XiaoMi-AI文件搜索系统
World File Search System专题的
通过约束闭包搭建分层控制架构：洞察大脑进化和发展
哺乳动物大脑的功能组织可以被认为是一种分层控制结构，但这种复杂系统是如何在进化过程中出现并在发育过程中构建的仍然是一个谜。在这里，我们通过约束闭包框架来考虑大脑组织，约束闭包被视为生命系统的一般特征，即它们由多个子系统组成，这些子系统在不同的时间尺度上相互约束。我们通过开发一种新的约束闭包形式来实现这一点，这种形式受到先前模型的启发，该模型展示了生命周期内动态如何约束生命周期间动态，并且我们展示了这种相互作用如何推广到多层系统。通过这个模型，我们在两个主要的约束闭包例子——生理调节和视觉定向的背景下考虑大脑组织。我们的分析引起了人们对分层大脑结构在多个时间尺度上自我支撑的能力的关注，包括皮质过程限制皮层下过程进化的能力，以及后者限制皮层系统自我组织和完善的空间的能力。本文是“通过进化论的视角看系统神经科学”专题的一部分。
基于语义标注的比较实验...
我们提出了一种参数方法 SemSim p，旨在测量数字资源的语义相似度。SemSim p 基于信息内容的概念，它利用参考本体和分类推理，包含对本体概念进行加权的不同方法。具体而言，可以通过考虑可用的数字资源或给定领域的参考本体的结构来计算权重。通过进行包括统计分析和专家判断评估的实验，针对文献中提出的概念集比较方法，对 SemSim p 进行了评估。为了实现可靠的评估，我们使用了基于计算机协会数字图书馆 (ACM) 的真实大型数据集，以及源自 ACM 计算分类系统 (ACM-CCS) 的参考本体。对于每种方法，我们都考虑了两个指标。第一个涉及从 ACM Transactions on Information Systems 期刊中选出的某些专题的论文之间相似性的置信度，第二个涉及与人类判断的 Pearson 相关性。结果表明，SemSim p 的其中一种配置优于其他评估方法。在物理学领域进行的附加实验表明，总体而言，SemSim p 比其他相似性方法提供更好的结果。
平台驱动创新：揭示研究和商业机会
管理请引用 Tabucchi D、Buganza T、Muzellec L、Ronteau S。平台驱动的创新：揭示研究和商业机会。Creat Innov Manag。2021；1-6。https://doi.org/10.1111/caim.12428 摘要越来越多的企业采用了平台商业模式。Airbnb、亚马逊、Facebook、谷歌、Salesforce 和 Uber 等平台公司是全球最有价值的公司之一，它们彻底改变了各自的行业。但什么是平台？有一个独特的定义吗？他们如何创新，他们在创新文献中的地位是什么？这篇社论文章探讨了这些问题。首先，它概述了平台的定义、它们的演变以及在当今经济中日益增长的相关性。然后，它介绍并阐述了本专题的六篇论文，这些论文位于平台和创新文献流的交汇处。在此过程中，提出了一个框架来阐述“平台驱动创新”这一新兴概念的背景。本文展示了平台在创新过程中扮演的不同角色，即简化者、催化剂或推动者。最后，本文提出了一些关于未来研究如何探索创新与平台之间交集的建议。关键词 双边平台；多边平台；数字平台；创新；商业模式创新
引用发布版本（APA）：Knap，V.，Beczkowski，S.M.，Vestergaard，L。K.和Stroe，D.-I。 （2022）。电池电流和温度任务
摘要 - 海与空间行业的分支机构，最近因负担得起的卫星平台而引起了极大的兴趣。为了适当的功能，如今，它们实际上依赖于锂离子电池作为瞬间的电源，而太阳能电池板产生的电源不足。因此，必须对电池进行彻底的测试，以确保它们提供足够的性能，寿命和安全性。在其他行业区域，例如电动汽车，通常使用任务程序（通常称为驾驶Pro Files）进行电池测试以密切模仿实践中经历的条件。但是，未公开反映立方体条件的任务专业人物。因此，本文提出了一种方法来获取任务专题的方法，并提出了代表性的任务程序，专门用于电池测试。所提出的方法基于来自三个GOMX Cubesats的分析遥测数据。首先，从遥测中获得电流特性，并在整个卫星上进行了概括，随后将用于任务合成。电池温度是电池性能和寿命的重要因素，并且可以在立方体中确定它非常动态。因此，提出了一个描述电池温度在其任务过程中的模型，以使能够产生逼真的温度任务专业文件。最后，电流和温度释放物被同步以捕获其对电池的相互影响，并配有适合于地面（实验室）测试的配方。
前言 神经形态人工智能硬件最新进展专题
随着当今人工智能的快速发展，迫切需要解决计算机系统巨大的能耗问题。当前的人工智能系统需要大量的计算处理，这会增加能耗。为了解决这个问题，迫切需要努力开发神经形态人工智能硬件。作为超高效计算的典范，人脑仅以 20 W 的功率运行，这激励人们努力模仿其能源效率。例如，脉冲神经网络的 CMOS 硬件比传统计算机系统上的人工神经网络更有效。神经形态人工智能硬件可以取得进一步的进展，以整合大脑功能，例如突触可塑性和海马行为。植根于材料科学的创新，例如复合材料，展现出信号处理、计算和内存存储的能力，与传统半导体方法相比，有望降低能源需求。此外，纳米材料随机网络中的非线性现象正在成为控制 AI 硬件功耗的关键储层计算设备。由于其化学结构和动力学，纳米材料随机网络提供了超出原始特性的多种应用。纳米材料科学与信息科学的融合预示着下一代 AI 系统的范式转变，以比传统半导体器件更低的制造成本促进低功耗、高密度边缘 AI 系统。本专题重点介绍了 2024 年 3 月举行的第五届神经形态 AI 硬件国际研讨会上讨论的主题。来自材料科学、大脑建模、集成电路和智能系统的专家齐聚一堂，探讨神经形态 AI 硬件。积极参与这个年度研讨会对于推进卓越高效的 AI 硬件至关重要。我们强调对推进神经形态 AI 硬件前沿的集体奉献，并向所有促成本专题的贡献者表示感谢。
在非洲建设知识经济：导言
致谢 我们要感谢编辑 David Canter 教授、John Connolly 教授和 Jacqueline Barnes 教授对本期专题的支持。 披露声明 作者未报告任何潜在利益冲突。 资金 本研究未得到任何组织的资助。 贡献者说明 Simplice Asongu 教授拥有牛津布鲁克斯大学的博士学位，目前是非洲治理与发展研究所（喀麦隆雅温得）的首席经济学家和主任；欧洲 Xtramile 非洲研究中心（比利时列日）的首席经济学家和主任以及“经济发展研究中心”（中非共和国班吉）的首席经济学家和联席主任。他还是：非洲增长研究所（南非开普敦）高级研究员；加纳大学（加纳阿克拉）的博士生导师；安提阿克大学（美国洛杉矶、圣巴巴拉、中西部、新英格兰、西雅图）和米德兰兹州立大学（津巴布韦圭鲁）；南部非洲管理学院（南非德班）工商管理博士导师，非洲研究网络（博茨瓦纳哈博罗内）、南非大学（南非比勒陀利亚）、布埃亚大学（喀麦隆布埃亚）和牛津布鲁克斯大学（英国牛津）研究助理。他还是《经济调查杂志》、《非洲商业杂志》、《新兴市场金融与贸易》和《非洲经济与管理研究杂志》等一些期刊的副主编。John 教授拥有两个博士学位——哥本哈根商学院的博士学位和奥尔堡大学的 Merc 博士学位。他是丹麦奥尔堡大学工商管理系国际管理名誉教授。他是约 20 本有关企业管理和国际化书籍的作者和/或编辑，并在经过审核的学术和专业期刊上撰写了约 150 篇有关企业发展、管理、营销和欧洲和非洲跨境企业间关系问题的文章。
巴西——国家官员的外国刑事管辖豁免
导言 1. 国际法委员会第七十三届会议一读通过了关于国家官员的外国刑事管辖豁免条款草案，并决定根据其《规约》第 16 至 21 条的规定，将其转交各国政府征求评论和意见(A/77/10，第 66 段)。 2. 继联合国秘书长就上述条款草案致函(LA/COD/61)之后，巴西谨提交以下评论和意见。巴西愿意与国际法委员会进行进一步对话，以协助其完成有关这一主题的工作。 一般性评论 3. 巴西赞扬国际法委员会一读通过条款草案，并感谢特别报告员康塞普西翁·埃斯科瓦尔·埃尔南德斯女士对这项工作的杰出贡献。巴西还赞赏前任特别报告员罗曼·科洛德金先生的工作贡献，并赞扬提名克劳迪奥·格罗斯曼·吉洛夫先生为本专题的新任特别报告员。 4. 国家官员的外国刑事管辖豁免对于确保其充分履行职能至关重要，特别是在他们不受现有多边公约保护的情况下。这种豁免对于促进国际争端的和平解决和国家间友好关系也至关重要，包括因为它允许国家官员参加外交会议和驻外国使团。 5. 它有助于国际关系的稳定，因为它可以防止滥用、任意和出于政治动机行使刑事管辖权来对付国家官员。 第一部分 — 范围和定义 6. 巴西欢迎国际法委员会在第 1 条中确定的国家官员免受另一国刑事管辖的范围。 7. 巴西同意，这些条款不应影响缔约国根据设立国际刑事法院和法庭的国际协定所享有的权利和承担的义务。在这方面，巴西赞同国际法委员会对第 1(3) 条中“在这些协定的缔约方之间”一词的评论。巴西强调，
社论：能源系统中的先进异常检测技术及其应用
异常检测是一个重要的课题，已在不同的研究领域和应用领域中得到深入研究。它通常涉及异常数据、不健康状态的检测和故障诊断，有助于保证工业系统的稳定性、安全性和经济性。随着智能工业和传感器系统的发展，大量数据变得唾手可得，但工业系统的异常检测面临着重大挑战。一个典型的例子是对能源相关系统的研究，如热能、可再生能源（如风能、光伏）、电动汽车等。这些系统涉及各种数据格式和更复杂的数据结构，使异常数据检测成为一项挑战。目前，在深度学习和大数据分析的发展下，能源系统异常数据检测已经取得了许多有希望的成果。然而，由于能源行业的复杂性，许多具有挑战性的问题仍未解决。能源系统异常检测的新技术和高级工程应用仍然吸引着广泛的学者和行业。本研究专题的目的是征集有关异常检测技术的最新发展和能源相关系统应用进展的论文。该主题可以涵盖与异常检测算法开发相关的技术，例如机器学习、数据挖掘、深度学习、图论、大数据等。可以涉及能源应用的各个方面，例如数据清理、能源系统的不健康评估、状态监测和能源相关行业中的故障诊断。特别关注与能源相关的系统，例如风能、光伏、热能、电动汽车 (EV) 开发等。经过论文研究主题和严格审查，327 位作者提交的 63 篇高质量文章最终被接受，以表彰他们为电力系统、可再生能源系统和其他工业系统的状态监测和异常检测研究所做的贡献。在基于变分模态分解和随机森林的系列电弧故障诊断论文中，赵等人。提出了一种基于变分模态分解和能量熵的方法提取串联电弧故障的特征量，进而完成故障检测。在论文《通过结合在线机器学习和统计分析的数据驱动方法顺序检测微电网不良数据》中，黄等人提出了一种顺序检测方法来检测能源管理系统（EMS）中的不良数据。
利用人工智能提高运动成绩
本专题的目的是为研究人员和从业人员提供一个机会，展示机器学习和人工智能在体育领域的最新进展。体育技术在最近几年的扩展使得收集的数据量以及测量和记录的属性范围和种类激增。这种海量的数据既带来了负担，也带来了机会来回答教练和运动员面临的一些至关重要的问题。我如何才能更有效地训练，如何才能更有竞争力，如何才能避免受伤？在许多情况下，传统统计技术的适用性已被耗尽，机器学习方法已被应用、调整和开发来分析体育数据。1995 年，Lapham 和 Bartlett 描述了人工智能 (AI) 具有支持和改善体育决策的潜力，并加快了分析过程，为专家腾出了时间和资源。从那时起，人们就提倡使用机器学习 (ML) 来构建这样的决策支持系统 (Robertson, 2020)。机器学习可以应用于体育运动，带来诸多好处，包括：自动或半自动收集数据、将数据（预）处理为有意义的信息、了解哪些信息对健康和表现很重要，以及最终帮助教练和运动员做出复杂的决策。精英教练和运动员经常利用他们的经验、知识和直觉做出成功的决定。然而，一些关键的决定非常困难，因为要考虑的因素数量及其相互作用太复杂。如果有合适的数据，机器学习方法可用于创建支持复杂决策的模型。本研究主题中的许多文章代表了对现有机器学习方法的调整和新机器学习方法的开发，这些方法解决了体育运动中实际且重要的问题并带来了许多上述好处。在改进数据收集和处理方面，Hosp 等人创建了一个深度学习工具来自动对足球守门员的感知表现专业水平进行分类，而 van Dijk 等人则创建了一个深度学习工具来自动对足球守门员的感知表现专业水平进行分类。描述了他们在惯性测量单元数据处理方面的进步如何产生有关轮椅运动中身体位置的更准确信息。此外，Schmid 等人创建了一个工具来自动识别美式足球中基于战术模式的球员轨迹，并使用这些自动注释来创建防守方案和表现的模拟。开发新的措施来评估个人和团队表现是本研究主题中大多数研究的重点。Anzer 和 Bauer