XiaoMi-AI文件搜索系统
World File Search Systemtoolkits
概念说明共同创作研讨会，制定包容性和可持续商业国家行动计划
独立商业机构。在审查其职责、范围和能力，包括解决任何结构和能力差距之后，指定国家企业发展局（NEDA）作为牵头政府机构，负责与其他利益攸关方（包括工业部和可持续发展委员会）合作，制定和实施一份发展独立商业机构能力的路线图，供政府机构和企业使用。该路线图将确定企业在开发包容性和可持续商业模式方面的能力差距，以及学术和公共机构在推广此类商业模式方面的能力差距；确定目前在这些领域提供培训和能力建设的机构和组织；并提出措施（包括培训计划、教学课程和工具包），以加强提供商业培训和发展服务，支持独立商业机构。
2023 财年绩效评估摘要
• 通过成功运营放射性废物管理综合设施，支持国家安全综合设施和遗留清理废物处置。 • 履行监管承诺，完成一个废物单元的永久关闭；开设一个新的废物单元；准备最终文件以确保履行所有核燃料服务和解协议条款；并从内华达州环境保护部获得《资源保护和回收法》许可证的十年续期。 • 授予众多现场指导研究和开发探索性研究项目（50% 为新启动项目）。 • 进行研究和开发调查，以改进防扩散、应急响应和库存诊断组合工具包。 • 制定了一项科学和技术轮换计划，鼓励早期职业技术人员的指导和留任。 目标 4
主管 Alberto M. Carvalho - 100 天计划
洛杉矶联合教育委员会制定了坚实的目标，旨在提高学生的识字和算术能力、毕业率、中学后成功率以及学生和员工的社交和情感需求。我的工作是在这些目标的基础上扩大本学区的影响力，加大努力，改进我们的工具包，以优化我们对尚未实现的未来现实的应对。我预计会面临挑战，但我不知道有哪个学区或机构能够在没有一定程度的紧张、巨大的努力和与投资利益相关者的大量参与的情况下，有效地从优秀过渡到卓越。在我们已经开始的复苏期，尤其如此，这要归功于我们敬业的员工和家庭，他们以巨大的勇气和毅力承担了疫情期间学习的困难。
嵌入式系统的机器学习终极指南
对于我们在该领域工作的人，包括卡内基·梅隆（Carnegie Mellon）的人，这不是很大的启示。 “ du！ 当然可以！”这是许多人已经知道和正在努力的限制的学术证实 TechCrunch以典型的喘不过气来的方式报道，好像是新闻。 显然，记者不知道执行手势识别的许多市售产品（其中包括来自Thalmic Labs的Myo，使用其专有硬件，或其他20个提供SmartWatch工具的其他产品）。 看来，他也完全没有意识到商业上可用的工具包，以识别非常微妙的振动和加速度计，以检测机器条件，以检测噪音，复杂的环境（例如用于工业设备监控的现实AI解决方案），或检测可穿戴设备中的用户活动和环境（消费产品的现实AI）。对于我们在该领域工作的人，包括卡内基·梅隆（Carnegie Mellon）的人，这不是很大的启示。“ du！当然可以！”这是许多人已经知道和正在努力的限制的学术证实TechCrunch以典型的喘不过气来的方式报道，好像是新闻。显然，记者不知道执行手势识别的许多市售产品（其中包括来自Thalmic Labs的Myo，使用其专有硬件，或其他20个提供SmartWatch工具的其他产品）。看来，他也完全没有意识到商业上可用的工具包，以识别非常微妙的振动和加速度计，以检测机器条件，以检测噪音，复杂的环境（例如用于工业设备监控的现实AI解决方案），或检测可穿戴设备中的用户活动和环境（消费产品的现实AI）。
QPlane：一个用于...的开源强化学习工具包
强化学习 (RL) 是一个快速发展的研究领域，由于 RL 与游戏任务的兼容性，它主要应用于视频游戏领域。AI Gym 已成为强化学习研究的黄金标准工具包。不幸的是，像 AI Gym 这样的工具包针对基准目的进行了高度优化，可能并不总是适合现实世界类型的问题。此外，固定翼飞行模拟有特定要求，可能需要其他解决方案。在本文中，我们提出 QPlane 作为固定翼飞机 RL 训练的替代工具包。QPlane 的开发旨在创建一个用于固定翼飞机模拟的 RL 工具包，该工具包可轻松修改以适应不同的场景。QPlane 可复制且灵活，易于实现高性能计算，并且模块化，可快速更换环境和算法。在本文中，我们将介绍和讨论 QPlane 的细节以及概念验证结果。
![arxiv：2402.01077V2 [CS.LG] 2024年8月13日](/simg/g:\will\search\icon\source\e\e672fe4775405f421b214d0a805be57ec8a0e3a4.webp)
arxiv：2402.01077V2 [CS.LG] 2024年8月13日
电子健康记录（EHR）系统的开发已使大量数字化的患者数据收集。但是，由于其独特的特征，利用EHR数据进行预测建模带来了一些挑战。随着机器学习技术的进步，深度学习已经证明了其在包括医疗保健在内的各种应用中的优势。这项调查系统地回顾了使用EHR数据基于深度学习的预测模型的最新进展。特别是，我们介绍了EHR数据的背景，并提供了预测建模任务的数学定义。然后，我们从模仿的角度对预测性深模型进行了分类和总结。此外，我们提出了与医疗保健中预测建模相关的基准和工具包。最后，我们通过讨论公开挑战并提出承诺的指示来结束这项调查。
Rail Adapt - UIC - 国际铁路联盟
本框架文件阐述了气候变化的背景、相关问题以及应对气候变化的策略和工具包。它有助于铁路部门支持政府承诺，如《巴黎气候变化协定》、联合国可持续发展目标和国家适应计划。它提供了案例研究，展示了当今世界不同地区的铁路如何应对气候变化。它提供了技术和工具，这些技术和工具改编自风险管理的其他领域以及世界不同地区工程师、运营商和规划人员面对不同挑战的不同经验。您明天将面临的挑战今天正在世界上的某个地方由资产经理、铁路运营商、机车车辆工程师、情景规划师和许多其他人管理，本框架和指导文件旨在支持董事和部门经理预测和应对这些挑战
可解释的人工智能能解释不公平吗？评估可解释人工智能的框架
许多机器学习模型对人类来说是不透明的，它们做出的决策过于复杂，人类无法轻易理解。为了应对这种情况，人们创建了可解释的人工智能 (XAI) 工具来分析模型的内部工作原理。尽管这些工具在翻译模型行为方面实力雄厚，但批评人士担心 XAI 工具可能会成为一种“洗白”工具，误导用户相信有偏见或不正确的模型。在本文中，我们创建了一个框架，用于评估可解释的人工智能工具，评估内容包括它们检测和解决偏见和公平问题的能力，以及它们将这些结果清楚地传达给用户的能力。我们发现，尽管许多著名的 XAI 工具能够简化和解释模型行为，但它们缺乏在检测偏见方面可能至关重要的功能。开发人员可以使用我们的框架来建议对他们的工具包进行必要的修改，以减少诸如“洗白”之类的问题。
AI 风险管理框架：第二稿 | NIST
NIST 可信和负责任 AI 资源中心将托管 AI RMF、Playbook 和相关资源，以提供实施 AI RMF 的指导以及更广泛地推进可信 AI。欢迎随时贡献其他指导 - 这将构成资源中心内容的大部分。贡献可能包括 AI RMF 配置文件、解释性论文、文档模板、测量和评估方法、工具包、数据集、政策或拟议的 AI RMF 与其他资源（包括标准和框架）的交叉。最终，贡献可能包括 AI RMF 案例研究、框架采用和有效性的评论、教育材料、与可信 AI 管理相关的其他技术形式的技术指导以及其他实施资源。AI 资源中心预计将包括一个标准中心和一个指标中心，以及一个术语知识库和相关的技术和政策文件。
Rail Adapt - UIC - 国际铁路联盟
本框架文件阐述了气候变化的背景、相关问题以及应对气候变化的策略和工具包。它有助于铁路部门支持政府承诺，例如《巴黎气候变化协定》、联合国可持续发展目标和国家适应计划。它提供了案例研究，展示了当今世界不同地区的铁路部门如何应对气候变化。它提供了技术和工具，这些技术和工具改编自风险管理的其他领域以及世界不同地区工程师、运营商和规划人员面对不同挑战的不同经验。您明天将面临的挑战今天正在世界某个地方由资产经理、铁路运营商、机车车辆工程师、情景规划师和许多其他人管理，本框架和指导文件旨在支持董事和部门经理预测和应对这些挑战