XiaoMi-AI文件搜索系统
World File Search System半自动化
Ai-Media H1 FY23 业绩 ASX 公告 - 最终版
活动：Ai-Media Technologies H1 FY23 业绩网络研讨会演讲者：Tony Abrahams（首席执行官兼联合创始人）和 John Bird（首席财务官）日期/时间：2023 年 2 月 27 日星期一上午 11:00（AEDT）注册：https://us02web.zoom.us/webinar/register/WN_bNXoTkyfRceI-XpZEq-zJw 投资者将能够在网络研讨会期间使用 Zoom 上的问答功能，或者可以在网络研讨会之前将问题提交给 maude@nwrcommunications.com.au ENDS 经 Ai-Media 董事会授权发布。更多信息 Ai-Media Technologies NWR Communications Lisa Jones Maude Lacasse 公司秘书 投资者关系 investorrelations@ai-media.tv maude@nwrcommunications.com.au 关于 Ai-Media 科技公司 Ai-Media 成立于 2003 年，总部位于澳大利亚，现已成为提供高质量直播和录制字幕、转录和翻译服务的全球领导者。其技术平台结合了人工智能和人类专业知识，以三个价位提供语音转文本的准确性：自动化（Lexi）、半自动化（Smart Lexi）和高级（Ai-Live）。该公司是澳大利亚市场上最大的字幕提供商，客户包括主要的免费和付费电视网络，并且其国际影响力不断扩大，在澳大利亚、美国、英国和加拿大设有办事处。在全球范围内，Ai-Media 技术每月提供 700 万分钟的直播和录制媒体内容以及在线活动和网络流。Ai-Media (ASX: AIM) 于 2020 年 9 月 15 日在澳大利亚证券交易所开始交易。有关 Ai-Media 的更多信息，请访问 https://www.ai-media.tv/
开发和实施自动主题索引
纸质档案的广泛数字化和数字资料的更积极归档正在创建越来越多的数据集合。主题索引，即根据受控词汇表为文档分配主题，是组织集合和提高其可发现性的重要方法。传统上，主题索引是由人类专家执行的手动过程，但由于手动索引是一个非常劳动密集的过程，因此自 20 世纪 60 年代以来，已经开发了主题索引的自动化和半自动化方法（Stevens 1965）。芬兰国家图书馆长期以来的目标一直是使芬兰图书馆和相关机构的一些主题索引过程自动化，原因有几个：减少索引工作量，使主题索引更加一致，并将主题索引扩展到传统手动索引不可行的集合。然而，从我们的角度来看，现有的自动主题索引工具和服务存在许多问题。首先，我们的民族语言芬兰语和瑞典语得不到大多数工具的良好支持。其次，这些工具通常依赖于它们自己的词汇表，而我们希望使用通用芬兰语本体 YSO 1（Niininen、Nykyri 和 Suominen 2017）以及其他芬兰语主题词汇表。第三，许多可用的解决方案都是商业服务，客户对系统几乎没有控制权，而且容易受到供应商锁定的影响。2017 年，我们开始开发自己的自动主题索引开源工具 Annif 2 。三年后，即 2020 年 5 月，我们推出了 Finto AI——一种基于 Annif 的自动主题索引服务，旨在用于生产用途 3 。在本文中，我们解释了开发 Annif 的过程、它支持的文本分类算法、我们用来确保算法生成的主题索引符合预期的质量保证流程、已部署基于 Annif 或 Finto AI 的自动主题索引的系统，并总结了一些经验教训。
社区微电网适用性分析 GIS 方法...
摘要 社区微电网的概念目前被视为开创性的，因为目前只有少数几个正在运行。随着电网变得更加现代化，社区微电网将逐步被采用，以提供能源弹性来应对日益频繁的自然灾害。目前用于识别潜在社区微电网的方法是缓慢且耗时的流程，涉及一组复杂的利益相关者的内部运作。在本文中，我建立了一种在给定研究区域内定位合适社区微电网区域的方法。该方法旨在使流程半自动化，并减少基于众多标准识别适合社区微电网开发的区域所需的总体时间。我成功地在一个 950 平方英里的研究区域内找到了 5 个最适合社区微电网的区域，该区域称为 Goleta Load Pocket，位于加利福尼亚州圣巴巴拉县南部。每个区域都包含 1 个或多个关键社区设施，位于低收入社区内，并且靠近具有高操作灵活性的电力馈线段，可实现太阳能光伏集成。一项太阳能选址调查确定了屋顶、停车场和停车楼的太阳能潜力，其发电量为 1 兆瓦或更大，该调查也被纳入研究并覆盖在合适的区域。这种方法进一步确定了建立足够可再生能源发电的潜力，以验证社区微电网方法对所确定区域的影响。这个社区微电网适用性模型旨在展示一个可在任何拥有可用数据的社区、城市或县复制的过程。这项研究旨在帮助市政当局找到一种现代解决方案，以应对因电网老化而导致的停电，同时也为处于气候危机前线的受关注社区提供服务。
无需分割的自动化血管矢量化
双光子荧光显微镜 (2PM) 的最新进展使得活体小鼠的血管网络大规模成像和分析成为可能。然而，提取密集毛细血管床的网络图和矢量表示仍然是许多应用中的瓶颈。血管矢量化在算法上很困难，因为血管具有多种形状和大小，样本通常光照不均匀，并且需要较大的图像体积才能获得良好的统计能力。最先进的三维血管矢量化方法通常需要分割（二值）图像，依赖于手动或监督机器注释。因此，逐体素图像分割会受到人类注释者或训练者的偏见。此外，分割图像通常需要在骨架化或矢量化之前进行补救形态学过滤。为了解决这些限制，我们提出了一种矢量化方法，可从未分割图像中直接提取血管对象，而无需机器学习或训练。 MATLAB 中的无分割自动化血管矢量化 (SLAVV) 源代码已在 GitHub 上公开提供。这种新方法使用简单的血管解剖模型、高效的线性滤波和矢量提取算法来消除图像分割要求，用手动或自动矢量分类取而代之。半自动化 SLAVV 在小鼠皮层微血管网络（毛细血管、小动脉和小静脉）的三个体内 2PM 图像体积上进行了演示。矢量化性能已被证明对于血浆或内皮标记对比度的选择具有稳健性，并且处理成本与输入图像体积成比例。全自动 SLAVV 性能在不同质量的模拟 2PM 图像上进行评估，所有图像均基于大（1.4 × 0.9 × 0.6 mm 3 和 1.6 × 10 8 体素）输入图像。从自动矢量化图像计算出的感兴趣的血管统计数据（例如体积分数、表面积密度）比从强度阈值图像计算出的统计数据具有更高的图像质量稳定性。
FDA 许可发布-2.0.pdf
• FDA 批准 23 个全自动回声参数 1 • 在哈佛医学院布莱根妇女医院进行外部验证研究 • 世界上第一个用于 2D 和多普勒图像的全自动解决方案 新加坡，2021 年 9 月 14 日——由 Sequoia India 和 EDBI 支持的新加坡医疗科技公司 Us2.ai 已获得 FDA 批准，可推出用于超声心动图的完整自动化决策支持工具 Us2.v1。在与全球制药合作伙伴进行多次试验并在布莱根妇女医院进行验证研究后，Us2.ai 很高兴地宣布，Us2.v1 现已在美国用于临床。Us2.v1 是一种获得专利的自动化临床工作流程解决方案，可识别和分析二维和多普勒回声图像，以进行诊断、预测和预后心脏病所需的全面心脏测量。 Us2.ai 首席执行官兼联合创始人 James Hare 表示：“通过此版本，我们已将 AI 领域从超声心动图的狭隘功能转变为心脏病专家和初级保健提供者的完整决策支持解决方案。Us2.v1 消除了半自动化、单一测量、黑盒 AI 方法的手动工作流程和缺乏透明度的问题，创建了一份完整且完全自动化的患者报告，其中包含可编辑的注释、结论和与国际参考指南的比较。” Us2.v1 自动测量包括二维（心脏容积，心脏的所有 4 个腔）、M 型（例如三尖瓣环平面收缩期偏移）、频谱多普勒（所有瓣膜的血流，PW 和 CW 测量）和组织多普勒；因此涵盖了美国超声心动图学会、欧洲心血管成像协会和英国超声心动图学会推荐的成人经胸超声心动图的绝大多数标准测量。全自动 Us2.v1 测量结果显示可与专家人工测量完全互换。此外，对于给定的患者研究，Us2.v1 测量完全可重复，每个研究的图像处理/分析算法计算时间约为 2 分钟。2
引用：Overney、Cassandra、Saldías、Belén、Dimitrakopoulou、Dimitra 和 Roy、Deb。2024 年。“SenseMate：一种用于定性数据分析的可访问且适合初学者的人机交互平台。”
社区组织在利用定性数据分析或意义建构的力量来理解其选民提出的不同观点和需求方面面临挑战。意义建构最耗时且乏味的部分之一是定性编码，即在大量非结构化的社区输入语料库中识别主题的过程。定性编码的挑战是实现高编码者之间的可靠性，尤其是在专家和初学者意义建构者之间。在这项工作中，我们介绍了 SenseMate，这是一种旨在帮助定性编码的新型人机交互系统。SenseMate 利用理性提取模型，这是一种新的机器学习策略来半自动化意义建构，它可以产生主题建议和人类可解释的解释。这些模型是在波士顿人生活经历的数据集上进行训练的，该数据集由专家意义建构者对主题进行了注释。我们通过一个以人为本的迭代设计过程将理性提取模型集成到 SenseMate 中，该过程围绕从广泛的文献综述中得出的四个关键设计原则展开。设计过程包括三次迭代，并不断得到来自社区组织的七名人员的反馈。通过一项涉及 180 名新手感知者的在线实验，我们旨在确定人工智能生成的建议和原理是否会减少编码时间、提高编码者之间的可靠性（即 Cohen 的 kappa 值），并尽量减少新手和专家编码决策之间的差异（即参与者答案的 F 分数与专家金标签的比较）。我们发现，虽然模型建议和解释使每个分析单位的编码时间增加了 49 秒，但它们使编码者之间的可靠性提高了 29%，编码 F 分数提高了 10%。关于 SenseMate 设计的有效性，参与者报告说该平台通常易于使用。总之，Sensemate (1) 是为没有技术背景的初学者感知者构建的，这是先前工作不关注的用户群，(2) 实现原理提取模型来推荐主题并生成解释，这比大型语言模型更具优势
SOAM 与 ... 的定性比较分析
摘要 欧洲空中交通管制组织 (Eurocontrol) 提倡使用系统性事件分析方法 (SOAM) 来分析空中交通管理 (ATM) 事件。麻省理工学院的 Nancy Leveson 教授定义了基于系统理论的系统理论事故模型和过程 (STAMP)，用于解释系统性事故（事故由组件之间的相互作用引起，而不是单个组件故障）。本研究使用 SOAM 和 STAMP 分析了一起 ATM 事件，并比较了它们在确定系统性对策方面的实用性。结果表明，SOAM 是一种有用的启发式方法和强大的通信设备，但它在突发现象和非线性相互作用方面较弱。SOAM 指导调查人员考虑事件发生的背景；失败的障碍和组织因素；“瑞士奶酪中的漏洞”，但不考虑造成这些漏洞的过程，或者整个系统如何向安全操作的边界迁移。STAMP 指导调查人员更深入地研究系统组件之间相互作用的机制，以及系统如何随着时间的推移进行适应。 STAMP 有助于确定防止系统组件之间发生不良相互作用所必需的控制和约束。STAMP 还通过对系统控制结构上层进行结构化分析来指导调查，这有助于确定高级系统对策。全球 ATM 系统正在经历一段技术和政治快速变革时期。欧洲的单一欧洲天空 ATM 研究 (SESAR) 和美国的 NextGen 计划意味着 ATM 正在从集中式人机控制系统转变为半自动化分布式决策系统。根据当地约束条件和合并交通时间定制的、在数据链接的 4D 飞行路径上飞行的连续下降到达需要大规模的数字信息共享和协作决策，以及为实现最佳空域效率和安全性而设计的功能空域块。现在需要像 STAMP 这样的详细的新系统模型来防止正常运行的系统组件之间发生不良相互作用，并了解日益复杂的 ATM 系统中随时间的变化。
START：梵语教学、注释和研究工具
梵文文本中蕴含的永恒智慧让几代学者着迷。因此，尽管梵文文献已有数百年历史，但对理解这些文本感兴趣的人却不断增加。目前有几种在线计算工具可以帮助学习者理解梵文文本并提高他们的语法。书籍形式的传统评论正逐渐被电子阅读器取代。这些电子阅读器是针对诸如 Sankṣepa Rāmāyaṇam、ŚrimadBhagvad Gītā 和 Śiśupālavadham 等热门文本半自动化开发的。1 最近，人们也做出了类似的努力，将 Rāmopākhyāna 的 Kramapāṭha 阅读器转变为具有搜索功能的电子阅读器（Scharf 和 Chauhan，2023），其灵感来自其印刷版。这些电子阅读器不仅对读者有用，而且对于构建和增强 NLP 工具也很有用，因为它们为 ML 技术提供了带注释的黄金数据。Saṁsādhanī 和梵文遗产平台虽然被广泛用于学习和教授梵文，也用于为各种任务（如分割、形态分析、依赖性解析等）开发带注释的黄金数据，但人们认为有必要开发更好的用户界面和管理各种工具和资源，以满足学生、教师、印度学研究人员和计算语言学家的不同需求。随着数字技术渗透到生活的各个领域，难怪教学和学习受到的影响最大。梵文也不例外。在 COVID-19 期间，学习梵文的人数激增，这推动了几个在线教学计划的发展。梵文的在线计算工具的使用量也出现了激增，因为许多在线课程要么推荐这些工具，要么寻求在线帮助的学生发现它们是在线课程的补充。印度理工学院鲁尔基分校也与梵文 Bharati 合作开设了一门这样的课程，在教学中向学生介绍了在线梵文计算工具 Saṁsādhanī 和梵文遗产平台。虽然教师遵循传统的教学方法，但鼓励学生使用这些工具完成练习。Pāṇini 的语法对于生成单词形式、连接以下单词很有用
Ullah, M.、Gopalraj, SK、Gutierrez-Rojas, D.、Nardelli, P.、Kärki, T. (2023)。智能工业热解Pro的物联网框架和要求
摘要。累积的碳纤维增强聚合物 (CFRP) 复合材料废料需要得到有效处理。到目前为止，最有效的热基回收技术，即热解，在英国和德国等发达国家已呈指数级增长，以实现工业规模。通常，即使是最轻微的错误也会导致如此大规模的操作环境（例如，> 1 吨/天的操作能力）中的不良结果和工作流程延迟。现有的半自动化和在某些情况下完全自动化的工厂应不断更新，以适应不同类别和体积的 CFRP 复合材料废料。为了克服此类研究差距和不精确的人工错误，提出了基于物联网 (IoT) 的框架。本文研究了基于物联网的框架在热解过程中回收 CFRP 复合材料废料的理论实现，以基于信息物理系统的原理管理该过程。所提出的框架由传感器和执行器组成，它们将用于收集数据并与中央管理进行通信，中央管理构建为一个平台，该平台将表达和操纵数据以满足回收过程的要求，并通过物理实体之间的逻辑关系进行计算建模。在这种情况下，管理单元可以是可控制的，也可以是远程监控的，以增加工厂的运行时间。我们的目标是提出一种可扩展的方法来改进回收过程，这也将有助于未来处理回收碳纤维的决策。具体来说，这项研究将超越该领域的最新技术，通过 (i) 自动计算废物的质量并调整运行时间、温度、大气压力和惰性气体流量（如果需要），(ii) 再生热量，以便在第一批回收后，高热值的树脂将被燃烧并释放能量，其产生的热量需要被困在炉内，然后再生到系统中，以及 (iii) 降低能耗并加快工艺流程时间。总之，提出的框架旨在提供用户友好的控制和温度监控，从而可以提高整个过程的效率，并避免可能的过程关闭，甚至通过热解反应器中的受控气氛形成焦炭。
基于Roche Elecsys System
自2020年以来，抽象的SARS-COV-2在大量传播； 2021年，有效的疫苗可用，并开始了疫苗接种运动。仍然很难跟踪感染的传播或评估更广泛的人群的疫苗接种成功。测量特定的抗SARS-COV-2抗体是跟踪感染或成功疫苗接种的最有效工具。对静脉血液采样的需求为大型研究带来了重大障碍。在过滤卡（DBS）上的干血点已用于SARS-COV-2血清学，但到目前为止，在纵向队列中尚未遵循定量的SARS-COV-2抗尖峰反应性。我们从自sAM pleded dbs开发了一种半自动化方案或定量SARS-COV-2抗尖峰血清学，在匹配的DBS和静脉血样品中对其进行了验证（n = 825）。我们研究了色谱效应，可重复性和承担效应，并计算了阳性阈值以及转换公式，以确定DBS中置信区间的定量结合单元。敏感性和特异性分别达到96.63％和97.81％。在0.018和250 u/ml的信号之间，我们计算了一个校正公式。测量疫苗接种过程中的纵向样本，我们证明了几个个体和四个随访的纵向队列中滴度的相对变化。DBS采样已证明自己是我们实验室中的抗核蛋白酶神父。nr。同样，抗尖峰高通量DBS血清学作为互补测定也是可行的。定量测量足够准确，可以在疫苗接种运动后也遵循人群中的滴度动态。这项工作得到了巴伐利亚州科学和艺术的支持； LMU大学医院，LMU慕尼黑； Helmholtz中心慕尼黑；波恩大学； Bielefeld大学；德国教育和研究部（Proj。：01KI20271等）以及德甲医疗服务的医学生物探索研究计划。Roche Diagnostics提供了套件和机器，以折扣价进行分析。该项目也由欧盟范围内的乐团资助。乐团项目已从欧盟Horizon 2020研究与创新计划获得资金，根据101016167。本出版物中表达的观点是作者的唯一责任，委员会对可能对所包含的信息的任何用途不承担任何责任。