XiaoMi-AI文件搜索系统
World File Search Systemcee
MSSEG-2 挑战赛论文集：使用数据管理和处理基础设施进行多发性硬化症新病变分割挑战赛
（法国多发性硬化症注册中心，旨在为研究目的收集法国多发性硬化症患者群体的影像数据、临床数据和生物样本）和 FLI 2（法国生命成像，致力于建立一个国家分布式电子基础设施来管理和处理医学影像数据）。这些共同努力旨在自动分割 MS 患者的 MRI 扫描，以帮助临床医生进行日常工作。该挑战赛于 2021 年 9 月 23 日在 MICCAI 2021 会议上举行。更具体地说，本次挑战赛要解决的问题如下。传统 MRI 广泛用于疾病诊断、患者随访、治疗监测，更广泛地用于了解 MS 的自然史。越来越多的文献对通过比较一个时间点与另一个时间点来在 T2/FLAIR 上描绘新的 MS 病变感兴趣。这种标记物比病变的总数量和体积更为重要，因为新病变的积累可以让临床医生了解某种抗炎 DMD（疾病改良药物）是否对患者有效。药物疗效的唯一指标确实是中枢神经系统内没有新的 T2 病变。但是，手动执行新病变计数是一项非常复杂且耗时的任务。因此，自动检测这些新病变将成为评估患者疾病活动性的一大进步。基于第一次 MSSEG 挑战赛的成功，我们组织了一次由 MICCAI 赞助的在线挑战赛，这次的主题是新的 MS 病变检测 3。这次挑战赛使我们能够 1）估计 2016 年至 2021 年期间取得的进展，2）扩大患者数量，以及 3）关注新病变这一关键临床标记物。我们对一个大型数据库（100 名患者，每人有两个时间点）执行了评估任务，该数据库是从 OFSEP 队列汇编而成，其中包含来自不同中心和扫描仪的 3D FLAIR 图像。与之前的挑战一样，我们在专用平台 (FLI-IAM) 上进行了评估，以自动化评估并消除挑战者看到进行评估的图像而产生的潜在偏见。
会议会议记录
建造环境会议 - 2024年第18届建筑环境会议 - 建筑5.0：迈向一个协作和以人为中心的行业15-16，2024年7月15日至16日，南非Gqeberha，纳尔逊·曼德拉大学，尼尔森·曼德拉大学（Nelson Mandela University），尼尔森·曼德拉大学版权版权所有©2024，由南部非洲建设学院协会，Postnet Suite 107，私人包X5516，Scottburgh 4180保留所有权利。本出版物或其部分可能不会以任何形式或任何方式复制电子或机械的，包括影印，记录或任何其他信息存储和检索系统，未经版权所有者的许可，南部非洲的建设协会，现在已知或将被发明。通过习惯确认来源的习惯确认，允许从建筑环境引用。ISBN编号：978-0-7961-9926-3（电子书）通信所有与第18届建筑环境会议有关的通信（2024） - 建筑5.0：朝向以人为和以人为中心的行业，应将其发送给以下thaupt@uwyo.edu 2024年7月12日
pos（lattice2024）039-科学论文
复杂的langevin（Cl）动力学，其中自由度被分析扩展，提供了潜在的解决方案，因为它不依赖重要性采样，而是通过随机过程探索复杂的流形[4，5]。它是随机定量的扩展[6，7]，相当于路径积分定量。cl已显示在三个[8]和四个[9]欧几里得维度的晶格场理论中起作用，其中包括严重的符号问题，包括在QCD [10-14]中，但即使在简单模型[15-17]中，它也可能失败。几年前[18-20]阐明了这种情况[18-20]，这是通过在实际歧管上的复杂分布与复杂歧管上的真实和正分布之间形式关系的推导，该分布在CL过程中有效地进行了采样，从而导致了正确性的正确标准，需要证实后者验证。然而，问题仍然存在，该方法的可靠性取决于对Cl漂移中无穷大和近杆的分布行为的精确理解。最近的工作可以在例如参考。[21 - 25]。
会议论文集（2024）
伊瓦纳·埃维维奇·巴比奇（Osijek University of Osijek - 委员会主席），Vjekoslav Galzina（Croatia Osijek大学，委员会副主席），EminaBerbićKolar（Osijek） Ujundžić（Osijek大学），AnairkovićMoguš（Osijek大学），KarolinaDobiBarišić（Osijek大学），Damirtomić（Osijek）（Osijek）琳达·丹妮拉（Linda Daniela）（拉特维亚大学），克里斯托夫·昆兹（Christoph Kunz）（鲁伊·费尔特加特（Stuttgart）的信息与传播学院），鲁伊·费尔南多·玛亚·奥利瓦（Rui Fernando da Maia Oliva）电视（Institutopolitécnico） Roza Dumbraveanu（Universitatea基希讷乌国立师范大学“Ion Creangă”）、Sanzharbek Erdolatov（国际阿塔图尔克阿拉图大学）、Bujar Kapllani、Aleksander Xhuvani 大学）、Lulzim Murtezani（特托瓦大学）
上诉法院允许供应链诉讼进行审判
还要求高等法院考虑英国戴森被告提出的相关诽谤程序的相关性。诽谤程序于2022年2月开始针对英国新闻广播公司，此前有新闻广播有关工厂生产戴森产品的类似虐待工作条件的指控。索赔人试图辩称，如果要求索赔人在马来西亚提出索赔，则存在重复和判决不一致的巨大风险，鉴于同样的事实指控将在诽谤诉讼中由英国法院调查和确定。高等法院得出的结论是，这个因素（诉讼和不可调和的判决）确实赞成在英格兰聆听索赔人的案件。但是，必须权衡这个因素，这些因素有利于在马来西亚听到此案的所有其他因素。高等法院还指出，即使在英格兰审理了索赔人的索赔，也会有不可调和的判决风险，因为“不太可能”诽谤案和索赔人案将共同管理，甚至“即使是彼此之间”。
李叶荣、刘毅人、黄云。 2018.VicSim：通过情感和语言保真度增强受害者模拟。诉讼中
场景 用户担心楼上传来的巨响，他们认为那是他们大楼的二楼。用户提供的位置是“庭院公寓”，并分享了有关噪音的详细信息，包括噪音来自他们上方，并且发生在夜间和下午。用户还提到他们是加州大学洛杉矶分校的学生，他们没有向大学报告噪音。调度员派了一名警官到该地点，用户与警官 Jane 进行了交谈。警官确认噪音来自楼上，他们会进一步调查。序数：第二次时间：夜间时间：下午头衔：学生组织：加州大学洛杉矶分校人员：Jane
建议引用：Dornemann, Jorin；Rückert, Nicolas；Fischer, Kathrin；Taraz, Anusch (2020)：海运物流中的人工智能和运筹学，在：Jahn, Carlos Kersten、Wolfgang Ringle、Christian M. (Ed.)：海运和城市物流中的数据科学：数据驱动的物流和可持续性解决方案。汉堡国际物流会议 (HICL) 论文集，第 14 卷。 30，ISBN 978-3-7531-2347-9，epubli GmbH，柏林，第 337-381 页，https://doi.org/10.15480/882.3140
目的：人工智能 (AI) 的应用有可能与运筹学方法相结合带来巨大进步。在我们的研究中，我们探索了当前使用 AI 方法解决优化问题的方法。目的是概述最新进展并研究它们如何适应海运物流。方法：进行并呈现结构化的文献综述。对已确定的论文和贡献进行分类和归类，并总结一些特别相关的贡献的内容和结果。此外，还进行了评估，确定了现有的研究差距并展望了未来的研究方向。发现：除了在优化领域大量使用 AI 关键词外，人们对使用机器学习自动学习优化问题的启发式方法的兴趣也日益浓厚。我们的研究表明，这些方法大多尚未适应海运物流问题。所发现的差距为未来研究中开发海运物流学习模型奠定了基础。原创性：在运筹学领域使用机器学习方法是一个有前途且活跃的研究领域，具有广泛的应用范围。从海运物流的角度回顾这些最新进展是一种新颖的方法，可以为未来研究和实践中开发海运物流大规模优化问题的解决方案带来优势。
当人工智能系统的行为不符合用户预期时，提供解释的挑战 Riveiro， M.；Thill, S. 2022，专著或会议论文集（第 30 届 ACM 用户建模、适应和个性化会议论文集，第 110-120 页）
人工智能 (AI) 中的解释可确保复杂 AI 系统的用户了解系统行为的原因。用户对系统行为的期望会发挥一定作用，因为他们共同决定了解释的适当内容。在本文中，我们研究了当系统以意外方式运行时用户所需的解释内容。具体来说，我们向参与者展示了涉及自动文本分类器的各种场景，然后要求他们在每种场景中指出他们喜欢的解释。一组参与者从多项选择问卷中选择解释类型，另一组参与者必须使用自由文本回答。当输出符合预期时，参与者对于首选的解释类型表现出相当明确的一致意见：大多数人根本不需要解释，而那些需要解释的人则希望得到一个解释，说明输入的哪些特征导致了输出（事实解释）。当输出不符合预期时，用户也喜欢不同的解释。有趣的是，在多项选择问卷中，一致性较低。然而，自由文本回答略微表明，他们更倾向于描述人工智能系统的内部运作如何导致观察到的输出（即机械解释）的解释。总体而言，我们表明用户期望是确定最合适的解释内容（包括是否需要解释）的重要变量。我们还发现不同的结果，尤其是当输出不符合预期时，这取决于参与者是通过多项选择还是自由文本回答。这表明对精确实验设置的敏感性可能解释了文献中的一些变化。
建议引用：Spreitzenbarth, Jan；Stuckenschmidt, Heiner；Bode, Christoph (2021)：人工智能的现状：采购与销售和营销，收录于：Kersten, Wolfgang Ringle、Christian M. Blecker、Thorsten (Ed.)：适应未来：数字化如何塑造可持续物流和弹性供应链管理。汉堡国际物流会议 (HICL) 论文集，第 31 卷，ISBN 978-3-7549-2770-0，epubli GmbH，柏林，第 223-243 页，https://doi.org/10.15480/882.3990
建议引用：Spreitzenbarth, Jan；Stuckenschmidt, Heiner；Bode, Christoph (2021)：人工智能的现状：采购与销售和营销，收录于：Kersten, Wolfgang Ringle、Christian M. Blecker、Thorsten (Ed.)：适应未来：数字化如何塑造可持续物流和弹性供应链管理。汉堡国际物流会议 (HICL) 论文集，第 31 卷，ISBN 978-3-7549-2770-0，epubli GmbH，柏林，第 223-243 页，https://doi.org/10.15480/882.3990