XiaoMi-AI文件搜索系统
World File Search Systemrast
海上关键基础设施中的网络安全
AI Artificial Intelligence AIS Automatic Identification System CCTV system Closed Circuit Television CI Critical Infrastructure CII Critical Information Infrastructure CISO Chief Information Security Officer COP Code of Practice COSCO China Ocean Shipping Company CSA Cyber Security Assessment CSI Container Security Initiative CSIRT Computer Security Incident Response Team CSO Company Security Officer CSP Cyber Security Plan CYSO Cyber Security Officer DA Designated Authorities DDoS (Distributed) Denial of Service DSP Digital Service Providers ECDIS Electronic Chart Display and Information System EEAS European External Action Service EMCIP European Marine Casualty Information Platform EMSA European Maritime Safety Agency ENISA European Union Agency for Cyber Security EUMSS European Maritime Security Strategy GDPR General Data Protection Regulation GMDSS Global Maritime Distress and Safety System GMN Global MTCC Network IACS International Association of Classification Societies IAPH International Association of Ports and Harbours IBC code国际船舶建设和设备国际携带危险化学品的船只工业控制系统ICT信息通信技术ILO国际劳动组织IMDG国际海事危险危险商品国际海事组织IMSBC代码国际海事货运货物IOT IOT IOT IOT IOT IONT地中海运输公司
将人工智能工具与校园基础设施相结合以支持……
在学生信息系统中实施学习规定时，教师的直觉想法通常与后来的 IT 映射不同。本文追求对此类过程的合理化（经济和心理）。最终目标是基于人工智能的辅助系统，为学习规定的生成、验证、认证和使用提供支持。先进的人工智能工具可以支持高等教育参考模型 (HERM) 中确定的课程设计中的广泛业务能力。这种方法的进一步目标是提高个人学习计划与学习规定的一致性并支持学习指导。我们的符号方法应用了自然语言和抽象逻辑的通用语义，充当了法律规范和课程设置之间的桥梁。本文解释了一般概念，介绍了开发的技术架构，并介绍了单个工具及其与校园现有 IT 基础设施的集成。演示和讨论了课程设计用例，包括提取和解释编码知识、协作编辑学习规定以及在创建过程中对学习规定进行细粒度版本控制。最后，讨论了由此产生的好处、剩余的挑战和未来的方向。关键词：微服务架构、语义建模、高等教育、人工智能、课程生命周期、学生信息系统
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招募和指导科学家和实习生以及建立数据和注释伙伴关系。
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招聘和指导科学家和实习生以及建立数据和注释合作伙伴关系。
靶向组蛋白去乙酰化酶增强Erastin诱导的铁死亡对EGFR激活突变肺腺癌的治疗效果
肺癌是死亡率最高的恶性肿瘤，而肺腺癌（LUAD）占所有肺癌的40%（1）。在亚洲，表皮生长因子受体（EGFR）是LUAD最常见的驱动突变，发生率为55%（2-4），其中EGFR激活突变在全球占17.4%，在中国占37.3%（5）。表皮生长因子受体酪氨酸激酶抑制剂（EGFR-TKI）目前是EGFR突变LUAD患者的标准一线治疗方案（6）。尽管使用EGFR-TKI已为晚期EGFR突变型NSCLC患者带来显著的临床获益和前所未有的生存率提高（7-10），但不可避免地会产生获得性耐药。继发性EGFR突变，包括EGFR-T790M突变和EGFR结构域内的其他突变、MAPK、PI3K和细胞周期基因的突变以及EGFR或其他致癌基因如MET的扩增，导致LUAD细胞获得性EGFR-TKI耐药（11-13）。但有些患者在缺乏已知耐药机制的情况下获得了EGFR-TKI耐药。因此，内在性EGFR-TKI耐药是临床上的一个挑战。据报道，大约20%-30%的EGFR突变型LUAD对EGFR-TKI具有内在性耐药（14）。因此，如何克服这些获得性和内在性的EGFR-TKI耐药一直是临床关注的焦点。
COVID-19超微结构中的人工智能
在 COVID-19 超微结构分析中更广泛采用 AI 的最大障碍是缺乏数据。神经网络是深度学习系统的基础，需要大量数据集才能正确学习和概括，而 COVID-19 的诊断主要基于血清学，组织病理学的作用很小，主要用于研究和临床工作流程之外。因此，大多数可用的 COVID-19 组织病理学研究都是基于尸检的，涉及的患者数量有限。然而，即使图像数量相对较少，计算机视觉神经网络仍可以通过迁移学习进行训练。这需要在更大的数据集上训练网络，以完成与手头任务有相似之处的任务，以便网络可以学习常见的表示（例如不同类型细胞和细胞器的形状），然后在较小的数据集上对训练后的模型进行微调。小数据集就足够了，因为模型需要学习的只是该数据集特有的附加特征。如前所述，存在大量经过组织学训练的模型，其中任何一个模型都可以作为 COVID-19 特定组织病理学模型的基础，从而提供额外的好处。
ALPINE：利用对比学习改进远程心率估计
心率 (HR) 是人体健康的重要生理指标，可用于检测心血管疾病。传统的 HR 估计方法，例如心电图 (ECG) 和光电容积描记器，需要皮肤接触。由于皮肤接触会增加病毒感染的风险，在正在发生的 COVID-19 大流行中避免使用这些方法。或者，可以使用非接触式 HR 估计技术，即远程光电容积描记器 (rPPG)，其中 HR 是根据人的面部视频估计的。不幸的是，现有的 rPPG 方法在面部变形的情况下表现不佳。最近，用于 rPPG 的深度学习网络激增。然而，这些网络需要大规模标记数据才能更好地泛化。为了缓解这些缺点，我们提出了一种方法 ALPINE，即一种新的 L r P PG 技术，用于使用对比学习来改进远程心率估计。 ALPINE 在训练过程中利用对比学习框架来解决标记数据有限的问题，并在数据样本中引入多样性以实现更好的网络泛化。此外，我们引入了一种新颖的混合损失，包括对比损失、信噪比 (SNR) 损失和数据保真度损失。我们的新颖对比损失最大化了来自不同面部区域的 rPPG 信息之间的相似性，从而最大限度地减少了局部噪声的影响。SNR 损失提高了时间信号的质量，数据保真度损失确保提取正确的 rPPG 信号。我们在公开数据集上进行的大量实验表明，所提出的方法 ALPINE 优于以前众所周知的 rPPG 方法。
基础设施新闻稿-CEW Georgetown
●一项基础设施计划将在太平洋沿海地区创造320万个就业机会，中西部280万个就业机会，中西部240万个工作岗位，西南地区的190万个就业机会，新英格兰的工作岗位713,000个。●在基础设施支出中将获得宽带服务的美国人中，有420万名黑色为黑人，600万是拉丁裔，而1,110万是白人。●为高中文凭的工人提供的基础设施工作将集中在运输和物质移动职业中，这将约占创建或保存的所有基础设施工作的60％。●具有副学士学位或更高学位的工人的基础设施工作将集中在工程和保护服务，管理以及商业和金融业务职业中。
基础设施的气候变化风险考虑相互依存和级联危害
开发解决方案本报告提出了一种总体风险评估方法，用于评估通过气候变化对关键基础设施构成的风险。虽然提出的方法是通过审查国家和国际研究以及作者在开发风险评估方面的经验而开发的，但成功实现该项目目标的关键要素是与多个基础设施部门的关键利益相关者的广泛互动。这种参与提供了有关当前实践以及实施有意义的风险评估时面临的挑战和障碍的宝贵信息。同样，跨部门利益相关者的存在强调了确保可以实现跨部门的风险方法评估基础设施的机会和挑战。从这些交互中，提出了有关关键问题的建议，例如数据收集，数据共享，数据安全，资源需求和监视制度，可以在爱尔兰语境中合理实施。
recore：正式化对比度表示世界模型
虽然最近的无模型增强学习（RL）方法已经证明了人类水平在游戏环境中的有效性，但它们在视觉导航等日常任务中的成功受到了限制，尤其是在很明显的外观变化下。此限制来自（i）样本效率不佳和（ii）对培训方案的过度效果。为了应对这些挑战，我们提出了一种世界模型，该模型使用（i）对比不受监督的学习和（ii）干预不变的统治者学习不变特征。学习世界动态的明确表示世界模型，提高样本效率，而对比度学习隐含地实施不变特征的学习，从而改善了概括。，随着对比的损失与世界模式的na'整合还不够好，因为基于世界模型的RL方法独立地优化表示表示和代理策略。为了克服这个问题，我们提出了一种干预 - 不变的正规剂，其形式是辅助任务，例如深度预测，图像DeNoising，图像分割等，以明确执行不变性以进行样式的干预。我们的方法优于当前基于最新的模型和不含模型的RL方法，并显着改善了IGIBSON基准测试中评估的分数范围内导航任务。仅使用视觉观察，我们进一步证明了我们的方法超过了最近的语言引导导航基础模型，这对于在计算功能有限的机器人上部署至关重要。最后，我们证明了我们提出的模型在吉布森基准上其感知模块的SIM到真实传输方面表现出色。