XiaoMi-AI文件搜索系统
World File Search System五倍
以色列：（人工智能）创业国度？
我们希望更好地理解这些数字以及整个以色列的 AI 生态系统。该生态系统的主要数据来源是 StartupHub.ai。据 StartupHub.ai 称，以色列初创企业今年筹集了约 70 亿美元，而且融资速度正在加快。据估计，超过 800 家以色列初创企业将 AI 技术作为其产品的核心部分，大约是 2014 年以来数量的五倍。以色列的 AI 初创企业几乎涵盖了所有 AI 技术和应用领域。该生态系统中突出的 AI 技术是机器学习、自然语言处理和计算机视觉。重要的应用领域包括医疗保健、金融科技、汽车、农业科技、企业、营销、零售和核心 AI 技术。在以色列的 AI 生态系统中，每个这样的应用领域都包含数十家甚至数百家公司。
脆弱的Risc-Hiv的发展：在短期内预测艾滋病毒患者的短期脆弱风险的风险评分
方法：我们预测了美国七个艾滋病毒诊所的PWH风险。经过修改的自我报告的油炸表型捕获了脆弱的，包括疲劳，体重减轻，不活动和迁移率差。pwh没有脆弱的人被分成训练和验证集，然后直到变得虚弱或两年。贝叶斯模型平均（BMA）和五倍越过验证的套索回归选择了脆弱的预分法。预测因子是由BMA选择的，如果它们的概率大于45％的概率，则如果它们最小化平均误差，则通过套索选择了预测因子。我们包括了BMA和Lasso在脆弱的Risc-HIV中选择的年龄，性别和变量，通过将脆弱的事件与Cox模型中的每个选定变量相关联。在哈雷尔（Harrell）的C和提升图设置的验证中评估了脆弱的Risc-HIV性能。
阿拉斯加能源与电力中心 ACEP 的...
阿拉斯加的偏远社区分布在该州地理分布各异的地区，这些社区催生了一个小型产业，该产业以开发和支持 200 多个微电网为基础。自 20 世纪 60 年代以来，这些社区的电力严重依赖柴油发电机。在过去十年中，可再生能源发电的投资急剧增加，以满足人们对能源独立的渴望并降低电力输送成本。如今，阿拉斯加的 70 多个微电网（约占全球可再生能源微电网的 12%）采用了电网规模的可再生能源发电，包括小水电、风能、地热能、太阳能和生物质能。在全球范围内，微电网市场的增长正在加速。Navigant Research 最近的一份报告估计，到 2020 年，微电网市场将增长近五倍，收入将达到 400 亿美元。
现实地处理自相残杀 - USAWC Press
本文确定并分析了与误伤有关的几个争议：如何定义误伤、如何计算误伤以及如何呈现结果。分析中使用的案例研究——来自 20 世纪所有主要冲突——强烈表明误伤率至少是普遍接受的 2% 的五倍。我们国家培训中心的经验和在那里使用的培训技术支持这一历史证据。四十年的行为研究有助于解释为什么我们的误伤率一直如此之高，以及为什么它们抵制降低误伤率的努力。最后，新兴武器、频繁参与联合和联盟战争以及未来战场的预期条件只会加剧目前的误伤率。需要采取新的举措来防止误伤率上升，并将其从历史标准中降低。这一结论对于影响所有军种的政策、理论以及自相残杀预防技术具有重要意义。
清洁能源投资和生产税收抵免
对于 PTC 和 ITC 而言，项目都可以通过投资工人和能源社区来获得额外的信用价值。通过支付普遍工资和雇用学徒，项目可以获得高达基本信用价值五倍的信用价值。这将为清洁能源工人带来丰厚、可维持生计的工资，并培养新的工人队伍。通过投资受到化石燃料行业影响的能源社区，项目可以从基本信用中获得额外的 10% 奖励。5 兆瓦以下的 ITC 项目如果位于低收入社区或印第安人土地上，还可以获得 10% 的奖励信用，如果项目是合格的低收入住宅建筑项目或合格的低收入经济效益项目，则可以额外增加 20%。这意味着，对于 ITC 项目，如果使用奖励信用，可以覆盖 30-50% 的项目成本。
拟建 Pebble 项目的经济贡献评估...
如何将这一能源转型愿景变为现实，已成为当今社会亟待解决的问题。而铜是这一愿景和现实的核心。可再生能源系统所需的铜量可能是传统系统的五倍。铜是微电网和智能电网不可或缺的一部分；它对能源存储技术至关重要；电动汽车比传统汽车需要更多的铜；而且它有助于收集、储存和分配太阳能和风能。事实上，国际能源署 (IEA)1 最近发布的一份报告得出结论，在实现《巴黎协定》目标的情景下，到 2040 年，电力线对铜的需求将增加一倍以上，总体铜需求将增长 40% 以上。同一报告还声称，到 2030 年，目前的铜矿和在建项目只能满足 80% 的铜需求。
使用机器学习技术从视野图像中进行的青光眼检测和分阶段
从119个正常和146头胶状眼睛收集了265个PD图和265个数值数据集24-2个VF图像，以训练DL模型，以将图像分为四组：正常，青光眼，早期的青光眼，中度青光眼，中度青光眼和高级Glau-coma。使用五倍的交叉验证（CV）训练PD图像的两种流行的预训练的DL模型：RESNET18和VGG16，并使用平衡的，预先提高的数据（n = 476张图像），不平衡的原始数据（n = 265）和功能提取观察到性能。使用Grad-CAM视觉ization技术进一步研究了受过训练的图像。此外，从全局指数（MD），模式标准偏差（PSD）和视野索引（VFI）训练了四个ML模型：模式标准偏差（PSD）和视野索引（VFI）。
