XiaoMi-AI文件搜索系统
World File Search System信息处理系统
Xuan Kan
IEEE 知识与数据工程学报（ TKDE ） 2023 第三十六届神经信息处理系统会议（ NeurIPS ） 2023 网络会议（ WWW ） 2022、2023 人工智能会议、社会影响人工智能特别轨道（ AAAI ） 2023 ACM SIGKDD 知识发现与数据挖掘会议（ SIGKDD ） 2022 SIAM 国际数据挖掘会议（ SDM ） 2022 信息与知识管理会议（ CIKM ） 2022 IEEE 大数据学报（ Big Data ） 2021、2022 IEEE 神经网络与学习系统学报（ TNNIS ） 2022 医疗保健中的可解释机器学习研讨会@ICML 2021、2022、2023 自动医疗诊断的计算机视觉研讨会@ICCV 2022
XiangRen - Sean (Xiang) Ren
ACM SIGKDD知识发现与数据挖掘会议（KDD）：2015-21神经信息处理系统会议（NEURIPS）：2019-21国际机器学习国际会议（ICML）：2019-20计算语言学协会年会（ACL）年度会议（ACL）：2017-19阶段：2017 - 19 2017-20 The AAAI Conference on Artificial Intelligence ( AAAI ): 2018-19 International Joint Conference on Artificial Intelligence ( IJCAI ): 2018-19 ACM International Conference on Web Search and Data Mining ( WSDM ): 2017-19 Annual Conference of the North American Chapter of the Association for Computational Linguistics ( NAACL ): 2018-19 ACM SIGIR Conference on Research and Development in Information Retrieval ( SIGIR ): 2017-18 ACM信息和知识管理会议（CIKM）：2017
Joseph博士早期Joseph博士早期
·通过多个实例学习国际学习表征会议（ICLR）固有可解释的时间序列分类（2024。·扩展场景到斑点模型：多分辨率的地球观察环境数据科学的多个实例学习（期刊），2023。·一种基于风险的AI监管方法：系统分类和可解释的AI实践脚本：法律，技术与社会杂志，2023年。·通过可解释的多个实例学习神经信息处理系统（Neurips）的轨迹标签的非马尔可奖奖励建模，2022。·用于多个实例学习国际学习表征的不可解释性（ICLR），2022。·场景到点地球观察：通过机器学习（Neurips Workshop）来应对气候变化的多个实例学习，2022年。
从事后解释性到自我解释模型
[1]辛西娅·鲁丁（Cynthia Rudin）。停止解释用于高赌注决策的黑匣子机器学习模型，然后使用可解释的模型。自然机器智能，1（5）：206–215，2019 [2]MarcoTúlioRibeiro，Sameer Singh和Carlos Guestrin。“我为什么要信任您？”：解释任何分类器的预测。Corr，ABS/1602.04938，2016。[3] Sebastian Bach，Alexander Binder，GrégoireMontavon，Frederick Klauschen，Klaus-RobertMüller和Wojciech Samek。通过层次相关性传播对非线性分类器决策的像素智慧解释。plos One，10（7）：1-46，07 2015。[4] Alina Barnett，Jonathan SU，Cynthia Rudin，Chaofan Chen，Oscar Li。这看起来像：深入学习可解释的图像识别。在神经信息处理系统会议论文集（Neurips），2019年。
从信息处理到具体的认知。
认知革命诞生于20世纪中叶，是对行为主义局限性和理解心理过程的愿望的回应。这一运动的核心是可以将思想视为类似于计算机的信息处理系统。乔治·米勒（George A. Miller）和乌尔里克·奈瑟（Ulric Neisser）等研究人员在这种范式转变中是先驱。他们认为，可以使用信息处理模型来研究思想，该模型涉及获取，存储和操纵信息以使世界有意义。信息处理模型提出的是，可以通过将复杂的心理过程分为一系列离散阶段来理解认知功能，例如感知，记忆和解决问题。认知心理学家使用计算机类比来描述心理操作，将大脑比作中央处理单元（CPU），该单元（CPU）从环境中处理信息输入[3，4]。
数据科学与行为神经科学，理学学士
数据科学和行为神经科学专业将生物学、心理学、计算机科学和数据科学等学科整合成一个综合课程。人脑是一个复杂的信息处理系统，需要科学家分析、整合和共享从多种技术中收集的大量数据集，这些技术可以对大脑工作时的活动进行成像和记录。学生将研究神经回路的解剖学和生理学，这些神经回路是大脑机制和病理状态的基础，这些机制和病理状态会导致行为功能。学生有机会培养大规模数据处理和存储、机器学习、数据挖掘和信息可视化方面的技能，这些技能对于执行大型大脑映射计划（包括人类神经连接图）必不可少。
新兴数字技术的就业影响
thispapermeasurestheexposureofustries andocupationStoAbroadSetofernetoferning数字技术，并估计它们对欧洲就业的影响。使用新型方法thatleveragestencentencetransformers，WecalculateExposuresCoresbasedon，专利与国际标准分类之间的语义相似性，创建了开放式访问的“ TechXposele”数据库。通过轮班 - 划分设计，我们可以进行区域性接触，以估算这些技术对整个欧洲地区就业的影响。我们发现净积极影响，而低技能和高技能的企业的增长为代价，而中等技能的工作表明工作极化。在技术层面上，我们观察到重要的异质性：机器人和机器学习对就业产生了负面影响（高技能工人除外），而工作流程管理和信息处理系统具有积极影响。我们的结果表明，专注于AI和机器人等特定技术可能会忽略由于多样化的数字技术的互补性而产生的更广泛的工作影响。
FM 4-20.64 (FM 10-64) - 空军殡葬事务运营
本手册概述了现有理论并涉及政策、程序和标准。除非另有说明，否则本出版物适用于现役陆军 (AA)、美国陆军国民警卫队 (ARNG)/美国陆军国民警卫队和美国陆军预备役 (USAR)。它旨在作为指挥官、主管和规划人员的操作和程序指南。用于执行业务功能的自动化信息系统 (AIS) 在整个保障任务领域都很常见。支持整个陆军 MA 操作的特定自动化要求和功能软件应用程序正在开发中。自动化系统包括全球作战支援系统 (GCSS)、第 21 军战斗指挥旅及以下 (FBCB2)、移动跟踪系统 (MTS)、战斗指挥支援支援系统 (BCS3)、国防伤亡信息处理系统 (DCIPS) 和各部队级别的其他相关 AIS。这些自动化系统将提供自动化手段来满足本手册中给出的 MA 要求。
机器学习培训的碳足迹将高稳，然后收缩
案例研究2：GPT-3与Glam Next是一个大型NLP模型，在ML社区和2020年的媒体上受到了很大的关注：GPT-3是一种自动回归语言模型，具有1750亿个参数，10×10倍的参数，比当时的任何非pare语模型多于任何非pare语言，并且比其他ML比其他ML多。11将GPT-3放入具有透明度的GPT-2，其前身GPT-2具有1.5个二元参数，并且使用≤02亿的变压器模型。由OpenAI开发的GPT-3在Microsoft Cloud Data Center中对10,000 V100 GPU进行了培训（2017年NVIDIA V100针对ML进行了优化）。在会议上获得最佳纸张奖和Neu-allal信息处理系统研讨会（NEURIPS）的获奖者，最近的GPT-3纸已经具有> 3,500次引用，并成为了主流媒体的头条新闻。
利用大规模大脑启发光子计算机识别人体动作
在计算机视觉中，识别视频流中的人类动作是一项具有挑战性的任务，其主要应用领域包括脑机接口和监控。深度学习最近取得了显著的成果，但在实践中却很难使用，因为它的训练需要大量数据集和专用的耗能硬件。在这项工作中，我们提出了一种基于储层计算范式的可扩展光子神经启发式架构，能够以最先进的精度识别基于视频的人类动作。我们的实验光学装置由现成的组件组成，并实现了一个易于训练且可扩展到数十万个节点的大型并行循环神经网络。这项工作为实现用于实时视频处理的简单可重构且节能的光子信息处理系统铺平了道路。