XiaoMi-AI文件搜索系统
World File Search SystemRoberta
简历 Roberta Cavalli
活动） 生物技术药物的设计和配方（4 ECTS） 外用和皮肤病产品的设计和开发（2 ECTS） 创新药物输送系统（2 ECTS 博士生） 制药技术 II（2 ECTS，医院药学学位） RC 自 2017 年起指导药物化学和技术学位。c) 研究活动 Roberta Cavalli 在设计和开发传统药物配方或基于创新纳米技术的药物输送系统以及它们的体外和体内表征方面拥有多年的经验。许多研究集中在开发新型纳米颗粒配方上，以提高负载治疗分子的功效。在纳米配方中加入治疗剂旨在改变负载分子的物理化学特性，改变药代动力学和生物分布，增强疗效并减少副作用。 RC 开发了各种新型纳米载体，这些载体由安全成分组成，通常是聚合物或脂质，经监管机构认可，以确保生物相容性、生物降解性和低细胞毒性。许多研究涉及对低溶解性药物的纳米结构系统进行微调，以提高其溶解度、提高其生物利用度、改变其药代动力学参数以及生物分布。RC 的研究重点是环糊精衍生物和环糊精基纳米载体。其中，纳米海绵，即通过环糊精与不同交联剂交联而获得的聚合物纳米颗粒，得到了深入研究。环糊精单元的交联由于交联网络而产生由环糊精腔和纳米通道组成的纳米多孔固体纳米结构。因此，可以包含各种化合物。已经获得了许多纳米海绵配方，用于递送不同的
特拉华州 Roberta M. Ewart
罗伯塔目前是空间系统司令部 (SSC) 的首席科学家，领导创新开发部、空间系统架构师、空间系统司令部、洛杉矶空军基地。她是 SSC 的主要科学权威和技术监督，主要职责如下：支持 SSC 指挥官对计划进行技术审查和评估，以及对航天器和导弹上的技术进行研究、开发和演示。通过先进的系统开发和演示，增进对新兴空间概念和技术的了解，以提高空间部队的能力。负责与 SSC 和其他国防部开发中心和机构（如 DARPA）规划、评估和协调空间系统研究和开发演示。担任美国空间司令部指挥官和美国空间部队及 SAF/SQ 其他成员的顾问，负责技术判断和评估。罗伯塔于 2000 年加入 SSC，担任过多个重要职位，包括发展计划和空间优势总工程师以及空间优势系统联队首席架构师。
Robert Polimeni CV div>Robert Polimeni CV div>
在2016年至2022年在同一中心进行的内窥镜Dacriocistinosomies固有的Alavà数据收集大学研究活动负责人。研究主题：内窥镜DCR与DCR AB-Externe。研究对象：通过LAC-Q对工作室中的人群进行比较和分析。
Roberta Maraninchi Silveira新接收器... 使用瓜拉纳粉（Paullinia cupana）在... 上的效果 对Wnt/β-catenin途径的表观遗传控制
博士论文提交给RibeirãoPreto/USP的医学学院。浓度区域：诊所，细胞和细胞疗法。选项：细胞疗法
Roberta Maraninchi Silveira新接收器...
论文提交给研究生课程，从事圣保罗大学公共卫生学院的公共卫生营养，以捍卫直接博士学位。集中领域：公共卫生营养顾问：教授博士伊丽莎白·阿帕雷卡达·费拉兹·达·席尔瓦·托雷斯
RoBERTa 和 Bi-LSTM 用于 CLEF 2024 PAN 的人类与人工智能生成文本检测笔记本 Panagiotis Petropoulos 1, †, Vasilis Petropoulos 2, †
摘要 我们生活在一个人工智能快速发展的新时代，现有模型的新版本和越来越强大的版本，甚至是新模型，不断被创造出来。人类和工业界正在越来越多地投资于这些进步。现实生活中有很多例子表明，这些模型被人类用来方便自己或欺骗。学生和学者不再深入研究知识和制造虚假新闻是经常发生的两个主要现象。因此，需要创建一个能够检测和区分人工智能生成的文本和人类编写的文本的分类器。已经采取了几种非常好的方法，但它们必须随着法学硕士的发展而不断发展。今年，CLEF [1] [2] 的 PAN 共享任务阐明了上述需求。为了解决该任务，本文提出了一种 RoBERTa[3] 和 Bi-LSTM 相结合的架构。关键词 RoBERTa、Bi-LSTM、NLP、AI 生成文本检测、作者分析
电池电池的在线电化学阻抗光谱的二进制序列
手稿收到2022年5月6日；修订于2022年7月5日； 2022年7月15日接受。出版日期2022年8月16日；当前版本的日期2022年9月8日。这项工作得到了欧洲领导力（ECSER）联合企业的电子组件和系统的支持（JU），根据赠款101007247； JU获得了欧盟2020年Horizon的研究与创新计划的支持，以及芬兰，德国，爱尔兰，瑞典，意大利，奥地利，冰岛和瑞士的支持。副编辑协调审核过程的是Chao Tan博士。（通讯作者：Roberta Ramilli。）Roberta Ramilli，Marco Crescentini和Pier Andrea Traverso在电气，电子和信息工程部（DEI），“ G。Marconi，“博洛尼亚大学，意大利博洛尼亚40136（电子邮件：Roberta。） ramilli@unibo.it; m.crescentini@unibo.it; pierandrea.traverso@unibo.it）。 Francesco Santoni，Alessio de Angelis和Paolo Carbone与佩鲁吉亚大学工程系，意大利佩鲁吉亚06125（电子邮件：francesco.santoni@unipg.it; Alessio.deangelis@deangelis@unipg.it; Paolo; Paolo; Paolo。 carbone@unipg.it）。 数字对象识别10.1109/tim.2022.3196439Marconi，“博洛尼亚大学，意大利博洛尼亚40136（电子邮件：Roberta。ramilli@unibo.it; m.crescentini@unibo.it; pierandrea.traverso@unibo.it）。Francesco Santoni，Alessio de Angelis和Paolo Carbone与佩鲁吉亚大学工程系，意大利佩鲁吉亚06125（电子邮件：francesco.santoni@unipg.it; Alessio.deangelis@deangelis@unipg.it; Paolo; Paolo; Paolo。carbone@unipg.it）。数字对象识别10.1109/tim.2022.3196439
请引用原文：Zhu, H., Tiwari, P., Ghoneim, A., & Hossain, MS (2022). 一种用于 AIoT 领域问答的协作式 AI 支持预训练语言模型。IEEE 工业信息学学报，18 (5)，3387-3396。https://doi.org/10.1109/TII.2021.3097183
摘要 — 人工智能物联网 (AIoT) 领域的大规模知识迫切需要有效的模型来理解人类语言并自动回答问题。预训练语言模型 (PLM) 在某些问答 (QA) 数据集上取得了最佳性能，但很少有模型能够回答有关 AIoT 领域知识的问题。目前，AIoT 领域缺乏足够的 QA 数据集和大规模预训练语料库。我们提出了 RoBERTa AIoT 来解决缺乏高质量大规模标记的 AIoT QA 数据集的问题。我们构建了一个 AIoT 语料库来进一步预训练 RoBERTa 和 BERT。RoBERTa AIoT 和 BERT AIoT 利用由面向 AIoT 的维基百科网页组成的大型语料库进行无监督预训练，以学习更多特定领域的上下文并提高 AIoT QA 任务的性能。为了微调和评估模型，我们基于社区问答网站构建了 3 个 AIoT 问答数据集。我们在这些数据集上评估了我们的方法，实验结果证明了我们的方法有显著的改进。
关于大型结构工程文件的提取问题
我们的项目旨在应对通过冗长的施工文档有效搜索特定信息的挑战，在这种信息中，由于潜在的幻觉，使用典型的生成模型是不可取的。将实现两个部分提取问题答案模型。第一部分将由信息检索（IR）模型组成，例如BM25算法，查询和文档之间的余弦相似性，以及与MUGI（多文本生成集成）的BM25。对于第二部分，我们将仅编码的体系结构用作提取问题答案（EQA）模型，考虑到Bert，Roberta和Longformer之类的模型以获得最佳性能。在一小部分工程文档样本上进行的初步测试显示了基线至末端精度为.18，其中BM25具有K = 1的BM25，并使用了BERT模型。在使用MUGI和Roberta模型进行BM25进行进一步测试后，达到了.2的端到端精度。最终BM25没有Mugi No Reranking提出的结果比基线BM25更好，并且在提取问题回答部分中，Roberta模型表现最好。