XiaoMi-AI文件搜索系统
World File Search Systemvisualizations
南方公司服务技术组织
设计，建立和增强电力仪表板以及图形/可视化，将有助于管理人员和高管做出明智的业务决策，对支出治理委员会进行研究并创建信息包，从网络安全计划，为月度和季度指标流程提供支持，参与以下技术审查委员会/流程 - 技术验证过程（TVP），供应商风险评估（VRA）流程，企业安全建筑审查委员会（ES-ARB）。
2023-2028策略绩效报告51
这是有关2023-2028策略绩效的第一份报告。这引入了一种新的报告方法，以向委员会和董事会提供评估KPI绩效的评估，并概述整个全球基金合作伙伴的努力，以实现2023 - 2028年的战略。该报告利用2023-2028 M＆E框架1的所有组成部分的见解，以提供对衡量策略绩效的关键总体问题2的响应的多维视图。此报告也可以在OSKAR在线平台上找到，包括互动式可视化和数据下载的数据下载。本着不断学习和改进的精神，秘书处欢迎对这种新的战略绩效报告方法的反馈。
BLUE BOXER 扩展现实 (BBXR) 训练系统
Link 的专利自适应学习引擎通过系统和客观的基于规则的绩效和有效性衡量标准来提高任何飞行训练课程的培训效率。ALE 绩效监控和评估技术为教练和学生提供实时反馈，允许通过教练和自动化教学相结合的方式进行即时指导。凭借直观的用户界面和强大的可视化功能，ALE 可以成为教练的力量倍增器，他们可以同时跟踪多名学员，在必要时进行干预，并专注于教学和数据收集。借助 ALE 生物识别套件，教练还可以衡量学生的压力、参与度和认知工作量水平，从而让教练能够根据生物识别指标调节复杂性。
Charan Pushpathan Prabavathi
•使用Q学习，策略迭代和深度Q-NETWORKS开发和评估了MDP代理，实施了对跨多个领域实现最佳策略的顺序决策的代理。•实施了可解释的机器学习模型的实施功能工程技术和辩护转换，重点介绍了高风险决策域中的公平和偏见缓解。•使用多个可解释的AI框架（AIX360，Lime，Shap）分析了模型行为和决策边界，生成了可解释的解释和可视化，以评估模型预测和特征重要性。•为顺序规划域创建了马尔可夫决策过程模型和分层任务分析，通过价值/政策迭代和强化学习方法实现最佳政策。
BLUE BOXER 扩展现实 (BBXR) 训练系统
Link 的专利自适应学习引擎通过系统和客观的基于规则的绩效和有效性衡量标准来提高任何飞行训练课程的培训效率。ALE 绩效监控和评估技术为教员和学生提供实时反馈，允许通过混合教员和自动化教学进行即时指导。得益于直观的用户界面和强大的可视化功能，ALE 可以作为教员的力量倍增器，教员可以同时跟踪多名学员，在必要时进行干预，并专注于教学和数据收集。借助 ALE 生物识别套件，教员还可以衡量学生的压力、参与度和认知工作量水平，从而使教员能够根据生物识别指标调节复杂性。
技术问责报告 – 2024 年 8 月
网站并获准上线。该网站将向公众提供 2024 年债券计划的每日进度更新、用户友好的可视化和资源。它以 2017 年债券计划的透明度和功能为基础，同时增加了改进的现代设计 (UI/UX) 和可访问性标准。用户可以深入了解该计划的亮点，获取有关 10 项提案的信息，获取有关各个项目的详细信息和更新。该网站还集成了更新的交互式地图，提供了额外的可视化层。这些资源突出了多个团队之间的合作：用于网页设计和开发的 ITS Web 服务、ITS 应用程序 (Tririga)、公共工程、企业 GIS 和债券和建筑管理办公室。
2023 年纽约市数字无障碍报告
使用附录 1 中的调查工具，对每项 WCAG 标准进行测试并给出 0 到 1 之间的分数。例如，1.1.1 非文本内容涉及页面上出现的图像和其他非文本内容的数量。要进行评分，首先记录页面上的图像数量，然后记录每张图片的适当替代文本实例数。然后记录其他非文本内容可访问性的分数。然后根据这些分数计算平均值。例如，如果一个页面有六张图片，并且所有六张图片都有适当的替代文本，那么图片的分数就是 1。如果没有地图、数据可视化或 CAPTCHAS，那么总分就是 1。在具有这些功能的页面上，所有图片都会被平均以得出该标准的最终分数（即，图像：1，地图：.5，CAPTCHA：1 = 0.83）。
标题：可视化理论——有哪些？ - Brown CS
简介：可视化中的一个基本问题是，什么构成了“好的”可视化。一个相关的问题是，一种可视化是否比另一种更好。通常，这些难题是通过运行用户研究来解决的。然而，以归纳法通过事后用户研究评估可视化既不充分也不高效。理想情况下，我们希望有模型不仅能定义什么是好的可视化，还能告诉我们如何构建它们。从历史上看，一般理论是通过消除和/或统一特定领域中出现的竞争和互补理论而产生的。显然，我们需要更多此类可视化理论。在本小组中，我们将讨论可视化的示例理论，并思考它们之间的关系。
