XiaoMi-AI文件搜索系统
World File Search System主观性
为电池储能系统所有者和运营商提供主动急救服务
电池储能系统 (BESS) 在未来电网中发挥着重要作用，但前提是它们能够以环保、安全、可靠和经济的方式进行设计、运行和退役。BESS 及其相关技术的演变速度快于安全规范和标准的制定速度。尽管规范开发过程不断更新和变化，但仍有许多安全设计行动和应急计划流程可供选择。在 BESS 开发过程中考虑这些选项变得越来越重要，因为过去四年中，全球各地 30 多个设计和应用各异的大型 BESS 都经历了灾难性的故障 (EPRI 2021a)。安全评估的主观性以及所有权模式可以决定安全管理和责任的观察等问题也在强大的安全管理中发挥作用 (EPRI 2021c；EPRI 2021d)。因此，迫切需要洞察力、指导方针和最佳实践来创建安全有效的 BESS 设计和使用。同样需要向一系列必要的利益相关者清晰有效地传达这些信息，包括第一响应组织，他们必须做好准备，在发生故障时安全地缓解紧急事件（例如破坏性火灾）。
Leminal Huyghe
Liminal是Pierre Huyghe与策展人Anne Stenne密切合作的展览，它与过去十年来的作品一起展示了主要的新作品，尤其是Pinault Collection。皮埃尔·惠格（Pierre Huyghe）从那以后一直质疑人与非人类之间的关系，并将他的作品视为投机性小说，从中出现了世界其他方式。小说是“访问可能或不可能的工具，可能是或不能成为可能的东西”。 Pierre Huyghe使用Liminal，将Punta Della Dogana转变为一种持续发展的动态，敏感的环境。展览是人类和非人类生物居住的暂时性状态，成为不断学习，改变和杂交的主观性形成的所在地。他们的记忆正在扩大，从渗透到展览中的事件中捕获的事件（既可见又不看不见）的信息正在扩大。对于Pierre Huyghe来说，展览是一种不可预测的仪式，在没有层次结构或确定性的情况下产生新的可能性并共存。与Liminal一起，他称我们对现实的看法受到质疑，好像我们从人类以外的其他角度变得对自己变得陌生。
基于脑电图的心脏骤停后预测的深度学习：从当前研究到未来临床应用
心脏骤停 (CA) 后昏迷患者的结果预测至今仍是一个难题。临床结果的主要决定因素是缺氧/缺血后脑病。脑电图 (EEG) 通常用于评估昏迷患者的神经功能。目前，基于 EEG 的结果预测依赖于医学专家的视觉评估，这既耗时又容易产生主观性，并且无法识别复杂的模式。深度学习领域催生了用于在大量数据中检测模式的强大算法。因此，使用深度神经网络分析昏迷患者的 EEG 信号以协助结果预测是这些算法的自然应用。在这里，我们提供了关于使用深度学习进行 CA 后预测的第一篇叙述性文献综述。现有研究表明，无论是依靠自发或听觉诱发的 EEG 信号，在预测结果方面都具有总体较高的性能。此外，文献关注算法的可解释性，并表明深度神经网络在很大程度上基于临床或神经生理学上有意义的特征做出决策。我们通过讨论人工智能和神经病学领域未来需要共同解决的问题来结束这篇评论，以便深度学习算法能够打破出版障碍并融入临床实践。
人与机器之间的相互作用平面
人工智能领域和其他相关学科的动态技术发展（例如机器人技术）为提出新的研究问题的空间，这需要社会交流和媒体科学反思。ai以具体的机器人，无形的社交机器人，配音机器人，聊天机器人和数字软件的形式进入了社交交流的世界，并成为了固有的组成部分。当代，技术上越来越高级的工具在交流过程中发挥了对话者的作用，因此，人类和机器之间正在创建新的动态形式的互动，关系和协作。这篇理论文章旨在提出新兴的文章 - 但从社会传播和媒体科学的角度来看 - 旨在与人类合作的当代机器的研究领域。作者重点介绍文本中的三个关键问题：1）从学科的角度，术语中划分专业，这些术语在工程和技术科学领域都有诺斯； 2）显示人与机器之间的新互动区域； 3）在此主题中对方法进行综合概述。因此，所进行的考虑是为了提出进一步分析非人类主观性在社会交流中的作用和意义的起点的尝试。
9（情感）
在她的文章中，伯大尼·米兰达·史密斯（Bethany Miranda Smith）研究了在技术资本主义时代构成主观性的人格化和自我参考性的悖论。她说明了数字消费和精神病医学的过度如何影响抑郁，创伤和分散时间的经历。乔治·格里菲斯（George Griffiths）通过探索约翰·科尔特兰（John Coltrane）的作品以及创造爵士乐的逐步过程来研究爵士乐，情感和灵性的相互作用。哈丽雅特·鲍尔（Harriet Ball）通过卡罗尔·吉利根（Carol Gilligan）的“统治”以及她的作品对道德哲学的影响探讨了伦理学中情感的遗产。拉斐尔·亨利（Raphael Henry）在获得幸福时深入研究了爱的心理和哲学上的必要性。Bentham Digest的目的是尽可能多地包括各种视角，以期使所有人都可以访问令人兴奋的哲学写作。因此，与以前的问题一样，我们接受了UCL学生和UCL以外的学生的意见。本期所包含的文章是个别贡献者的意见。与第8期一样，我们决定将一篇文章纳入UCL哲学教授的建议，内容涉及他们最近喜欢阅读，听或观看的哲学相关内容。
神经科学方法杂志
背景：一种可靠的生物标志物来识别负责产生癫痫发作的皮质组织以指导癫痫的预后和治疗。组合的尖峰波纹事件是癫痫组织的有前途的生物标志物，目前需要专家审查才能准确识别。本专家审查是耗时且主观的，限制了可重复性和高通量应用程序。新方法：为了解决此限制，我们开发了一种用于尖峰纹波检测的完全自动化方法。该方法由一个卷积神经网络组成，该卷积神经网络训练以计算频谱图像包含尖峰纹波的概率。结果：我们在专家标记的数据上验证了所提出的尖峰纹波检测器，并表明该检测器准确地分离了具有低癫痫发作风险的受试者。与现有方法的比较：所提出的方法以及需要手动验证候选尖峰纹波事件的现有方法。引入完全自动化的方法可降低主观性，并增加此癫痫生物标志物的严格性和可重复性。结论：我们介绍并验证了完全自动的尖峰纹波探测器，以支持在临床和翻译工作中使用该Epilepsy Biomarker的利用。
修复破损经济：从国际维修人员访谈研究中汲取的循环经济经验
摘要：用循环经济形式取代支离破碎的线性经济以帮助解决当前的可持续性危机的想法正在全球政策、行业和学术界获得关注。本文介绍了对 34 名不同领域的修复从业者和专家进行的国际访谈研究的结果。本文旨在提高对修复潜力的理解，从而为更公正、可持续和循环的经济做出贡献。通过五步定性方法，结果揭示并探索了修复中固有的三种张力：首先，修复活动构成了不同形式的主观性；其次，修复涉及不同的、有时是有争议的时间性；最后，尽管修复在实践中具有深刻的政治性，但修复的政治性并不总是明确的，一些修复活动被积极地去政治化。这些张力中体现的机遇和障碍在修复实践和辩论中具有生成性，但在当代循环经济话语中却反映不佳。我们得出结论，对修复有更丰富、更包容和更政治化的理解可以支持循环经济 (CE) 实施中的环境正义，并为公正和变革性的可持续发展战略和政策提供更多机会。
基于物联网的土壤 pH 值检测和作物推荐...
摘要：农业生产力取决于土壤肥力，受氮、磷、钾、pH 值和土壤水分等关键因素的影响。然而，由于农民知识有限，难以确定精确的肥料用量，因此实现最佳作物生长具有挑战性。传统的土壤分析方法涉及人工取样和昂贵的实验室测试，这些方法具有主观性。为了解决这个问题，提出的解决方案将支持物联网的土壤养分监测与机器学习算法相结合，以提供作物推荐。传感器收集有关氮、磷和土壤温度等关键参数的数据，并将其传输到基于云的数据库。机器学习分析这些数据以建议理想的作物，最大限度地减少化肥使用，减少劳动力，提高整体生产力。这种创新方法简化了作物选择，最大限度地减少了不必要的投入，同时最大限度地提高了产量。通过利用物联网和机器学习，农民可以获得有关土壤健康的宝贵见解，从而实现精准施肥和作物选择。这不仅可以提高农业生产力，还可以通过促进可持续实践和提高产量来促进经济增长。关键词：农业产量、作物推荐、机器学习、土壤行为分析。
视觉变压器用于角膜共聚焦显微镜图像中糖尿病周围神经病的自动检测
糖尿病周围神经病（DPN）的早期检测和管理对于降低相关的发病率和死亡率至关重要。角膜共聚焦显微镜（CCM）促进了角膜神经的成像，以检测DPN的早期和进行性神经损伤。然而，它的更广泛的采用受到手动神经量化的主观性和时间密集型性质的限制。这项研究研究了CCM图像的二元分类，以区分健康对照和DPN个体的二元分类，研究了最先进的视觉变压器（VIT）模型的诊断实用性。还将VIT模型的性能与先前使用CCM图像用于DPN检测的卷积神经网络（CNN）进行了比较。使用大约700 ccm图像的数据集，VIT模型达到了0.99的AUC，灵敏度为98％，特定的92％，而F1得分为95％，超过了先前报道的方法。这些发现突出了VIT模型作为基于CCM的DPN诊断的可靠工具的潜力，从而消除了对耗时的手动图像分割的需求。此外，结果增强了CCM作为检测神经损伤的非侵入性和精确成像方式的价值，尤其是在神经病相关的疾病（例如DPN）中。
使用人工智能对肝细胞癌的预后
肝细胞癌（HCC）是一种生物学上异质性肿瘤，其特征是不同程度的侵袭性。当前的HCC治疗策略主要取决于整体肿瘤负担，并且由于其异质性而无法解决HCC患者的多种预后。因此，使用成像数据对HCC的预后对于优化患者管理至关重要。尽管已证明某些放射学特征表明了HCC的生物学行为，但HCC预后的传统放射学方法基于视觉上评估的预后发现，并且受主观性和观察者间的变异限制。因此，人工智能已成为基于图像的HCC预后的有前途的方法。与传统的放射学图像分析不同，基于放射素学或深度学习的人工智能利用了许多图像衍生的定量特征，可能对肿瘤表型提供客观，详细和全面的分析。人工智能，尤其是放射线学在各种应用中都表现出了潜力，包括预测微血管入侵，局部治疗后的复发风险以及对全身治疗的反应。本评论重点介绍了人工智能在HCC的预后及其局限性和未来前景中的潜在价值。关键字：放射线学；深度学习；人工智能;机器学习；肝细胞癌；肝瘤；肝;癌症;恶性；肿瘤