XiaoMi-AI文件搜索系统
World File Search System原则性
面向开放科学的最大规模基于 EEG 的 BCI 可重复性研究：MOABB 基准
摘要。目的。本研究对开放的脑电图数据集进行了广泛的脑机接口 (BCI) 可重复性分析，旨在评估现有解决方案并建立开放且可重复的基准，以便在该领域进行有效比较。这种基准的必要性在于快速的工业进步，这导致了未公开的专有解决方案的产生。此外，科学文献密集，通常以难以重复的评估为特色，使现有方法之间的比较变得困难。方法。在一个开放的框架内，30 个机器学习管道（分为原始信号：11、黎曼信号：13、深度学习：6）在 36 个公开可用的数据集中被精心重新实现和评估，包括运动想象 (14)、P300 (15) 和 SSVEP (7)。该分析结合了统计荟萃分析技术来评估结果，包括执行时间和环境影响考虑。主要结果。该研究得出了适用于各种 BCI 范式的原则性和稳健性结果，重点是运动想象、P300 和 SSVEP。值得注意的是，利用空间协方差矩阵的黎曼方法表现出优异的性能，强调了需要大量数据才能通过深度学习技术实现具有竞争力的结果。综合结果是公开的，为未来研究进一步提高 BCI 领域的可重复性铺平了道路。意义。这项研究的意义在于它有助于为 BCI 研究建立严格透明的基准，提供对最佳方法的见解，并强调可重复性在推动该领域进步方面的重要性。
进行性脑脑脑疏松率偶然和遗传形式的肌萎缩性侧面硬化症
当前的大多数动作识别算法都是基于堆叠多个卷积，汇总和完全连接层的深网。虽然在文献中广泛研究了卷积和完全连接的操作，但处理动作识别的合并操作的设计，在行动类别中具有不同的时间颗粒状来源，但受到相对较少的关注，并且主要依赖于最大值或平均操作的解决方案。后者显然无能为力，无法完全表现出动作类别的实际时间粒度，从而构成了分类的瓶颈。在本文中，我们引入了一种新型的分层池设计，该设计在动作识别中捕获了不同级别的时间粒度。我们的设计原理是粗到精细的，并使用树结构网络实现；当我们自上而下时，当我们穿越该网络时，汇总操作的不变性越来越少，但及时坚决且本地化。通过解决一个约束的最小化问题来获得该网络中最适合给定的基础真相的操作组合（最适合给定的地面真相），该问题的解决方案对应于捕获全球层次层次合并过程中每个级别（及其时间粒度）贡献的权重分布。除了有原则性和扎根，提出的分层池也是视频长度和分辨率不可知的。对UCF-101，HMDB-51和JHMDB-21数据库进行挑战的广泛实验证实了所有这些陈述。关键字。多重聚合设计2流网络行动cop-nition
BAA 呼叫 N00014-23-S-C001 - 海军研究办公室
2B，Ch。5.整体科技工作将在技术就绪水平 (TRL) 1 – 5 阶段进行。主题 1 标题：受人类启发的智能体视觉-语言交互计算模型背景：人类智能的一个独特特征是复杂的语言及其与视觉（和其他感官）的交互。这些交互实现了有效和高效的沟通和协作，并扩大了智能体仅凭视觉或语言就能学习的概念和任务的范围和复杂性。近年来，计算机视觉和自然语言处理都取得了重大进展，但主要沿着不同的路径，特别是在视觉对象识别和大型语言模型（例如BERT、GPT-3）以及图像/视频字幕、从文本生成图像（例如DALL-E、Imagen）和视觉语言模型（例如Flamingo）方面；然而，这些进步并没有导致学习复杂的概念和任务，以及代理执行任务或回答复杂查询所需的深度语义推理。为了将代理的智能提升到更高的水平，ONR 需要研究人类视觉语言 (VL) 交互的复杂性，并为代理开发用于 VL 交互的原则性计算模型。此外，某些基本问题可以通过 VL 交互最有效地解决。示例包括将 AI 代理扎根于我们的物理世界；使用 VL 对话理解情景场景；因为语言充满了模糊的空间和时间参考，视觉可以有效地解决这些问题。另一个基本问题是少样本学习，一个经常被引用的例子是代理学习“椅子”，其中一些椅子图像加上椅子的简短描述比向代理展示数千张椅子图像或描述椅子的方法更有效。
经济财政部
2023 莫桑比克共和国经济和财政部（“ 部委 ”）在分别担任财务和法律顾问的 Lazard Frères 和 White & Case 的指导下，欣然宣布，经过讨论，其已就拟议重组交易（“ 重组 ”）的关键商业条款达成原则性协议，该重组涉及莫桑比克 2023 年到期的 726,524,000 美元 10.5% 票据（“ 债券 ”，其持有人称为“ 债券持有人 ”），与莫桑比克全球债券持有人集团（“ GGMB ”）的成员有关，这些基金由 Farallon Capital Europe LLP、Greylock Capital Management, LLC、Mangart Capital Advisors SA 和 Pharo Management LLC 管理或提供咨询。这些 GGMB 成员目前拥有或控制约 60% 的未偿还债券。今天宣布的原则协议完全取代了 2018 年 11 月宣布的该部与 GGMB 成员之间的原则协议（“2018 年 11 月原则协议”）。2018 年 11 月原则协议的主要变化是重组将不再包括发行与莫桑比克 1 号区和 4 号区天然气项目财政回收相关的价值回收工具。新债券（如下所述）将有不同的商业条款以反映这一变化。新债券预计债券持有人将被邀请投票赞成将其债券兑换为一系列代表莫桑比克共和国优先无担保债务的新债务证券（“新债券”），这些债券将按照以下主要商业条款发行：货币：美元计息日期：2019 年 7 月 15 日发行金额：9 亿美元
大卫·巴卡洛夫（David Bakalov） - 工程企业家精神
Penn Engineering Enterpreneurship Interhip Program，研究员|宾夕法尼亚州费城，2023年12月 - •12个Penn学生之一，被选为12个月的工作研究计划，以发展创造，扩展和领先的原则性高成长技术业务方面的企业家技能。Pesaran Lab，志愿研究人员|宾夕法尼亚州费城2023年9月•进行独立研究项目，以分析非人类灵长类动物的睡眠依赖性运动学习。•将很快接受动物处理和神经外科手术的培训。Halpern Lab，志愿研究人员|宾夕法尼亚州费城，2023年9月••辅助WithDataCollection clinicaltrialofadeep – BrainStimulationDevice（RNS）ISTIMEDEDEDEDEDEDEDEDEDERDENDERTMENTOFTERTMENTOFCOMPOLATIVERADERS。试验涉及脑电图，RNS，VR任务，食物挑衅任务和MATLAB行为任务。Penn Be Labs Bio -Makerspace，学生雇员|宾夕法尼亚州费城2023年9月 - 现在•在常规和延长时间内进行实验室维护和学生监督。•培训学生采用各种技术，例如激光切割和3D打印；协助实验室课程和高级设计项目。Suthana Lab，员工研究助理|加利福尼亚州洛杉矶，2022年6月 - 2023年8月。进行了神经心理学评估，fMRI扫描，TMS会议和EEG记录。•通过筛选200多名潜在参与者来提高招聘率，每月约2名参与者参加3周协议。•在癫痫监测单元和植入具有反应性神经刺激（RNS）装置的患者中进行了研究。•安排了所有实验室会议，项目会议和实验室访问。
机器和人类的自信学习
机器智能与人类智能的结合有可能赋予人类增强的能力（例如，在写歌词时提高押韵密度，通过情绪检测增强同理心，以及在在线课程中个性化学习）。不幸的是，人类生活在一个不确定的世界中 - 即使是最先进的以模型为中心的人工智能系统的性能也常常取决于它以数据为中心处理其训练标签的不确定性的能力。为此，我们引入了置信学习，即机器（像人类一样）必须使用带有噪声的标签数据进行学习，直接量化和识别标签噪声，并通过在清除错误标签的清理数据上自信地重新学习来消除误解。我们通过开发一个用于置信学习的原则性理论和框架来实现这一目标，该理论和框架具有量化、识别和学习数据中标签错误的能力，并且我们在 cleanlab Python 包中开源了它们的实现。根据使用 cleanlab 发现的标签错误的人工验证：我们估计音频、图像和文本模态中十个最常用的机器学习数据集的测试集标签的最低错误率为 3.4%；检查改变机器基准排名所需的噪声普遍性；并提供更正的测试集，以便人类可以更自信地对机器性能进行基准测试。然后，我们构建并评估了三个人工智能系统，以增强人类在嘈杂的现实环境中的能力。即：（1）通过结合来自多个同步视角的嘈杂具体音频和视频信号来辅助多人对话中的轮流发言，（2）通过利用语言和语义固有的随机不确定性来辅助生成歌词，以及（3）通过去极化/多样化评论排名来辅助人类在开放式在线课程中的学习，以减轻基于赞成票的排名中固有的多数偏见。在每种情况下，人工智能系统克服不确定性的能力都与其增强人类能力的功效相关，并且进一步说，与人类对执行相关任务的能力的信心相关。
偏见赏金算法框架
用于光线充足，面向面的条件可能由客户在不理想的条件下应用，从而导致总体和特定子组的降解。第二，我们生活在AI行动主义时代，研究人员，记者和其他外部各方可以独立审核商业或开源API的模型，并在研究社区和主流媒体中发布其发现。在没有更严格的AI和ML监管的情况下，这种行动主义是推动开发ML模型和工具的组织变革的最强大力量之一。它具有利用分布式研究人员的分布团队，在部署的模型和系统中寻找各种各样的问题。不幸的是，ML开发人员与其批评家之间的动态目前具有一些对抗性语气。通常会私下进行外部审计，并在与建立模型和系统的组织进行咨询之前公开播出。该组织可能会忍受批评，并在内部试图解决确定的偏见或问题，但通常与外部审计师几乎没有直接互动。随着时间的流逝，软件和安全社区已经开发了“错误赏金”，以尝试将系统开发人员及其批评家（或黑客）之间的类似动态转变为更具活跃和生产力的目的。希望是，通过故意邀请外部各方在其系统中找到软件或硬件错误，并且通常会为此提供货币激励措施，更健康，更快地响应的生态系统将发展。ML社区自然要考虑一种类似的“偏见赏金”方法来及时发现和修复具有偏见或其他不良行为的模型和系统。不是在软件中找到错误，而是邀请外部各方找到偏见，例如，（人口统计或其他）训练有素的模型表现不佳的输入子组，并以此为其奖励。的确，我们已经开始在此类事件中看到早期的现场实验[6]。在这项工作中，我们提出和分析了针对现有训练的模型F（x）进行偏置赏金的原则性算法框架。我们的框架具有以下属性和功能：
功能神经影像多变量组分析的受试者间模式分析。统一的形式化
背景和目的。在医学成像中，群体研究必须克服个体之间存在的差异，以识别可用于诊断目的的不变图像特征。在功能性神经成像中，识别在群体水平上成立的神经编码原理的一个有吸引力的解决方案是受试者间模式分析，即从来自多个受试者的数据中学习预测模型并评估其对新受试者的泛化性能。尽管近年来它越来越受欢迎，但由于文献中明显缺乏正式定义，其广泛采用仍然受到阻碍。在本文中，我们精确介绍了针对功能性神经成像的多变量组分析的受试者间模式分析的第一个原则性形式化。方法。我们建议将受试者间模式分析构建为多源传导传递问题，从而将其置于几个定义明确的机器学习设置中并拓宽可用算法的范围。我们描述了两组使用几个开放数据集的受试者间大脑解码实验：一项涉及 16 名受试者的脑磁图研究和一项涉及 100 名受试者的功能性磁共振成像范例。我们通过进行模型比较来评估我们框架的相关性，其中一个大脑解码模型利用我们的形式化，而其他则不利用。结果。第一组实验证明了使用受试者标准化的大脑解码器与使用其他标准化方案的最先进模型相比具有优越性，证明了我们形式化的传导和多源组件的兴趣第二组实验定量表明，即使经过这样的转换，大脑解码器也更难以推广到新参与者而不是来自训练阶段可用的参与者的新数据，从而凸显了需要克服的转移差距。结论。本文将受试者间模式分析的第一个形式化描述为多源传导迁移学习问题。我们利用几个互补的功能性神经成像数据集上的概念验证实验证明了这种形式化的附加价值。这项工作将有助于推广功能性神经成像人群研究的受试者间模式分析，并为未来的方法创新铺平道路。
使用医疗保健数据进行推理研究的流程指南
非干预性研究也称为观察性研究，是使用真实世界数据源进行的，通常包括在提供常规临床护理（包括健康保险索赔和电子健康记录）期间生成的医疗保健数据。这些研究为填补随机试验尚未回答的问题的证据空白提供了机会。1 但是，从医疗保健数据中生成决策级证据需要强大的因果框架以避免引入偏见。有许多旨在改善这些非干预性研究的实施或报告的工具。广泛的指导文件讨论了非干预性研究的方法，例如美国食品药品监督管理局 (FDA) 2 的药物流行病学安全研究最佳实践和欧洲药物流行病学和药物警戒中心网络 (EncEPP) 关于药物流行病学方法标准的指南。3 ROBINS-I 4 和 GRACE 清单 5 等质量评估工具有助于评估已发表研究中的偏见。 RECORD-PE 6 和 STaRT-RWE 7 等报告工具提供清单或结构化模板，以促进方案报告的透明度和可重复性。最后，协调方案模板 HARPER 8 得到监管机构的支持，以改善非干预研究中关键研究参数的沟通，并存放在方案注册网站（例如，开放科学基金会的 OSF.io 和欧洲药品管理局的 ENcEPP.eu）。9 10 虽然这些工具对于特定目的很有用，但它们并非明确旨在指导使用医疗保健数据评估药物安全性和有效性的非干预性研究的设计和开展。其他框架，如 LEGEND 11 和因果路线图 12 概述了一些证据生成的广泛一般原则。然而，它们对证据生成过程的关键方面提供了有限的实际指导，包括确定数据源是否适合目的、注册研究方案、考虑研究过程中的原则性调整以及规划稳健性评估。为此，我们提出了一个分步过程，涵盖了设计和分析方面可能影响此类研究有效性的关键选择。我们首先从考虑 FDA Sentinel 系统开始讨论，该系统
国际红十字与红新月运动移民战略
执行摘要 越来越多的人离开家园和国家，寻求安全或更好的前景。包括难民在内的移民可能面临特定且更高的伤害风险，无论是通过陆路或海路旅行、滞留在边境点、生活在过境国或目的地国、营地或拘留所，还是在某些情况下，在返回后。随着各国转向更严格的安全化政策，他们的人道主义需求变得越来越紧迫。国际红十字与红新月运动（简称“运动”）长期以来一直致力于满足移民的人道主义需求，这是其减轻人类苦难、保护生命和健康以及维护人类尊严的核心使命的一部分。本决议附件中的《移民战略》诞生于需要采取共同的观点和优先事项，以加强运动与移民一起为移民开展的原则性人道主义行动的有效性，利用其互补的任务和集体能力的力量。认识到这一需要，在 2022 年代表会议上，运动通过了第 9 号决议“制定关于移民的运动战略”，授权运动移民领导小组在全球移民工作组、区域移民网络和全球移民实验室的支持下，制定有史以来第一个运动移民战略，并于 2024 年通过。这项移民战略确定了运动的三个优先目标：1) 移民在旅程的所有阶段都能安全、有尊严和有效地获得基本服务，包括通过人道主义援助；2) 支持加强移民的复原力和包容性，使他们能够提高对冲击和危机的准备和适应能力，并为包容性社区和社会做出贡献；3) 保护移民的权利、安全和尊严，特别关注特定的脆弱性。该战略呼吁与各国和其他利益相关者持续接触，并由运动各组成部分针对所有三个目标采取直接行动。移民战略是彻底协商和参与过程的结果。该决议旨在加强不结盟运动各组成部分之间的合作、协调和做法统一。为此，拟议决议呼吁不结盟运动所有组成部分促进对该战略的了解和理解，根据各自的任务、作用、责任和专业领域，将其内容纳入各自的战略、计划和方案，并调动支持实施该战略所需的资源。