XiaoMi-AI文件搜索系统
World File Search System印本
基于基础设施的协作感知：概述和挑战：预印本
交通交叉点在运输网络中是至关重要的，具有挑战性的节点，其中多个车道和行人汇聚。大约四分之一的交通死亡人数，大约有四分之一的交通损伤发生在交通交叉点（1）。这些交叉路口的有效管理对于确保所有用户的安全性和效率至关重要，包括车辆，行人，骑自行车的人和脆弱的道路使用者（VRUS）（2，3）。随着传感器感知技术的进步，例如雷达，光检测和范围（LIDAR）和相机，交通交集正在发展为动态和数据富的环境。通过使用这些数据创建一个实时数字双胞胎，我们可以实现实时数据驱动的决策以及一系列应用，例如向连接的车辆（CVS）（CVS）和连接的自动驾驶汽车（CAVS）（CAVS），安全性信号传导以及限制优化的优化和提高效率和提高安全性（4-7）。
Butlin Viebahn AI 断言 Ergo 预印本
现代生成式人工智能系统已经展现出能够产生非常流畅的语言的能力，这引发了关于它们的语义理解以及不太突出的关于它们是否可以执行言语行为的争论。本文将讨论后一个问题，重点关注断言。我们认为，要能够断言，实体必须满足两个要求：它必须产生具有描述功能的输出，并且必须能够得到与其交互的代理的认可。第二个要求源于断言作为一种受规范支配的社会实践的性质。未经微调的预训练大型语言模型无法满足第一个要求。经过“基础性”或“正确性”微调的语言模型可能满足第一个要求，但无法满足第二个要求。我们还考虑了人工智能系统可用于代表人类代理生成代理断言这一观点的重要性。
索马鲁肽与减肥预印本
在本分析中，如果个人具有关联的 EHR 和 Exome+ Ⓡ 测序数据，并且满足以下标准，则将其纳入：1) 第一年内有 ≥2 次皮下注射索马鲁肽处方，持续时间≥3 个月，表明可能持续使用至少 3 个月；2) BMI ≥27 kg/m 2，符合减肥治疗指南；3) 没有其他预计会影响体重的药物、手术或状况，包括前一年的 tirzepatide 处方、减肥手术史、前一年的恶性肿瘤或前九个月的怀孕；4) 在治疗期间进行 ≥2 次随访体重测量，测量间隔≥2 个月，跨越 3-12 个月的治疗。用于定义纳入标准和其他指标的 OMOP CDM 概念集可作为补充数据文件获得。
3D点云中的结构感知：预印本
这项工作是由美国能源公司联盟（Alliance for of Contery No.DE-AC36-08GO28308。由美国能源部能源效率和可再生能源办公室提供的资金。这项工作得到了美国能源部科学办公室，教师和科学家劳动力发展办公室（WDTS）的部分支持，科学本科实验室实习计划（SULI）计划。这项工作得到了NREL实验室定向研发（LDRD）计划的部分支持。此处表达的观点不一定代表美国能源部或美国政府的观点。美国政府保留和出版商，通过接受该文章的出版物，承认美国政府保留了不可限制的，有偿的，不可撤销的，全球范围内的许可，以出版或复制这项工作的已发表形式，或允许其他人这样做，以实现美国政府的目的。
二氧化硅在热能存储中的热稳定性：预印本
本作品部分由美国国家可再生能源实验室撰写，该实验室由可持续能源联盟有限责任公司运营，为美国能源部 (DOE) 服务，合同编号为 DE-AC36-08GO28308。资金由美国能源部高级研究计划局 - 能源 (ARPA-E) 以及美国能源部能源效率和可再生能源办公室 (EERE) 下的 Gen3 CSP、太阳能技术办公室 (SETO) 提供。本文表达的观点不一定代表美国能源部或美国政府的观点。美国政府保留；出版商在接受文章发表时，即承认美国政府保留非独占的、已付费的、不可撤销的全球许可，可以出于美国政府目的出版或复制本作品的已出版形式，或允许他人这样做。
海洋能源先进材料的水下疲劳试验：预印本
海洋能源结构通常由先进的复合材料制成，在使用过程中会受到极端海洋环境的影响。在极端海洋环境中，海水流和波浪反复加载结构，从而导致两种环境条件：水侵入和机械疲劳。在之前的研究中，这两种环境条件是按顺序应用的，其中复合材料样品经过老化，然后进行机械测试。为了了解动态载荷和水侵入对复合材料的综合影响，本研究涉及在水箱中对复合材料试样进行静态和疲劳四点弯曲测试。水箱的设计和制造适合 100 kN 或 250 kN 负载框架。水下疲劳测试的弯曲强度值、失效循环和失效模式结果将用于指导海洋能源结构设计。试样规模测试方法将用于扩大规模并为后续子组件测试和标准制定提供参考。根据知情标准设计海洋能源结构的好处是降低终生成本并提高可靠性和能源产量，最终实现可持续的低碳能源系统。
EasyChair 预印本使用机器学习进行飞机事故预测...
空中交通系统变得多层次、多维、高度分散、相互依赖，其复杂程度在几十年前是难以想象的。这就是为什么在如此复杂的环境中保持高水平的安全性比以前更具挑战性 [1]。民航是一个复杂的混合体，由许多不同但相互关联的人为、技术、环境和组织因素组成，这些因素影响系统的安全性和性能。在商业航空的早期，飞机事故数量众多是一个特点。所有安全流程的重点是事故预防，但在航空时代初期，飞机事故调查是预防的主要工具。如今，人们采用了主动的安全方法。这意味着利益相关者应该收集数据，以预测不仅实际和当前的安全风险，而且还要预测即将发生的安全风险。在这种情况下，必须改进安全分析以预测未来的安全风险和安全性能。设计和广泛使用识别和预测不良安全事件的技术和方法至关重要。当今是数据丰富和技术繁荣的时代，这为人工智能和机器学习进入我们现实的每一个角落打开了一扇大门。在这项工作中，我们提出了一种用于飞机事故预测的机器学习算法。主要思想是支持主动安全方法。该技术可以在 SAR（搜索和救援）任务中作为空难严重程度预测工具发挥作用，以优化 SAR 行动中的资源投入。机器学习是一种非常强大的技术，它可以使用数据来训练算法并赋予计算机系统“学习”的能力（即逐步
预印本手稿 | 规划未来交通的认知框架
预印稿件：Bridgelall, R. 和 Tolliver, D. (2020)。规划未来交通的认知框架。交通规划与技术，43(3)。DOI：10.1080/03081060.2020.1735728。