XiaoMi-AI文件搜索系统
World File Search Systemdji
主题： - Badji Mokhtar -Annaba University
我希望将这几个单词奉献给在我一生中发挥基本作用并为我的成功做出重大贡献的杰出人士。对我的母亲来说，这是一个无尽的爱与支持的来源，我深表感谢。您的仁慈存在，不断的鼓励和宝贵的牺牲是我动机和决心的支柱。您是我的岩石，引导我解决挑战和障碍，我很欣赏您的力量和奉献精神。这种记忆是您的爱的果实，也是您对我的坚定信心。对我父亲来说，您是诚信，毅力和智慧的典范。您开明的智慧和您的宝贵建议一直激发我的启发，并促使我尽力而为。您对我的能力和不断的支持的信心鼓励我超越自己的极限。我很荣幸能成为您的儿子，我为您为我所做的一切而感谢您。对我的姐姐阿米拉（Amira），同伙和红颜知己，您是我的灵感来源。您的力量，您的智慧和对生活的热情一直激励我坚持不懈。我们坚定不移的同谋和丰富的交流是我学术旅程中的关键因素。我为与您分享这一成功而感到自豪/自豪，我坚信我们的链接将永远是武力和相互支持的来源。对我的兄弟wail，您是我的决心和韧性典范。面对困难，您的毅力和成功的意愿是不断灵感的来源。您一直在那里支持我并指导我，我深表感谢。本论文也是您鼓励和无条件支持的结果。向我以前的老师Med Saaidia先生，我要感谢您的杰出教学和对传播知识的热情。您的深入知识和您的专业知识给我的智力好奇心带来了我在现场的理解。感谢您对学生的奉献精神，并以耐心和友善为指导我。对我的小家庭，这一直是幸福，欢笑和爱的避难所。您的无条件支持和舒适的存在使我有能力在最困难的时刻坚持不懈。与您分享的每一刻都是欢乐和动力的源泉。最后，对我亲爱的朋友们，他们以他们真诚的友谊和坚定的支持照亮了我的生活。您的鼓励，刺激讨论以及您在
电子参考Julien Boyadjian和Julien Velcin，“社交媒体的定量分析，是声明性调查的替代方法？ ”，
年份的沟通，市场研究和营销部门（Boullier，Lohard，2012年），如学术领域（Schober等，2016），社交媒体（Twitter，Facebook，YouTube等）被动员为社会趋势的新观测。在2000年代的前十年中，这些平台的开发使没有特定IT技能的互联网用户可以轻松地发布有关其选择的主题和关注的书面或视觉内容（Cardon等，2006）。因此，每天，数百万个人1评论新闻（选举，自然灾害等。），他们的隐私（文化口味，照片，婚姻状况等）或消费产品。这些消息构成了有关互联网用户的实践，表示和意见的宝贵线索。因此，当您寻求研究消费者或公民的行为时，它们构成了一种特别有趣的材料。此外，由于开发了收集，存档和分析的IT工具（Web-Tracker，crawler，搜索引擎等）大量的数据（同意称为“大数据”），这些数字现象可以大规模地对象和量化，而无需使用问卷调查表。因此，社交媒体的分析使得有可能以独特的方式进行定量研究，以便某些规范的声明性调查（例如购买决策或投票意图）进行研究。
航天器跟踪控制和同步 - Madjid Tavana
人工智能 (AI) 有望在从任务设计规划到卫星数据处理和导航系统等太空操作领域取得突破。人工智能和太空运输的进步使人工智能技术能够应用于航天器跟踪控制和同步。本研究评估了三种替代的航天器跟踪控制和同步 (TCS) 方法，包括非人工智能 TCS 方法、人工智能 TCS 方法和组合 TCS 方法。该研究提出了一种混合模型，包括一个用于定义权重系数的新模型和基于区间型 2 模糊集的组合折衷解 (IT2FSs-CoCoSo) 来解决航天器 TCS 问题。一种新方法用于计算标准的权重系数，而 IT2FSs-CoCoSo 用于对 TCS 方法的优先级进行排序。进行了比较分析以证明所提出的混合模型的性能。我们通过一个案例研究来说明适用性，并展示所提出方法的有效性，该方法基于十个不同的子标准对替代 TCS 方法进行优先排序，这些子标准分为三个主要方面，包括复杂性方面、操作方面和效率方面。根据本研究的结果，人工智能和非人工智能方法相结合是最有利的替代方案，而非人工智能方法则是最不有利的。2022 COSPAR。由 Elsevier BV 出版 这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
基于贝米吉遗址的可行性研究
轻质非水相液体 (LNAPL) 的天然源区枯竭 (NSZD) 可能是受石油影响场地的有效长期管理选择。但是，需要确定其未来的长期可靠性。NSZD 包括 LNAPL 组分的分配、生物和非生物降解以及地下的多相流体动力学。随着时间的推移，LNAPL 组分会耗尽，分配到各个相的组分会发生变化，可供生物降解的组分也会发生变化。为了适应这些过程并预测几十年到几个世纪的趋势和 NSZD，我们首次采用了多相多组分多微生物非等温方法来代表性地模拟现场规模的 NSZD。为了验证该方法，我们成功模拟了贝米吉现场 LNAPL 泄漏的数据。我们模拟了泄漏后 27 年测量中饱和区和非饱和区的整个深度。该研究推进了创建 NSZD 过程和未来趋势的通用数字孪生的想法。结果表明，这种详细的计算方法对于改善场地管理和恢复策略的决策是可行的，也是可负担的。该研究为复杂地下系统的计算数字孪生提供了基础。
引用方式：Badjie, B., Ülker, ED (2022)。基于深度迁移学习的架构，利用 MR 图像进行脑肿瘤分类。信息
由于数据可用性呈指数级增长及其在诊断各种疾病方面的出色表现，深度学习 (DL) 在医疗保健领域越来越受欢迎。本文旨在设计一种新的可能的脑肿瘤诊断模型，以提高放射学的准确性和可靠性。在本文中，一种先进的深度学习算法用于检测和分类磁共振 (MR) 图像中的脑肿瘤。在放射学中诊断脑肿瘤是一个重要的问题，但它是放射科医生必须经历的一个困难且耗时的过程。他们评估的可靠性完全依赖于他们的知识和个人判断，而这些在大多数情况下是不准确的。作为对准确诊断脑肿瘤日益增长的担忧的一种可能的补救措施，在这项工作中，一种深度学习方法被用于对脑肿瘤 MR 图像进行分类，具有非常高的性能准确性。该研究利用一种称为 AlexNet 卷积神经网络 (CNN) 的迁移学习模型来执行此操作。我们的方法有助于提高医疗保健领域的稳健性、效率和准确性，能够实现整个诊断过程的自动化，总体准确率达到 99.62%。此外，我们的模型能够检测和分类不同阶段和程度的肿瘤。
FinRegLab：研讨会——“人工智能与经济：为负责任和包容的人工智能规划道路”联合活动，邀请著名政策制定者参加，重点关注金融服务领域的负责任人工智能。华盛顿特区，2022 年 4 月 22 日——FinRegLab 将与美国商务部、美国国家标准与技术研究所 (NIST) 和斯坦福以人为本人工智能研究所 (HAI) 合作，于 2022 年 4 月 27 日举办一场研讨会，汇集政府、行业、民间社会和学术界的领导人，探讨人工智能和机器学习在不同经济部门部署带来的潜在机遇和挑战，特别关注金融服务和医疗保健。已确认的发言人包括商务部副部长 Don Graves；参议员 Joni Ernst；代理货币监理署署长 Michael Hsu；万事达卡执行副总裁兼首席数据官 JoAnn Stonier；富国银行执行副总裁兼模型风险主管 Agus Sudjianto、斯坦福大学商学院教授兼 HAI 副主任 Susan Athey 博士、布鲁金斯学会技术创新中心主任 Nicol Turner Lee 博士以及哈佛大学计算与社会研究中心博士后研究员 Manish Raghavan 博士。演讲者和小组成员将讨论研究、政策建议和新兴行业实践。FinRegLab 首席执行官兼主任 Melissa Koide 表示：“人工智能与新型数据相结合，为改善金融包容性和平等性提供了巨大的潜力。然而，也存在加剧偏见和排斥的巨大风险。认真、有针对性地研究消费者受到的影响对于制定正确的规则至关重要。” FinRegLab 还将于 4 月 28 日举办一场虚拟会议，详细介绍该组织和斯坦福大学商学院 Laura Blattner 教授和 Jann Spiess 教授就机器学习在信用承保中的应用开展的研究，特别关注机器学习模型对可解释性和公平性的潜在影响。这项研究对当前可用工具的性能和功能进行了实证评估，这些工具旨在帮助贷方开发、监控和管理机器学习承保模型。媒体成员如有兴趣亲临或以虚拟方式参加研讨会或寻求评论，请联系 Alex Bloomfield，邮箱地址为 alex.bloomfield@finreglab.org。有关研讨会的更多信息，包括所有演讲者和小组讨论，请访问此处的活动页面。
FinRegLab：研讨会——“人工智能与经济：为负责任和包容的人工智能规划道路”联合活动，邀请著名政策制定者参加，重点关注金融服务领域的负责任人工智能。华盛顿特区，2022 年 4 月 22 日——FinRegLab 将与美国商务部、美国国家标准与技术研究所 (NIST) 和斯坦福以人为本人工智能研究所 (HAI) 合作，于 2022 年 4 月 27 日举办一场研讨会，汇集政府、行业、民间社会和学术界的领导人，探讨人工智能和机器学习在不同经济部门部署带来的潜在机遇和挑战，特别关注金融服务和医疗保健。已确认的发言人包括商务部副部长 Don Graves；参议员 Joni Ernst；代理货币监理署署长 Michael Hsu；万事达卡执行副总裁兼首席数据官 JoAnn Stonier；富国银行执行副总裁兼模型风险主管 Agus Sudjianto、斯坦福大学商学院教授兼 HAI 副主任 Susan Athey 博士、布鲁金斯学会技术创新中心主任 Nicol Turner Lee 博士以及哈佛大学计算与社会研究中心博士后研究员 Manish Raghavan 博士。演讲者和小组成员将讨论研究、政策建议和新兴行业实践。FinRegLab 首席执行官兼主任 Melissa Koide 表示：“人工智能与新型数据相结合，为改善金融包容性和平等性提供了巨大的潜力。然而，也存在加剧偏见和排斥的巨大风险。认真、有针对性地研究消费者受到的影响对于制定正确的规则至关重要。” FinRegLab 还将于 4 月 28 日举办一场虚拟会议，详细介绍该组织和斯坦福大学商学院 Laura Blattner 教授和 Jann Spiess 教授就机器学习在信用承保中的应用开展的研究，特别关注机器学习模型对可解释性和公平性的潜在影响。这项研究对当前可用工具的性能和功能进行了实证评估，这些工具旨在帮助贷方开发、监控和管理机器学习承保模型。媒体成员如有兴趣亲临或以虚拟方式参加研讨会或寻求评论，请联系 Alex Bloomfield，邮箱地址为 alex.bloomfield@finreglab.org。有关研讨会的更多信息，包括所有演讲者和小组讨论，请访问此处的活动页面。
这是以下文章的同行评审版本：Tubadji, A.、Denney, T. 和 Webber, DJ 消费者采用人工智能的文化相对论。Economic Inquiry。2021 年，最终版本已发布于 https://doi.org/10.1111/ecin.12978。本文可用于非商业用途，符合 Wiley 自存档版本使用条款和条件。
Annie Tubadji，斯旺西大学 Toby Denney，西英格兰大学，布里斯托尔 和 Don J Webber，谢菲尔德大学 人工智能 (AI) 是一种具有成本效益的创新，它挑战了客户的消费模式和对不确定性的恐惧。这项研究评估了消费者在银行服务中采用人工智能的可能性是否取决于不同文化的品味。我们提出了一个文化增强的 Arrow-Bilir-Sorensen 模型来评估消费者使用人工智能的倾向。对来自 11 个国家的 11,000 名受访者的 ING 银行独特数据集的分析表明，由于选择的文化局限性，零售银行中机器人咨询金融服务的传播成功率差异很大。这种偏见似乎与社会资本有关，而不是对新奇事物的恐惧。关键词：创新传播；社会资本；不确定性；基于文化的发展 JEL 分类：O33、Z10、G21