XiaoMi-AI文件搜索系统
World File Search System习性
BCI、关系伦理和健全主义习性
1 David Kinney 和 Liam Kofi Bright (2023) 认为，特权群体应该忽略告知他们特权的信息，这是 Buchak 的风险规避理性模型 (2010, 2013) 所期望的。也就是说，那些拥有特权社会地位的人应该忽略那些告知他们有利于他们的实际社会不平等的信息。这甚至适用于那些已经努力让自己接受了解特权的潜在情感成本的人，因为在他们的模型中，无知不是源于意图或主动偏见，而是源于风险规避者的行为方式。如果有人预计警察和其他权威人士的审查较少，他们可能会从事风险更大的行为，否则这些行为的预期收益会更高。为了避免这种风险，精英代理人只是“不予理睬”，以免了解可能理性地激励他们承担更大社会风险的社会优势。由此他们认为，信息 DEI 培训成本高昂且无效。
无人机系统指挥与控制的人机界面（HMI）可学习性研究
复杂的无人机系统 (UAS) 的运行涉及人与机器之间的复杂交互。与其他航空领域不同，这些领域的技术进步蓬勃发展，以适应国家空域系统 (NAS) 的现代化，而 UAS 和 UAS 用户界面设计的科学范式却很少受到研究关注，并且几乎没有做出任何努力来收集准确的数据以评估当前 UAS 人机界面 (HMI) 表示对指挥和控制的有效性。随着联邦航空管理局 (FAA) 推进到 2025 年将 UAS 全面整合到 NAS，UAS HMI 可用性成为主要的人为因素问题。本研究考察了行业标准 UAS HMI 的系统可学习性，因为现有的可用性数据很少，无法支持新的和创新的指挥和控制用户界面设计的最新水平。本研究收集了与 ISO 9241-11 规定的三类客观可用性测量相关的数据。这三类包括：(1) 有效性、(2) 效率和 (3) 满意度。收集因变量的数据结合了视频和音频记录、带时间戳的模拟器数据日志和 SUS 调查工具，调查对象为 45 名没有或具有不同程度常规飞行经验的参与者（即私人飞行员和商业飞行员）。研究结果表明，与飞行员经验较少或没有飞行员经验的参与者相比，具有高水平常规飞行经验（即商业飞行员证书）的人表现最出色。完成率的单因素方差分析 (ANOVA) 计算显示，受试者第三次试验具有统计学意义 [F (2, 42) = 3.98, p = 0.02]。使用 Bonferroni 校正的事后 t 检验显示，低飞行员经验组（M = 40%，SD =. 50）和高经验组（M = 86%，SD = .39）之间的完成率具有统计学意义 [t (28) = -2.92, p<0.01]。对第三次试验的错误率和完成率进行的评估也表明，与飞行员经验较少的组（M = 9.53，SD = 12.63）相比，飞行员经验较多的组在第三次试验中犯的错误较少（M = 2.44，SD = 3.9）。
无人机系统指挥与控制的人机界面 (HMI) 可学习性研究
本演示文稿由 Scholarly Commons 的会议免费提供给您，供您开放访问。它已被 Scholarly Commons 的授权管理员接受纳入国家训练飞机研讨会 (NTAS)。欲了解更多信息，请联系 commons@erau.edu 。
使用量子神经网络进行早期乳腺癌检测的研究
摘要 计算机辅助图像诊断 (CAD) 已用于诊断医学的许多领域。它在很大程度上依赖于经典的计算机视觉和人工智能。量子神经网络 (QNN) 已被世界各地的许多研究人员引入，最近由微软、谷歌和 IBM 等研究公司提出。本文对使用 QNN 算法进行基于机器的乳腺癌检测的有效性进行了调查。为了验证 QNN 的可学习性，与经典卷积神经网络 (CCNN) 一起进行了一系列可学习性测试。QNN 是使用 Cirq 库构建的，以在经典计算机上执行量子计算的同化。进行了一系列调查，以研究 QNN 和 CCNN 在相同计算条件下的可学习性特性。针对真实的乳房 X 线照片数据集进行了比较。调查显示在数据识别和训练方面取得了成功。我们的工作表明，与 CCNN 相比，QNN 在成功训练和为较小数据集生成有效模型方面表现更好。
查看/打开 - Refubium - 柏林自由大学
从样本中学习概率分布的任务在自然科学中无处不在。局部量子电路的输出分布形成一类特别有趣的分布，对量子优势提案和各种量子机器学习算法都至关重要。在这项工作中，我们对局部量子电路输出分布的可学习性进行了广泛的描述。我们的第一个结果深入了解了这些分布的高效可学习性和高效可模拟性之间的关系。具体而言，我们证明与 Cli ˚F 电路相关的密度建模问题可以得到有效解决，而对于深度 d = n Ω (1) 电路，将单个 T 门注入电路会使这个问题变得困难。这个结果表明，高效的可模拟性并不意味着高效的可学习性。我们的第二组结果深入了解了量子生成建模算法的潜力和局限性。我们首先表明，对于任何学习算法（无论是经典算法还是量子算法），与深度 d = n Ω (1) 局部量子电路相关的生成建模问题都很难解决。因此，人们无法使用量子算法来获得这项任务的实际优势。然后我们表明，对于各种最实际相关的学习算法（包括混合量子经典算法），甚至与深度 d = ω (log( n )) Cli ˚F 电路相关的生成建模问题也很难解决。这一结果限制了近期混合量子经典生成建模算法的适用性。
加州大学国家橄榄球联盟
这本书讲述了那些曾经繁衍生息、自立门户、如今已不复存在的动物的历史。兰克斯特教授对这些奇怪生物的有趣叙述，无论年轻还是年长，都会喜欢。其中一些生物在数百万年前就灭绝了，而另一些则留在了我们的记忆中。作者对发现这些现存遗骸的描述，以及它们可能的习性和功能，都
大理石海鸠的生态和保护
大理石海鸠 ( Brachyramphus marmoratus ) 长期以来一直被认为是太平洋西北地区的神秘鸟类，因为鸟类学家对其筑巢习性知之甚少，而且其近岸觅食习性使其难以调查。这种小型、鸽子大小的海鸟栖息于从阿拉斯加到加利福尼亚中部的北美沿海地区。在其大部分分布范围内，它筑巢于距离海岸约 25 至 50 英里的森林中，并在近岸海域以小鱼和无脊椎动物为食。与大多数在岩石峭壁或相对贫瘠的岛屿上群居筑巢的海雀不同，大理石海鸠在其大部分分布范围内以单独成对（或松散的群居）的形式在内陆老针叶树的宽阔上部树枝上筑巢。这种退化习性推迟了人们在北美发现其巢穴的时间，直到 1974 年，人们在加利福尼亚中部发现了一个巢穴（Binford 等人，1975 年）。从那时起，尽管在过去十年中付出了数千人日的努力，但到 1993 年的繁殖季节，只发现了不到 60 个巢穴（Nelson 和 Hamer，本卷 a）。在 20 世纪 80 年代，野外生物学家发现证据表明，许多（如果不是大多数）个体在未采伐的针叶原始森林中筑巢。进一步的研究（其中许多是本卷首次提出的）提供了有关栖息地使用、相对较低的繁殖率以及它们在巢穴中遭受的高掠食性的更多信息。至少在某些地区，证据也开始积累，表明大理石海鸠的数量近年来有所下降。这种下降被归因于原始森林的减少和破碎化、掠食增加、污染（尤其是石油泄漏）以及渔网造成的死亡。这种潜在的下降提高了管理敏感性，以确保在其整个范围内维持健康的相互作用种群。目前，美国将海鸠列为受威胁或濒临灭绝的物种。华盛顿、俄勒冈和加利福尼亚的鱼类和野生动物管理局以及加利福尼亚州和不列颠哥伦比亚省。对于大多数土地管理机构来说，这些清单需要对拟议项目对该物种的潜在影响进行清查和分析。如果发现对海鸠栖息地的不利影响，可能会导致缓解措施、项目修改、延误和可能的取消。
文章 以 CRISPR/Cas9 为基础的靶向敲除水稻直系同源物 TILLER ANGLE CONTROL 1 (TAC1) 可诱导杨树直立叶片习性和枝条生长
摘要：金字塔形、直立或直立生长的植物形态的特点是枝条和叶子的分枝角度较窄。直立叶子和枝条习性的优势可能是光线更有效地穿透较低的冠层。已经报道了包括桃树在内的各种树种的金字塔基因型。旁系同源水稻直系同源物 TILLER ANGLE CONTROL 1 (TAC1) 被认为是负责直立生长的基因。然而，对于任何金字塔树种基因型，尚未真正证明 TAC1 基因的敲除突变会导致植物金字塔形生长。通过计算机分析，我们在 P. trichocarpa 基因组中发现了一个假定的水稻 TAC1 直系同源物（Potri.014G102600，“TAC-14”）及其旁系同源物（Potri.002G175300，“TAC-2”）。通过应用转基因 CRISPR/Cas9 方法成功敲除 P. × canescens 克隆 INRA 717-1B4 中的两个假定的 PcTAC1 直系同源物。在温室中对突变体进行了为期三年的分子分析和表型分析。我们的结果表明，“TAC-14”的纯合敲除足以诱导 P. × canescens 中的金字塔形植物生长。如果在短轮伐期林（SRC）上种植多达两倍的金字塔树种，那么可以提高木材产量，无需任何育种，只需增加默认田地面积上的树木数量即可。
