XiaoMi-AI文件搜索系统
World File Search SystemSafer
迈向更安全、更自由、更公平的数字经济
21 拟议命令，美国诉 Cerebral, Inc.，编号 1:24-cv-21376（SD Fla. 2024 年 4 月 15 日），可访问 https://www.ftc.gov/system/files/ftc_gov/pdf/cerebral_joint_stipulation_order_permanent_injunction.pdf；拟议命令，美国诉 Monument，编号 12:24-cv-01034（DDC 2024 年 4 月 11 日），可访问 https://www.ftc.gov/system/files/ftc_gov/pdf/MonumentOrderFiled.pdf；命令，美国诉 GoodRx Holdings, Inc.，编号 23-cv-460 (ND Cal. 2023)，可在 https://www.ftc.gov/system/files/ftc_gov/pdf/goodrxfinalstipulatedorder.pdf"https://www.ftc.gov/system/files/ftc_g ov/pdf/goodrxfinalstipulatedorder.pdf 上查阅；命令，In re BetterHelp, Inc.，FTC Dkt. C-4796，可在 https://www.ftc.gov/system/files/ftc_gov/pdf/2023169betterhelpfinalorder.pdf 上查阅；命令，美国诉 Easy Healthcare Corp.，编号 23-cv-03107 (ND Ill. 2023)，可在https://www.ftc.gov/system/files/ftc_gov/pdf/2023.06.22_easy_healthcare_signed_order_2023.pdf 。
更安全的驾驶体验的全自动视觉注意估计支持系统
抽象驾驶员的注意是安全驾驶和避免可能发生事故的关键要素。在本文中，我们提出了一种新的方法，可以解决驱动程序中视觉注意力估计的任务。我们引入的模型由两个分支组成，一个分支执行凝视点检测以确定驾驶员的确切焦点，另一个执行对象检测以识别道路上的所有相关元素（例如车辆，行人和交通标志）。两个分支的两个输出的组合使我们能够确定驾驶员是否专注，并最终确定他们集中的道路元素。测试了两个模型的目光检测任务：GAZECNN模型和由CNN+变压器组成的模型。对两种模型的性能进行了评估，并将其与其他最先进的模型进行比较，以选择最佳的任务方法。最后，报告并分析了DGAZE数据集上3761对图像（驱动程序视图和相应的道路视图）进行的视觉注意估计结果。
更安全的微型交通：技术背景报告
还要感谢研讨会期间和之后提供意见的其他研讨会参与者：Adil Bahi（法国交通运输和物流部）、Alasdair Cain（美国交通运输部）、Pierpaolo Cazzola（加州大学交通研究所）、Julien Chamussy（Fluctuo）、Chris Cherry（田纳西大学）、Wanda Debauche（比利时道路研究中心）、Laurent Demilie（SPF Mobilité et Transports）、Storm Gibbons（TIER Mobility）、Bjorne Grimsrud（交通经济研究所 - 挪威交通研究中心）、Firas Ibrahim（美国交通运输部）、Jade Kawan（Elke Van den Brandt 内阁）、Laurent Kennel（Dott）、Konstantin Krauss（弗劳恩霍夫系统与创新研究所 ISI）、Soichiro Minami（国土、基础设施和旅游部）、Stefano Porro（倍耐力）、Alexandre Santacreu （欧洲大都会交通管理局 (EMTA)、Sebastian Schlebusch（Dott）、Lidia Signor（UITP）、Alejandro Tirachini（特温特大学）、Anatole Reboul（Fluctuo）、Karen Vancluysen（POLIS）、Marie Vignat-Cerasa（Lime）、Ceri Woolsgrove（欧洲自行车联合会）、Teruki Yamada（国土交通省）。
新报告指出值得关注的塑料化学品并强调提高塑料安全性的方法
各国目前正在就一项全球塑料条约进行谈判，以终结塑料污染。一项强有力的条约将解决这场全球危机，并实现向更安全和可持续的循环经济的过渡。但条约必须解决塑料化学品问题，因为从食品包装到汽车轮胎，所有塑料都含有数千种化学物质，这些化学物质会渗入食品、家庭和环境中。由于其中许多化学物质是危险的，它们会损害人类健康和环境。
更安全的学习自主系统的正式验证
R. S. Boyer和J. S. Moore。Boyer-Moore定理卖者。https://www.cs.utexas.edu/users/moore/best- indeas/nqthm/index.html。D. Cofer，R。Sattigeri，I。Amundson，J。Babar，S。Hasan，E。W。Smith，K。Nukala，D。Osipychev，M。A。Moser，J。L。Paunicka，D。D。D. D. Margineantu，L。Timmerman，L。Timmerman，and J. Q. Q. Q. stringfield。具有运行时保证的碰撞避免神经网络的飞行测试。2022年IEEE/AIAA 41st Digital Avionics Systems会议（DASC），第1-10页，2022年9月。R. Desmartin，G。O。Passmore，E。Komendantskaya和M. Daggit。 CheckInn：Imandra中的范围范围神经网络验证。 在第2022页中：第24届国际宣言节目原则和实践研讨会，佐治亚州第比利斯，9月20日至2022年，第3：1-3：14页。 ACM，2022。 S. Grigorescu，B。Trasnea，T。Cocias和G. Macesanu。 对自动驾驶的深度学习技术的调查。 Field Robotics Journal，37（3）：362–386，2020。 ISSN 1556-4967。 W. A. Hunt，M。Kaufmann，J。S。Moore和A. Slobodova。 使用ACL2进行工业硬件和软件验证。 皇家学会的哲学交易A：数学，物理和工程科学，375（2104）：20150399，2017年9月。 O. Isac，C。W。Barrett，M。Zhang和G. Katz。 通过证明生产的神经网络验证。 2022计算机辅助设计（FMCAD）中的形式方法，第38-48页，2022年。 K. D. Julian，J。Lopez，J。S. Brush，M。P. Owen和M. J. Kochenderfer。 飞机避免碰撞系统的政策压缩。R. Desmartin，G。O。Passmore，E。Komendantskaya和M. Daggit。CheckInn：Imandra中的范围范围神经网络验证。在第2022页中：第24届国际宣言节目原则和实践研讨会，佐治亚州第比利斯，9月20日至2022年，第3：1-3：14页。ACM，2022。S. Grigorescu，B。Trasnea，T。Cocias和G. Macesanu。对自动驾驶的深度学习技术的调查。Field Robotics Journal，37（3）：362–386，2020。ISSN 1556-4967。W. A.Hunt，M。Kaufmann，J。S。Moore和A. Slobodova。 使用ACL2进行工业硬件和软件验证。 皇家学会的哲学交易A：数学，物理和工程科学，375（2104）：20150399，2017年9月。 O. Isac，C。W。Barrett，M。Zhang和G. Katz。 通过证明生产的神经网络验证。 2022计算机辅助设计（FMCAD）中的形式方法，第38-48页，2022年。 K. D. Julian，J。Lopez，J。S. Brush，M。P. Owen和M. J. Kochenderfer。 飞机避免碰撞系统的政策压缩。Hunt，M。Kaufmann，J。S。Moore和A. Slobodova。使用ACL2进行工业硬件和软件验证。皇家学会的哲学交易A：数学，物理和工程科学，375（2104）：20150399，2017年9月。O. Isac，C。W。Barrett，M。Zhang和G. Katz。通过证明生产的神经网络验证。2022计算机辅助设计（FMCAD）中的形式方法，第38-48页，2022年。K. D. Julian，J。Lopez，J。S. Brush，M。P. Owen和M. J. Kochenderfer。 飞机避免碰撞系统的政策压缩。K. D. Julian，J。Lopez，J。S. Brush，M。P. Owen和M. J. Kochenderfer。飞机避免碰撞系统的政策压缩。2016 IEEE/AIAA 35届数字航空电子系统会议（DASC），第1-10页，2016年9月。K. Kanishev。 imandra界面到机器人OS：第一部分I. https：//medium.com/imandra/imandra-intra-intra-intra-intra-intra-intra-intra-intra-os-part-os-part-i-9f388888888888888888c5c3a1。 G. Katz，C。W。Barrett，D。L。Dill，K。Julian和M. J. Kochenderfer。 Reluplex：用于验证深神经网络的有效SMT求解器。 在R. Majumdar和V. Kuncak中，编辑，计算机辅助验证-29届国际会议，2017年，德国海德堡，2017年7月24日至28日，会议记录，第一部分，计算机科学讲义的第10426卷，第97-117页。 Springer，2017年。 G. O. Passmore。 在金融算法的形式方法的工业化中学到的一些经验教训。 在M. Huisman，C.Păsăreanu和N. Zhan中 Springer International Publishing。 ISBN 978-3-030-90870-6。 C. Szegedy，W。Zaremba，I。Sutskever，J。Bruna，D。Erhan，I。J。Goodfellow和R. Fergus。 神经网络的有趣特性。 Corr，2013年12月。K. Kanishev。imandra界面到机器人OS：第一部分I. https：//medium.com/imandra/imandra-intra-intra-intra-intra-intra-intra-intra-intra-os-part-os-part-i-9f388888888888888888c5c3a1。G. Katz，C。W。Barrett，D。L。Dill，K。Julian和M. J. Kochenderfer。 Reluplex：用于验证深神经网络的有效SMT求解器。 在R. Majumdar和V. Kuncak中，编辑，计算机辅助验证-29届国际会议，2017年，德国海德堡，2017年7月24日至28日，会议记录，第一部分，计算机科学讲义的第10426卷，第97-117页。 Springer，2017年。 G. O. Passmore。 在金融算法的形式方法的工业化中学到的一些经验教训。 在M. Huisman，C.Păsăreanu和N. Zhan中 Springer International Publishing。 ISBN 978-3-030-90870-6。 C. Szegedy，W。Zaremba，I。Sutskever，J。Bruna，D。Erhan，I。J。Goodfellow和R. Fergus。 神经网络的有趣特性。 Corr，2013年12月。G. Katz，C。W。Barrett，D。L。Dill，K。Julian和M. J. Kochenderfer。Reluplex：用于验证深神经网络的有效SMT求解器。在R. Majumdar和V. Kuncak中，编辑，计算机辅助验证-29届国际会议，2017年，德国海德堡，2017年7月24日至28日，会议记录，第一部分，计算机科学讲义的第10426卷，第97-117页。Springer，2017年。G. O. Passmore。在金融算法的形式方法的工业化中学到的一些经验教训。在M. Huisman，C.Păsăreanu和N. Zhan中Springer International Publishing。ISBN 978-3-030-90870-6。 C. Szegedy，W。Zaremba，I。Sutskever，J。Bruna，D。Erhan，I。J。Goodfellow和R. Fergus。 神经网络的有趣特性。 Corr，2013年12月。ISBN 978-3-030-90870-6。C. Szegedy，W。Zaremba，I。Sutskever，J。Bruna，D。Erhan，I。J。Goodfellow和R. Fergus。神经网络的有趣特性。Corr，2013年12月。
AAR-构建更安全的未来-2024-白皮书.pdf
为了使轨道车、机车等设备及其零部件保持最佳状态，铁路公司投入大量资金来维护其机车车辆，并利用技术实时监控轨道车和机车的状况。这些先进技术的一个重要优势是能够在使用过程中监控铁路设备，让铁路工人更准确地了解设备在受到实际操作力时的状态。这种方法使工作人员能够主动识别和修复机械问题，从而提高铁路运营的安全性和可靠性。
让医疗保健更安全 IV_快速审查_计算机化临床决策支持，预防用药错误和药物不良事件
结果。我们的搜索产生了 1,335 篇独特的摘要，其中 33 篇文章符合目标标准并被纳入审查（27 篇系统性审查、1 篇审查概述和 5 篇主要研究）。20 篇报告有效性的审查（共 22 篇）被评为“良好”或“公平”质量。叙述性综合中包括的一项主要研究被评为具有“低”偏倚风险。证据涵盖了 CDSS 对各种医疗环境和专业的影响。CDSS 提供的决策支持类型和结果在研究之间是异质的。总体而言，使用药物相关 CDSS 的计算机化医嘱录入与减少用药错误（中等强度证据）和预防药物不良事件（低强度证据）相关。改进或有针对性的药物相关 CDSS 与减少用药错误和药物不良事件（中等强度证据）相关。但是，警报覆盖率很高，且在不同研究中有所不同，覆盖的适当性在很大程度上受警报类型的影响。其他意外后果包括与 CDSS 相关的错误、过度依赖警报、警报疲劳、不适当的警报覆盖和提供商倦怠。另外 48 篇文章重点介绍了 CDSS 实施的障碍和促进因素。
2024-27 年更安全的威斯敏斯特伙伴关系战略
• 针对危害大且屡犯不改的犯罪者——一半的犯罪都是由经历过刑事司法系统的人犯下的，其中一小部分犯罪者要对大量犯罪负责。将资源集中在这些罪犯身上将对减少再犯罪产生最大影响。 • 支持受害者并减少重复受害——虽然大多数人不是犯罪的受害者，但受害者始终面临着再次受害的最大风险。因此，了解那些受害风险较高的人的特点以减轻这种风险非常重要。 • 尽早干预以发现和预防犯罪和混乱——有广泛证据表明，解决犯罪的根本原因是长期减少犯罪的关键。无论是通过从一开始就防止问题的发生，还是尽早干预，还是通过确保妥善管理正在发生的问题以避免危机并减少其有害后果。 • 让当地社区发出声音并增强信心 - 人们告诉我们，他们希望更多地参与帮助减少威斯敏斯特的犯罪和 ASB，我们需要改进我们给予人们发言权并使他们能够做到这一点的方式 - 建设社区能力并增加信任和信心。 • 共享信息并有效合作 - 我们需要与合作伙伴组织合作。这不仅包括实施有效的治理，还包括确保我们及时共享信息。
使医疗保健更安全的IV分类以减少老年人的药物危害快速反应
使用潜在的不当药物（PIMS），并用作提高质量并提高患者安全的机制。这种快速响应的目的是总结有关使用deprable的最新文献来改善老年人（年龄≥65岁）的药物使用安全性。•我们的文献搜索确定了自2019年以来发表的15项系统评价和7项原始研究，评估了对改善结果的干预措施的有效性。除原始研究之一以外的所有研究都是一项随机试验。•包括但不限于全面的药物审查，患者教育，提供者教育和临床决策支持系统的分类干预措施。在整个护理连续性的医疗保健环境中进行了研究，包括门诊诊所，急诊科，急诊医院，长期护理设施和社区药房。药剂师通常包括在干预措施中。•由于异质性，很少有系统的评论能够定量合成发现。结合了原始研究的发现，通常减少药物数量或可能不当的药物。临床结果的变化更大，发现结果矛盾或具有非统计学意义的结果。很少有不良药物提取事件是由于干预措施而导致的。•有大量有关障碍和促进者的文献，以实施不分解干预措施。潜在的影响力的促进者包括患者和临床医生的同意，以分类的标准化过程，减少药物使用的强大文化/动机以及专业团队的参与。