XiaoMi-AI文件搜索系统
World File Search Systembenchmark
附件9：成本标准基准
在最近的建筑部门成本上升期间，建筑类型之间成本的差异已得到强调。因此，威尔士政府将为小学提供两个基准费用，另一个通过大学和大学提供了另一个基准费用。2024年的基本建设成本已调整为小学的每2英镑3,559英镑，次级每M 2£3,239£3,239。这已经与每M 2分析，内部和外部成本数据的BCIS成本进行了核对，并被发现与基准数据保持一致。这些基准将用于未来几年使用BCIS投标价格指数。净零碳费用家具固定装置和设备，ICT也已根据BCIS招标价格指数进行调整。在实践中，如果一个项目超过此价值，威尔士政府赠款将被限制在指示的门槛上（与梯度，污染，洪水相关的异常费用等。将分别考虑）。
心脏手术的机器学习模型中的随机效果调整风险预测：基准研究
该预印本版的版权持有人于2023年6月12日发布。 https://doi.org/10.1101/2023.06.08.23291129 doi：medrxiv preprint
规则变更建议 - 电力消耗基准
司法部长； c）家庭规模需要AER来管理和更新最初基准测试之日起每3年一次进行电力消耗基准。目前要求AER在2023年12月9日之前更新基准。规则171指定分销商必须以电力消耗基准为目的，以AER可能要求的方式和形式为AER提供信息。我们还建议删除零售规则第13条下的注1。2.1为什么此规则更改是无争议的？根据《国家能源零售法》的定义，一项非争辩规则意味着一项规则不太可能对能源市场或客户连接服务的监管产生重大影响。根据零售规则开发电力消耗基准的目的是，零售商可以遵守其法律义务，以在住宅客户的账单上呈现这些消费基准。由于这不再是零售规则下的法律要求，因此此规则更改将不会对能源市场或客户连接服务的监管产生重大影响。2.2对能源市场或监管
通过 ECoG 信号进行运动相关解码的特征工程基准
摘要 — 通过皮层脑电图 (ECoG) 信号的侵入式脑机接口 (BCI) 系统需要有效识别来自多电极传感器阵列的时空模式。此类信号是通过机器学习算法进行自动模式识别的绝佳候选。然而，由于创建此类数据集所需的操作程序，可用数据有限。可以通过特征提取技术分析不同时间特征和单个电极的重要性。但是，在提取特征时会忽略由于非平稳性导致的信号变化，而使用哪些特征可能很难通过目视检查来确定。在本研究中，我们引入了信号分割参数来解释信号的可变性，并使用遗传选择，这允许从 8 个不同特征集池中选择最佳特征组合。索引术语 — 特征提取、特征选择、遗传搜索、ECoG、BCI、机器学习
用于对抓取进行基准测试的性能指标......
美国国家标准与技术研究所正在开发性能测试和相关工件，以对机器人装配领域的研究进行基准测试。使用任务板概念配置与机械组件一致的组件集，包括螺钉、齿轮、电连接器、电线和皮带，用于组装或拆卸。测试协议与任务板一起提供，旨在模拟中小型制造商通常面临的低产量、高混合装配挑战。除了组装产品中常见的刚性组件外，任务板还包括许多非刚性组件操作，例如线束和皮带传动组件，以支持可变形物体抓取和操纵领域的研究，该领域仍被认为是机器人领域的新兴研究问题。一组四个主要任务板以及竞赛任务板作为基准，以及评分指标和将机器人系统装配时间与人类表现进行比较的方法。竞赛用于提高对这些基准的认识。介绍了用于推进和比较研究的工具，并强调了基于系统竞赛的解决方案，以抓取和操纵可变形任务板组件。
使用 TDA4 Edge AI 处理器进行性能和功率基准测试
当今世界人口为 78 亿，并且还在不断增长，预计到 2050 年将达到 100 亿 [1] 。不断增长的人口需要安全无虞的必需品，例如食物、衣服以及越来越多的舒适设施和工具。为了满足这些需求，所有市场（消费、工业和汽车）都在不断进行技术创新。我们都习惯的新技术使数据生成更便宜、更有趣。想想用智能手机拍摄的照片数量，以及建筑物和工厂中各种传感器和边缘设备生成的数据量。所有这些数据都在推动工厂和建筑物的端到端自动化，以提高生产力，生产更多的商品和服务。这成倍增加了需要管理（处理、分析以采取纠正措施）的数据。例如，一家智能工厂可能拥有超过 50,000 个传感器，每天生成数 PB 的数据。即使是标准的办公楼也会产生数百 GB 的数据。大部分数据将在产生地进行存储、管理、分析和保存，即在安全性、实时性能和可靠性驱动的边缘。
BETA：计算药物靶标预测的综合基准
Nansu Zong 是梅奥诊所人工智能和信息学研究系的助理教授。他致力于基于知识库和深度学习算法的计算药物开发。Ning Li 是美国国立卫生研究院国家癌症研究所结构生物学中心 (CSB) 的研究员。他从事蛋白激酶 A 的结构和功能研究，涉及 X 射线晶体学和低温电子显微镜的方法。Andrew Wen 是梅奥诊所的生物信息学家。他有兴趣利用信息学工具在医疗保健领域构建各种应用程序。他是自然语言处理 (NLP) 专家。Victoria Ngo 是 VA Palo Alto 医疗系统和斯坦福健康政策的博士后研究员。Ngo 是一名健康信息学家，她的研究重点是健康公平和信息技术的优化，以改善社区护理的提供和协调。Yue Yu 是梅奥诊所的生物信息学家，主要从事医疗数据标准化领域的工作。Yu 还对使用人工智能方法解决生物医学问题感兴趣。 Ming Huang 是梅奥诊所人工智能与信息学系的助理教授。他是主题建模和深度学习方面的专家。Shaika Chowdhury 是梅奥诊所人工智能与信息学系的研究员，研究基于深度学习的精准医疗。Chowdhury 对利用知识图谱来提高深度学习模型的性能很感兴趣。Chao Jiang 是奥本大学的博士生。他研究各种深度学习模型，尤其专注于图神经网络。Sunyang Fu 是梅奥诊所的高级数据科学分析师和生物医学信息学研究员。他的研究重点是 (i) 设计和验证用于临床信息提取的 NLP 技术，(ii) 开发信息学框架和流程以加速电子健康记录 (EHR) 在临床研究中的二次使用，以及 (iii) 通过定量和定性方法发现 EHR 异质性和信息质量。Richard Weinshilboum 是梅奥诊所分子药理学和实验治疗学系的教授。他研究药物基因组学——遗传和个体差异在 DNA 序列或结构中对药物反应的作用。Guoqian Jiang 是梅奥诊所人工智能和信息学研究系的教授。他研究生物医学术语和本体、数据标准、通用数据元素和临床研究的通用数据模型。Lawrence Hunter 是科罗拉多大学的药理学和计算机科学教授。他专注于知识驱动的从原始生物医学文献中提取信息、分子生物学中知识资源的语义集成以及知识在高通量数据分析中的应用。刘红芳是梅奥诊所人工智能和信息学研究系的教授。刘红芳的主要研究重点是利用数据科学、人工智能和信息学方法促进临床数据的二次利用，以用于临床和转化科学研究以及医疗服务改进。梅奥诊所是一家慈善、非营利的学术医疗中心，提供全面的患者护理和临床医学和医学科学教育以及广泛的研究项目。梅奥诊所包括梅奥医学院、梅奥研究生院、梅奥研究生医学教育学院、梅奥持续专业发展学院和梅奥健康科学学院。收稿日期：2022 年 1 月 14 日。修订日期：2022 年 4 月 10 日。接受日期：2022 年 4 月 29 日 © 作者 2022。牛津大学出版社出版。这是一篇根据 Creative Commons 署名-非商业许可条款发布的开放获取文章 ( http://creativecommons.org/licenses/ by-nc/4.0/ )，允许在任何媒体上进行非商业性再利用、发布和复制，但必须正确引用原作。如需进行商业性再利用，请联系 journals.permissions@oup.com
由专家精心策划的大型基准文档数据库...
用于查找相关文献的文档推荐系统大多依赖于十年前开发的方法。这主要是因为缺乏一个涵盖各种研究领域的大型离线黄金标准相关文献基准，以便可以比较、改进新开发的文献检索技术并将其转化为实践。为了克服这个瓶颈，我们成立了 RE 相关文献搜索联盟，该联盟由来自 84 个国家的 1500 多名科学家组成，他们共同注释了超过 180,000 篇 PubMed 收录文章与其各自的种子（输入）文章的相关性。大多数注释都是由经验丰富的种子文章原作者提供的。收集到的数据涵盖了 76% 的所有唯一 PubMed 医学主题词描述符。在不同经验水平、研究领域或注释时间所花费的人之间未观察到系统性偏差。更重要的是，不同科学家对相同文档对的注释高度一致。我们进一步表明，用于生成推荐文章以供评估的三种代表性基线方法（Okapi Best Matching 25、词频 - 逆文档频率和 PubMed 相关文章）具有相似的总体性能。此外，我们发现这些方法各自倾向于生成不同的推荐文章集合，这表明可能需要混合方法来进行比较
遥感图像处理和分析基准测试...
摘要 未来的太空任务将处理和分析机载图像，对飞行计算提出了更高的要求。即使与笔记本电脑和台式电脑相比，传统飞行硬件提供的计算能力也有限。新一代商用现货 (COTS) 处理器，如 Qualcomm Snapdragon，可在小尺寸重量和功率 (SWaP) 下提供大量计算能力，并以图形处理单元 (GPU) 和数字信号处理器 (DSP) 的形式提供直接硬件加速。我们在 Qualcomm Snapdragon SoC 上对各种仪器处理和分析软件（包括机器学习分类器）进行了基准测试，该 SoC 目前由国际空间站上的 HPE 星载计算机-2 (SBC-2) 托管。索引术语 — 边缘处理、空间应用、机器学习、人工智能
引文详情：Brown,P.、RELISH Consortium、Zhou,Y。大型专家精选数据库，用于对生物医学文献搜索中的文档相似性检测进行基准测试。数据库 (2019) 第 2019 卷：文章 ID baz085；doi：10.1093/database/baz085
用于查找相关文献的文档推荐系统大多依赖于十年前开发的方法。这主要是因为缺乏一个涵盖各种研究领域的大型离线黄金标准相关文献基准，以便可以比较、改进新开发的文献检索技术并将其转化为实践。为了克服这个瓶颈，我们成立了 RE 相关文献搜索联盟，该联盟由来自 84 个国家的 1500 多名科学家组成，他们共同注释了超过 180,000 篇 PubMed 收录文章与其各自的种子（输入）文章的相关性。大多数注释都是由经验丰富的种子文章原作者提供的。收集到的数据涵盖了 76% 的所有唯一 PubMed 医学主题词描述符。在不同经验水平、研究领域或注释时间之间未观察到系统性偏差。更重要的是，不同科学家对相同文档对的注释高度一致。我们进一步表明，用于生成推荐文章以供评估的三种代表性基线方法（Okapi Best Matching 25、词频 - 逆文档频率和 PubMed 相关文章）具有相似的总体性能。此外，我们发现这些方法各自倾向于生成不同的推荐文章集合，这表明可能需要一种混合方法来完全捕获所有相关文章。位于 https://relishdb.ict.griffith.edu.au 的已建立数据库服务器可免费下载注释数据和盲测新方法。我们预计，该基准将有助于促进开发新的强大技术，用于生物医学研究中的相关文章的标题和基于标题/摘要的搜索引擎。