大脑的三维结构与二维微加工技术之间的不匹配严重限制了神经生理学研究和神经假体。在这里，我们讨论了一种可扩展神经元记录的新策略，即将玻璃包覆微线束与来自高密度 CMOS 体外 MEA 系统或高速红外摄像机的大规模放大器阵列相结合。由于玻璃包覆微线中芯金属的高导电性，允许使用超薄金属芯（低至 < 1 µ m）和可忽略不计的杂散电容，因此实现了高信噪比（< 25 µ V RMS 本底噪声，SNR 高达 25）。尖端的多步电化学改性可实现超低接入阻抗和最小几何面积，这与芯直径基本无关。我们表明，可以减小微线尺寸，以几乎消除插入时对血脑屏障的损伤，并且我们证明微线阵列可以稳定地记录单个单元活动。将微线束和 CMOS 阵列相结合可以实现高度可扩展的神经元记录方法，将电神经元记录的进展与硅微加工的快速进展联系起来。系统的模块化设计允许自定义记录位置的排列。我们采用微创、高度绝缘和功能化的微线束将二维 CMOS 架构扩展到第三维，这种方法可以转化为其他 CMOS 阵列，例如电刺激设备。
采用机器学习技术来分析交叉销售的客户记录
这项研究深入研究了健康保险交叉销售，其中将其他保险产品促进了现有保单持有人，建议对拥有基本健康保险的人进行补充保险，例如牙科或人寿保险。这项研究的重点是应用机器学习来预测南非客户之间的交叉销售机会。目的是开发一种预测模型，以帮助健康保险公司确定潜在的交叉销售客户。利用定量研究方法，使用各种机器学习算法（包括随机森林，k-nearest邻居，Xgboost分类器和python中的逻辑回归）分析了健康保险消费者信息的全面数据集。结果表明，逻辑回归是表现最佳的模型，当在1,000,000个健康保险客户的数据集中接受17个功能，包括健康保险客户信息，因此获得了0.83的准确得分，F1得分为0.91。发现的分析表明，以前的保险和更长的服务历史的客户更有可能购买其他健康保险产品。这些见解使健康保险公司通过改善客户的目标和保留策略来增强收入，从而为行业对有效的交叉销售方法的理解提供了宝贵的信息。该方法包括定量数据提取和机器学习应用，因此有助于交叉销售策略理解的进步。