XiaoMi-AI文件搜索系统
World File Search System勾勒
![arXiv:2106.05659v1 [cs.LG] 2021 年 6 月 10 日](/simg/g:\will\search\icon\source\3\3e97c62d3f2c9b5b76e09a81f8167bf3d3030183.webp)
arXiv:2106.05659v1 [cs.LG] 2021 年 6 月 10 日
1 简介 各国航天机构重新燃起动力，将人类太空探索从低地球轨道 (LEO) 推向深空。NASA 的 Artemis 计划勾勒出重返月球和远赴火星的清晰路线 [NASA, 2017]。此外，SpaceX 和 Blue Origin 等主要参与者在商业航天领域取得的最新成功，使载人航天变得更加便捷、经济实惠，并使未来的长期任务成为现实。然而，未来长时间的航天飞行需要独立于 LEO 操作的系统，例如持续通信、在相对较短的时间内通过多个系统传输大量数据的能力、或在需要时请求和交换机组人员的能力。在地球上，机器学习 (ML) 和机器自动化已经在推动下一次工业革命，并在农业和制造业等领域实现完全自主的工业流程 [Ayaz et al. , 2019; Yang et al. , 2019]。然而，航天本身却远远落后于这些进步。在这里，我们讨论了 ML 支持系统在太空领域面临的挑战以及 ML 系统在航天器上的适用性和优势。我们通过自主医疗系统的示例重点介绍上述内容，并描述了成功开发此类系统的基础设施。
预测数字化未来
我们在日内瓦参加新媒体会议时，在一间简朴的现代酒店房间里写下了这本书的提案。在会议间隙、品尝法式甜点和参观国际宗教改革博物馆的难忘旅程中，我们勾勒出了一个计划，计划如何成形。我们从一开始就知道，我们想要批判性地审视“普适计算”（或“ ubicomp ”）的概念。这个项目我们已经在各种出版物和演讲中讨论了很多年，现在是时候进行更全面的审视了。这个项目的独特性以及它所取得的成功在很大程度上依赖于我们合作的跨学科性质。杜里什是一位计算机科学家，他的工作处于计算机科学和社会科学的交叉点；贝尔是一位文化人类学家，主要关注信息技术作为文化生产的场所以及技术创新和传播的结果。我们的智力和个人轨迹非常复杂。我们每个人都曾以不同的身份（儿童、工人、学生、教授和研究员）在一系列重要的中心城市工作过，例如澳大利亚国立大学、斯坦福大学、布林茅尔学院、剑桥大学、伦敦大学学院、硅谷、Rank Xerox EuroPARC、Xerox PARC、苹果和英特尔的架构实验室和企业技术集团。在澳大利亚长大并接受教育
ADA 执行董事 Raymond A. Cohlmia 的报告...
2024 年 10 月 19 日 议长先生、各位领导、朋友们、贵宾们： 去年在奥兰多，我谈到了我最喜欢的迪士尼景点：进步旋转木马，它反映了 ADA 为设计牙科的下一章所踏出的征程。我为我们的协会在前进而感到自豪——但前进也需要远见。也许这就是为什么我在迪士尼最喜欢的第二项游乐设施根本不是游乐设施——而是俯瞰太空山的公园长椅。虽然我没有在运动，但公园长椅是我充满灵感、想象力和清晰度的地方。我在那里花了好几个小时想象如何最好地支持您对 ADA 的梦想。我们在公园长椅上度过的时间对我们的成功至关重要——它创造了远见。ADA 自己的公园长椅是董事会会议室、理事会和委员会、电话会议和聚会，我们在那里勾勒出了我们协会的可能性。因为我们在那里度过了时光，ADA 正在走向一个清晰的未来。未来，世界上任何人都可以说：“ADA 会照顾我。”我们的 ADA 一直是几代牙医的稳定资源——帮助我们的社区满足现代牙科的需求。这要求我们保持领先地位，站在变革的前沿。但数字告诉我们——在某些方面——我们做得不够。截至 8 月，我们的会员市场份额为 52.8%，低于去年同期的 2.4%。
重塑无人机，重塑海军 1919–1939
发明通常被视为一个孤立事件，归因于一个重大的“第一”或一个拥有专利的发明者。然而，本文并不质疑什么才算第一架无人机，也不质疑谁是它的“发明者”，而是勾勒出技术演进过程中曲折的不确定性——探索看似失败的项目如何为美国海军第一架成功的无线电遥控无人机奠定基础。无人机属于两次世界大战期间的新兴技术，因此提供了一个有启发性的案例研究，让我们思考美国海军的研发 (r&D) 社区如何发挥战略资产的作用。当一个子组件的可用性可能危及整个研究项目时，机构稳定性、思想交流和重新评估海军理论的意愿等因素对国家安全至关重要。当专家面临（可能是暂时的）死胡同时，他们识别死胡同的能力也同样重要。本文将在这种情况下充实创新的参与者和活动，强调这项工作的协作性质如何减轻研发的不确定性和风险？本文分为五个部分。第一部分是发明案例研究，叙述了开发第一架美国无线电遥控飞机所必需的合作行为。为了建造这个原型，电气工程师卡洛斯·米里克咨询了各种研究伙伴，整合了尖端技术。
避免混合方法研究中的常见陷阱？
我们借鉴了文章：“消费者和社区参与与健康相关的教育是什么样的？混合方法研究”为例。与受训者讨论的第一点是指出，这些作者从一个理论框架开始，这显然指导了他们的研究。当研究涉及定性数据时，不仅（不仅）混合方法研究人员提倡的立场（Cleland，2022）。第二，作者提供了一个深入的研究设计部分，其中根据混合方法设计的目的进行了详细说明，并确定了他们选择的明确设计。他们对混合方法的含义以及原因是具体的。他们的设计陈述描述了定性和定量数据集成的重要性。第三，在数据收集部分中，作者描述了定量度量的开发和定性数据的收集。定性方法被称为反身主题分析。有趣的是，定性数据来自三个来源：对问卷中的评论部分的开放式回答，访谈和焦点小组。我们还指出，作者并不仅仅依靠开放式评论来获得其Qualita Tive数据。我们已经看到经常完成（非常经常！）在标记为混合方法的研究中，研究人员对此方法提出警告。的确，“虽然对自由文本响应的分析可以产生初步的理解，并帮助研究人员开始勾勒出内容领域，但通常无法获得“如何？”和“为什么？”问题是定性研究的核心业务”（Ladonna，Taylor和Lingard，2018年，第348页）。
人工智能作为现代社会学的一个问题
介绍。目前，人工智能（AI）研究领域采用了许多不同的方法。其中占主导地位的是数学、认知和哲学科学的方法。所有研究方法都统一于自然智能和人工智能根本可比性的假设。这些变化所显现出的社会性正受到外国和俄罗斯研究人员越来越多的关注。撰写本文的目的是阐明社会科学特别是社会学中人工智能研究的理论和方法方法。方法和来源。本文基于一种跨学科的方法，它使我们能够勾勒出科学问题的规模，并消除各个科学在人工智能研究中使用的思想和类别之间的矛盾。结果和讨论。作者认为，广泛使用的“人工智能”概念更多的是一个科学隐喻，而不是已证实的经验事实。人工智能目前还不存在。还有神经网络，机器学习，这些都包含在“人工智能”的概念内。它们能够解决现实世界中以前只有人类才能解决的某些问题。人工智能是一种以计算机技术和专门软件为基础，将人类一定的知识水平应用于相关活动领域的信息技术。将人工智能视为经验事实是一种谬论，在科学上是没有立足之地的。结论。社会学在人工智能研究领域才刚刚起步。它没有自己的方法工具来分析人工智能以及其引入社会日常生活后产生的社会现实。可以接受的
重塑无人机，重塑海军 1919–1939
发明通常被视为一个孤立事件，归因于一个重大的“第一”或一个拥有专利的发明者。然而，本文并不质疑什么才算第一架无人机，也不质疑谁是它的“发明者”，而是勾勒出技术演进过程中曲折的不确定性——探索看似失败的项目如何为美国海军第一架成功的无线电遥控无人机奠定基础。无人机属于两次世界大战期间的新兴技术，因此提供了一个有启发性的案例研究，让我们思考美国海军的研发 (r&D) 社区如何发挥战略资产的作用。当一个子组件的可用性可能危及整个研究项目时，机构稳定性、思想交流和重新评估海军理论的意愿等因素对国家安全至关重要。当专家面临（可能是暂时的）死胡同时，他们识别死胡同的能力也同样重要。本文将在这种情况下充实创新的参与者和活动，强调这项工作的协作性质如何减轻研发的不确定性和风险？本文分为五个部分。第一部分是发明案例研究，叙述了开发第一架美国无线电遥控飞机所必需的合作行为。为了建造这个原型，电气工程师卡洛斯·米里克咨询了各种研究伙伴，整合了尖端技术。
图片和图片补充
(C0) 从脑叶共聚焦延时图像序列中可以看到，一个典型的 NB 分裂个体。NB 以洋红色箭头勾勒（白色虚线），以青色箭头表示后代（GMC）。（C00）培养的 L3 脑的 NB 分裂率图显示，在成像条件下，NB 的分裂率在至少 22 小时内没有显著下降（n = 3 个脑，不显著（ns），p=0.87，单因素方差分析），该数据是通过测量细胞周期长度计算得出的。（D0）完整幼虫脑中的典型 GMC 分裂。第一行面板显示分裂的 NB（洋红色箭头，白色虚线轮廓）产生 GMC（青色箭头）。第二行面板，GMC 在接下来的 6 到 8 小时内被后续的 NB 分裂所取代，位移路径以黄色虚线箭头表示。最后两幅图（10 至 18 分钟）显示 GMC 的分裂（绿色箭头，子代黄色箭头）。（D 00）图表显示体外脑中 GMC 分裂的速率不随培养时间而变化（n = 4 个脑，ns，p=0.34，单向方差分析），该速率是根据 4 小时内 GMC 分裂事件的数量计算得出的。图上的误差线为标准差。比例尺（B）50 毫米；（C），（D）10 毫米。
意识如何以及为何产生
首先，这是一次初步交流，我们在此大致讨论这个问题。我们必须讨论的主题涉及许多专业领域。因此，对我们的提案进行全面的阐释——对多种文献进行适当的公正对待——需要比期刊文章更长的篇幅。其次，查尔默斯提出的意识难题是一个形而上学问题。如果这一事实意味着它无法通过科学“解决”，我们承认我们只能对上述问题提供科学的回应。查尔默斯的难题基于纳格尔早先的主张，即意识具有一种基本的“某种相似性”：“一个有机体具有意识的精神状态，当且仅当存在某种东西，即有机体是某种东西”（纳格尔，1974 年）。因此，我们旨在（大体上）勾勒出一个直截了当的科学答案，以回答这个问题：为什么有机体会有一种感觉，对于有机体来说，这种感觉是如何产生的？纳格尔指出，“如果我们承认物理的心理理论必须解释经验的主观性，那么我们必须承认，目前没有任何概念能为我们提供如何做到这一点的线索”（同上）。我们希望提供这样的线索。但是——这是我们最后的免责声明——我们的物理理论是用功能术语来表达的，这又打开了另一个哲学难题，如果可以的话，我们希望通过定义“功能”的含义来预先解决它：1
使用序列 MRI 纵向分割自动评估脑转移瘤立体定向放射治疗结果
摘要 — 评估脑转移瘤放射治疗结果的标准临床方法是通过监测纵向 MRI 上的肿瘤大小变化。该评估需要在治疗前和治疗后的几次随访扫描中获取的许多体积图像上勾勒出肿瘤轮廓，而这项工作通常由肿瘤科医生手动完成，给临床工作流程带来了很大负担。在本文中，我们介绍了一种使用标准序列 MRI 自动评估脑转移瘤立体定向放射治疗 (SRT) 结果的新型系统。该系统的核心是一个基于深度学习的分割框架，可在序列 MRI 上高精度地纵向描绘肿瘤。然后自动分析肿瘤大小的纵向变化，以评估局部反应并检测 SRT 后可能出现的不良放射影响 (ARE)。该系统使用从 96 名患者（130 个肿瘤）获得的数据进行训练和优化，并在 20 名患者（22 个肿瘤；95 次 MRI 扫描）的独立测试集上进行评估。自动治疗结果评估与肿瘤专家的手动评估之间的比较表明，在检测局部控制/失败方面，准确度、灵敏度和特异性分别为 91%、89% 和 92%，在检测 ARE 方面，准确度、灵敏度和特异性分别为 91%、100% 和 89%。