XiaoMi-AI文件搜索系统
World File Search System动态数据
制定国家政策框架的替代燃料基础设施用于运输问题
•文章（3），（4）和（5）与强制性基于车队的基础架构和基础设施目标有关，用于在Ten-t网络上充电专门用于轻便和重型车辆的基础架构，以及围绕付款机制，价格跨餐和访问权限的付款机构的义务，并适用于公共可访问点的运营商。•文章（9）和（10）与与TEN-T网络和内陆水道上海上港口的海岸电力供应有关的强制性基础设施要求有关。•第（12）条涉及在TEN-T网络上所有机场供电的强制性目标。•第（13）条与铁路基础设施有关，该铁路基础设施不受十-T法规（EU）1315/2013的涵盖，以及无法完全电气化的铁路部门推进系统的潜在开发，例如电池供电火车，以及任何充电基础设施的需求。•第（14）条规定了与电气化有关的关键要素，这些要素应在每个成员国的国家政策框架中考虑，例如，为圈养车队，公共交通服务，私人充电以及在航空和海上领域的潜在用途提供支持。•第（15）条与某些报告要求有关，需要传输系统运营商和配电系统运营商的投入，以及如何将充电点的部署和操作使电动汽车能够进一步促进能源系统的灵活性，包括他们在平衡市场中的参与以及进一步吸收可再生电力的吸收。•文章（19）和（20）与必须在充电点显示的某些用户信息有关，以及必须由公共可访问的充电点的操作员提供的静态和动态数据的类型。•附件I总结了国家进度报告中要提供的与电气化有关的预期报告要求。•附件II提供了有关与电气化有关的技术规格和标准的详细信息。
物联网驱动的供应链分析在敏捷和
由于地处偏远、物流复杂且易受环境不确定性影响，海上能源作业面临着独特的挑战。物联网 (IoT) 的最新进展彻底改变了供应链分析，通过动态数据驱动的决策实现了敏捷和弹性运营。本评论探讨了物联网技术通过整合实时监控、预测分析和自动化在增强海上能源供应链方面的变革性作用。智能传感器、RFID 系统和边缘计算等关键组件促进了实时数据收集和处理，提高了可视性、跟踪和资源优化。物联网与人工智能 (AI)、机器学习、区块链和数字孪生等新兴技术的集成进一步增强了运营弹性。预测性维护和远程监控系统通过在设备故障发生之前识别来最大限度地减少停机时间，而人工智能驱动的分析则优化了库存和调度流程。区块链确保数据安全和透明度，数字孪生支持风险评估和灾难恢复规划的情景测试。尽管取得了这些进展，但网络安全风险、可扩展性问题和法规遵从性等挑战仍然是广泛采用的重大障碍。展望未来，边缘 AI、5G 网络和自主系统等创新有望进一步增强物联网驱动的分析能力，为海上能源运营提供可持续且适应性强的解决方案。本评论提供了有关如何克服实施挑战以及利用物联网技术在海上能源环境中构建敏捷、有弹性且面向未来的供应链的见解。最后，它提出了行业采用和未来研究的建议，强调了物联网在塑造海上能源物流未来方面的作用。
Kaverinska，A。I.，Lazurenko，V.V.，Zhelezniakov，O。Y.和Prokopiuk，V。Y.（2024）。脐带冷冻效果及其乳液的抗凋亡效应
B组链球菌（GBS）是所有泌尿道感染（UTI）中2-7％的致病药物，包括无症状的细菌（AB）（AB），膀胱炎和pyelonephrisis。我们使用了哥伦比亚琼脂上孕妇的尿液样本的细菌学定量方法，并使用5％的羔羊血液），链球菌B成色琼脂和Todd Hewitt肉汤，确定GBS菌株，确定对细菌素的敏感性，嬉皮士水解测试和营地测试。根据欧洲抗菌易感性测试委员会的建议，通过磁盘扩散法确定对抗菌药物的易感性。在2021年期间，在3,356个孕妇尿液样本中，有149个研究的生物瘤样本，GBS呈阳性（结果 - 4.4％）。已经确定，在妊娠的头三个月（27.5％）中分离出了41种GB的菌株，在第二个孕期 - 59个菌株（39.5％），三个月 - 49个菌株（33.0％）。It is established that out of the 149 strains of GBS, 38 strains (25.0%) were resistant to norfloxacin, 45 strains (30.0%) to erythromycin, 41 strains (28.0%) to clindamycin,125 strains (84.0%) to tetracycline, 20 strains (13.0%) to levofloxacin, 3 strains （2.0％）至硝基氟氨酸。发现所有链球菌的菌株都对苄基苯甲霉素敏感。从孕妇尿液中鉴定出的SGB菌株的数量为47个菌株。除β-内酰胺外，所有抗性菌株均对至少三组抗菌药物抗性。科学研究的结果将使我们能够获得有关GBS菌株抗生素耐药性的动态数据，以研究这种微生物的抗生素灵敏度的发育速率。将来，科学家在审查治疗孕妇尿路感染方案时可以使用研究数据。
内容
作者：Thomas A. Donnelly 博士 摘要：这是 JMP® 软件将动态数据可视化和分析引入桌面的第 32 年。使用简短的案例研究，此演示将重点介绍 JMP 中强大的数据可视化功能，例如地图上的动画数据（现在可以记录为 GIF）、包括数据表中的图像、非结构化文本数据的分析、传感器数据流的分析（功能数据分析）以及展示 JMP 16 中的增强功能。使用新的 Graphlet 和悬停标签，可以直观地深入查看数据层次结构（例如工作分解结构 (WBS)），以查看每个步骤的图形摘要。只需几分钟即可完成电子表格程序中需要数小时才能完成的工作。JMP 减少了数据清理的繁琐工作 - 包括异常值检测、输入缺失数据和重新编码混乱数据。单击并拖动变量、添加数据过滤器、图像、地图和动画时，图表会立即出现。几乎可以从任何地方获取数据 - Excel、数据库、文本、互联网或 JMP 15 中新增的 PDF 文档导入表（甚至跨多个页面）。除了数据探索和可视化之外，JMP 还具有实验设计、可靠性和数据挖掘方面的尖端功能。JMP 为现实世界的 DOE 问题、高效的计算机模拟和软件质量保证提供解决方案。机器学习方法包括决策树、神经网络以及线性、逻辑和惩罚回归方法。使用具有置信区间的更多可解释模型获得接近机器学习的准确性。将展示如何将 JMP 的“每个统计数据的图形”轻松移动到 PowerPoint 演示文稿和交互式 HTML5 网络报告中，以便观众可以问“如果？”问题并立即获得答案，无需 JMP 软件。分类：未分类 工作组：演示
FY25 LDRD 呼叫和研究需求
• 计算科学，例如 1) 复杂多物理场正向问题的稳健/可扩展和准确的计算公式和解决方法，包括多材料/多流体算法；2) 严格的多物理场耦合方法，和/或跨工程领域的多种物理场集成，可能涉及分层、异构和/或多保真模型；• 计算系统，例如新兴计算范式的理论基础；云端 CaaS 工作流的专业化和交付以及先进的云方法以实现高保真模拟；自主计算系统和工作流管理；量子算法、量子控制和电路设计以及量子架构的理论进展；用于编程和分析神经形态算法和系统的稳健理论框架的发展。• 信息科学，例如解释、可视化、解释和传达分析结果的方法；来自不同来源的数据融合；开发新数据源；在源头处理和缩小传感器数据；异常检测；生成合成数据的方法；以任务为中心的数据分析，包括无监督学习和流分析；管理动态数据；形式化方法；以及评估和监控人机协作的算法和指标。• 可信人工智能，例如用于认证人工智能软件的方法，该方法与 NIST 和 DOE AITO 办公室正在开发的新生定义一致。• 用于任务应用的可信生成人工智能，例如 1) 评估 GenAI 的适用性、可靠性、能力限制和安全性；2) 评估开发成本与对用户任务/任务问题决策的影响；3) 相对于任务领域/任务或专用硬件的训练和推理效率的算法专业化。• 人类信任，例如信任的认知方面、增强信任的过程、计算环境中的信任动态以及具有突发行为的系统。还邀请对人类可理解的计算结果进行研究，考虑系统目标和人类信任相互作用中的不确定性、可信度、透明度、可解释性和出处追踪影响。• 国家安全信息科学与技术 (NSIST)
FRE-GY.6191 金融技术高级专题
第 1 周：HTML 和 Web 服务器定义的基本原理。 - 了解 HTML 代码创建的基础知识。 - 样式简介。 - 初始化 Web 服务器的教程。 - 项目第 0 部分：班级项目介绍。 第 2 周：为什么选择 Dash？金融数据可视化回顾。 - 使用 Python 进行 Web 开发的介绍。 - 创建动态 HTML 组件。 - 使用 Plotly 创建静态图形和图形。 - 项目第 I 部分：在 Web 应用程序中下载、格式化和呈现时间序列数据。 第 3 周：使用回调更新视觉输出第 I 部分。 - 超越 matplolib：使用 Plotly 进行动态数据可视化的介绍。 - 服务器和客户端回调和子例程介绍。 - 项目第 II 部分：添加最终用户请求数据和更新第 I 部分结果的能力。时间序列将包括更改时间段的能力，即：1 天、1 个月、1 年等。 第 4 周：使用回调更新视觉输出第 II 部分。 - 介绍 Plotly Dash 的布局组件和 Bootstrap - 创建一个响应式表单，允许用户根据输入采取不同的操作。 - 为昂贵的计算添加“记忆”。 - 项目第三部分：在第二部分中添加计算和蒙特卡罗模拟层。模拟结果将以图形方式显示收敛情况。 第 5 周：处理 Dash 的缺点。 - 实现具有多个输入和输出的回调。 - 学习处理影响相同输出的多个输入的请求。 - 学习处理需要相同输入和输出的情况。 - 学习处理尚未创建的组件。 - 项目第四部分：此时，该项目将包括最终用户在 MC 模拟中输入迭代次数的能力，如果重复请求，记忆应该会阻止它再次计算。 第 6 周：以干净的方式呈现数据。 - Dash DataTable 简介。 - 学习如何设置 DataTable 的样式并应用条件格式。 - 项目第五部分：向项目添加 DataTable 以显示 MC 结果。第 7 周：演示 - 项目演示。
支持协同决策的智能系统...
a 国立航空大学飞行学院，Dobrovolskogo Str., 1, Kropyvnytskyi, 25005, Ukraine b 国立航空大学，Liubomyra Huzara ave., 1, Kyiv, 03058, Ukraine c 国立航空航天大学 H.E.朱可夫斯基“哈尔科夫航空学院”，Chkalov Str., 17, Kharkiv, 61070, 乌克兰 d 哈尔科夫国立空军大学（I. Kozhedub 命名），Sumska Str., 77/79, Kharkiv, 61023，乌克兰 摘要 为了全面考虑影响飞行紧急情况（FE）中飞行员/空中交通管制员的协同决策（CDM）过程的因素，提出了一个自适应智能支持协同决策系统（ISSCDM）的概念模型，该系统考虑了管制对象（飞机）、环境（空中交通管制区和机场的特征）和空中导航系统运营商（飞行员/空中交通管制员的特征）的状态的动态、静态和专家信息。 div>FE 中的飞行员/空中交通管制员的 ISSCDM 使用基于人工神经网络的 CDM 模型。为了评估飞行员和空中交通管制员在 FE 中发生 CDM 的风险，开发了一个四层循环神经网络，并附加输入 - 偏差：第一层（输入） - FE 中的损失FE 取决于飞行情况；第二层（隐藏）——FE 格挡技术程序的规范时间；第三层（隐藏）——FE 格挡技术程序的规范顺序；第四层（输出）——风险FE 评估。由于偏差而开发的神经网络模型使得在执行 FE 规避技术程序时可以考虑飞行员和空中交通管制员之间的相互作用，并借助反馈来根据运营商对时间协调标准和规范行动序列遵守情况的动态数据，修正预测的CDM风险评估。借助 NeuroSolutions 神经模拟器（版本 7.1.1.1），以 FE“飞机起飞后爬升时发动机故障并起火”为例，构建了具有偏差的多层前馈感知器，并通过误差反向传播过程与老师一起训练。关键词 1 人工神经网络，偏差，协调行动，交互，神经模拟器，风险评估，技术程序
复杂网络中的拓扑数据分析的几何算法Rajesh Kumar博士 * HAR
复杂网络中用于拓扑数据分析的几何算法Rajesh Kumar博士 * Rajesh Kumar博士 *哈里亚纳邦计算机科学系助理教授，哈里亚纳邦工程科学技术大学，印度哈里亚纳州哈里亚纳州希亚尔市，20024年9月10日获得，于2024年9月10日接受，在2024年9月30日在线获得，第5卷，第5卷，第2024卷，第2024卷，第2024卷，第2024卷，每隔2024年10月5日（台阶）。在机器学习，计算机图形和空间数据库等领域，高维空间越来越重要，在该领域中，大规模，动态数据很普遍。本研究探讨了能够支持动态操作（例如插入，删除和查询）的优化几何数据结构的开发，同时在高维设置中保持性能和可扩展性。通过解决诸如维度和计算复杂性的诅咒之类的挑战，该项目旨在提高高维几何计算中使用的算法的性能。此外，还将探索近似技术，并行计算和分布式算法的集成，以确保对大型数据集的可扩展性。研究的实际应用包括实时渲染，最近的邻居搜索以及在动态环境中的空间数据查询。关键字：计算几何，动态几何数据结构，高维空间，机器学习，近似算法，最近的邻居搜索，并行算法，实时查询处理，KD-TROOD简介拓扑数据分析（TDA）已成为从提取有意义的模式和结构的强大框架中，从而从中提取了有意义的模式和结构。本研究探讨了计算几何学和拓扑的交集，以开发用于分析复杂网络时针对TDA应用的几何算法。重点是创建有效且可扩展的算法，这些算法可以处理大规模网络的复杂拓扑特征，从而使他们对其结构和动态有了更深入的了解。关键研究领域持续的同源计算
人工智能改善儿童健康：社区案例研究
印度的医疗保健系统缺乏满足该国医疗保健需求的基础设施。医生和护士的可用性分别比世卫组织的建议低 30% 和 50%，导致医疗保健需求与支持医疗保健的基础设施之间严重失衡。除其他问题外，印度仍在努力应对营养不良等挑战，38% 的五岁以下儿童体重不足。尽管面临这些挑战，但技术进步、手机普及和患者意识的提高为人工智能提供了巨大的机会，通过更好地利用有限的资源，实现高效的医疗保健服务。Saathealth 移动应用程序以有趣的视频系列、游戏化问答之旅和有针对性的通知的形式，为中低收入的幼儿父母提供互动式儿童健康、营养和发展内容。该应用程序根据动态数据和预测算法迭代地改进用户旅程，从而实现从被动护理到主动护理的转变。一年来，Saathealth 用户已注册超过 500,000 次会话和超过 2 亿秒的应用内互动时间，与医疗资源匮乏社区的其他数字健康干预措施的互动相比，其表现更为出色。我们利用来自 45,000 名用户的宝贵应用分析数据和见解，构建了可扩展的预测模型，并针对特定用例进行了验证。使用异构数据的随机森林模型，我们可以 93% 的准确率预测用户流失。通过预测用户在移动应用上的生命周期，我们得到了初步见解，RMSE 为 25.09 天，R2 值为 0.91，反映了密切相关的预测。这些预测算法让我们能够通过优化的优惠和全渠道推送来激励用户，以提高用户对内容的参与度以及其他有针对性的线上和线下行为。这些算法还通过增强个性化体验并将有限的医疗资源导向最抗拒数字化干预的人群，从而优化了我们干预的有效性。这些算法和类似的人工智能算法将使我们能够延长和深化与医疗消费者的终身关系，使他们中的更多人成为有效、主动的参与者，改善儿童的健康、营养和早期认知发展。
内容
56986 - JMP 16® 数据可视化、探索和发现软件 开始日期：2021 年 6 月 22 日 开始时间：美国东部时间下午 4:00 结束时间：美国东部时间下午 4:50 作者：Thomas A. Donnelly 博士 摘要：这是 JMP® 软件将动态数据可视化和分析引入桌面的第 32 年。此演示将使用简短的案例研究来重点介绍 JMP 中强大的数据可视化功能，例如地图上的动画数据（现在可以记录为 GIF）、包括数据表中的图像、非结构化文本数据的分析、传感器数据流的分析（功能数据分析）以及展示 JMP 16 中的增强功能。使用新的 Graphlet 和悬停标签，可以直观地深入查看数据层次结构（例如工作分解结构 (WBS)），以查看每个步骤的图形摘要。在几分钟内完成电子表格程序中需要数小时才能完成的工作。JMP 减少了数据清理的繁琐工作 - 包括异常值检测、输入缺失数据和重新编码混乱数据。单击并拖动变量、添加数据过滤器、图像、地图和动画时，可以立即看到图形出现。几乎可以从任何地方获取数据 - Excel、数据库、文本、互联网或 JMP 15 中新增的导入 PDF 文档中的表格（甚至跨多个页面）。除了数据探索和可视化之外，JMP 还具有实验设计、可靠性和数据挖掘方面的尖端功能。JMP 提供现实世界 DOE 问题的解决方案、高效的计算机模拟和软件质量保证。机器学习方法包括决策树、神经网络以及线性、逻辑和惩罚回归方法。使用具有置信区间的更多可解释模型获得接近机器学习的准确性。将展示如何将 JMP 的“每个统计数据的图表”轻松移动到 PowerPoint 演示文稿和交互式 HTML5 网络报告中，以便观众可以提出“假设？”问题并立即获得答案，而无需使用 JMP 软件。分类：未分类工作组：演示