XiaoMi-AI文件搜索系统
World File Search System原始记录
航空测量通用规范 - NGS
2.8 原始数据 - 本项目期间生成的观察日志和其他原始记录是合法记录，将保留以备数据核查，并存储在国家档案馆中。这些日志必须是原创的、清晰易读的、整洁的、清楚的，并且用不可擦除的黑色墨水完整填写，这一点非常重要。原始数据将被保存，未经修改，无论是手写还是计算机记录形式。在原始记录（纸质或数字）中，不得擦除或抹去任何内容。记录表格上的所有可用空间都应填写完整。如果表格上出现错误，请在错误处划一条线，并在上方或侧面写上更正。如果空间太小而无法进行现场更正，请使用新的日志表重新开始，但是，不要在办公室重新复印表格以制作“干净”的副本。应对原始记录数字的所有更正进行解释说明。所有记录信息都必须整洁易读。对计算机记录数据的所有编辑都将在原始副本上进行。始终提交数据的原始版本，而不是手工副本、影印件或数字副本。
航空测量通用规范 - NGS
2.8 原始数据 - 本项目期间生成的观察日志和其他原始记录是合法记录，将保留以备数据核查，并存储在国家档案馆中。这些日志必须是原创的、清晰易读的、整洁的、清楚的，并且用不可磨灭的黑色墨水完整填写，这一点非常重要。原始数据将被保存，未经修改，无论是手写还是计算机记录形式。在原始记录（纸质或数字）中，不得擦除或抹去任何内容。记录表格上的所有可用空间都应填写。如果表格上有错误，请在错误处划一条线，并在上方或侧面写上更正。如果空间太小而无法进行现场更正，请使用新的日志表重新开始，但是，不要在办公室重新复印表格以制作“干净”的副本。对原始记录数据的所有更正都应附上说明。所有记录信息必须整洁清晰。对计算机记录数据的所有编辑都将在原始副本上进行。始终提交数据的原始版本，而不是手工副本、影印件或数字副本。
约翰·H·鲁贝尔口述历史访谈 - JFK 图书馆
约翰·H·鲁贝尔口述历史访谈——JFK#2，09/09/70 管理信息 创建者：约翰·H·鲁贝尔 采访者：威廉·W·莫斯 采访日期：1970 年 9 月 9 日 采访地点：新泽西州西奥兰治 长度：59 页 个人简介 美国国防部国防研究与工程战略武器部助理主任，1959 年 - 1961 年；国防研究与工程部助理部长，1961 年 - 1962 年。 在这次采访中，鲁贝尔讨论了为国防部工作的承包商、通信卫星和导弹系统等问题。 部分访问开放 使用限制 根据 1973 年 5 月 23 日签署的赠与契约，这些材料的版权在受访者去世后转给美国政府。建议这些材料的用户确定他们希望发布的任何文件的版权状态。版权 美国版权法（美国法典第 17 章）管辖对受版权保护材料的影印或其他复制品的制作。在法律规定的某些条件下，图书馆和档案馆有权提供影印或其他复制品。这些规定条件之一是影印或复制品不得“用于除私人学习、学术或研究之外的任何其他目的”。如果用户请求影印或复制品，或之后将其用于超出“合理使用”范围的目的，则该用户可能要承担版权侵权责任。如果本机构认为履行订单会违反版权法，则本机构保留拒绝接受复印订单的权利。版权法将其保护范围扩大到以有形形式创作的未出版作品。有关版权的问题请直接咨询参考人员。 口述历史访谈记录 这些电子文档是根据约翰·肯尼迪图书馆研究室提供的记录创建的。使用光学字符识别扫描了这些记录，并根据原始记录校对了生成的文本文件。进行了一些格式更改。页码被标注在原始记录页面底部的位置。如果研究人员对准确性有任何疑虑，我们鼓励他们访问图书馆并查阅记录和采访录音。
2021 年环境、社会和治理 (ESG) 报告
本报告中的数据主要来源于公司经营活动的原始记录。本报告中的信息已经公司内部审核并获得管理层批准；部分具体内容已经外部审核。我们会定期验证数据收集流程和数据管理系统的有效性。天合光能于2008年通过了环境管理体系ISO 14001认证；2010年通过了职业健康安全管理体系OHSAS 18001认证（现为ISO 45001）； 2011年通过ISO 14064组织层面温室气体排放及消除量化体系验证，2012年开始产品碳足迹PAS 2050认证。2015年还通过了能源管理体系ISO 50001认证。我们通过每年的外部审核来验证这些体系的有效性。
一种新型的深度学习方法，使用Alexnet在阿尔茨海默氏病和轻度认知障碍中对脑电图分类
摘要 - 阿尔茨海默氏病（AD）是痴呆症的最常见形式。轻度认知障碍（MCI）是描述前驱AD的阶段的术语，代表了早期AD诊断中的“危险因素”，这是由于老龄化引起的正常认知能力下降。脑电图（EEG）已被广泛研究以进行AD表征，但可靠的早期诊断继续提出挑战。这项研究的目的是使用EEG衍生的功能图像和深度学习技术引入AD患者，MCI受试者和年龄匹配的健康对照组（HC）受试者之间进行分类的新型方法。将141名年龄匹配受试者（52 AD，37 MCI，52 HC）的EEG记录转换为2D灰度图像，代表21 EEG通道之间的Pearson相关系数和距离LEMPEL-ZIV复杂性（DLZC）。每种特征类型都是从原始记录中分割的1s，2s，5s和10s的EEG时期计算的。CNN体系结构ALEXNET已修改并用于这项三向分类任务，并使用70/30拆分进行训练和验证，并使用每个不同的时期长度和EEG衍生的图像进行验证。使用来自10S时期的DLZC衍生图像作为模型的输入获得了73.49％的最大分类精度，但使用从Pearson相关系数和5S时期获得的图像达到了98.13％的分类精度达到98.13％。