XiaoMi-AI文件搜索系统
World File Search System众核
评估在多核和众核处理器中实现的应用程序的 SEE 灵敏度和错误率预测方法
部长法令：2016 年 5 月 25 日 由 PABLO FRANCISCO RAMOS VARGAS 提交论文由 TIMA 实验室研究主任 Raoul VELAZCO 指导，格勒诺布尔阿尔卑斯大学讲师 Nacer-Eddine ZERGAINOH 联合指导，在 IT 技术实验室内编写和微电子学的集成系统架构电子、电工、自动、信号处理博士生学院 (EEATS) 对 SEE 敏感度的评估以及预测多核和众核处理器中实施的应用程序错误率的方法 2017 年 4 月 18 日公开答辩论文，在评审团组成：
众包神经科学
当我们在社交行为中感到联系或参与时，我们的大脑是否真的在正式、可量化的意义上“同步”？大多数研究都使用高度控制的任务和同质的受试者池来解决这个问题。为了采取更自然的方法，我们与艺术机构合作，众包神经科学数据：在 5 年的时间里，我们从数千名博物馆和节日游客那里收集了脑电图 (EEG) 数据，他们自愿参与 10 分钟的面对面互动。熟悉程度不同的两对参与者坐在互波机内——这是一种艺术神经反馈装置，可将每对 EEG 活动的实时相关性转化为光图案。由于此类参与者之间的 EEG 相关性容易受到噪声污染，在随后的离线分析中，我们使用虚部相干性和投射功率相关性计算了大脑间耦合，这两个同步指标在很大程度上不受瞬时噪声驱动相关性的影响。当将这些方法应用于具有最一致协议的两个记录数据子集时，我们发现配对的特质同理心、社交亲密度、参与度和社交行为（联合行动和眼神接触）一致地预测了他们的大脑活动同步的程度，最显著的是低 alpha（~7-10 Hz）和 beta（~20-22 Hz）振荡。这些发现支持这样一种观点，即在动态、自然的社交互动过程中，共同参与和联合行动会驱动耦合的神经活动和行为。据我们所知，这项工作首次证明了跨学科、现实世界、众包神经科学方法可能提供一种有前途的方法来收集与现实生活中面对面互动有关的大量丰富数据集。此外，它还展示了普通公众如何参与和参与实验室外的科学过程。博物馆、美术馆等机构或公众出于自我激励而积极参与的任何其他组织都可以帮助促进此类公民科学研究，并支持在科学控制的实验条件下收集大量数据集。为了进一步提高公众对实验室外实验方法的兴趣，本研究的数据和结果通过一个专门为公众量身定制的网站传播（wp.nyu.edu/mutualwavemachine）。
众筹可再生能源投资
众筹已成为替代金融行业中一种可行的工具，用于补充政府和银行投资无法覆盖的项目（包括可再生能源）的融资。然而，关于发展中国家（尤其是非洲）的众筹文献仍然很少，人们对其从借贷（众筹）或投资角度（而不是捐赠或慈善）为可再生能源融资做出重大贡献的潜力知之甚少。在本文中，我们以西非加纳为例，通过调查发展中国家背景下的群体认知，围绕众筹的机制和动态进行了闭环研究。我们采用了以集体行动、社会证明、说服、网络和信号理论为基础的综合文献综述，并辅以对加纳家庭散户投资者的批判性焦点小组访谈，以提炼与可再生能源众筹有关的关键问题和担忧。然后，我们根据研究结果提出了一个概念框架。我们的研究结果表明，可再生能源和可供大众选择的投资替代品之间的财务回报存在不公平的竞争环境。因此，众筹领域需要精心设计，以提高非金融属性的吸引力，例如开发商/筹款人的声誉和项目可行性，以进一步加强项目经济效益。此外，对众筹平台安全性和易用性的看法也得到了强调，前者是更广泛的银行或金融系统的挑战。总体而言，本文强调需要社会认同和质量信号来吸引家庭投资者。建议进一步研究此类发展中市场集体行动的动机。
人工智能能帮助众包吗？基于理论的众包竞赛创意筛选模型
1 我们不使用 Berger 和 Packard 的基于潜在狄利克雷分析 (LDA) 的方法，因为它提取了最流行 (常见) 的主题 (维度)，例如词束。LDA 方法在新产品创意的背景下可能会出现问题，因为 LDA 可能会将新颖和独特的词归类为“错误”。成功的新产品创意往往是新颖或独特的 (Dahl and Moreau 2002；Toubia 2006)。在众包创意竞赛中，在创意级别而不是主题级别捕捉非典型性的指标可能更胜一筹，因为它不会筛选出这些新颖或独特的创意。
脊柱蛋白酶神经元在脊髓核核核中，珠核核
掠夺性狩猎在动物生存中起着至关重要的作用。与运动相关的振动体感信号传导对于小鼠的猎物检测和狩猎至关重要。然而，关于转化振动体感知提示以触发掠食性狩猎的神经回路知之甚少。在这里，我们报告了雄性小鼠振动区域的机械力是掠夺性狩猎的关键刺激。机械诱发的掠食性狩猎是通过脊柱三叉神经核（SP5I）中胆囊基蛋白阳性（CCK +）神经元的化学灭活消除的。CCK + SP5I神经元对机械刺激的强度做出了反应，并将神经信号发送到了与刻板印象捕食狩猎运动作用相关的上丘。突触失活了CCK + SP5I神经元到上丘的投影，机械诱发的掠夺性攻击受损。一起，这些数据揭示了脊柱三叉神经回路，该回路特定于翻译振动的体感提示来引发掠夺性狩猎。
afcp-advanced-核核-Roadmaps.pdf
几代人满足自己的需求（https://www.un.org/sustainabledevelvement/development-agenda）。第四代国际论坛于2009年提出的以下围绕可持续性：核能系统将提供可持续的能源产生，以符合清洁的空气目标，并为全球能源生产提供系统的长期可用性和有效的燃料利用。They will minimise and manage their nuclear waste and notably reduce the long-term management burden, thereby improving protection for the public health and the environment (https://www.gen-4.org/gif/jcms/c_9502/generation-iv-goals) 8 In September 2018, the US Department of Energy (DOE) and the Department for Business, Energy, and Industrial Strategy (BEIS) signed the Civil Nuclear Energy Research
利用智能手机开展众包项目
a Hochschule für Technik Stuttgart，Schellingstr 24，70174 Stuttgart，德国 - (eberhard.guelch，shohrab.uddin)@hft-stuttgart.de b Imkerverein Waiblingen e.V.Waiblingen，德国 - bernhardwilli@web.de ICWG III/VII 关键词：花朵识别、蜂蜜产量网络门户、地理定位、无人机 摘要：Beesmart 项目旨在利用智能手机的众包方法推导出蜜蜂的地理定位产量目录。因此，核心问题是智能手机应用程序 (App2bee) 的设计以及花朵识别软件的设计，该软件使用智能手机的传感器信息和开花时间信息来识别和定位花朵。实施的花卉识别基于“最小视觉词袋”方法。分类准确率可达到约 60-70%，当然，这受花卉种类繁多的影响，也受图像拍摄方式以及图像质量和分辨率的影响。通过在触摸屏上应用先验简单的手动分割将图像焦点放在所讨论的花朵上，分类结果得到进一步改善。介绍了 App2Bee 的设计和功能，然后详细介绍了通信、数据库和 Web 门户组件。在项目的第二部分，使用固定翼无人机系统研究对蜜蜂很重要的较大花卉区域的分类，该系统配备两种不同类型的相机，即 RGB 数码相机和 NIR 数码相机。当然不可能识别单朵花，但可以证明，相同花朵的较大花田，例如红三叶草，可以用这种方法进行分类。利用现有数据，还可以对裸地、道路、低牧场、高牧场以及混合牧场进行分类。对于高牧场，可以自动识别花簇，如蓍草。1.简介
众包 GNSS 智能手机的自动选择......
智能手机已转换为便携式GNSS（全球导航卫星系统）接收器。具有数十亿此类设备记录的GNSS数据具有很大的科学研究潜力，并具有前所未有的时空分辨率。但是，目前访问大型GNSS智能手机数据的访问量是有限的，并且数据处理具有挑战性。Camaliot项目（机器学习技术在GNSS IOT数据融合中的应用）旨在解决这些问题，以促进众包GNSS数据的可用性，以进行天气预报和太空天气监测。Camaliot众包活动中大量的GNSS数据具有异质性的质量。为了应对此数据处理挑战，我们使用机器学习（ML）开发了一种自动数据选择算法。在这项研究中，比较了不同ML模型的分类性能。还检查了不同数据质量指标的重要性。初始结果表明，基于ML的分类器可以在广告系列的实际数据上获得95％的精度，而无需为质量指标设置明确的阈值。基于选定的智能手机GNSS数据，也进行了对流层参数估计实验。
![[研究笔记]人工智能技术对核威慑的影响](/simg/7\75900a8296f391c1610166ba52d9e4792871020c.png)
[研究笔记]人工智能技术对核威慑的影响
4 Rafael Loss 和 Joseph Johnson，“人工智能会危及核威慑吗？”War on the Rocks，2019 年 9 月 19 日，https://warontherocks.com/2019/09/will-artificial-intelligence-imperil-nuclear-deterrence/。5 Michael C. Horowitz、Paul Scharre 和 Alexander Velez-Green，“稳定的核未来？自主系统和人工智能的影响，”ArXiv.org，2019 年 12 月，第 2 页，https://arxiv.org/ftp/arxiv /papers/1912/1912.05291.pdf 6 Edward Geist 和 Andrew J. Lohn，“人工智能如何影响核战争风险？“兰德公司，2018 年，https://www.rand.org/content/dam/rand/pubs/perspectives/PE200/PE296/RAND _PE296.pdf。7 斯德哥尔摩国际和平研究所 (SIPRI)，“人工智能对战略稳定和核风险的影响，第一卷：欧洲-大西洋视角”，编辑。Vincent Boulanin，2019 年 5 月，https:// www.sipri.org/sites/default/files/2019-05/sipri1905-ai-strategic-stability-nuclear-risk.pdf。