XiaoMi-AI文件搜索系统
World File Search Systemsharing
公众对新冠肺炎疫情期间全球疫苗共享的支持：来自德国的证据
截至 2021 年 9 月，估计全球 32% 的人口已完全接种新冠疫苗，但全球疫苗分配极不均衡，疫苗接种率最高的 10 个国家接种了 72% 或更多的疫苗，而疫苗接种率最低的 10 个国家接种率不到 2%。鉴于政府需要获得公众对全球疫苗共享投资的支持，了解公众对国际疫苗团结的支持水平和驱动因素非常重要。通过 2021 年在德国对 10,000 多名在线调查受访者进行的析因实验，我们发现大多数德国公民反对全球疫苗分配不平等。受访者支持实质性资金数额，与迄今为止提供的最慷慨的捐款相当，但仍低于成功的全球运动可能需要的数额。公众的偏好似乎主要受到对全球人口福祉的内在关注所驱动，尽管部分原因在于物质考虑——尤其是全球未能接种疫苗可能带来的持续健康威胁风险。战略考虑在塑造公众舆论方面的重要性更为有限；特别是，我们没有看到其他国家搭便车的证据。最后，根据另一项调查实验，我们表明，可以利用强调国际卫生外部性的信息宣传活动来增加公众对全球宣传活动的支持。
数据共享的 API 标准（账户聚合器）
第一份 CGIDE 报告《通过 API 实现开放金融》于 2020 年 12 月发布，探讨了开发识别和身份验证 API 的技术问题，该 API 可用于实施具有无缝可扩展性的私人和公共管理的开放金融解决方案。第二份报告《通过 API 实现开放金融：支付启动报告》分析了两种用于支付启动的替代 API 架构，这两种架构均基于由中央验证器开发和维护的手机身份验证应用程序。第一种架构涉及使用独立应用程序对由中央验证器管理的每笔交易的客户进行身份验证。第二种架构涉及嵌入式功能，允许客户在完成中央验证器的身份验证应用程序的初始入职后使用他们的第三方应用程序。
表征和优化瑞典，加拿大和德国能源共享社区中的能源共享性能
在建筑社区内的点对点（P2P）可再生能源共享是一种有前途的解决方案，可以增强社区的自给自足，并缓解分布式可再生能源的部署增加所带来的网格压力。现有研究指出，建筑物社区的能源共享潜力受到各种因素的影响，包括位置，社区规模，可再生能源系统（RES）容量，能源系统类型，存储集成等但是，这些因素对建筑社区中能源共享潜力的影响尚未得到充分研究。不知道这些因素的影响可能会导致能源共享潜力降低，从而限制能源和经济表现的相关改善。因此，本研究对各种因素对建筑社区的能源共享性能的影响进行了全面分析。首先提出了两个绩效指标来量化能源共享性能：总能量共享和能量共享比率（ESR）。然后，基于三个国家的真实电力需求数据进行参数研究，以揭示这些因素如何影响拟议的起诉者，并改善自给自足，电力成本以及与电网的能源交流。接下来，开发了一种基于遗传算法的设计方法，以优化有影响力的参数，以最大程度地提高社区中的能量共享电位。研究结果表明，主要影响因素是RES容量比，PV容量比和储能系统容量。大型储能能力可以增强ESR。要达到最大化的ESR，最佳RES容量比应约为0.4〜1.1。在瑞典等高纬度地区，最大能量共享比率通常较小。这项研究表征了能源共享性能，并提供了一种新的观点，可以优化能源共享社区中能量系统的设计。它可以为将来的分布式可再生能源大量整合铺平道路。
通过知识图谱共享数据，实现可持续健康饮食
“语义网”是对当前网络的扩展，其中的信息被赋予了明确的含义，使计算机和人类能够更好地合作。” T. Berners-Lee、J. Hendler、O. Lassila，《语义网》，《科学美国人》，2001 年 5 月
全球经济中欧洲的近乎共同和远景
在2008 - 2009年的大衰退之后，世界经济真的进入了全球化的全球化或减速阶段？或者，我们是否正在经历重组价值链的重组阶段，并从全球转变为更具区域性的构造？越来越受欢迎的术语“近乎支撑”表明了欧洲，亚太地区和美洲价值链的采购和目的地方面的重要趋势，还是有区域性的趋势？最近针对其中一些问题的研究没有发现全球化的结论性证据，而是相对于“超全球化”时代（1986- 2008年）的全球化步伐放缓（Piatanesi和Arauzo-Carod 2019;Antràs2020;Antràs2020）。De- spite the extensive literature on globalization trends and the revived interest in the topic due to the emer- gence of the Covid-19 pandemic (Baldwin and Evenett 2020) and the war in Ukraine, empirical evidence on the reconfiguration of global value chains (GVCs) that takes into account both the sourcing (production) and destination (consumption) of value added within and across regional areas is still missing.同时考虑了GVC的来源和动态方面，对于设想在欧洲遵循的可能的策略和途径与公开战略自治的概念一致。本政策摘要应用（并进一步完善）良好的输入输出方法（Foster-McGregor and Stehrer 2013; Timmer et al。2014; Los等。2015）在最近发布的OECD INTER-CONTRITY输入输出（ICIO）2021数据集中，以阐明这些问题。我们发现了欧洲的非常清晰的结果，这表明GVC的来源和目的地的两个相反的趋势：欧洲越来越多地从该地区添加的增值（我们称为“近乎封建”），但在全球范围内添加了进出价值（我们称之为“远景”）。这两个趋势提出了有关欧洲GVC参与的新问题。一方面，它是由创新和国际竞争力驱动的，另一方面，在过去十年中，欧洲财政合并政策所带来的部分作用是由国内需求的收缩所扮演的。鉴于此，我们的证据表明，针对欧洲战略自治的政治应考虑到欧洲日益增长的依赖性
将资源共享计划转换为 DMS 计划
数据共享计划。拟议的研究将包括来自生活在相对有限的地理区域内的多达 354 名个人的生物材料库数据。最终数据集将包括自我报告的人口统计数据（年龄、性别）以及与研究相关的丝虫病和其他丝虫感染测试结果。即使最终数据集将被删除可识别信息，当地社区成员仍有可能从去识别数据库中推断出参与者的身份。因此，我们将在签署数据共享协议后，仅向经 PI 批准的相关方提供本研究的所有去识别数据。数据共享协议将包括以下指示：（1）仅将数据用于研究目的；（2）不识别任何个人参与者；（3）始终保护数据；（4）在分析完成后销毁或归还数据。研究结果公布后，已删除人口统计信息的参与者级别数据将作为补充数据发布和/或在研究所图书馆维护的数据存储库中公开提供。这项研究不包括模型生物的开发或大规模基因组研究。
脑肿瘤分类联邦学习环境中聚合模型的权重共享优化
正确的肿瘤分类将极大地帮助脑肿瘤的临床诊断和治疗。如果放射科医生使用深度学习帮助专家和医生检查大量的脑部 MRI 图像，则可以更快、更准确地诊断出脑肿瘤。训练过程需要大量数据集，并且必须将所有这些数据集中起来才能通过此类技术进行处理。由于医疗数据隐私法规，有时无法在集中式数据服务器上收集和分发患者数据。本文提出了联邦学习（FL），由于患者隐私问题，数据不可共享。使用 FL 方法，我们提出了两种聚合方法：第一种涉及对每个客户端的权重百分比进行排名；第二种是平均权重法。为了评估建议的模型，除了 SVM 和 VGG-16 之外，我们还比较了排名权重百分比方法与 FL 环境中提出的 CNN 和预训练（VGG-16）的平均权重的性能。实验结果应用于两个数据集，结果表明我们的模型准确率结果在使用排序权重百分比法时与其他方法相比非常有效，在数据集 (BT_large-1c) 上达到了准确率 (98%)，在数据集 (BT-large-2c) 上达到了准确率 (97.14%)。
已发表版本的引文（哈佛）：Nishimwe, A, Ruranga, C, Musanabaganwa, C, Mugeni, R, Semakula, M, Nzabanita, J, Kabano, I, Uwimana, A, Utumatwishima, JN, Kabakambira, JD 、 Uwineza, A、 Halvorsen, L、 Descamps, F、 Houghtaling, J、 Burke, B、 Bahati, O、 Bizimana, C、 Jansen, S、 Twizere, C、 Nkurikiyeyezu, K、 Birungi, F、 Nsanzimana, S 和 Twagirumukiza , M 2022, “利用人工智能和数据科学技术协调、共享、访问和分析卢旺达的 SARS-COV-2/COVID-19 数据（LAISDAR 项目）：研究设计和原理”，BMC 医学信息学和决策，卷22，214。https：//doi.org/10.1186/s12911-022-01965-9
摘要背景：自卢旺达爆发 COVID-19 疫情以来，已收集了大量 SARS-COV-2/COVID-19 相关数据，包括 COVID-19 检测和医院常规护理数据。不幸的是，这些数据分散在不同的数据结构或格式的孤岛中，无法用于增进对疾病的了解、监测其进展并生成指导预防措施的证据。该项目的目标是利用人工智能 (AI) 和数据科学技术协调数据集，以支持卢旺达政府监测和预测 COVID-19 负担的需求，包括医院入院率和总体感染率。方法：该项目将收集现有数据，包括医院电子健康记录 (EHR)、COVID-19 检测数据，并与社区调查的纵向数据相链接。观察性健康数据科学与信息学 (OHDSI) 的开源工具将用于通过观察性医疗结果伙伴关系 (OMOP) 通用数据模型 (CDM) 协调医院 EHR。该项目还将利用其他 OHDSI 工具进行数据分析和网络集成，以及 R Studio 和 Python。该网络将包括卢旺达多达 15 家医疗机构，其 EHR 数据将与 OMOP CDM 协调。预期结果：这项研究将产生一个技术基础设施，其中 15 家参与的医院和健康中心将在本地 Mac Mini（“数据节点”）上拥有 OMOP CDM 格式的 EHR 数据，以及一组 OHDSI 开源工具。中央服务器或门户将包含参与站点的数据目录，以及用于定义和管理分布式研究的 OHDSI 工具。中央服务器也会整合这些信息
大脑中的定向信息共享在感知双稳态过程中将感知与其后果区分开来
在寻找意识体验的神经基础时，感知及其认知后果通常会被混淆，因为在记录神经活动的同时，参与者会明确报告他们所经历的事情。在这里，我们提出了一种新颖的方法，使用基于卷积神经网络的眼动分析技术和基于信息论的神经动力学分析来将感知与报告区分开来。我们使用双稳态视觉刺激来实例化意识感知的两个众所周知的特性：整合和分化。在任何给定时刻，观察者要么将刺激视为一个整合的单一对象，要么视为两个明显不同的分化对象。使用脑电图，我们表明，当报告切换时，基于信息论的整合和分化测量与参与者对这些内容的感知体验密切相关。我们观察到在切换到整合感知之前，前电极与后电极（从前到后）之间的信息整合增加，并且在报告分化感知之前，前信号的信息分化更高。至关重要的是，信息整合与感知密切相关，甚至在无报告条件下也能观察到，因为感知转换仅从眼球运动推断出来。相反，神经分化与感知之间的联系仅在主动报告条件下观察到。因此，我们的结果表明，感知和报告需要不同数量的前后网络通信和前部信息分化：尽管从前到后的定向信息与感知内容的变化有关，无论报告如何，但前部信息分化在无报告条件下不存在，因此具有与感知本身没有直接联系的不同作用。
ENISA，能源部门信息共享活动.pdf
三菱在宣布这一事件时，并未解释为何在发现数据泄露后等待了这么久才公开这一消息。然而，其中的“迄今为止，尚未确认与此事相关的任何损害或影响”可能意味着该公司选择隐瞒信息，直到清楚了解数据泄露可能造成的影响为止。