XiaoMi-AI文件搜索系统
World File Search System全面解决
以可靠性为中心的建筑和设备验收指南 2004 年 7 月
前言 本 NASA 可靠性中心建筑和设备验收指南旨在为与新建、维修或修复项目相关的设备提供验收标准指南。它可作为设计工程师、项目和计划经理、施工经理和检查员、质量控制人员和 NASA 质量保证人员的技术参考，帮助定义所需的验收要求。 为了支持价值和成本贯穿设备整个使用寿命的“前瞻性”愿景，NASA 采用了可靠性中心维护 (RCM) 流程。RCM 不仅在识别设备故障可能发生的位置方面取得了巨大成功，而且在识别可用于防止这些故障并减轻相关风险的行动和技术方面也取得了巨大成功。这些技术通常称为预测性测试和检查 (PT&I)，是 RCM 理念不可或缺的要素。这些相同的技术可以在验收过程中同样成功地用于识别和消除潜在的制造和安装缺陷。具有此类缺陷的设备将严重损害任务成功、人员安全以及总体运营和维护成本。本指南提倡将 RCM 流程作为制定验收标准的基础。它包含 RCM 方法的描述，还包含可用于验收测试的技术的描述。预期结果是高质量和安全的安装、减少过早故障和降低生命周期成本。本指南不会，也不打算，解决行业中广泛实施的传统和全面建筑调试的所有方面。对于这些，鼓励用户参考全面而详细的调试指南、标准和标准，例如美国采暖、制冷和空调工程师协会 (ASHRAE) 发布的指南、标准和标准。本指南补充了现有的调试标准，但不会取代这些标准。此处包含的实践和标准应与传统工艺参数结合使用，以便在承包商离开现场之前检查、测试和验收设施和设备安装。本指南中包含的设备示例并不包括 NASA 的所有设备，本指南也不打算全面解决所有不同品牌、型号和尺寸的设备。本文所含示例是常见设备的典型示例，旨在供 NASA 人员复制、模仿或扩展，以达到其明确而独特的目的。本指南是对 2001 年 3 月 NASA 可靠性中心建筑和设备验收指南的更新。它包含 46 个额外的通用设备规格以及词汇表和附录的更新。规格：此更新中包含了完整的参考资料。
临床医生的人工智能指南 - Pure
关于深度学习模型（机器学习的一个高级子领域，以神经网络为特征）。9 虽然本综述确定了该领域的 20,000 多项研究，但其中只有不到 1% 的研究具有足够高质量的设计和报告，可以纳入荟萃分析。需要清晰透明地报告适合人工智能研究的方法和结果。如果没有这一点，读者就无法判断报告的结果在潜在偏见来源的背景下是否合理，以及此类研究的结果在多大程度上可重复和可推广。随着报告指南的引入，例如《综合试验报告标准》（CONSORT）10 和《系统评价和荟萃分析的首选报告项目》11，医学文献中报告的完整性得到了实质性改善。在诊断领域应用类似的报告标准更具挑战性，没有一个标准适用于所有诊断模型。诊断准确性研究报告标准 12 指南仅涉及单项测试评估的准确性研究，而多变量诊断概率函数则最好通过透明报告个体预后或诊断的多变量预测模型 (TRIPOD) 来解决。13 随着人工智能在医学领域的兴起，来自其他领域、具有不同研究背景和出版文化的研究人员进入了医学领域。虽然医学界已经习惯于遵守商定的国际报告标准，但在统计学、数学或计算科学等其他领域，这一点似乎并不那么突出。眼科一直是人工智能健康革命的领导者，尤其关注能够根据成像执行诊断或分级任务的算法的生成。因此，眼科健康已成为人工智能领域创新的试验台，并提供了丰富的案例来源，以说明机器学习算法在医学应用中的潜力，以及此类研究的设计和报告方面的缺陷。应报告的关键信息包括：技术规格（例如，使用了哪种光学相干断层扫描 [OCT] 设备）；背景研究环境和队列信息（例如，资格/选择标准、人口统计、临床环境、时间段、地理位置、入组方式、患者流量、缺失数据）；以及数据处理方式（例如，文件图像增强、裁剪、存储文件格式）。14 值得注意的是，ML 模型具有其他技术方面，但目前的报告指南尚未全面解决这些方面。作为回应，对几个报告的扩展
以可靠性为中心的建筑和设备验收指南 2004 年 7 月
前言 本 NASA 可靠性中心建筑和设备验收指南旨在为与新建、维修或修复项目相关的设备提供验收标准指南。它可作为设计工程师、项目和计划经理、施工经理和检查员、质量控制人员和 NASA 质量保证人员的技术参考，帮助定义所需的验收要求。 为了支持价值和成本贯穿设备整个使用寿命的“前瞻性”愿景，NASA 采用了可靠性中心维护 (RCM) 流程。RCM 不仅在识别设备故障可能发生的位置方面取得了巨大成功，而且在识别可用于防止这些故障并减轻相关风险的行动和技术方面也取得了巨大成功。这些技术通常称为预测性测试和检查 (PT&I)，是 RCM 理念不可或缺的要素。这些相同的技术可以在验收过程中同样成功地用于识别和消除潜在的制造和安装缺陷。具有此类缺陷的设备将严重损害任务成功、人员安全以及总体运营和维护成本。本指南提倡将 RCM 流程作为制定验收标准的基础。它包含 RCM 方法的描述，还包含可用于验收测试的技术的描述。预期结果是高质量和安全的安装、减少过早故障和降低生命周期成本。本指南不会，也不打算，解决行业中广泛实施的传统和全面建筑调试的所有方面。对于这些，鼓励用户参考全面而详细的调试指南、标准和标准，例如美国采暖、制冷和空调工程师协会 (ASHRAE) 发布的指南、标准和标准。本指南补充了现有的调试标准，但不会取代这些标准。此处包含的实践和标准应与传统工艺参数结合使用，以便在承包商离开现场之前检查、测试和验收设施和设备安装。本指南中包含的设备示例并不包括 NASA 的所有设备，本指南也不打算全面解决所有不同品牌、型号和尺寸的设备。本文所含示例是常见设备的典型示例，旨在供 NASA 人员复制、模仿或扩展，以达到其明确而独特的目的。本指南是对 2001 年 3 月 NASA 可靠性中心建筑和设备验收指南的更新。它包含 46 个额外的通用设备规格以及词汇表和附录的更新。规格：此更新中包含了完整的参考资料。
如何批判性地评价机器学习研究
关于深度学习模型（机器学习的一个高级子领域，以神经网络为特征）。9 虽然本综述确定了该领域的 20,000 多项研究，但其中只有不到 1% 的研究具有足够高质量的设计和报告，可以纳入荟萃分析。需要清晰透明地报告适合人工智能研究的方法和结果。如果没有这一点，读者就无法判断报告的结果在潜在偏见来源的背景下是否合理，以及此类研究的结果在多大程度上可重复和可推广。随着报告指南的引入，例如《综合试验报告标准》（CONSORT）10 和《系统评价和荟萃分析的首选报告项目》11，医学文献中报告的完整性得到了实质性改善。在诊断领域应用类似的报告标准更具挑战性，没有一个标准适用于所有诊断模型。诊断准确性研究报告标准 12 指南仅涉及单项测试评估的准确性研究，而多变量诊断概率函数则最好通过透明报告个体预后或诊断的多变量预测模型 (TRIPOD) 来解决。13 随着人工智能在医学领域的兴起，来自其他领域、具有不同研究背景和出版文化的研究人员进入了医学领域。虽然医学界已经习惯于遵守商定的国际报告标准，但在统计学、数学或计算科学等其他领域，这一点似乎并不那么突出。眼科一直是人工智能健康革命的领导者，尤其关注能够根据成像执行诊断或分级任务的算法的生成。因此，眼科健康已成为人工智能领域创新的试验台，并提供了丰富的案例来源，以说明机器学习算法在医学应用中的潜力，以及此类研究的设计和报告方面的缺陷。应报告的关键信息包括：技术规格（例如，使用了哪种光学相干断层扫描 [OCT] 设备）；背景研究环境和队列信息（例如，资格/选择标准、人口统计、临床环境、时间段、地理位置、入组方式、患者流量、缺失数据）；以及数据处理方式（例如，文件图像增强、裁剪、存储文件格式）。14 值得注意的是，ML 模型具有其他技术方面，但目前的报告指南尚未全面解决这些方面。作为回应，对几个报告的扩展
如何批判性地评价机器学习研究
关于深度学习模型（机器学习的一个高级子领域，以神经网络为特征）。9 虽然本综述确定了该领域的 20,000 多项研究，但其中只有不到 1% 的研究具有足够高质量的设计和报告，可以纳入荟萃分析。需要清晰透明地报告适合人工智能研究的方法和结果。如果没有这一点，读者就无法判断报告的结果在潜在偏见来源的背景下是否合理，以及此类研究的结果在多大程度上可重复和可推广。随着报告指南的引入，例如《综合试验报告标准》（CONSORT）10 和《系统评价和荟萃分析的首选报告项目》11，医学文献中报告的完整性得到了实质性改善。在诊断领域应用类似的报告标准更具挑战性，没有一个标准适用于所有诊断模型。诊断准确性研究报告标准 12 指南仅涉及单项测试评估的准确性研究，而多变量诊断概率函数则最好通过透明报告个体预后或诊断的多变量预测模型 (TRIPOD) 来解决。13 随着人工智能在医学领域的兴起，来自其他领域、具有不同研究背景和出版文化的研究人员进入了医学领域。虽然医学界已经习惯于遵守商定的国际报告标准，但在统计学、数学或计算科学等其他领域，这一点似乎并不那么突出。眼科一直是人工智能健康革命的领导者，尤其关注能够根据成像执行诊断或分级任务的算法的生成。因此，眼科健康已成为人工智能领域创新的试验台，并提供了丰富的案例来源，以说明机器学习算法在医学应用中的潜力，以及此类研究的设计和报告方面的缺陷。应报告的关键信息包括：技术规格（例如，使用了哪种光学相干断层扫描 [OCT] 设备）；背景研究环境和队列信息（例如，资格/选择标准、人口统计、临床环境、时间段、地理位置、入组方式、患者流量、缺失数据）；以及数据处理方式（例如，文件图像增强、裁剪、存储文件格式）。14 值得注意的是，ML 模型具有其他技术方面，但目前的报告指南尚未全面解决这些方面。作为回应，对几个报告的扩展
以可靠性为中心的建筑和设备验收指南 2004 年 7 月
前言 本 NASA 可靠性中心建筑和设备验收指南旨在为与新建、维修或修复项目相关的设备提供验收标准指南。它可作为设计工程师、项目和计划经理、施工经理和检查员、质量控制人员和 NASA 质量保证人员的技术参考，帮助定义所需的验收要求。 为了支持价值和成本贯穿设备整个使用寿命的“前瞻性”愿景，NASA 采用了可靠性中心维护 (RCM) 流程。RCM 不仅在识别设备故障可能发生的位置方面取得了巨大成功，而且在识别可用于防止这些故障并减轻相关风险的行动和技术方面也取得了巨大成功。这些技术通常称为预测性测试和检查 (PT&I)，是 RCM 理念不可或缺的要素。这些相同的技术可以在验收过程中同样成功地用于识别和消除潜在的制造和安装缺陷。具有此类缺陷的设备将严重损害任务成功、人员安全以及总体运营和维护成本。本指南提倡将 RCM 流程作为制定验收标准的基础。它包含 RCM 方法的描述，还包含可用于验收测试的技术的描述。预期结果是高质量和安全的安装、减少过早故障和降低生命周期成本。本指南不会，也不打算，解决行业中广泛实施的传统和全面建筑调试的所有方面。对于这些，鼓励用户参考全面而详细的调试指南、标准和标准，例如美国采暖、制冷和空调工程师协会 (ASHRAE) 发布的指南、标准和标准。本指南补充了现有的调试标准，但不会取代这些标准。此处包含的实践和标准应与传统工艺参数结合使用，以便在承包商离开现场之前检查、测试和验收设施和设备安装。本指南中包含的设备示例并不包括 NASA 的所有设备，本指南也不打算全面解决所有不同品牌、型号和尺寸的设备。本文所含示例是常见设备的典型示例，旨在供 NASA 人员复制、模仿或扩展，以达到其明确而独特的目的。本指南是对 2001 年 3 月 NASA 可靠性中心建筑和设备验收指南的更新。它包含 46 个额外的通用设备规格以及词汇表和附录的更新。规格：此更新中包含了完整的参考资料。
以可靠性为中心的建筑和设备验收指南 2004 年 7 月
前言 本 NASA 可靠性中心建筑和设备验收指南旨在为与新建、维修或修复项目相关的设备提供验收标准指南。它可作为设计工程师、项目和计划经理、施工经理和检查员、质量控制人员和 NASA 质量保证人员的技术参考，帮助定义所需的验收要求。 为了支持价值和成本贯穿设备整个使用寿命的“前瞻性”愿景，NASA 采用了可靠性中心维护 (RCM) 流程。RCM 不仅在识别设备故障可能发生的位置方面取得了巨大成功，而且在识别可用于防止这些故障并减轻相关风险的行动和技术方面也取得了巨大成功。这些技术通常称为预测性测试和检查 (PT&I)，是 RCM 理念不可或缺的要素。这些相同的技术可以在验收过程中同样成功地用于识别和消除潜在的制造和安装缺陷。具有此类缺陷的设备将严重损害任务成功、人员安全以及总体运营和维护成本。本指南提倡将 RCM 流程作为制定验收标准的基础。它包含 RCM 方法的描述，还包含可用于验收测试的技术的描述。预期结果是高质量和安全的安装、减少过早故障和降低生命周期成本。本指南不会，也不打算，解决行业中广泛实施的传统和全面建筑调试的所有方面。对于这些，鼓励用户参考全面而详细的调试指南、标准和标准，例如美国采暖、制冷和空调工程师协会 (ASHRAE) 发布的指南、标准和标准。本指南补充了现有的调试标准，但不会取代这些标准。此处包含的实践和标准应与传统工艺参数结合使用，以便在承包商离开现场之前检查、测试和验收设施和设备安装。本指南中包含的设备示例并不包括 NASA 的所有设备，本指南也不打算全面解决所有不同品牌、型号和尺寸的设备。本文所含示例是常见设备的典型示例，旨在供 NASA 人员复制、模仿或扩展，以达到其明确而独特的目的。本指南是对 2001 年 3 月 NASA 可靠性中心建筑和设备验收指南的更新。它包含 46 个额外的通用设备规格以及词汇表和附录的更新。规格：此更新中包含了完整的参考资料。
酒店业的语音助理：使用人工智能为客户服务。目的——语音助理 (VA) 通过识别人类语音并执行用户发出的命令来增强人机交互。本文研究了酒店业中酒店与客人之间基于 VA 的互动。该研究将 VA 置于人工智能 (AI) 支持的物联网 (IoT) 环境中，颠覆了旧的做法和流程。智能酒店业使用 VA 以经济高效的方式为客人提供轻松的价值共同创造。该研究调查了消费者对酒店业 VA 的看法和期望，并通过专家技术提供商探索 VA 功能。设计/方法/方法——这篇实证论文研究了 VA 在酒店环境中的当前使用情况和未来影响。它使用定性、半结构化的深入访谈，采访了 7 位专家酒店业 VA 技术提供商和 21 位有 VA 经验的酒店客人。该研究采用供需方法，全面解决酒店业中的 VA。发现——研究结果表明，酒店和客人两方终端用户的需求，探讨了 VA 的优势和挑战。分析表明，VA 正日益成为数字助理。VA 技术可帮助酒店改善客户服务、扩大运营能力并降低成本。尽管尚处于起步阶段，但 VA 技术已在优化酒店运营和升级客户服务方面取得了进展。该研究提出了一种语音交互模型。原创性——VA 研究通常侧重于私人家庭中的技术，而不是商业或酒店空间中的技术。本文为智能酒店业中有关人工智能和物联网的新兴文献做出了贡献，并探讨了 VA 的接受度和操作性。该研究有助于概念化 VA 支持的酒店服务，并探索其积极和消极特征以及未来前景。研究局限性/含义——本研究通过使用 VA 和智能酒店和旅游生态系统的发展来促进酒店服务的转型。该研究可以从与酒店经理的进一步研究中受益，以反映酒店经营者的观点并调查他们对 VA 的看法。进一步的研究还可以探索不同背景下消费者与虚拟助理互动的不同方面。实际意义——本文对酒店管理和人机交互最佳实践做出了重大贡献。它支持技术提供商重新考虑如何开发合适的技术解决方案，以提高其战略竞争力。它还解释了如何经济高效地使用虚拟助理，同时为旅行者的体验增加价值。
酒店业的语音助理：使用人工智能为客户服务。目的——语音助理 (VA) 通过识别人类语音并执行用户发出的命令来增强人机交互。本文研究了酒店业中酒店与客人之间基于 VA 的互动。该研究将 VA 置于人工智能 (AI) 支持的物联网 (IoT) 环境中，颠覆了旧的做法和流程。智能酒店业使用 VA 以经济高效的方式为客人提供轻松的价值共同创造。该研究调查了消费者对酒店业 VA 的看法和期望，并通过专家技术提供商探索 VA 功能。设计/方法/方法——这篇实证论文研究了 VA 在酒店环境中的当前使用情况和未来影响。它使用定性、半结构化的深入访谈，采访了 7 位专家酒店业 VA 技术提供商和 21 位有 VA 经验的酒店客人。该研究采用供需方法，全面解决酒店业中的 VA。发现——研究结果表明，酒店和客人两方终端用户的需求，探讨了 VA 的优势和挑战。分析表明，VA 正日益成为数字助理。VA 技术可帮助酒店改善客户服务、扩大运营能力并降低成本。尽管尚处于起步阶段，但 VA 技术已在优化酒店运营和升级客户服务方面取得了进展。该研究提出了一种语音交互模型。原创性——VA 研究通常侧重于私人家庭中的技术，而不是商业或酒店空间中的技术。本文为智能酒店业中有关人工智能和物联网的新兴文献做出了贡献，并探讨了 VA 的接受度和操作性。该研究有助于概念化 VA 支持的酒店服务，并探索其积极和消极特征以及未来前景。研究局限性/含义——本研究通过使用 VA 和智能酒店和旅游生态系统的发展来促进酒店服务的转型。该研究可以从与酒店经理的进一步研究中受益，以反映酒店经营者的观点并调查他们对 VA 的看法。进一步的研究还可以探索不同背景下消费者与虚拟助理互动的不同方面。实际意义——本文对酒店管理和人机交互最佳实践做出了重大贡献。它支持技术提供商重新考虑如何开发合适的技术解决方案，以提高其战略竞争力。它还解释了如何经济高效地使用虚拟助理，同时为旅行者的体验增加价值。
ACM 参考格式：Yoonjoo Lee、John Joon Young Chung、Tae Soo Kim、Jean Y. Song 和 Juho Kim。2022 年。Promptiverse：通过可扩展的方式生成脚手架提示
虽然在线视频学习已成为各种学习者广泛采用的方法，但大多数在线视频学习环境为所有学习者提供的都是相同的讲座视频。在千篇一律的设计中，由于学习者先前的知识不同，他们可能会对讲座内容的不同部分感到困难。找到另一个能更好地解释学习者困难点的视频可能是一个解决方案，但这需要学习者搜索这样的视频，从而产生额外的努力。此外，由于学习者是新手，他们可能没有足够的知识来辨别哪个视频可以帮助他们克服困难。缓解学习者因千篇一律的视频设计而产生的各种痛点的一种方法是利用不同的支架提示，这些提示提供提示并向学习者询问学习内容。例如，如果视频对某个概念的解释对学习者来说不够详细，那么学习者就会很难理解内容。有了多样化的提示，如果学习者向在线学习系统寻求有关概念的帮助，那么系统可以提供合适的支架提示，让学习者有机会促进他们对该概念的理解。提示可以让学习者检查他们的理解，保持他们的参与度，并让他们将该概念与他们已经知道的其他概念联系起来[11，12]。最终，对概念的理解将拓宽学习者组织和感知新信息的方案，让学习者全面理解讲座。为了成功提供这种支持，必须准备各种各样的支架提示来应对学习者的各种痛点。然而，由于创作成本高昂，手动创建多样化的支架提示可能是不切实际的，如果没有这种多样性，提示往往无法全面解决讲座中涉及的各种概念。在这项工作中，我们介绍了 Promptiverse，这是一种支架提示生成方法，它使用知识图谱以较低的创作成本大规模创建多样化的提示。 Promptiverse 借助讲座内容的知识图谱，遍历知识实体和关系，同时考虑 Ausubel 理论 [ 4, 6 ] 中有意义的学习模式，这为设计有效的教学提示提供了深刻见解。Promptiverse 不仅从遍历的路径中生成大量提示，而且还通过改变哪些知识元素作为提示提供以及哪些知识元素从学习者那里引出，使提示的内容多样化。例如，在图 1 中，Promptiverse 通过改变遍历的路径生成了两个不同的支架提示（绿色框）。这些不同内容的提示可以为那些可能无法理解视频解释的学习者提供不同的解释。尽管 Promptiverse 有望实现提示的可扩展创建，但构建底层知识图谱需要课程设计人员的手动操作。因此，我们设计了 Grannotate，一款人机混合系统，用于协助课程设计人员
监管监督委员会会议议程
2025 年 1 月 10 日建议采取标准行动以应对 FERC 关于 EOP-012-2 行动的指令审查并向 NERC 董事会 (Board) 采取行动，以确保及时制定可靠性标准 EOP-012-2 的修订，按照联邦能源管理委员会 (FERC) 在其 2024 年 6 月 27 日的命令中的指示。 1 背景 2021 年 2 月 8 日至 20 日，极端寒冷天气和降水影响了美国中南部。大量发电机组出现停电、降额或无法启动，导致能源和输电紧急情况。在 2021 年 2 月的事件中，系统状况下降，以至于系统运营商最终下令进行美国历史上最大规模的受控稳定负荷削减事件，也是继 2003 年 8 月东北部大停电和 1996 年 8 月西海岸大停电之后停电兆瓦 (MW) 负荷数量第三多的事件。 2021 年 2 月的事件对经济和人类产生了巨大影响。根据董事会 2021 年 11 月的决议，NERC 优先处理 FERC、NERC 和区域实体工作人员关于 2021 年 2 月事件的联合报告中提出的可靠性标准相关建议。从 2021 年到 2024 年初，2021-07 极端寒冷天气准备和运营项目制定了可靠性标准以解决报告中的建议。这些标准中有一项新的可靠性标准，即可靠性标准 EOP-012，用于解决发电机寒冷天气准备问题。FERC 于 2023 年 2 月 16 日批准了 EOP-012 标准的第一个版本，即可靠性标准 EOP-012-1（2023 年 2 月命令）。 2 在 2023 年 2 月的命令中，FERC 指示对可靠性标准 EOP-012-1 及其相关实施计划进行进一步修改，并指示这些更改必须在命令发布之日起一年内或 2024 年 2 月 16 日之前提交。为了响应 2023 年 2 月的命令，NERC 制定了可靠性标准 EOP-012-2。2024 年 6 月 27 日，FERC 发布命令批准可靠性标准 EOP-012-2，但指示 NERC 修改该标准，发现需要进一步改进以解决含糊不清的语言并解决标准中的其他可靠性差距/实施问题。FERC 表示，“本命令中对 NERC 的五项核心指令不是新问题，而是有针对性的修改，这些修改对于全面解决委员会之前 2023 年 2 月命令中确定的问题是必不可少的。” 3 FERC 指示 NERC 制定进一步的修改，并在 2025 年 3 月 27 日之前提交修订后的标准。在 2024 年期间，2024-03 项目起草团队发布了两个版本的 EOP-012-3 标准草案和相关实施计划，供 NERC 的《标准流程手册》征求意见和投票。标准委员会已批准了程序豁免，