XiaoMi-AI文件搜索系统
World File Search Systemalu
航空系统：综合航空价值链管理（Springer 商业和经济学文本）
# Springer-Verlag Berlin Heidelberg 2011 本作品受版权保护。保留所有权利，无论涉及全部还是部分材料，具体而言是翻译、重印、重新使用插图、朗诵、广播、以缩微胶片或任何其他方式复制以及存储在数据库中的权利。 仅根据 1965 年 9 月 9 日现行版本的德国版权法的规定，才允许复制本出版物或其中的部分内容，并且必须始终获得 Springer 的使用许可。违反者将根据德国版权法受到起诉。 本出版物中使用的一般描述性名称、注册名称、商标等并不意味着（即使在没有具体声明的情况下）这些名称不受相关保护法律和法规的约束，因此可以自由使用。
用于龋齿检测的人工智能：数据的价值......
人工智能 (AI) 和深度学习子领域的应用已迅速进入医疗领域。特别是使用卷积神经网络 (CNN) 进行图像分析已被证明具有提高从业人员的可靠性和准确性的潜力。CNN 通过反复消化图像和图像标签对（例如，“此图像包含某种病理”）来学习图像中固有的统计模式，这些标签通常由医学专家提供，并最终能够评估未见过的数据 (LeCun 等人，2015)。对于检测龋齿病变，我们在诊断准确性研究 (Cantu 等人，2020) 中发现 CNN 的诊断准确度优于单个牙医，并在随机对照试验 (Mertens 等人，2021) 中证实了这一点。检测龋齿病变等病理本身不会给患者或医疗保健系统带来任何有形价值。相反，健康益处（和进一步的成本）来自后续（正确或错误分配的）治疗。对于射线照片上的龋齿检测，在建模研究中发现 CNN 具有成本效益，其中使用马尔可夫模型跟踪患者一生中检测到的（或未检测到的）和治疗的（或未治疗的）病变（Schwendicke
评估模型中的算法偏见，以预测菲律宾学生的学习成绩
摘要算法偏见是教育环境中机器学习模型中的主要问题。但是，它尚未在亚洲学习环境中进行彻底研究，并且只有有限的工作才考虑了基于区域（亚国家）背景的算法偏见。作为解决这一差距的一步，本文研究了菲律宾一所大型大学的5,986名学生的人口，并根据学生的区域背景调查了算法偏见。大学在广泛领域的在线课程中使用了画布学习管理系统（LMS）。在三个学期的典范上，我们收集了4870万个学生在画布中活动的日志记录。我们使用这些日志来训练从LMS活动中预测学生成绩的二进制分类模型。表现最佳的模型达到0.75，加权F1得分为0.79。随后，我们根据学生区域检查了偏见的数据。使用三个指标进行评估：AUC，加权F1得分和MADD在所有人口组中均显示出一致的结果。因此，在年级预测中对特定学生群体没有观察到不公平。
第 7 章 – 挣值管理 - NAVSEA
7.5 EVM 概述 7-11 7.5.1 基本 EVM 描述 7-11 7.5.2 挣值管理系统的组件和流程 7-12 7.5.2.1 工作说明书 (SOW) 7-12 7.5.2.2 工作分解结构 (WBS) 7-12 7.5.2.3 承包商项目组织 7-12 7.5.2.4 项目进度表 7-13 7.5.2.5 预算分配和资源规划 7-14 7.5.2.5.1 建立控制帐户 (CA) 和控制帐户预算 7-15 7.5.2.5.2 绩效衡量基准 (PMB) 7-15 7.5.2.5.3 综合基准评审 (IBR) 7-16 7.5.2.5.3.1 IBR 政策和指导 7-17 7.5.2.6 会计考虑 7-17 7.5.2.7 挣值技术 7-18 7.5.2.7.1 工作量水平活动的规划和控制 7-19 7.5.2.8 绩效衡量与分析 7-19 7.5.2.8.1 重大差异 7-19 7.5.2.8.1.1 进度差异 (SV) 7-20 7.5.2.8.1.2 成本差异 (CV) 7-20 7.5.2.9 完成时估计 (EAC) 7-21 7.5.2.10 修订和数据维护 7-22 7.5.2.10.1 客户指示的变更 7-22 7.5.2.10.2 可追溯到以前的预算 7-22 7.5.2.10.3 控制内部PMB 的变更 7-22 7.5.2.10.4 超出目标基线 (OTB) 和超出目标进度 (OTS) 7-23
NIST 人工智能测量和评估议程研讨会
讨论：人工智能系统中可以/应该被测量的属性，以及哪些属性具有/缺乏指标和测量方法；用于测量人工智能的不同测量方法及其优势/局限性；指标的不同类型和用途，以及指标可以具有的各种属性；所选指标和测量方法对评估的影响；何时需要通过玻璃盒访问人工智能系统以进行评估，以及人工智能系统的设计/方法何时会影响指标/测量方法的选择。
评估在清洁水中的国家投资
我们的研究以及代理机构在建模和报告方面的投资表明，清洁水资金会导致明尼苏达州居民重视的福利流。使用生态系统服务模型，我们说明了该州不同地区水质的投资如何与七个潜在的好处相关：饮用水质量，湖泊娱乐，营养出口，鳟鱼钓鱼，湖岸的财产价值，野生水稻生产和湿地鸟类保护。对于每种与水相关的生态系统服务，地图都确定了流域，过去的清洁水基金投资目标是为了提供特定服务而得分很高的流域。对于某些服务，例如饮用水质量和养分出口，我们观察到过去的清洁水基金投资与潜在回报之间的一致性很高。在某些地区，清洁水基金投资没有优先考虑提供特定利益的最大潜力的流域，最值得注意的是湿地鸟类保护和野生水稻的生产。
对预训练的机器学习模型四castnet-v2
机器学习技术越来越多地被认为是可行的天气和气候预测工具，因为它们相对于传统的数值天气预测模型，其效率和竞争性能。这项研究评估了使用视觉变压器（VIT）结构和球形谐波神经操作员的机器学习模型的有效性，该模型旨在建模球形表面上的非线性混沌和动力学系统。四castnet-v2中使用的球形傅立叶神经操作员（SFNO）不仅保留了傅立叶神经操作员（FNOS）在模拟时空数据中的长距离依赖性方面的优势，而且还解决了球形坐标中学习操作员的限制。
评估对象对象的基于视觉模型的弹性...
摘要。鉴于对最近的基于视觉模型的大规模多模式培训及其概括能力，因此了解其鲁棒性的程度对于他们的现实世界部署至关重要。在这项工作中，我们的目标是评估当前基于视觉模型的弹性，以应对不同的对象到后环上下文变化。大多数鲁棒性评估方法都引入了合成数据集，以引起对物体特征（观点，比例，颜色）的变化或实际图像上使用的图像转换技术（对抗性变化，常见的损坏），以模拟分离中的变化。最近的作品探索了利用大型语言模式和di！使用模型来产生背景变化。但是，这些方法要么缺乏对要进行的更改或扭曲对象语义的控制，从而使它们不适合任务。另一方面，我们的方法可以诱导各种对象兼容地面变化，同时保留对象的原始语义和对象的真实性。为了实现这一目标，我们利用文本对图像，图像到文本和图像对段的生成能力自动生成广泛的对象到背景的变化。我们通过修改文本提示或优化文本模型的潜伏期和Textual嵌入来引起自然和对抗背景的变化。这使我们能够量化背景上下文在理解深神经网络的鲁棒性和一般性中的作用。我们生产了各种版本的标准视觉数据集（Imagenet，Coco），将多样的和相同的背景纳入图像中，或在背景中引入颜色，纹理和对抗性变化。我们进行了彻底的实验，并对基于视觉模型的鲁棒性与对象之间的背景环境之间的鲁棒性进行了深入的分析。我们的代码和评估基准将在https://github.com/muhammad-huzaifaa/ObjectCompose上找到。
SBA对COVID-19的处理经济伤害灾难贷款重新审议请求
I.评估目的2014年联邦信息安全现代化法案（FISMA）要求联邦机构，包括联邦通信委员会（“ FCC”或“委员会”），以对其信息安全计划和实践进行年度独立评估，并向管理和预算办公室（OMB）报告评估结果。Fisma指出，机构监察长（IG）或IG确定的独立外部评估者必须执行独立评估。与Kearney＆Company，P.C。合同的FCC监察长办公室（OIG）办公室 （本报告中定义为“ Kearney”，“ We”和“我们的”），以进行FCC的财政年度（FY）2023评估。 本评估的目的是确定信息安全政策，程序和实践的有效性，该策略和实践的代表性子集和通用服务行政公司（USAC）的信息系统，包括遵守FISMA及其相关信息安全政策，程序，程序，标准和准则。 USAC是FCC指定为联邦通用服务基金管理员的非营利性公司。与Kearney＆Company，P.C。合同的FCC监察长办公室（OIG）办公室（本报告中定义为“ Kearney”，“ We”和“我们的”），以进行FCC的财政年度（FY）2023评估。本评估的目的是确定信息安全政策，程序和实践的有效性，该策略和实践的代表性子集和通用服务行政公司（USAC）的信息系统，包括遵守FISMA及其相关信息安全政策，程序，程序，标准和准则。USAC是FCC指定为联邦通用服务基金管理员的非营利性公司。
