XiaoMi-AI文件搜索系统
World File Search Systemcord
发件人：海军记录修正委员会主席 收件人：海军部长 主题：海军记录 ICO 审查 编号：(a) 美国法典第 10 章
发件人：海军记录更正委员会主席 收件人：海军部长 主题：海军记录 ICO 审查 参考：(a) 第 10 章 USC § 1552 (b) MARADMIN 376/20，20 年 6 月 30 日 附件：(1) DD 表格 149 及其附件 (2) HQMC（MMEA）的咨询意见，23 年 5 月 23 日 (3) 主题的海军记录 1. 根据参考 (a) 的规定，主题，以下称为请愿人，向海军记录更正委员会（委员会）提交了附件 (1)，要求更正他的海军记录，以确定请愿人有资格获得并已收到 FY21 飞机维护补助金。 2. 委员会于 2023 年 6 月 8 日审查了请愿人的错误和不公正指控，并根据其规定，决定根据现有的记录证据采取以下纠正措施。委员会审议的文件材料包括附件、请愿人海军记录的相关部分以及适用的法规、条例和政策。3. 在向委员会提出申请之前，请愿人已用尽海军部现行法律和法规规定的所有行政补救措施。委员会审查了与请愿人的错误和不公正指控有关的所有记录事实，发现如下：a. 2006 年 11 月 14 日，请愿人开始服现役，并于 2007 年 11 月 1 日被分配了主要军事职业专长 (PMOS) 6154，并于 2012 年 4 月 10 日被分配了 ADMOS1 6018。b. 2016 年 10 月 1 日，申诉人晋升为上士/E-6，并加入
引用了原始发表的论文（记录的版本）：Tekden，A.，Erdem，A.，Erdem，E。等（2024）。对象和关系中心代表
推动是一项必不可少的非划算操作技能，用于任务，从预抓操作到场景重新排列，关于场景中的对象关系的推理，因此在机器人技术中广泛研究了推动动作。有效使用推动动作通常需要了解受操纵对象的动态并适应预测与现实之间的差异。出于这个原因，在文献中对推动作用进行了效果预测和参数估计。但是，当前方法受到限制，因为它们要么建模具有固定数量对象的系统，要么使用基于图像的表示，其输出不是很容易解释并迅速累积错误。在本文中，我们提出了一个基于图神经网络的框架，以根据触点或关节对对象关系进行建模，以效应预测和参数估计推动操作。我们的框架在真实和模拟环境中都得到了验证，这些环境包含不同形状的多部分对象，这些对象通过不同类型的关节和具有不同质量的对象连接，并且在物理预测上的表现优于基于图像的表示。我们的方法使机器人能够预测并适应其观察场景时推动动作的效果。它也可用于使用从未看过的工具进行工具操作。此外，我们在基于机器人的硬盘拆卸的背景下证明了杠杆起作的6D效应预测。
发件人：海军记录更正委员会主席 收件人：海军部长 主题：审查前成员 XXX XX/美国海军陆战队的海军记录 参考：(a) 10 U.S.C. §1552 附件：(1) DD 表格 149 及其附件 (2) 案件摘要 1. 根据参考 (a) 的规定，主体，以下称为请愿人，向海军记录更正委员会 (委员会) 提交了附件 (1)，要求更正他的记录，以更改其退伍文件上列出的社会安全号码 (SSN)。附件 (2) 适用。 2. 委员会由 、 和 组成，于 2023 年 2 月 17 日审查了请愿人的错误和不公正指控，并根据其规定，确定应根据现有的记录证据采取以下指示的纠正措施。委员会审议的文件材料包括附件、其海军服役记录的相关部分以及适用的法规、规章和政策。3. 委员会审查了与申诉人指控的错误和不公正有关的所有记录事实，发现如下：a. 在向委员会提出申请之前，申诉人已用尽海军部现行法律和法规规定的所有行政补救措施。b. 尽管附件 (1) 未及时提交，但审查申请的实质内容符合司法公正的利益。c.请愿人于 1967 年 10 月 5 日加入海军陆战队。请愿人的入伍申请反映了 S
来自：海军记录更正委员会主席 致：海军部长 主题：审查前海军陆战队成员 XXX XX 的海军记录 参考：(a) 10 U.S.C.§1552 附件：(1) DD 表格 149 及其附件 (2) 案件摘要 1。根据参考 (a) 的规定，主体（以下简称为请愿人）向海军记录更正委员会（委员会）提交了附件 (1)，请求更正其记录以更改其退伍文件上列出的社会安全号码 (SSN)。附件 (2) 适用。2.由 、 和 组成的委员会于 2023 年 2 月 17 日审查了请愿人的错误和不公正指控，并根据其规定，确定应根据现有的记录证据采取以下指示的纠正措施。委员会审议的文件材料包括附件、其海军服役记录的相关部分以及适用的法规、条例和政策。3.委员会审查了与请愿人的错误和不公正指控有关的所有记录事实，发现如下：a.在向本委员会提出申请之前，请愿人已用尽海军部现行法律和法规规定的所有行政补救措施。b.尽管附件 (1) 未及时提交，但为了公正起见，有必要审查申请的实质内容。c. 申请人于 1967 年 10 月 5 日入伍海军陆战队。申请人的入伍申请反映了 SSN XXX-XX- 。申请人于 1972 年 7 月 21 日因民事定罪导致行为不当而被以非光荣身份退伍。申请人在退伍时获得了美国武装部队调动或退伍报告 (DD 表格 214)。申请人的 DD 表格 214 的第 3 部分反映了 SSN XXX-XX- 。
原始发表论文（记录版本）的引用：Sadik, M.、López-Urdaneta, J.、Ulén, J. 等人 (2021)。人工智能可以提醒使用 FDG-PET/CT 分期的霍奇金淋巴瘤患者局部骨骼/骨髓摄取。科学报告，11(1)。http://dx.doi.org/10.1038/s41598-021-89656-9
开发一种基于人工智能 (AI) 的方法，用于检测接受 FDG-PET/CT 分期的霍奇金淋巴瘤 (HL) 患者的局灶性骨骼/骨髓摄取 (BMU)。将单独测试组的 AI 结果与独立医生的解释进行比较。使用卷积神经网络对骨骼和骨髓进行分割。AI 的训练基于 153 名未接受治疗的患者。骨摄取明显高于平均 BMU 的被标记为异常，并根据总异常摄取平方计算指数以识别局灶性摄取。指数高于预定义阈值的患者被解释为具有局灶性摄取。作为测试组，回顾性纳入了 48 名在 2017-2018 年期间接受过分期 FDG-PET/CT 且活检证实患有 HL 的未接受治疗患者。十位医生根据局灶性骨骼/BMU 对 48 例病例进行分类。在 48 例 (81%) 的局部骨骼/骨髓受累病例中，大多数医生同意 AI 的观点。医生之间的观察者间一致性为中等，Kappa 值为 0.51（范围为 0.25–0.80）。可以开发一种基于 AI 的方法来突出显示使用 FDG-PET/CT 分期的 HL 患者中的可疑局部骨骼/BMU。核医学医生之间关于局部 BMU 的观察者间一致性为中等。
![[外部] 一项旨在打击 2024 年选举中人工智能欺诈行为的技术协议](/simg/4/48fa94f769433a18833afabdbe7373be6cf0b783.png)
[外部] 一项旨在打击 2024 年选举中人工智能欺诈行为的技术协议
a. 支持技术创新的发展，通过识别逼真的人工智能生成的图像和/或证明内容及其来源的真实性，以减轻由欺骗性人工智能选举内容带来的风险，但要理解所有此类解决方案都有局限性。这项工作可能包括但不限于开发分类器或强大的出处方法，如水印或签名元数据（例如 C2PA 或 SynthID 水印开发的标准）。b. 继续投资推进音频视频和图像的新出处技术创新。c. 努力在适当的情况下将机器可读信息附加到用户使用本协议范围内的模型生成的逼真的人工智能生成的音频、视频和图像内容中。
引用原始发表的论文（记录的版本）：Wang，H.，Salunkhe，O.，Quadrini，W。等（2023）。计算机视觉技术的概述
线束是现代汽车车辆中电子系统的必不可少的硬件。随着汽车行业向电力和自动驾驶的转变，越来越多的汽车电子设备负责能源传输和关键安全功能，例如操纵，驾驶员援助和安全系统。此范式转移从安全角度来看，对汽车线束的需求更大，并强调了在车辆中高质量的线束组件的更重要性。但是，熟练的工人仍然手动执行电线线束组件的大多数操作，并且某些手动过程在质量控制和人体工程学方面都是有问题的。行业对提高竞争力并获得市场份额的需求也持续存在。因此，需要确保组装质量，同时提高人体工程学并优化人工成本。由机器人或人类机器人协作完成的机器人组装，是实现越来越苛刻的质量和安全性的关键推动力，因为它可以使比完全手动操作更具复制，透明和可理解的过程。然而，由于可变形物体的灵活性，在实际环境中，机器人的汇编组装在实际环境中具有挑战性，尽管在简化的工业结构下提出了许多初步的自动化解决方案。先前的研究E↵Orts提出了使用计算机视觉技术来促进线束组件的机器人自动化，从而使机器人能够更好地感知和操纵灵活的线束。本文介绍了针对机器人线束组件提出的计算机视觉技术的概述，并得出了需要进一步研究的研究差距，以促进更实用的机器人丝带线束。