XiaoMi-AI文件搜索系统
World File Search Systemobstacle
番茄中主要编辑应用的障碍和潜在线索，DICOT工厂
未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本的版权持有人（该版本发布于2021年5月21日。; https：//doi.org/10.1101/2021.03.15.435378 doi：biorxiv Preprint
摘要 印度尼西亚在英语教学中越来越多地使用人工智能工具，但其实施和影响尚未完全了解。本研究探讨了印度尼西亚英语作为外语 (EFL) 教师如何将人工智能 (AI) 技术融入教学，他们对这些工具的有效性的看法以及他们面临的障碍。通过半结构化访谈采用定性方法采访了印度尼西亚的五名英语作为外语 (EFL) 教师。数据分析表明，教育工作者使用 Grammarly、Google Translate、ChatGPT 和 Claude AI 等人工智能工具来提供反馈、帮助理解和创建内容。这些工具被认为有利于提高学生的写作能力和热情，尽管有人担心过度依赖、学术诚信以及阻碍批判性思维和真正学习的可能性。障碍包括对工具、技术设置和学生准备程度的限制。该研究强调了在英语教学中使用人工智能工具的优势，并强调了公平和评价性地纳入它们的重要性。教师应鼓励建构主义教学技术来激发认知参与和数字能力，确保人工智能资源补充而不是替代真正的学习。建议未来研究道德和教育影响。关键词：人工智能、英语作为外语 (EFL)、语言教育、教育技术、印度尼西亚、定性研究、教师看法、挑战、道德考虑。如何引用 Rahman, MA (2024)。探索人工智能在印度尼西亚英语作为外语教育中的整合。教学法：英语语言教学杂志，12 (2)。196-212 DOI：10.32332/joelt.v12i2.9549。期刊主页 https://e-journal.metrouniv.ac.id/index.php/pedagogy 这是一篇根据 CC BY SA 许可开放获取的文章 https://creativecommons.org/licenses/by-sa/4.0/
摘要 印度尼西亚在英语教学中越来越多地使用人工智能工具，但其实施和影响尚未完全了解。本研究探讨了印度尼西亚英语作为外语 (EFL) 教师如何将人工智能 (AI) 技术融入教学，他们对这些工具的有效性的看法以及他们面临的障碍。通过半结构化访谈采用定性方法采访了印度尼西亚的五名英语作为外语 (EFL) 教师。数据分析表明，教育工作者使用 Grammarly、Google Translate、ChatGPT 和 Claude AI 等人工智能工具来提供反馈、帮助理解和创建内容。这些工具被认为有利于提高学生的写作能力和热情，尽管有人担心过度依赖、学术诚信以及阻碍批判性思维和真正学习的可能性。障碍包括对工具、技术设置和学生准备程度的限制。该研究强调了在英语教学中使用人工智能工具的优势，并强调了公平和评价性地纳入它们的重要性。教师应鼓励建构主义教学技术来激发认知参与和数字能力，确保人工智能资源补充而不是替代真正的学习。建议未来研究道德和教育影响。关键词：人工智能、英语作为外语 (EFL)、语言教育、教育技术、印度尼西亚、定性研究、教师看法、挑战、道德考虑。如何引用 Rahman, MA (2024)。探索人工智能在印度尼西亚英语作为外语教育中的整合。教学法：英语语言教学杂志，12 (2)。196-212 DOI：10.32332/joelt.v12i2.9549。期刊主页 https://e-journal.metrouniv.ac.id/index.php/pedagogy 这是一篇根据 CC BY SA 许可开放获取的文章 https://creativecommons.org/licenses/by-sa/4.0/
如何引用：Carrijo，P。R. S.和Batalha，M。O.（2024）。农业的精益制造：收益，障碍和机遇。 Gestão＆Produção
摘要：精益制造（LM）是一种管理理念，旨在减少废物，同时提高系统生产力。尽管其进步在制造业中更为明显，但在包括农业在内的其他领域，LM越来越多地得到认可的好处。关于LM在农业和牲畜种植中的应用的研究仍然有限，但近年来一直在吸引人，这是这项研究的发现所证明的。为探索这个新兴领域的探索，本文旨在通过系统的文献综述来绘制当前的研究格局，并补充内容分析。这项研究中提出的SLR具有三个主要目标：确定哪些LM工具和技术在农村生产，其收益以及成功实施的核心元素中最常使用。该研究将价值流映射确定为农村生产中最广泛使用的工具。观察到的主要好处是减少废物和农场收入增加。在这种情况下，成功实施LM需要一个五步过程，该过程在本文中详细介绍。
铁路的基于激光痛的障碍物检测框架
摘要。铁路上的障碍物检测是一个至关重要的操作安全问题，是一项复杂的任务，涵盖了许多挑战。当机器学习（ML）算法通常用于类似的应用中，例如自动驾驶驾驶[1] [2]，但由于可用数据的稀缺（尤其是图像），铁路领域面临着重大障碍，因此使常规ML方法不当。应对这一挑战，本研究提出并评估了一个使用LiDAR（光检测和范围）数据进行铁路障碍物检测的框架。该框架旨在解决图像数据稀缺性所带来的局限性，同时增强铁路环境中的操作安全性。开发的方法结合了能够在高达500米处检测障碍物的远距离激光雷达，以及火车的GPS（全球定位系统）坐标，以准确地确定其相对于检测到的障碍物的位置。使用数据融合方法处理LiDAR数据，其中有关轨道地形的预先存在的知识与聚类算法相结合，特别是DBSCAN（基于密度的基于密度的空间聚类，具有噪声的应用程序），以识别和分类在预定范围的距离处。在移动机车的范围内，特别是CP 2600-2620系列的测试，沿着Contumil-Leix基线的指定部分进行。 这些测试有助于验证实际操作条件下该方法的有效性和可行性。测试，沿着Contumil-Leix基线的指定部分进行。这些测试有助于验证实际操作条件下该方法的有效性和可行性。总体而言，LiDAR数据的利用与高级算法相结合，提出了增强铁路操作中障碍物检测能力的有前途的途径。通过克服与数据稀缺性相关的挑战，该框架有可能显着提高铁路网络内的运营安全性和效率。有必要进行进一步的研究和测试，以验证框架在各种铁路环境和运营条件下的性能。
土木工程中人工智能应用的进展和障碍：深入回顾
人工智能 (AI) 已成为各个领域的变革力量，其彻底改变城市建筑的潜力越来越受到认可。本文详细研究了人工智能在公共建筑建设中的应用，强调了其成就、挑战和未来前景。审查涵盖了土木工程的各个方面，包括审查流程、分析、设计、施工管理、岩土工程、交通规划和施工监督。机器学习和遗传算法等人工智能方法被用于分析和设计，以增强流程、预测材料行为和推进医疗保健应用。在施工管理中，人工智能用于项目调度、资源分配、风险评估和安全管理。人工智能的岩土应用提供了精确的土壤特性估计、土壤损伤评估和地基施工改进。先进技术有助于交通规划、交通预测、智能交通系统和基础设施增强。此外，人工智能在公共基础设施的监测和维护方面发挥着至关重要的作用，包括桥梁检查、管道完整性评估以及通过图像处理和数据分析进行早期缺陷检测。尽管取得了重大进展，但人工智能在土木工程中的广泛应用仍然存在挑战，包括数据可用性、人工智能模型定义、道德问题以及协作努力的必要性。应对这些挑战需要研究人员、从业者和政策制定者的共同努力。最终，人工智能与土木工程的融合展示了其提高基础设施系统效率、安全性和可持续性的潜力。本综述总结了当前的知识，强调了挑战，并提出了未来研究的方向，以推进人工智能在土木工程中的融合。
https://orcid.org/0000-0001-9954-9287 奥地利维也纳高等研究院 frankus@ihs.ac.at 中小企业实施人工智能的障碍：试点研究 被编辑 Ewa Ziemba 接受 | 收到日期：2024 年 5 月 23 日 | 修订日期：2024 年 7 月 15 日；2024 年 7 月 28 日；2024 年 8 月 24 日 | 接受日期：2024 年 8 月 28 日 | 发布日期：2024 年 9 月 16 日。© 2024 作者。本文根据 Creative Commons 署名-非商业性使用 4.0 许可证授权 (https://creativecommons.org/licenses/by-nc/4.0/) 摘要 目的/宗旨——这项初步研究探讨了阻碍中小型企业 (SME) 有效实施人工智能 (AI) 的主要障碍。通过彻底了解这些障碍，组织可以制定定制的策略和干预措施来克服这些障碍，从而促进更顺利、更成功地采用 AI。本文的主要目标是帮助组织了解采用 AI 的障碍，以制定定制的策略和干预措施来克服这些挑战，从而更高效、更成功地整合 AI。通过严格审查现实世界的经验和看法，本文试图阐明阻碍有效部署 AI 解决方案的多方面挑战。设计/方法/方法——该研究根据对捷克共和国 22 位行业专家的采访数据，确定了 AI 实施的四个主要障碍
https://orcid.org/0000-0001-9954-9287 奥地利维也纳高等研究院 frankus@ihs.ac.at 中小企业实施人工智能的障碍：试点研究 被编辑 Ewa Ziemba 接受 | 收到日期：2024 年 5 月 23 日 | 修订日期：2024 年 7 月 15 日；2024 年 7 月 28 日；2024 年 8 月 24 日 | 接受日期：2024 年 8 月 28 日 | 出版日期：2024 年 9 月 16 日。© 2024 作者。本文根据 Creative Commons 署名-非商业性使用 4.0 许可证 (https://creativecommons.org/licenses/by-nc/4.0/) 授权。 摘要 目的/宗旨 – 这项初步研究探讨了阻碍中小型企业 (SME) 有效实施人工智能 (AI) 的主要障碍。通过彻底了解这些障碍，组织可以制定定制的策略和干预措施来克服这些障碍，从而促进更顺利、更成功地采用 AI。本文的主要目标是帮助组织了解采用 AI 的障碍，以制定定制的策略和干预措施来克服这些挑战，从而更高效、更成功地整合 AI。通过严格审查现实世界的经验和看法，本文试图阐明阻碍有效部署 AI 解决方案的多方面挑战。设计/方法/方法——该研究根据对捷克共和国和奥地利 22 位行业专家的采访数据，确定了 AI 实施的四个主要障碍。
消除联邦能源大坝拆除障碍......
环境与自然资源法律中心 俄勒冈大学法学院 1515 Agate Street Eugene, Oregon 97403 封面照片：Sam Beebe 作者 Michelle Smith，ENR 研究助理 Adell Amos，俄勒冈大学法学院法学教授 海洋、海岸和流域项目研究员 Samantha Blount、Mariah Ellis、Natalie Gillard 和 Kellie Warren。 关于本文 本报告是海洋海岸和流域项目的合作成果，该项目是一项跨学科研究项目，重点是通过法律促进海洋、沿海和淡水资源的可持续性。 本报告由资源遗产基金资助。 ENR 主任和员工 Heather Brinton，ENR 主任 Madi Prue，ENR 项目经理 Douglas Quirke，研究助理 Michelle Smith，研究助理 Mary Christina Wood，ENR 教员主任 关于 ENR 中心 作为 ENR 中心“利用法律支持地球可持续发展”使命的一部分，中心设有七个基于主题的跨学科研究项目，将法学院学生的热情与教师的专业知识结合起来，为解决当今一些最具挑战性和最前沿的环境问题带来智力能量。这七个跨学科研究项目是保护信托项目、能源法和政策项目、粮食弹性项目、全球环境民主项目、本土环境主权项目、海洋海岸和流域项目以及可持续土地利用项目。 每个学年，中心都会向一组俄勒冈大学法学院的学生颁发一年的奖学金，让他们与 ENR 教员一起在每个基于主题的跨学科研究项目内开展具体研究项目。
在具有速度障碍的大型动作空间中为移动机器人计划移动机器人的蒙特卡洛
动态环境中的抽象运动计划是一项具有挑战性的机器人任务，需要避免碰撞和实时计算。最新的在线方法作为速度障碍（VO）保证安全的本地计划，而基于强化学习或图形离散化的全球计划方法在计算上效率低下或不可证明是碰撞的安全性。在本文中，我们将蒙特卡洛树搜索（MCT）与VO结合起来，以修剪不安全的动作（即相撞速度）。以这种方式，即使在非常大的动作空间（60个动作）中，我们可以进行极少的MCT模拟计划，比使用许多模拟的纯MCT获得更高的累积奖励和更低的计算时间。此外，由于与VO的动作修剪，我们的方法可以保证避免碰撞，而纯MCT则没有。在本文中铺平了在实际机器人和多代理分散运动计划上计划MCT计划的道路。
异步合并对基于
摘要：为了确保服务质量和智能车辆的可靠和强大的操作，必须加深感知，位置和障碍物的阶段至关重要。的确，这些方面至关重要，因为它们提供了决策和预测模块甚至轨迹计划所需的数据。提出的论文涉及从立体电视摄像机，Lidar等不同方式的道路障碍检测系统的设计，而这些摄像机的设计很少或没有同步。在拟议的论文中，应将深度学习方法应用于通过融合多模态数据来构建3D对象检测体系结构。大多数现有的方法基于以下假设：数据完全同步，但是信息的数量和信息来源的增加越多，这些来源的同步约束就越难以尊重和保证，从而产生了对智能车辆安全性产生强大影响的科学锁定。在不同级别的深神经元网络的建筑中（早期，中间和/或迟到）在不确定性和信念的功能中融合，应确保在复杂且不利的条件下（缺乏照明，图像的饱和度），并弹性地在Cameras和Sensors的崩溃中建立强大的系统。
使用机器学习的盲人避免障碍
摘要最近，对象识别技术已经看到了许多技术用于自动驾驶汽车，机器人和工业设施。尽管如此，最需要这些技术的是视觉障碍，但从中获得了最少的收益。本文的目的是使用深度学习技术为盲人开发对象检测系统。除此之外，还提到了语音指导技术是告知对象所在的视觉问题的人的一种方式。您仅在对象识别深度学习模型中使用（YOLO）算法一次（YOLO）算法，而文本到语音（TTS）用于合成语音公告，从而使盲人可以方便地获取有关对象的信息。因此，它提出了一个有效的对象检测系统，该系统有助于盲人在没有其他人协助的情况下在受限区域内找到事物；并且该系统的性能已通过实验验证。