XiaoMi-AI文件搜索系统
World File Search System分析的
Chien -Ming Huang-约翰·霍普金斯计算机科学 Jason M. Eisner-约翰·霍普金斯计算机科学 可鲁棒分析的神经纹理可变形网格 -
jiwon Moon（CS BS），CRA杰出的本科研究人员荣誉提名2025 Victor Nikhil Antony（CS PhD），Hri Pioneer 2025 Maia Stiber（CS PhD），HRI Pioneer，HRI先驱2024 Gopika ajaykumar（CS PHD），HRI PHD（CS PHD），HRI PIONEER 2023 SHIEER 20223 SHIE）本科研究人员决赛入围2022年Kaitlynn Pineda（CS博士学位），JHU计算机科学系研究员2021 Fanjun（Frank）BU（CS BS）（CS BS），CRA CRA杰出的本科生荣誉荣誉提及2021 AMAMA MAHMOOD（CS PHD）（CS PHD）奖学金2019 Maia Stiber（CS博士），JHU计算机科学系2019年Gopika Ajaykumar（CS博士），NSF研究生研究奖学金2018
建模用于基因组数据分析的量子机学习
摘要 - Quantum机器学习（QML）不断发展，为各种应用程序释放了新的机会。在这项研究中，我们通过采用各种特征映射技术来研究和评估QML模型对基因组序列数据二元分类的适用性。我们提出了一个开源的，独立的基于qiskit的实现，以在基准基因组数据集上进行实验。我们的模拟表明，特征映射技术和QML算法之间的相互作用显着影响性能。值得注意的是，PEGASOS量子支持矢量分类器（PEGASOS-QSVC）表现出较高的灵敏度，尤其是在召回指标方面出色，而量子神经网络（QNN）在所有特征图中都具有最高的训练精度。但是，分类器性能的可变性（取决于功能映射）突出了在某些情况下过度适应本地化输出分布的风险。这项工作强调了QML对基因组数据分类的变革潜力，同时强调需要继续进步以增强这些方法的鲁棒性和准确性。
数据科学和分析的专业培训计划
o Python基本语法，数据类型，变量，运算符，输入/输出，字符串o Python数据结构：列表，元组，词典，集合。o控制结构：如果，如果是嵌套的，则嵌套，nested
外周血细胞图像分析的语言模型
摘要本文研究了视觉模型（VLM）在外周血细胞自动形态学分析中的应用。虽然手动显微镜分析仍然是血液学诊断的金标准，但它既耗时又可能会受到观察者间的变化。这项工作旨在开发和评估能够从微观图像中对血细胞进行准确的形态描述的微调VLM。我们的方法论包括三个主要阶段：首先，我们创建了一个合成数据集，该数据集由10,000个外周血细胞图像与专家制作的形态描述配对。第二，我们在三个开源VLMS上使用低级适应性（LORA）和量化Lora（Qlora）进行了微调方法：Llama 3.2，Qwen和Smovlm。最后，我们开发了一个基于Web的界面，用于实用部署。的结果表明，在预先调整后所有模型的所有模型中都有显着改善，QWEN的性能最高（BLEU：0.22，Rouge-1：0.55，Bertscore F1：0.89）。为了确保可访问性并实现正在进行的评估，该模型已被部署为网络空间的Web应用程序，使研究社区可自由使用。我们得出的结论是，微调的VLM可以有效地分析外周血细胞形态，从而为血液学分析提供了标准化的潜力。这项工作建立了一个框架，可以将视觉模型改编为专业的医疗成像任务，这对改善临床环境中的诊断工作流程的影响。完整的实现可在GitHub
对具有单调最佳响应的游戏的实证分析的序数方法
natalia lazzati：nlazzati@ucsc.edu John K.-H. quah：ecsqkhj@nus.edu.sg koji shirai：kshirai1985@kwansei.ac.jp供有益的讨论和评论，作者感谢S. Berry，J.J.福克斯，K。Hirano，T。Hoshino，A。Kajii，Y。Kitamura，B。Kline，E。Krasnokutskaya，C。Manski，W。Newey，T。Sekiguchi，J。Stoye，J。Stoye，B。Stroulovici，B。Strulovici，S。Takahashi，Y。Takahashi，尤其是X. Tank。在以下活动中已向听众介绍了该项目的各种版本，我们感谢他们的评论：在阿里佐纳大学，约翰·霍普金斯大学，京都，卢旺斯（核心），纽约大学，赖斯大学，赖斯大学，西蒙大学，西米森大学，西米森·弗雷泽大学，新加坡大学，西北大学，陆军大学（dauphiai南加州，新加坡曼格大学，斯坦福大学，加州大学戴维斯分校，加州大学圣地亚哥分校，加拿大经济理论会议（Vancouver，2017年，2017年），不完整模型的计量经济学会议（Cemmap and Northwestern，2018年，2018年），第13大纽约大都会区的纽约市经济学社会（PRINCETICS COLLOETIC COLLOETICS MENCONER SUMICATIN） 2018）。koji Shirai在2019-2020学年的访问期间，感谢日本促进科学学会（Kakenhi 19K00155）的财务支持（Kakenhi 19K00155）和约翰·霍普金斯大学的款待。
新的集体模型如何改变对小农户的支持？主题和情感内容分析的经验证据
集体农民模型是小农协作从事农业活动的重要方法，促进了可持续的经济发展，尤其是在印度的背景下。关于集体模型的发表研究文章的频率越来越多，强调了它们在解决印度和全球小农户面临的各种挑战方面的重要性。这项研究以三个主要研究问题为指导：首先，确定与集体模型有关的出版物的趋势；其次，衡量与本文中确定的主题相关的情感；第三，为了揭示各种集体模型在满足小农户需求方面的潜力，特别关注印度。该研究分析了2000年至2024年发表的研究文章，重点介绍了外观频率以及与农场集体功能有关的内容。利用描述性定量方法，本研究采用内容分析来收集4,382篇研究文章的主要数据。NVIVO 15工具用于分析数据，将关键主题，功能和支持机构识别为分析单位。通过这项全面的分析，该研究旨在阐明集体模型的出现及其潜力，以解决小农户，特别是印度面临的关键农业问题。该研究强调了农民集体的不断发展的趋势，从合作社转变为当代农民生产商公司，以应对新兴需求。全球文献的发现提供了有价值的见解，以增强印度集体模型的发展，在这些计划中，这些举措可以在应对小农户的挑战中发挥变革性的作用。
将洪水事件的社会叙事整合到基于文本网络分析的决策支持框架中，以减少非洲气候变化的脆弱性
在许多非洲国家，由于缺乏可访问和可用的信息，例如局部洪水图，对气候变化的反应妨碍了。使当前的灾难风险管理系统更加复杂，通常无法说明社会脆弱性和环境风险的特定上下文驱动因素，这对于增强对洪水影响的社会弹性至关重要。本文捕捉了赞比亚卢萨卡的基于社区的洪水风险叙事。使用未来对非洲城市和土地（Fractal）群体的富有弹性的网络，自然和社会科学的跨学科方法来支持洪水弹性的决策，作为卢萨卡城市洪水弹性的参与性气候信息蒸馏（Fractal-Plus-Plus）项目。使用全球降雨和GIS数据集创建了本地洪水淹没图，然后在与本地利益相关者的两个交互式“学习实验室”中进行了分析。历史观察和生活经验从学习实验室提炼为三种基于社区的洪水风险的社会叙事。使用自然语言处理（NLP）和文本网络分析（TNA），使用卢萨卡利益相关者的见解来校准洪水图。叙事信息的洪水地图通过讨论社会对洪水和气候变化的脆弱性来增强利益相关者参与的动态切入点，突出了未来的挑战和弹性计划的机会。输出策略召集利益相关者在可持续的环境中讨论这些主题的价值，以应对气候弹性的跨学科挑战，为更好地利用可用资源的基准提供了基准，并能够快速评估弹性建设的需求和措施。
供应链和运营分析的执行管理计划
Gourav Dwivedi教授是德里印度理工学院的运营与供应链管理学院。拥有十多年的学术界和行业经验，Dwivedi教授将理论知识和实践见解的独特融合到了课堂上。他的专业知识涵盖了供应链管理中的广泛关键领域，包括分布式制造，物流建模，行业4.0技术，行为运营和业务可持续性。Dwivedi教授积极与行业合作伙伴和政府组织合作，对对运营效率，可持续性和社会发展产生切实影响的项目。 作为一名教育者，德韦维迪教授深深致力于培养下一代供应链领导者。 他设计并提供了许多高管教育计划，研讨会和课程，涵盖了供应链管理，分析，项目管理和企业家发展等主题。 他的教学的特征是专注于实际应用和现实世界中的案例研究，以确保参与者获得他们在职业生涯中表现出色所需的技能和知识。 他在领先的国际期刊上发表了他的研究，并在国际会议上介绍。 他还是印度次大陆改编“供应链管理：战略，计划和操作”的合着者，这是全球领先的SCM教科书。Dwivedi教授积极与行业合作伙伴和政府组织合作，对对运营效率，可持续性和社会发展产生切实影响的项目。作为一名教育者，德韦维迪教授深深致力于培养下一代供应链领导者。他设计并提供了许多高管教育计划，研讨会和课程，涵盖了供应链管理，分析，项目管理和企业家发展等主题。他的教学的特征是专注于实际应用和现实世界中的案例研究，以确保参与者获得他们在职业生涯中表现出色所需的技能和知识。他在领先的国际期刊上发表了他的研究，并在国际会议上介绍。他还是印度次大陆改编“供应链管理：战略，计划和操作”的合着者，这是全球领先的SCM教科书。
在机器学习时代，基于词典的情感分析的优势
评估文本是正面还是负面分析，是许多学科的广泛应用。自动化方法使得可以快速，复制且高度准确地编码几乎无限量的文本。与机器学习和大型语言模型（LLM）方法相比，基于词典的方法可能会牺牲一些性能，但是作为交换，它们提供了普遍性和独立性，同时至关重要地提供了识别阶段级别的可能性。我们使用Multilexscaled展示了Lexica的强劲性能，这种方法平均在许多广泛使用的通用词典中平均价值。我们通过一系列不同域的基准数据集对其进行验证，将性能与机器学习和LLM替代方案进行了比较。此外，我们通过对9/11英国后的穆斯林媒体报道进行分析来说明识别细粒情感水平的价值，即穆斯林的媒体报道，二氧化价指标会产生有关后9/11震动的性质不同（和错误的）结论，以及在宽阔的外观和大小写的范围内和大小之间的覆盖。可以在线上使用用于应用MultileXscaled的代码。
评估人工智能对德国劳动力市场的影响：来自 ChatGPT 分析的见解
我们利用 Brynjolfsson 等人 (2018) 建立的机器学习适用性 (SML) 评分方法评估人工智能 (AI) 对德国劳动力市场的影响。然而，这项研究为传统方法引入了两种创新方法。这项研究没有依赖传统的众包平台来获得自动化程度评级，而是利用了 OpenAI 的 ChatGPT 的聊天机器人功能。此外，为了与对德国劳动力市场的关注保持一致，该研究将 SML 分数的应用扩展到欧洲技能、能力、资格和职业分类 (ESCO)。因此，本研究的一个独特贡献在于评估 ChatGPT 在不断发展的人工智能领域中衡量技能和能力自动化程度的有效性。此外，该研究通过将 SML 分数直接映射到欧洲 ESCO 分类来增强其研究结果的适用性，使结果更适用于欧盟内的劳动力市场分析。初步结果表明，在所考察的 13,312 项不同的 ESCO 技能和能力中，人工智能对大多数技能和能力产生了可衡量的影响。更详细的分析表明，人工智能对与计算机使用和信息处理相关的任务表现出更明显的影响。涉及决策、沟通、研究、协作以及与医疗保健、食品制备、建筑和精密设备操作相关的特定技术能力的活动得分相对较低。值得注意的是，该研究强调了人类员工在横向技能方面的比较优势，例如创造性思维、协作、领导力、一般知识的应用、态度、价值观以及特定的手工和体力技能。将我们的排名应用于 2 位数 ISCO 级别的德国劳动力数据表明，与之前的自动化浪潮相比，人工智能也可能影响非常规认知职业。事实上，我们的结果表明，与教学专业人员、健康助理专业人员和个人服务工作者相比，商业和行政专业人员以及科学和工程助理专业人员的排名相对较高。最终，这项研究强调，人工智能对劳动力的总体影响将取决于其部署的潜在动机。如果主要动力是降低成本，那么人工智能的实施可能会遵循就业损失的历史模式，生产率的提高有限。因此，公共政策在重新调整激励措施以优先考虑机器实用性而不是机器智能方面发挥着重要作用。