XiaoMi-AI文件搜索系统
World File Search Systemsito
人工智能风险存储库：人工智能风险的综合元审查、数据库和分类
人工智能 (AI) 带来的风险引起了学术界、审计师、政策制定者、AI 公司和公众的极大关注。然而，缺乏对 AI 风险的共同理解会阻碍我们全面讨论、研究和应对这些风险的能力。本文通过创建 AI 风险存储库作为共同的参考框架来解决这一差距。这包括一个从 43 个分类法中提取的 777 个风险的动态数据库，可以根据两个总体分类法进行过滤，并通过我们的网站和在线电子表格轻松访问、修改和更新。我们通过系统地审查分类法和其他结构化的 AI 风险分类，然后进行专家咨询，构建了我们的存储库。我们使用最佳拟合框架综合来开发我们的 AI 风险分类法。我们的高级人工智能风险因果分类法根据其因果因素对每种风险进行分类 (1) 实体：人类、人工智能；(2) 意向性：有意、无意；和 (3) 时间：部署前；部署后。我们的中级人工智能风险领域分类法将风险分为七个人工智能风险领域：(1) 歧视和毒性，(2) 隐私和安全，(3) 错误信息，(4) 恶意行为者和滥用，(5) 人机交互，(6) 社会经济和环境，以及 (7) 人工智能系统安全、故障和局限性。这些进一步分为 23 个子域。据我们所知，人工智能风险存储库是首次尝试严格整理、分析和提取人工智能风险框架，将其整合到一个可公开访问、全面、可扩展且分类的风险数据库中。这为以更协调、更一致、更完整的方式定义、审计和管理人工智能系统带来的风险奠定了基础。
都灵理工大学信息库 - CORE
本文介绍了创新型遥控 ETF 飞艇 1 的技术演示器的地面测试。测试活动旨在验证 ETF 的飞行控制系统，该系统基于推力矢量技术，与飞艇结构一起代表了 ETF 设计的一项重大创新。都灵理工学院航空航天系的一个研究小组与意大利一家小型私营公司 Nautilus 合作，几年来一直致力于 ETF (Elettra Twin Flyers) 的研究。这艘飞艇是遥控飞艇，具有高机动能力和良好的操作特性，即使在恶劣的大气条件下 2 。Nautilus 新概念飞艇具有结构和适当的指挥系统，使飞行器能够在正常和强风条件下进行向前、向后和侧向飞行以及以任何航向悬停。为了实现这些功能，ETF 演示器 3 采用了非常规的架构，该架构基于双船体，带有中央平面外壳结构、螺旋桨、机载电气系统和有效载荷（图 1）。作为主要指挥系统，气动控制面被六个螺旋桨取代，这些螺旋桨由电动机驱动，可在整个飞行范围内控制和操纵飞艇。本文分析了初步测试运行的结果，并将功率需求与专为 ETF 演示器 4 开发的燃料电池系统的性能进行了比较。I 简介 低成本多用途多任务平台 Elettra-Twin-Flyers (ETF) 正在由 Nautilus S.p.A 和都灵理工大学 [1] 合作开发。这是一种非常创新的遥控飞艇，配备了高精度传感器和电信设备。由于其独特的特点，它特别适合内陆、边境和海上监视任务以及电信覆盖范围扩展，特别是在那些无法进入或没有传统机场设施且环境影响是主要关注点的地区。ETF 的特点是机动性强，风敏感度低 [2]。飞行条件包括前向、后向、侧向飞行和悬停，无论是在正常风况下还是在强风条件下。为了实现这些能力，ETF 采用了高度非传统的架构。设计的关键点是创新的指挥系统，它完全基于由电动机驱动的推力矢量螺旋桨，由氢燃料电池供电。ETF 概念来自监视和监控目的。该飞艇设计具有很强的机动性，可以满足高水平的任务要求，可以操作高度专业化的仪器，例如轻型合成孔径雷达 (SAR) 系统或电光 (EO) 红外摄像机或高光谱传感器。为了满足平均监视要求，该系统的最低续航时间为 48 小时，可延长至 72 小时，高度操作范围为 500 至 1500 米。
电池 - CERES研究存储库
摘要：将电池保持在特定温度范围内对于安全性和效率至关重要，因为极端温度会降低电池的性能和寿命。此外，电池温度是电池安全法规的关键参数。电池热管理系统（BTMS）在调节电池温度方面是关键的。虽然当前的BTMS提供实时温度监测，但缺乏预测能力却构成了限制。本研究介绍了一种新型混合系统，该系统将基于机器学习的电池温度预测模型与在线电池参数识别单元相结合。标识单元不断实时更新电池的电气参数，从而提高了预测模型的准确性。预测模型采用自适应神经模糊推理系统（ANFIS），并考虑了各种输入参数，例如环境温度，电池电流温度，内部电阻和开路电压。该模型通过基于实时数据动态调整热参数来准确地在有限时间范围内准确预测电池的未来温度。实验测试是在一系列AMB温度范围内对锂离子（NCA和LFP）圆柱细胞进行的，以在不同条件下验证系统的准确性，包括电荷状态和动态载荷电流。提议的模型优先考虑简单，以确保实时的工业适用性。
DNA渲染：高度...
。DNA渲染提出了几个吸引人的属性。首先，我们的数据集包含1500多名人类受试者，5000个运动序列和67。5 m帧的数据量。在大规模的收藏中，我们为人类受试者提供了巨大的姿势动作，身体形状，衣服，配饰，发型和物体交集，范围从日常生活到专业场合的几何形状和外观差异。第二，我们为每个主题提供丰富的资产 - 2D/3D人体关键点，前景口罩，SMPLX型号，布/配件材料，多视图图像和视频。这些资产提高了当前方法在下游渲染任务上的准确性。第三，我们构建了一个专业的多视图系统来捕获数据，该系统包含60个具有最大4096×3000分辨率，15 fps速度和船尾摄像头校准步骤的同步摄像机，以确保用于任务培训和评估的高质量资源。
在昆虫中微生物和寄生虫存在期间的免疫代谢调节
多细胞生物生活在包含各种营养和各种微生物群落的环境中。一方面，生物体的免疫反应可以保护外源微生物的侵入。另一方面，生物体的合成代谢和分解代谢的动态协调是生长和繁殖的必要因素。由于产生免疫反应是一种能量密集型过程，因此免疫细胞的激活伴随着代谢转化，使ATP和新生物分子的快速产生。在昆虫中，免疫和代谢的协调是应对环境挑战并确保正常生长，发育和繁殖的基础。在通过致病性微生物激活昆虫免疫组织期间，不仅可以增强有机资源的利用，而且活化的免疫细胞也可以通过产生信号来篡夺非免疫组织的营养。同时，昆虫的体内也有共生细菌，这可以通过免疫 - 代谢调节影响昆虫的生理。本文从昆虫组织的角度（例如脂肪体，肠道和血细胞）回顾了昆虫免疫代谢调节的研究进度。在这里阐述了微生物（致病细菌/非病原细菌）和寄生虫对免疫代谢的影响，这为揭示昆虫和哺乳动物的免疫代谢机制提供了指导。这项工作还提供了见解，以利用免疫代谢来制定害虫控制策略。
肯特学术存储库
抽象的胚泡是最普遍的肠道真核微生物，对人类和动物健康都有重大影响。尽管进行了广泛的研究，但其致病性仍然存在争议。成本动作Ca21105，“一个健康状况下的胚泡”（OneHealthBlastocystis），旨在通过促进一个多学科网络来弥合我们理解的差距。该计划的重点是开发标准化的诊断方法，建立全面的亚型和微生物组数据库，并通过教育和协作来促进能力建设。该动作构成了五个工作组，每个工作组都针对胚泡研究的特定方面，包括流行病学，诊断，“ OMICS Technologies”，体内和体外研究以及数据传播。通过整合医学，兽医，公共和环境健康的进步，该计划旨在协调诊断，改善公共卫生政策并促进创新研究，最终增强我们对胚泡及其在健康和疾病中的作用的理解。这种合作的工作有望导致大幅进步和实际应用，从而使科学界和公共卫生受益。
Rothamsted存储库下载
摘要：小麦是一种主食，在全球范围内消耗是淀粉和蛋白质的主要来源。近年来，全球小麦的摄入量有所增加，总体而言，小麦被认为是健康食品，尤其是在用全谷物制成产品时。然而，通常通过烘烤和/或烤面包在食用之前几乎总是对小麦进行处理，这可能导致形成有毒加工污染物的形成，包括丙烯酰胺，5-羟基甲基甲基膜（HMF）（HMF）和多环状芳族芳族芳族氢碳酸盐（PAHS）。丙烯酰胺主要由自由（可溶性，非蛋白质）天冬酰胺形成，并在Maillard反应中减少糖（葡萄糖，果糖和麦芽糖），并分类为2A组致癌物（可能与人类的致癌物）。它还具有高剂量的神经毒性和发育作用。HMF也是在Maillard反应中产生的，但也可以通过果糖或焦糖化的脱水来形成。经常在面包，饼干，饼干和蛋糕中发现。其分子结构指向遗传毒性和致癌风险。pah是一大类化合物，其中许多是遗传毒性，诱变，致伤性和致癌性。它们主要是由于有机物的不完全燃烧而在油炸，烘烤和烧烤期间形成的。可以随着食谱和加工参数的变化以及有效的质量控制措施而降低这些加工污染物的生产。但是，在丙烯酰胺和HMF的情况下，它们的形成也高度取决于谷物中前体的浓度。在这里，我们回顾了这些污染物的综合，影响其生产的因素以及可以采取的缓解措施以减少小麦产品中的形成，重点是遗传学和农学的作用。我们还审查了全球食品安全部门通过的风险管理措施。
传感器 - CERES研究存储库
脑电图（EEG）是一种广泛认识的非侵入性方法，用于囊化脑生理活性。在大多数医院环境中，它的成本效益，可移植性，易移，管理便利性和广泛可用性而脱颖而出。与其他关注解剖结构（例如MRI，CT和fMRI）的神经影像模式不同，EEG擅长提供超高的时间分辨率，这是对脑功能的深入了解的重要资产[1]。脑电图数据的经验解释主要依赖于不同生物学状态（例如，觉醒与睡眠[2]）和阵发性和形态学特征[3]的鉴定（例如，觉醒与睡眠[2]）以及常见的放电[4]。对外部刺激和激活程序的反应性，例如间歇性的光刺激或过度换气，在EEG分析中也起着显着的作用[5，6]。尽管这些实际方法在许多情况下很有价值，但它们通常没有捕获大脑网络各种解剖成分之间的复杂，动态和非线性相互作用。这些相互作用经常隐藏在脑电图记录中，超过了训练有素的医生的观察能力。这种监督得到了各种神经疾病的大量证据的支持，包括癫痫，神经退行性痴呆症，神经精神病学和运动障碍以及正常的认知范式[7]。此外，脑电图数据本质上是非平稳的，并且易受噪声来源的敏感，尤其是频率干扰。因此，从原始脑电图数据中有效删除噪声是要提取有意义的信息，以准确反映大脑活动和状态[8]。近年来，基于机器学习的方法吸引了相当大的关注，因为它们在嘈杂的脑电图记录中针对各种应用程序揭示了基本模式的特殊能力。本期特刊是传播EEG信号预处理，建模，分析及其应用中原始高质量研究的平台，特别关注机器学习和深度学习技术的利用。所涵盖的申请范围包括以下内容：•医疗保健申请，包括癫痫（贡献1-3）和麻醉（贡献4）； •与情感有关的研究（贡献5-7）； •运动图像研究（贡献8-10）； •研究外部刺激（贡献11-13）； •有关心理工作量的研究（贡献14-15）； •满意度的研究（贡献16）。
摘要 - Adi Buana 存储库
写作是语言活动的一部分，与阅读和口语密不可分。在写作技能的培养过程中，存在词汇量不足、句子结构难以构成等错误。因此，需要创新性的努力，其中之一就是运用模型以及针对学习需求的教学技巧。生成模型属于思维导向型教学方法，以问题解决为基础。本研究旨在探究学习成果的差异，以及在序列图像辅助下，生成模型在SDN Keboan Anom小学五年级学生学习叙事性文章写作方面的有效性。
Rothamsted 存储库下载
1 植物科学系，罗瑟姆斯特德研究中心，哈彭登 AL5 2JQ，英国 § 现地址：约翰·英纳斯中心，诺维奇研究园，诺维奇 NR4 7UH，英国 *通讯地址：vladimir.nekrasov@rothamsted.ac.uk 电话：+44 (0)1582 938 292 FH ORCID：0000-0002-0215-3209；VN ORCID：0000-0001-9386-1683 关键词：CRISPR、Cas9、植物、基因组编辑、Golden Gate、MoClo