XiaoMi-AI文件搜索系统
World File Search Systemdeveloped
摘要：本研究的目的是确定近东大学学生对使用 Google 应用程序进行移动学习的看法。研究中使用了研究人员开发的包含 20 个项目的数据收集工具。应用结果表明，数据收集工具的克隆巴赫系数为 0.942。本研究的摘要部分提供了一般信息。在方法部分，表格显示了学生的年龄和性别以及学生就读的院系。研究过程中收集的数据在结果和讨论部分给出，并由研究人员在结论部分进行评估。研究结果表明，学生对移动教育中的 Google 应用程序持积极态度。对数据进行统计分析后发现，学生使用 Google 应用程序可以使大多数任务更容易完成。因此，学生使用这些应用程序可以节省更多时间和精力。提供使用这些应用程序的教育并从这些应用程序中受益将是件好事。本研究收集的数据旨在为来自不同大学和国家从事这一主题研究的其他研究人员提供指导。关键词：人工智能；移动学习；谷歌应用；技术。引用方式：Bicen, H., & Arnavut, A. (2020)。谷歌人工智能方法和在移动学习中使用谷歌应用的统计结果。BRAIN。人工智能和神经科学的广泛研究，11 (1)，121-130。https://doi.org/10.18662/brain/11.1/18
摘要：本研究的目的是确定近东大学学生对使用 Google 应用程序进行移动学习的看法。研究中使用了研究人员开发的包含 20 个项目的数据收集工具。应用结果表明，数据收集工具的克隆巴赫系数为 0.942。本研究的摘要部分提供了一般信息。在方法部分，表格显示了学生的年龄和性别以及学生就读的院系。研究过程中收集的数据在结果和讨论部分给出，并由研究人员在结论部分进行评估。研究结果表明，学生对移动教育中的 Google 应用程序持积极态度。对数据进行统计分析后发现，学生使用 Google 应用程序可以使大多数任务更容易完成。因此，学生使用这些应用程序可以节省更多时间和精力。提供使用这些应用程序的教育并从这些应用程序中受益将是件好事。本研究收集的数据旨在为来自不同大学和国家从事这一主题研究的其他研究人员提供指导。关键词：人工智能；移动学习；谷歌应用；技术。引用方式：Bicen, H., & Arnavut, A. (2020)。谷歌人工智能方法和在移动学习中使用谷歌应用的统计结果。BRAIN。人工智能和神经科学的广泛研究，11 (1)，121-130。https://doi.org/10.18662/brain/11.1/18
SCTIMST 开发的导流支架技术
特里凡得琅：印度政府科技部下属的国家级重要研究所 Sree Chitra Thirunal 医学科学技术研究所 (SCTIMST) 的研究团队研发出一种创新型颅内血流分流支架，用于治疗脑血管动脉瘤。该支架已准备好进行移植并在动物身上进行进一步测试，然后进行人体试验。血流分流支架部署在脑内有动脉瘤的动脉中时，会将血流从动脉瘤处转移，从而降低动脉瘤因血流压力而破裂的可能性。颅内动脉瘤是由于血管壁内壁肌肉逐渐衰弱而导致脑动脉局部膨胀、膨出或扩张。
法国国家信息技术研究所 (Inria) 和德国人工智能研究中心 (DFKI) 签署人工智能合作谅解备忘录 在《亚琛条约》签署一周年之际，法国国家信息技术研究所 (Inria) 和德国人工智能研究中心 (DFKI) 签署了谅解备忘录。 签署仪式将于萨尔布吕肯的 Power4Production 创新实验室举行，萨尔州总理托比亚斯·汉斯 (Tobias Hans) 和莱茵兰-普法尔茨州联邦政府代表兼欧洲媒体和数字事务国务秘书海克·拉布 (Heike Raab) 出席。 凯泽斯劳滕、巴黎、萨尔布吕肯，2020 年 1 月 22 日 法国和德国于 2019 年 1 月 22 日签署的《亚琛条约》为法德合作注入了新的动力，并强调了在人工智能 (AI) 领域的伙伴关系。 在此框架内，Inria 和 DFKI 现已同意通过构建和正式化合作，大大加强在人工智能领域的合作。因此，Inria 和 DFKI 将于今天签署谅解备忘录。部长 Tobias Hans 表示：“DFKI 和 INRIA 已经就欧洲人工智能和数字主权的机遇和挑战制定了共同愿景。这两家国际知名研究机构的密切合作是朝着使萨尔州和法国成为欧洲驱动力和人工智能等未来技术中心迈出的开创性一步。这一发展还表明，萨尔州作为 IT 中心具有特殊的意义和吸引力，我们旨在加强与法国合作伙伴合作的法国战略正在取得成果。”国务秘书海克·拉布 (Heike Raab) 指出：“德国和法国也非常重视人工智能研究和开发。人工智能造福人类是这一共同价值观的核心。我很高兴 DFKI 和 Inria 作为两家国际上非常重要的研究机构，将通过签署这份谅解备忘录进一步加强合作。对于凯泽斯劳滕基地来说，这意味着在机器学习和深度学习领域的合作将得到扩大。这些是 DFKI 在凯泽斯劳滕已经拥有国际认可的专业知识的主题，通过合作将进一步加强这些专业知识。” Inria 首席执行官 Bruno Sportisse 表示：“DFKI 和 Inria 之间的这份谅解备忘录体现了继《亚琛条约》和最近的图卢兹会议之后，法德在欧洲动态中就人工智能展开合作的势头。我们致力于人工智能的国家计划促进了两国研究机构之间的双边伙伴关系。DFKI 和 Inria 对人工智能有着相似而开放的愿景，这为加强我们在双边和欧洲层面上的具体项目上的伙伴关系铺平了新的机会。”DFKI 首席执行官 Antonio Krüger 解释说：“Inria 和 DFKI 之间的这份谅解备忘录表明，我们不仅正在讨论法德人工智能合作，而且还在积极协调研究和确定联合项目。我们期待着合作，因为我们将法国和德国对人工智能的愿景结合在一起，造福人民和社会。在这两个国家，都已启动了填补“人工智能”空白的项目
法国国家信息技术研究所 (Inria) 和德国人工智能研究中心 (DFKI) 签署人工智能合作谅解备忘录 在《亚琛条约》签署一周年之际，法国国家信息技术研究所 (Inria) 和德国人工智能研究中心 (DFKI) 签署了谅解备忘录。 签署仪式将于萨尔布吕肯的 Power4Production 创新实验室举行，萨尔州总理托比亚斯·汉斯 (Tobias Hans) 和莱茵兰-普法尔茨州联邦政府代表兼欧洲媒体和数字事务国务秘书海克·拉布 (Heike Raab) 出席。 凯泽斯劳滕、巴黎、萨尔布吕肯，2020 年 1 月 22 日 法国和德国于 2019 年 1 月 22 日签署的《亚琛条约》为法德合作注入了新的动力，并强调了在人工智能 (AI) 领域的伙伴关系。 在此框架内，Inria 和 DFKI 现已同意通过构建和正式化合作，大大加强在人工智能领域的合作。因此，Inria 和 DFKI 将于今天签署谅解备忘录。部长 Tobias Hans 表示：“DFKI 和 INRIA 已经就欧洲人工智能和数字主权的机遇和挑战制定了共同愿景。这两家国际知名研究机构的密切合作是朝着使萨尔州和法国成为欧洲驱动力和人工智能等未来技术中心迈出的开创性一步。这一发展还表明，萨尔州作为 IT 中心具有特殊的意义和吸引力，我们旨在加强与法国合作伙伴合作的法国战略正在取得成果。”国务秘书海克·拉布 (Heike Raab) 指出：“德国和法国也非常重视人工智能研究和开发。人工智能造福人类是这一共同价值观的核心。我很高兴 DFKI 和 Inria 作为两家国际上非常重要的研究机构，将通过签署这份谅解备忘录进一步加强合作。对于凯泽斯劳滕基地来说，这意味着在机器学习和深度学习领域的合作将得到扩大。这些是 DFKI 在凯泽斯劳滕已经拥有国际认可的专业知识的主题，通过合作将进一步加强这些专业知识。” Inria 首席执行官 Bruno Sportisse 表示：“DFKI 和 Inria 之间的这份谅解备忘录体现了继《亚琛条约》和最近的图卢兹会议之后，法德在欧洲动态中就人工智能展开合作的势头。我们致力于人工智能的国家计划促进了两国研究机构之间的双边伙伴关系。DFKI 和 Inria 对人工智能有着相似而开放的愿景，这为加强我们在双边和欧洲层面上的具体项目上的伙伴关系铺平了新的机会。”DFKI 首席执行官 Antonio Krüger 解释说：“Inria 和 DFKI 之间的这份谅解备忘录表明，我们不仅正在讨论法德人工智能合作，而且还在积极协调研究和确定联合项目。我们期待着合作，因为我们将法国和德国对人工智能的愿景结合在一起，造福人民和社会。在这两个国家，都已启动了填补“人工智能”空白的项目
在本文中，我们描述了巴西联邦税务特别秘书处 (RFB) 2019 年的人工智能计划。RFB 涵盖巴西的海关部门和国税局，这两个领域都有人工智能计划。其中之一是全国范围内成熟的人工智能，其核心技术由 RFB 创建和开发：通过机器学习的海关选择系统 (Sisam)。在海关领域，我们还有其他正在生产的人工智能，如 Aniita 系统中的专家系统和 Iris 人脸识别系统。其他一些计划已部分实施、处于测试或开发后期。海关和国税局都有此类计划。越来越多的计划正处于起步阶段。
在本文中，我们描述了巴西联邦税务特别秘书处 (RFB) 2019 年的人工智能计划。RFB 涵盖巴西的海关部门和国税局，这两个领域都有人工智能计划。其中之一是全国范围内成熟的人工智能，其核心技术由 RFB 创建和开发：通过机器学习的海关选择系统 (Sisam)。在海关领域，我们还有其他正在生产的人工智能，如 Aniita 系统中的专家系统和 Iris 人脸识别系统。其他一些计划已部分实施、处于测试或开发后期。海关和国税局都有此类计划。越来越多的计划正处于起步阶段。
针对 MERS-CoV 开发的候选疫苗列表
这些概况文件由世界卫生组织 (WHO) 编制，仅供参考 2019-2020 年新型冠状病毒全球情况。将任何特定产品或实体纳入这些概况文件并不构成 WHO 对此类产品或实体（或其任何业务或活动）的任何批准或认可，也不应被视为或解释为 WHO 对此类产品或实体（或其任何业务或活动）的任何批准或认可。尽管 WHO 采取合理措施核实这些概况文件中所提供信息的准确性，但 WHO 不对此类概况文件中提供的任何信息和/或其中提及的任何产品的准确性、完整性、针对特定用途（包括上述任何用途）的适用性、质量、安全性、有效性、适销性和/或非侵权性作出任何（并在此声明放弃所有）陈述和保证。WHO 还对因采购、分发或使用这些概况文件中包含的任何产品而产生的或与之相关的任何死亡、残疾、伤害、痛苦、损失、损害或其他任何形式的损害不承担任何责任。
发达国家环境下针对婴儿呼吸道合胞病毒 (RSV) 疫苗目标产品概况的模型评估
这是一篇在接受后经过改进的文章的 PDF 文件，例如添加了封面和元数据，以及格式化以提高可读性，但它还不是最终的记录版本。此版本在以最终形式发布之前将经过额外的文字编辑、排版和审查，但我们提供此版本是为了让文章尽早可见。请注意，在制作过程中，可能会发现可能影响内容的错误，并且适用于期刊的所有法律免责声明均适用。
重返学习 (RTL) 和重返体育锻炼 (RTPA) 计划是与 Parachute 合作制定的，基于最
重返学习 (RTL) 和重返身体活动 (RTPA) 计划是与 Parachute 合作制定的，基于专家科学界对脑震荡的最新研究和建议，即 2017 年 7 月的《加拿大运动脑震荡指南》和 2016 年 10 月的《柏林运动脑震荡共识声明》。家庭返校表用于在诊断出脑震荡后，家长/监护人跟踪并向学校通报学生在重返学习 (RTL) 计划和重返身体活动 (RTPA) 计划阶段的进展情况。本节包括：o 脑震荡恢复过程的背景信息o 家庭脑震荡管理表（重返学校计划）的一般程序o 家庭脑震荡管理表（重返学校计划）的说明o 家庭脑震荡管理表（重返学校计划）
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法
附录 B ATOM 基于...开发的项目
1. 我们为儿童、年轻人和家庭付出更多努力 2. 年轻人讲述自己的故事 3. 我们像对待自己孩子一样对待年轻人 4. 我们把年轻人放在我们所做的一切的中心，真正的合作制作 5. 我们从优势和主张开始，包括家庭和社区 6. 我们建立基于关系的实践、服务和文化——积极和信任 7. 我们与专业人士合作 8. 我们开发和评估实践，始终以解决方案为中心 9. 我们投资并相信员工和护理人员，允许他们运用自己的判断力，给他们时间和空间来做决定 10. 我们像胶水一样粘着年轻人，永不放弃他们
国家机构间颞下颌疾病研究计划该研究计划是通过MDEPINET TMJ患者LED圆桌制定的 -
国家机构间临时肌疾病研究计划该研究计划是通过MDEPINET TMJ患者LED圆桌制定的 - 一项机构间，多方利益相关者倡议。本计划中包含的研究优先级是在2018年5月11日圆桌会议上对患者和其他利益相关者群体最重要的研究，以及从四个圆桌工作组准备的简报报告中提取的研究重点。（可以在线查看整个圆桌计划的简报报告。）这些研究建议的结果将为圆桌会议上传达的患者的需求提供答案，尽管对颞下颌疾病（TMD）生物心理社会基础的科学理解提高了，并实施了精确的，精确的治疗方法，以改善TMD患者的质量质量。本计划中包含的研究优先级重点是TMD的两个方面：