XiaoMi-AI文件搜索系统
World File Search Systemenclose
拉斯维加斯艺术博物馆
2024 年 12 月 20 日 议员 Daniele Monroe-Moreno，主席 参议员 Marilyn Dondero Loop，副主席 立法顾问局 内华达州卡森城南卡森街 401 号，邮编 89701 临时财务委员会 Reports@lcb.state.nv.us 尊敬的主席 Monroe-Moreno 和 Dondero Loop， 主题：议会法案 525 和参议院法案 341 的中期支出报告 我们代表拉斯维加斯艺术博物馆，根据 AB 525 第 55 节和 SB 341 第 35 节提交随附的中期支出报告，其中说明：“在 2024 年 12 月 20 日或之前编写并提交一份报告给临时财务委员会，报告描述从拉斯维加斯艺术博物馆（“LVMA”）收到款项之日起至 2024 年 12 月 1 日期间使用本法案拨款的每笔支出。”拉斯维加斯艺术博物馆 (LVMA) 于 2023 年 10 月通过支票收到了 2023 年拨款 5,000,000.00 美元。从收到款项之日起至 2024 年 12 月 1 日，已支出 916,222.83 美元。随附的支出报告显示了我们在此期间的组织发展和成长。支出报告包括我们如何使用 AB525 和 SB 341 提供的资金的所有成本明细，以及我们如何将这些资金投资于拉斯维加斯市中心交响乐公园即将建成的 LVMA 的规划和建设，该博物馆计划于 2028 年向公众开放。随附的图表显示了四 (4) 个大类的支出：博物馆规划、业务运营、营销和广告以及员工。更多详细信息包含在以下类别中。
慈善活动部分俄勒冈州司法部
重要说明 - 向国税局或俄勒冈州税收部提出的扩展请求不会作为慈善活动部分的扩展，除非在到期日之前将副本提交给慈善活动部分。组织可以申请延长提交时间的时间。必须在报告的到期日或之前收到扩展请求，以避免延迟费用。最大可用延长期为180天。文件的扩展名也是支付任何相关费用的扩展名。因此，扩展请求不应包括估计的付款。如果您打算以后补充或用IRS退货副本进行补充或修改报告，请不要提交不完整的CT-12。相反，请提交一个扩展请求，以便您可以在延长截止日期之前提交完整的报告，其中包含附加的适当IRS表格的副本。可以通过司法部网站https://justice.oregon.gov/charities/extensions要求扩展。仔细遵循说明，以确保我们收到您的请求。如果您在线请求有任何疑问或困难，请联系我们的办公室。您应该打印并保留在线确认扩展请求的副本。您还应该期望收到有关您的在线请求的电子邮件。您也可以提交书面请求或组织联邦扩展请求的副本（IRS表格8868），只要慈善活动部分在CT-12报告的到期日之前收到请求或副本。应在所有扩展请求的顶部注明组织的4或5位注册号。如果您要确认已收到了扩展请求，则应将请求的附加副本和一个自加入的，盖章的信封包含。
衰老 - 国家物理实验室
科学技术特别委员会 - 老龄化：科学、技术和健康生活征集证据我们很高兴附上我们对科学技术特别委员会征集老龄化：科学、技术和健康生活证据的回应。国家物理实验室 (NPL) 欢迎这一及时的征集，并有机会参与如此重要的审查。我们的回应主要集中在我们作为英国国家测量研究所看到的主要机会，以实现英国政府工业战略的“老龄化社会”大挑战和相关使命，即“确保人们到 2035 年至少可以享受五年额外的健康、独立的生活，同时缩小最富有和最贫穷的人之间的经验差距”。我们的生命科学和健康优先事项与英国测量战略、NHS 长期计划、英国工业战略和英国生命科学工业战略高度一致。加速准入审查是一份开创性的文件，它制定了一个重要而雄心勃勃的框架，以改变我们为患者、NHS 和创新者的健康和护理系统，对于该领域的未来成果和影响至关重要。 TOPOL 审查也列出了建立面向未来的劳动力队伍的必要要求，这些劳动力队伍能够在新兴技术和治疗的背景下提供全生命过程护理。我们欢迎 NHSX 的成立，并认为他们在实现国务卿的“技术愿景”（“医疗保健的未来：我们对医疗保健领域的数字、数据和技术的愿景”）方面所做的工作将成为实现大挑战中提出的“额外 5 年健康和独立”目标的关键推动因素。我们热衷于支持他们开展这项工作，作为成功和可持续地实现愿景的合作者。在我们的回应中，我们阐述了通过我们世界领先的尖端测量解决方案，我们可以为协作的循证政策和未来的机会增加价值和影响力，以支持与一系列战略主题相关的健康老龄化的联合发现和创新。我们希望您发现这些信息有用，请随时在未来的工作中使用本提交的全部或部分内容。如果我能提供任何进一步的帮助，请随时与我联系。此致 Carolyn Ruston 战略与业务发展 – 健康与生命科学 Enc
衰老 - 国家物理实验室
科学技术特别委员会 - 老龄化：科学、技术和健康生活征集证据我们很高兴附上我们对科学技术特别委员会征集老龄化：科学、技术和健康生活证据的回应。国家物理实验室 (NPL) 欢迎这一及时的征集，并有机会参与如此重要的审查。我们的回应主要集中在我们作为英国国家测量研究所看到的主要机会，以实现英国政府工业战略的“老龄化社会”大挑战和相关使命，即“确保人们到 2035 年至少可以享受五年额外的健康、独立的生活，同时缩小最富有和最贫穷的人之间的经验差距”。我们的生命科学和健康优先事项与英国测量战略、NHS 长期计划、英国工业战略和英国生命科学工业战略高度一致。加速准入审查是一份开创性的文件，它制定了一个重要而雄心勃勃的框架，以改变我们为患者、NHS 和创新者的健康和护理系统，对于该领域的未来成果和影响至关重要。 TOPOL 审查也列出了建立面向未来的劳动力队伍的必要要求，这些劳动力队伍能够在新兴技术和治疗的背景下提供全生命过程护理。我们欢迎 NHSX 的成立，并认为他们在实现国务卿的“技术愿景”（“医疗保健的未来：我们对医疗保健领域的数字、数据和技术的愿景”）方面所做的工作将成为实现大挑战中提出的“额外 5 年健康和独立”目标的关键推动因素。我们热衷于支持他们开展这项工作，作为成功和可持续地实现愿景的合作者。在我们的回应中，我们阐述了通过我们世界领先的尖端测量解决方案，我们可以为协作的循证政策和未来的机会增加价值和影响力，以支持与一系列战略主题相关的健康老龄化的联合发现和创新。我们希望您发现这些信息有用，请随时在未来的工作中使用本提交的全部或部分内容。如果我能提供任何进一步的帮助，请随时与我联系。此致 Carolyn Ruston 战略与业务发展 – 健康与生命科学 Enc
老化 - 国家物理实验室
科学技术特别委员会 - 老龄化：科学、技术和健康生活征集证据 我们很高兴附上我们对科学技术特别委员会征集老龄化：科学、技术和健康生活证据的回应。国家物理实验室 (NPL) 欢迎这一及时的征集，并有机会参与如此重要的审查。我们的回应主要集中在我们作为英国国家测量研究所看到的主要机会，以实现英国政府工业战略的“老龄化社会”大挑战和相关使命，即“确保人们到 2035 年可以享受至少额外五年健康、独立的生命，同时缩小最富者和最穷者之间的经验差距”。我们的生命科学和健康优先事项与英国测量战略、NHS 长期计划、英国工业战略和英国生命科学工业战略高度一致。 《加速准入审查》是一份开创性的文件，它制定了一个重要而雄心勃勃的框架，旨在为患者、NHS 和创新者改变我们的医疗保健系统，这对该领域的未来成果和影响至关重要。 TOPOL 审查也是如此，它列出了建立面向未来的劳动力队伍的必要要求，这些劳动力队伍能够在新兴技术和治疗的背景下提供全生命过程护理方法。我们欢迎 NHSX 的启动，并认为他们的工作
衰老 - 国家物理实验室
科学技术特别委员会 - 老龄化：科学、技术和健康生活征集证据我们很高兴附上我们对科学技术特别委员会征集老龄化：科学、技术和健康生活证据的回应。国家物理实验室 (NPL) 欢迎这一及时的征集，并有机会参与如此重要的审查。我们的回应主要集中在我们作为英国国家测量研究所看到的主要机会，以实现英国政府工业战略的“老龄化社会”大挑战和相关使命，即“确保人们到 2035 年至少可以享受五年额外的健康、独立的生活，同时缩小最富有和最贫穷的人之间的经验差距”。我们的生命科学和健康优先事项与英国测量战略、NHS 长期计划、英国工业战略和英国生命科学工业战略高度一致。加速准入审查是一份开创性的文件，它制定了一个重要而雄心勃勃的框架，以改变我们为患者、NHS 和创新者的健康和护理系统，对于该领域的未来成果和影响至关重要。 TOPOL 审查也列出了建立面向未来的劳动力队伍的必要要求，这些劳动力队伍能够在新兴技术和治疗的背景下提供全生命过程护理。我们欢迎 NHSX 的成立，并认为他们在实现国务卿的“技术愿景”（“医疗保健的未来：我们对医疗保健领域的数字、数据和技术的愿景”）方面所做的工作将成为实现大挑战中提出的“额外 5 年健康和独立”目标的关键推动因素。我们热衷于支持他们开展这项工作，作为成功和可持续地实现愿景的合作者。在我们的回应中，我们阐述了通过我们世界领先的尖端测量解决方案，我们可以为协作的循证政策和未来的机会增加价值和影响力，以支持与一系列战略主题相关的健康老龄化的联合发现和创新。我们希望您发现这些信息有用，请随时在未来的工作中使用本提交的全部或部分内容。如果我能提供任何进一步的帮助，请随时与我联系。此致 Carolyn Ruston 战略与业务发展 – 健康与生命科学 Enc
衰老 - 国家物理实验室
科学技术特别委员会 - 老龄化：科学、技术和健康生活征集证据我们很高兴附上我们对科学技术特别委员会征集老龄化：科学、技术和健康生活证据的回应。国家物理实验室 (NPL) 欢迎这一及时的征集，并有机会参与如此重要的审查。我们的回应主要集中在我们作为英国国家测量研究所看到的主要机会，以实现英国政府工业战略的“老龄化社会”大挑战和相关使命，即“确保人们到 2035 年至少可以享受五年额外的健康、独立的生活，同时缩小最富有和最贫穷的人之间的经验差距”。我们的生命科学和健康优先事项与英国测量战略、NHS 长期计划、英国工业战略和英国生命科学工业战略高度一致。加速准入审查是一份开创性的文件，它制定了一个重要而雄心勃勃的框架，以改变我们为患者、NHS 和创新者的健康和护理系统，对于该领域的未来成果和影响至关重要。 TOPOL 审查也列出了建立面向未来的劳动力队伍的必要要求，这些劳动力队伍能够在新兴技术和治疗的背景下提供全生命过程护理。我们欢迎 NHSX 的成立，并认为他们在实现国务卿的“技术愿景”（“医疗保健的未来：我们对医疗保健领域的数字、数据和技术的愿景”）方面所做的工作将成为实现大挑战中提出的“额外 5 年健康和独立”目标的关键推动因素。我们热衷于支持他们开展这项工作，作为成功和可持续地实现愿景的合作者。在我们的回应中，我们阐述了通过我们世界领先的尖端测量解决方案，我们可以为协作的循证政策和未来的机会增加价值和影响力，以支持与一系列战略主题相关的健康老龄化的联合发现和创新。我们希望您发现这些信息有用，请随时在未来的工作中使用本提交的全部或部分内容。如果我能提供任何进一步的帮助，请随时与我联系。此致 Carolyn Ruston 战略与业务发展 – 健康与生命科学 Enc
面向隐私保护 AI 的联邦学习调查
摘要 人工智能 (AI) 和机器学习模型面临的重大挑战之一是保护数据隐私和确保数据安全。解决这个问题导致了联邦学习 (FL) 机制在数据隐私保护中的应用。保护欧盟 (EU) 的用户隐私必须遵守《通用数据保护条例》(GDPR)。因此，探索用于保护数据隐私的机器学习模型必须考虑到 GDPR。在本文中，我们详细介绍了联邦机器学习、各种联邦架构以及不同的隐私保护机制。这项调查工作的主要目标是强调现有的隐私技术并提出联邦学习在行业中的应用。最后，我们还描述了联邦学习如何成为未来研究的新兴领域，它将为 AI 和机器学习带来一个新时代。 关键词 联邦学习、人工智能、机器学习、隐私、安全、分布式学习。 1. 引言由于过去几十年人工智能和机器学习的出现，机器人、计算机视觉和游戏应用等各个领域都取得了重大进展。主要关注点之一是保护数据隐私。由于每天都会产生大量数据，因此保护数据隐私至关重要。公开数据和公司私有数据的泄露导致数据隐私问题急剧增加。通过维护特定的隐私标准来利用作为数据岛隔离的数据对于提高数据安全性至关重要。滥用用户的个人数据可能会给用户带来开销，迫使他不愿透露自己的个人信息。即使在公司和行业中，保护数据免遭数据泄露也是必不可少的，因为这会给公司带来严重后果。反过来，数据泄露会大规模影响公司的财务和商业方面，导致巨大损失。确保数据隐私的著名标准之一是欧盟的《通用数据保护条例》（GDPR）[1, 2]。 GDPR 于 2018 年提出，旨在确保每个用户的数据隐私，这反过来又促使人们在使用数据时使用符合这一标准的人工智能和机器学习框架。许多机器学习和人工智能模型需要足够的数据进行训练并生成高质量的模型。虽然模型需要使用用户数据才能为用户构建良好的预测模型，但应该有一种方法可以确保用户的隐私。很少有组织需要交换数据来协同工作，从而提高公司的绩效，
![arXiv:2009.05487v3 [cs.AI] 2021 年 8 月 26 日](/simg/3\3c87b68027f137968ab7fa405274c3bf872022b1.png)
arXiv:2009.05487v3 [cs.AI] 2021 年 8 月 26 日
机器学习 (ML) 正在改变着工业、科学和社会。如今，ML 算法可以在理发店预约（Leviathan 和 Matias，2018 年）、根据蛋白质的氨基酸序列确定其 3D 形状（Senior 等人，2020 年），甚至可以撰写新闻文章（Brown 等人，2020 年）。仔细观察这些发展，我们发现模型越来越复杂。不同的 ML 模型以启发式方式堆叠在一起，但理论支持有限（Hutson，2018 年）。在某些应用中，只要算法在大多数情况下表现良好，复杂性可能就不是问题。然而，在社会、认识论或安全关键领域，复杂性可能会排除 ML 解决方案——例如自动驾驶、科学发现或刑事司法。高度复杂算法的两个主要缺点是模糊性问题（Lipton，2018 年）和对抗性攻击（Szegedy 等人，2014 年）。模糊性问题描述了人类对 ML 算法内部运作的有限认知访问，尤其是关于参数的语义解释、学习过程和 ML 决策的人为可预测性（Burrell，2016 年）。这种可解释性的缺乏最近引起了广泛关注，从而催生了可解释人工智能 (XAI) 领域的发展（Doshi-Velez 和 Kim，2017 年；Rudin，2019 年）。人们提出了许多技术来深入了解机器学习系统（Adadi 和 Berrada，2018 年；Doˇsilovi´c 等人，2018 年；Das 和 Rad，2020 年）。与模型无关的方法尤其受到关注，因为与特定于模型的方法不同，它们的应用不限于特定的模型类型（Molnar，2019 年）。全局与模型无关的解释技术（如置换特征重要性（Fisher 等人，2019 年）或部分依赖图（Friedman 等人，1991 年））旨在理解机器学习算法的一般属性。另一方面，局部模型无关解释方法（如 LIME（Ribeiro 等人，2016 年）或 Shapley 值（ˇ Strumbelj 和 Kononenko，2014 年））旨在理解算法在特定区域的行为。解释特定模型预测的一种方法是反事实解释 (CE)（Wachter 等人，2017 年）。CE 通过提供最接近的替代输入来解释预测，该输入将导致不同的（通常是期望的）预测。CE 是我们在本文中研究的第一类对象。对抗性攻击问题描述了这样一个事实：复杂的 ML 算法容易受到欺骗（Papernot 等人，2016a；Goodfellow 等人，2015；Szegedy 等人，2014）。攻击者可以利用此类故障来伤害模特雇主或危及最终用户（Song 等人，2018）。研究对抗性攻击的领域称为对抗性机器学习（Joseph 等人，2018）。如果攻击发生在训练过程中，通过插入错误标记的训练数据，这种攻击称为投毒。如果攻击发生在训练过程之后，通常称为对抗性示例 (AE)（Serban 等人，2020 年）。AE 是类似于真实数据但被训练过的 ML 模型错误分类的输入，例如，乌龟图像被归类为 rière（Athalye 等人，2018 年）。因此，错误分类在这里意味着算法与某些（通常是人类给出的）基本事实相比分配了错误的类别/值（Elsayed 等人，2018 年）。AE 是与我们的研究相关的第二类对象。尽管不透明度问题和对抗性攻击问题乍一看似乎毫无关联，但仍有充分的理由联合研究它们。 AE 显示了 ML 模型失败的地方，检查这些失败可以加深我们对模型的理解（Tomsett 等人，2018 年；Dong 等人，2017 年）。另一方面，解释可以阐明如何改进 ML 算法，使其对 AE 更具鲁棒性（Molnar，2019 年）。缺点是，解释可能包含有关模型的太多信息，从而允许构建 AE 并攻击模型（Ignatiev 等人，2019 年；Sokol 和 Flach，2019 年）。CE 与 AE 的联系比其他解释更强。CE 和 AE 可以通过解决相同的优化问题 1 来获得（Wachter 等人，2017 年；Szegedy 等人，2014 年）：
GKN 航空航天服务公司—ST
GKN AEROSPACE 美国标准采购条款和条件 本文档列出了 GKN Aerospace 美国公司采购所有商品和服务的条款和条件。 1. 定义。在本标准采购条款和条件（以下简称“条款和条件”）以及引用这些条款和条件的任何其他合同或采购订单中，除非上下文另有要求，否则适用以下定义： “GKN”是指发出采购订单的任何 GKN Aerospace 美国实体。 “卖方”或“供应商”是指下达订单的缔约方。 “订单”或“采购订单”或“合同”（如果上下文如此要求）是指 GKN 与供应商就物品达成的授权订购机制，包括此处规定的这些条款和条件。 “政府”是指美国政府或其任何部门或机构。 2. 接受。接受 GKN 的要约。 GKN 向任何供应商发出的任何采购订单均是 GKN 的要约，一旦供应商接受该要约，该要约即对订单中包含的条款和本条款和条件具有约束力。如果供应商开始处理货物或提供服务，或运送货物（即采购订单的主题），或者供应商发出书面订单确认书，则供应商将被视为已接受 GKN 条款下的此类要约。供应商对采购订单的任何接受仅限于接受