XiaoMi-AI文件搜索系统
World File Search System使用性能
金属微观结构与性能控制（E066230）
本课程论述了金属微观结构与性能之间的关系。课程包含 15 章。1 介绍性讲座。微观结构控制性能的方法。1 合金元素对钢结构和性能的影响。1 一般建筑用途的钢。合金化策略、强化机制、热处理、微观结构、性能。2 工具钢。合金化策略、强化机制、热处理、微观结构、性能、应用、缺陷。3 轴承钢、弹簧钢和钢丝。要求。合金化策略、强化机制、热处理、微观结构、性能、应用、缺陷。4 马氏体时效钢。合金化策略、强化机制、热处理、微观结构、性能、应用、缺陷。5 成形性优良的钢。深冲质量和 (DDQ) 钢和 1 EDDQ 钢，ELC 和 IF 路线之间的加工差异，纹理和 1 沉淀控制，使用性能。6 轨道钢 – 要求。合金化策略、强化机制、热处理、微观结构、性能、应用、缺陷。案例研究-
绿色建筑和能源效率 - 科维纳市
简介 以下住宅指南基于 2022 年加州能源效率规范，具体而言，适用于科维纳市气候区 9 的住宅增建、改建、装修和新建筑的要求，采用规范方法（包 D）。本文不涉及性能方法。性能分析由独立能源顾问执行，他们提供基于计算机建模的住宅详细能源分析。使用性能方法时，所有合规和强制性措施都包含在能源计算中，可能与下面详述的规定要求不同。房主和承包商可以使用规范方法完成自己的能源文件。规范方法的一些假设可能包括比计算机建模更严格的能源要求。在这些情况下，即 HERS 评级等，性能分析可能被证明是更好的合规途径。有关能源分析的任何问题都可以直接咨询您的能源顾问。
塔斯马尼亚药物战略 2024 - 2029
• 儿童和年轻人，包括父母使用 ATOD 的儿童和使用 ATOD 的人的年轻照顾者 • 原住民和托雷斯海峡岛民 • 遭受性虐待和家庭暴力的人，包括受害者和幸存者 • 孕妇及其伴侣 • 处于或离开监护环境中的人，以及与刑事司法系统（包括青少年司法系统）接触的个人 • 老年人 • 居住在农村或偏远地区的人 • 患有共病的人，包括精神疾病、神经多样性和残疾 • 面临无家可归风险或正在经历无家可归的人 • 来自文化和语言多样化社区的人 • 认定为女同性恋、男同性恋、双性恋、跨性别者、双性人、酷儿、无性恋和其他性别和性别多样化人士（LGBTIQA+）的人 • 使用 ATOD 的人的家人、朋友和照顾者 • 使用性能和形象增强药物的人
石墨烯的未来潜力
水泥添加剂或水泥研磨助剂 (CGA) 的范围从纯研磨助剂到功能性添加剂和性能增强剂。后者是目前使用最广泛的产品类型。性能增强剂可以提高研磨过程的效率并改善关键的机械性能，例如抗压强度。使用性能增强剂的主要原因之一，除了降低能耗外，是需要降低任何给定水泥的熟料系数。熟料不仅是水泥中最昂贵的成分，也是造成最高相关二氧化碳排放量的成分。如果可以用较低的熟料系数保持相同的水泥性能，那么这是一个双赢的局面。当前的性能增强剂通常依赖于乙二醇和胺化学的组合。这些可使抗压强度提高约 10-20%，同时将熟料系数降低高达 5%，尽管个别情况可能有很大差异。这不仅仅是添加更多产品来获得更大的强度增加或更大的熟料减少的情况。由于这些化学物质在水泥水化过程中相互作用，添加过量会导致性能下降。为了进一步减少熟料，应该研究替代技术，先进材料公司 First Graphene Ltd 与 Fosroc International（一家全球建筑行业高性能化学品制造商和供应商）之间的合作显示出巨大的前景。该合作正在考虑利用添加量极小的石墨烯来实现更高水平的熟料替代。
材料进步 化学推进 技术
未来，NASA 科学任务理事会行星科学部希望使用性能更好、成本更低的推进系统将探测车、探测器和观测器送往火星、木星和土星等地。为此，NASA 位于格伦研究中心的太空推进技术 (ISPT) 项目开发了一种名为先进材料双推进剂火箭 (AMBR) 的新型推进技术。作为一种先进的化学推进系统，AMBR 使用四氧化二氮氧化剂和肼燃料来推动航天器。根据目前的研究和开发努力，该技术有望提高发动机运行速度和使用寿命，并降低制造成本。在开发 AMBR 时，ISPT 有几个目标：缩短航天器到达目的地所需的时间、降低制造推进系统的成本以及减轻推进系统的重量。如果实现这些目标，它将提高太空科学调查的能力。例如，如果航天器所需的推进剂数量（和重量）减少，则可以在航天器上添加更多科学仪器（和重量）。为了实现 AMBR 的最大潜在性能，发动机需要能够在极高的温度和压力下运行。为此，ISPT 需要由铱涂层铼（坚固的高温金属元素）制成的发动机室，允许在接近 4,000 °F 的温度下运行。此外，ISPT 需要一种先进的制造技术，以便更好地涂层方法，从而提高发动机室的强度，而不会增加制造发动机室的成本。
工作说明书 (SOW) 和项目进度表模板
工作说明模板详细说明任务和可交付成果背景/目标选定的提案人将获得一份协议，概述第 II 部分中的计划要求以及完成这些要求所需的任务。RFP 旨在选择一位提案人签订一份为期四年的标准协议，并附有两个两年的续约选择权，续约至 2025 年 12 月 31 日。如果基准测试工作在 2025 年之后获得批准，NYSERDA 将评估各种选择，以确保基准测试数据的创建和维护的连续性。基准测试软件工具的目标是使用 ENERGY STAR Portfolio Manager® 收集、存储、管理和分析参与 NYSERDA 自愿基准测试计划的大量建筑的公用事业数据。该工具将收集报告能源使用性能所需的数据点，并配置报告供 NYSERDA 使用，以验证基准测试提交的数据，包括数据完整性检查。该工具还将提供特定于建筑物的报告卡，总结建筑物的性能，并为 NYSERDA 用户提供建筑物记录的汇总视图，并具有在团体和企业级别进行筛选的功能。承包商应开发、实施和维护一个在线工具，该工具利用参与建筑物提供的能源和可持续性数据进行数据分析。ENERGY STAR Portfolio Manager® (ESPM) 中的数据将使用 Web 服务导入基准测试软件工具。承包商应是具有 ESPM 的既定 Web 服务提供商，并可使用美国环保署的表述性状态转移 (REST) 协议来管理数据。有关 Web 服务 REST 协议的更多信息，请访问：https://portfoliomanager.energystar.gov/webservices/pdf/Introduction_to_Exchanging_Data_en_US.pd f 。NYSERDA 保留延长和/或增加可用资金的权利，以支持在本 RFP 时间范围之外使用所选的基准测试软件工具。定义 ENERGY STAR Portfolio Manager© (ESPM)：美国环境保护局的免费在线工具，用于跟踪您楼宇的能源和水资源使用情况，并报告与同类楼宇相比的能源使用性能。 清洁能源社区 (CEC) 计划：纽约州能源研究与开发局的一项计划，鼓励纽约州内的市政当局努力实现高影响力行动，以获得纽约州能源研究与开发局对清洁能源项目的资助。更多信息请访问 www.nyserda.ny.gov/cec。 清洁能源社区高影响力行动 (HIA)：市政当局为减少纽约州能源和温室气体排放可采取的一系列行动。 建筑之战 (BoB)：仿照美国环境保护局的国家自愿竞赛，在竞赛中，建筑物在 Portfolio Manager 中对其能源使用情况进行基准测试，并争夺最佳能源使用强度和温室气体减排量。
城市交通服务水平基准一览
1.简介 印度城市部门面临的挑战正在迅速增加，各级政府机构正在采取措施解决服务交付方面的差距。实现这一目标的重要步骤之一是引入适当的信息管理、绩效监控和基准测试系统。基准测试现已被公认为在服务交付中引入问责制的重要机制。它可以帮助城市地方机构 (ULB) 和其他机构通过共享信息和最佳实践来确定绩效差距并进行改进，最终为人们提供更好的服务。它提供 用于监控和报告服务水平基准的共同最低框架。 关于如何分阶段实施该框架的指南。城市发展部 (MoUD) 希望解决机构和运营方面的问题，以确保基准测试活动的长期可持续性。因此，建议所有 JNNURM 任务城市进行服务水平基准测试。此外，该计划将利用基准测试活动产生的信息促进绩效改进计划的制定。它将解决内部决策的绩效监控和向更高级别的政府和外部利益相关者的报告问题。2.需求 城市机构尚未制度化衡量城市交通活动绩效并采取进一步行动的系统。因此，重要的是所有利益相关者共同理解和使用基本最低标准的绩效基准集。根据城市的具体需求，可以定义和使用性能参数来改善城市交通质量。
经济与市场回顾
总体而言，1 月份各大股指均有稳步上涨，标普指数创下历史新高。然而，由于有关中国初创公司 DeepSeek 的 R1 人工智能聊天机器人的消息在整个市场引起轰动，美国股市本周开盘走低。尽管美国对芯片实施禁令和其他限制，但这款人工智能聊天机器人是在中国开发的，它使用性能较弱的 Nvidia 芯片，成本似乎低于美国科技公司开发的人工智能解决方案。最初的反应对科技行业产生了负面影响，导致七大巨头的市值大幅缩水。这一进展让人们对美国科技公司宣布的用于数据中心等人工智能基础设施的资本支出数字产生了质疑。然而，一些分析师认为，市场可能反应过度，随着有关 DeepSeek 人工智能技术成本的更多细节浮出水面，投资者趁低买入。周三，美联储官员一致投票决定维持当前利率水平，并花时间审查更多数据以确定 2025 年全年的通胀路径。美联储主席杰罗姆·鲍威尔指出，一些可能影响 2025 年降息的发展主题包括关税、移民、联邦支出和监管政策。美联储暂停利率决定得到了最新个人消费支出 (PCE) 报告的支持，该报告是美联储首选的通胀指标，环比增长 0.2%，同比增长 2.8%。美国股市本月收盘走高，标普 500 指数本月上涨 2.7%，道琼斯指数上涨 4.7%，纳斯达克指数上涨 1.64%。通信服务是本月表现最好的板块，科技是表现最差的板块。
X 系列用户手册 - Apex Waves
有限保修 本文档按“原样”提供，未来版本如有更改，恕不另行通知。有关最新版本，请参阅 ni.com/manuals 。NI 仔细审查了本文档的技术准确性；但是，NI 对本文所含信息的准确性不作任何明示或暗示的保证，并且不对任何错误负责。NI 保证其硬件产品在发票日期起一 (1) 年内不存在材料和工艺缺陷，这些缺陷会导致产品与适用的 NI 公布规范不符。自发票日期起九十 (90) 天内，NI 保证 (i) 其软件产品的性能将基本符合随软件提供的适用文档，并且 (ii) 软件介质不存在材料和工艺缺陷。如果 NI 在适用保修期内收到缺陷或不合格通知，NI 将自行决定：(i) 维修或更换受影响的产品，或 (ii) 退还为受影响产品支付的费用。维修或更换的硬件的保修期为原保修期的剩余时间或九十 (90) 天，以较长者为准。如果 NI 选择维修或更换产品，NI 可能会使用性能和可靠性与新品相当且至少在功能上与原始部件或产品相当的全新或翻新部件或产品。您必须先从 NI 获取 RMA 编号，然后才能将任何产品退回 NI。NI 保留对有限质保未涵盖的硬件进行检查和测试收取费用的权利。如果产品缺陷是由于以下原因造成的：维护、安装、维修或校准不当或不充分（由 NI 以外的一方执行）；未经授权的修改；不当环境；使用不当硬件或软件密钥；产品规格之外的不当使用或操作；不当电压；事故、滥用或疏忽；或雷击、洪水或其他自然灾害等危险，则本有限质保不适用。上述补救措施是排他性的，也是客户的唯一补救措施，即使此类补救措施未能达到其基本目的，也应适用。NI 不对产品的使用或使用结果的正确性、准确性、可靠性或其他方面提供任何保证或陈述。NI 不保证产品的运行不会中断或出现错误。Pitsco 的 TETRIX 是 Pitsco, Inc. 的商标。除非本文另有明确规定，否则产品均按“原样”提供，不附带任何形式的保证，并且 NI 否认有关产品的所有明示或暗示保证，包括任何适销性、特定用途适用性、所有权或非侵权的暗示保证，以及任何可能因贸易惯例或交易习惯而产生的保证。如果您和 NI 有单独签署的书面协议，其中包含涵盖产品的保证条款，则以单独协议中的保证条款为准。版权 根据版权法，未经 National Instruments Corporation 事先书面许可，不得以任何形式（电子或机械形式）复制或传播本出版物，包括影印、录制、存储在信息检索系统中或翻译（全部或部分）。National Instruments 尊重他人的知识产权，并要求我们的用户也这样做。NI 软件受版权法和其他知识产权法的保护。当 NI 软件可用于复制他人的软件或其他材料时，您只能使用 NI 软件复制您可以根据任何适用许可证或其他法律限制的条款复制的材料。最终用户许可协议和第三方法律声明 您可以在以下位置找到最终用户许可协议 (EULA) 和第三方法律声明： • 声明位于 \_Legal Information 和 目录中。• EULA 位于 \Shared\MDF\Legal\license 目录中。• 查看 \_Legal Information.txt，了解有关在使用 NI 产品构建的安装程序中包含法律信息的信息。美国政府限制权利 如果您是美国政府（“政府”）的机构、部门或其他实体，则本手册中包含的技术数据的使用、复制、翻印、发布、修改、披露或转让受联邦采购条例 52.227-14（适用于民用机构）和国防联邦采购条例补充条款 252.227-7014 和 252.227-7015（适用于军事机构）下的限制权利条款的约束。商标 有关 National Instruments 商标的更多信息，请参阅 ni.com/trademarks 上的 NI 商标和徽标指南。ARM、Keil 和 µVision 是 ARM Ltd 或其子公司的商标或注册商标。LEGO、LEGO 徽标、WEDO 和 MINDSTORMS 是 LEGO Group 的商标。
算法偏差评估的Abroca分布
[1] Ryan S. Baker。2024。大数据和教育（第8版）。宾夕法尼亚州费城宾夕法尼亚大学。 [2] Ryan S. Baker和Aaron Hawn。2022。教育算法偏见。国际人工智能杂志教育杂志（2022），1-41。[3] Solon Barocas，Andrew D Selbst和Manish Raghavan。2020。反事实解释和主要原因背后的隐藏假设。在2020年公平，问责制和透明度会议的会议记录中。80–89。[4] Alex J Bowers和Xiaoliang Zhou。2019。曲线下的接收器操作特征（ROC）区域（AUC）：一种评估教育结果预测指标准确性的诊断措施。受风险的学生教育杂志（JESPAR）24，1（2019），20-46。[5] Oscar Blessed Deho，Lin Liu，Jiuyong Li，Jixue Liu，Chen Zhan和Srecko Joksimovic。2024。过去！=未来：评估数据集漂移对学习分析模型的公平性的影响。IEEE学习技术交易（2024）。[6] Olga V Demler，Michael J Pencina和Ralph B D'Agostino Sr. 2012。滥用DELONG测试以比较嵌套模型的AUC。医学中的统计数据31，23（2012），2577–2587。[7] Batya Friedman和Helen Nissenbaum。1996。计算机系统中的偏差。信息系统（TOIS）的ACM交易14，3（1996），330–347。[8]乔什·加德纳，克里斯托弗·布鲁克斯和瑞安·贝克。2019。225–234。通过切片分析评估预测学生模型的公平性。在第9届学习分析与知识国际会议论文集。[9]LászlóA Jeni，Jeffrey F Cohn和Fernando de la Torre。2013。面对不平衡的数据：使用性能指标的建议。在2013年，俄亥俄州情感计算和智能互动会议上。IEEE，245–251。 [10] Weijie Jiang和Zachary a Pardos。 2021。 在学生等级预测中迈向公平和算法公平。 在2021年AAAI/ACM关于AI，伦理和社会的会议上。 608–617。 [11]RenéFKizilcec和Hansol Lee。 2022。 教育算法公平。 在教育中人工智能的伦理学中。 Routledge，174–202。 [12]JesúsFSalgado。 2018。 将正常曲线（AUC）下的面积转换为Cohen的D，Pearson的R PB，Ordds-Ratio和自然对数赔率比率：两个转换表。 欧洲心理学杂志适用于法律环境10，1（2018），35-47。 [13] Lele Sha，Mladen Rakovic，Alexander Whitelock-Wainwright，David Carroll，Victoria M Yew，Dragan Gasevic和Guanliang Chen。 2021。 在自动教育论坛帖子中评估算法公平性。 教育中的人工智能：第22届国际会议，AIED 2021，荷兰乌得勒支，6月14日至18日，2021年，第I部分。 Springer，381–394。 2024。 2023。 2018。IEEE，245–251。[10] Weijie Jiang和Zachary a Pardos。2021。在学生等级预测中迈向公平和算法公平。在2021年AAAI/ACM关于AI，伦理和社会的会议上。608–617。[11]RenéFKizilcec和Hansol Lee。2022。教育算法公平。在教育中人工智能的伦理学中。Routledge，174–202。[12]JesúsFSalgado。2018。将正常曲线（AUC）下的面积转换为Cohen的D，Pearson的R PB，Ordds-Ratio和自然对数赔率比率：两个转换表。欧洲心理学杂志适用于法律环境10，1（2018），35-47。[13] Lele Sha，Mladen Rakovic，Alexander Whitelock-Wainwright，David Carroll，Victoria M Yew，Dragan Gasevic和Guanliang Chen。2021。在自动教育论坛帖子中评估算法公平性。教育中的人工智能：第22届国际会议，AIED 2021，荷兰乌得勒支，6月14日至18日，2021年，第I部分。Springer，381–394。2024。2023。2018。[14]Valdemaršvábensk`Y，MélinaVerger，Maria Mercedes T Rodrigo，Clarence James G Monterozo，Ryan S Baker，Miguel Zenon Nicanor LeriasSaavedra，SébastienLallé和Atsushi Shimada。在预测菲律宾学生的学习成绩的模型中评估算法偏见。在第17届国际教育数据挖掘会议上（EDM 2024）。[15]MélinaVerger，SébastienLallé，FrançoisBouchet和Vanda Luengo。您的模型是“ MADD”吗？一种新型指标，用于评估预测学生模型的算法公平性。在第16届国际教育数据挖掘会议上（EDM 2023）。[16] Sahil Verma和Julia Rubin。公平定义解释了。在国际软件公平研讨会的会议记录中。1-7。[17] Zhen Xu，Joseph Olson，Nicole Pochinki，Zhijian Zheng和Renzhe Yu。2024。上下文很重要，但是如何？课程级别的性能和公平转移的相关性在预测模型转移中。在第14届学习分析和知识会议论文集。713–724。[18] Andres Felipe Zambrano，Jiayi Zhang和Ryan S Baker。2024。在贝叶斯知识追踪和粗心大意探测器上研究算法偏见。在第14届学习分析和知识会议论文集。349–359。