XiaoMi-AI文件搜索系统
World File Search System图形用户界面
医学中的图形人工智能
在临床人工智能（AI）中，图表表示学习，主要是通过图神经网络和图形变压器体系结构，其能力很突出，其能力捕获临床数据集中的复杂关系和结构。使用不同的数据（从患者记录到成像），通过将其中的模式和实体视为与他们的关系相互联系的节点，将AI模型整体地处理数据。图AI促进了跨临床任务的模型转移，从而使模型能够在没有其他参数的情况下在患者群体之间发电，并且最少到没有重新进行了。但是，以人为中心的设计和模型解释性在临床决策中的重要性不能被夸大。由于图形AI模型通过在关系数据集上定义的局部神经转换捕获信息，因此它们在阐明模型基本原理方面提供了机会和挑战。知识图可以通过将模型驱动的见解与医学知识保持一致来增强可解释性。新兴图AI模型集成了各种数据
图形神经网络和结构化数据分析...
向前发展：垂直农业如何融合技术能力和古老的农艺知识来改变世界 - （Videopillola）Castrogiovanni Antonino国家形象和购买的意愿：绿色产品形象在消费者感知中的中介作用
图形生成模型和某些应用程序
[1]词法和TW-IDF：Adhoc IR，F.Rousseau，Michalis vazirgiannis的新方法-CIKM '13：https：//doi.org/10.1145/1145/2505515.2505671，最佳核心提及奖，最佳核心核心奖[2]主核心在图形上的核心保留[2]单个图形划分。vazirgiannis。ecir2015 [3]文本分类为图形分类问题，F卢梭，E Kiagias，M Vazirgiannis，ACL，2015 [4]基于Twitter流中的基于Demeneracy的实时子事件检测，P Meladianos等。al。aaai -icwsm 2015 [5]消息传递注意网络以获取文档理解，G。Nikolentzos，A.Tixier，M.Vazirgiannis，AAAI2020，https://doi.org/10.1609/aaaai.v34i.v34i05.6376
机器学习的图形信号处理
图1：典型的基于图的机器学习任务和相应挑战的说明示例。该算法的输入由i）图形捕获的典型蛋白质 - 蛋白质相互作用网络，ii）图（颜色编码）上的信号是任何给定时间点的单个基因的表达水平。输出可以是经典的机器学习任务，例如蛋白质的聚类，或者随着时间的推移预测基因表达。
短文图形研究回顾...
理解和词汇超文本注释，尤其是文内注释，在提高阅读理解和获得目标语言词汇量方面发挥着至关重要的作用（Chen，2016）。许多研究调查了图形组织器的使用及其在多种情况下对学习者表现的影响。大多数研究结果表明，除了记住课程内容外，图形组织器主要在阅读和写作中发挥积极作用。例如，Robinson 等人（2006）研究了图形组织器如何影响学习者在教育心理学课程中的表现。研究参与者包括课程两个部分的 114 名学生。在三个准实验中，他们被要求自己完成图形组织器或学习之前根据课程内容创建或完成的图形组织器。研究结果表明，部分任务使学生在考试中取得更高的分数，并且在所有实验条件下，参与者的笔记记录都有所增加。 Casteleyn、Mottart 和 Valcke (2013) 进行的另一项研究旨在确定使用概念图作为图形组织者如何影响学习成果和几个变量，其中包括认知负荷和对讲师准备的电子材料的欣赏以及多媒体学习的认知理论。一组学生听录音讲座，而实验组学生听基于图形组织者的讲座。研究结果表明，尽管参与者更喜欢基于图形组织者的讲座，但这两组在认知负荷、知识获得和自我效能方面并没有差异。同样，Khoii 和 Sharififar (2013) 调查了死记硬背和图形组织者作为语义映射是否会影响 L2 词汇习得。他们的研究包括 38 名中级 EFL 学习者，他们被分成两个实验组，每个组练习不同的认知技巧。基于包含多项词汇选择题的后测，研究结果表明两个实验组都提高了词汇知识；然而，记忆法和图形组织器组之间没有显著差异。在一项针对两名课堂教师的跨案例分析研究中，Mercuri (2010) 研究了课堂中的教学活动，这些活动侧重于学生在科学教学期间的学术语言发展。研究结果揭示了印刷图形组织器的积极作用，帮助学生总结和展示从文本中得出的想法之间的关系。Servati (2012) 试图调查基于图形组织器（如网页）以及开头、中间和结尾图表的写作前活动如何影响学生写作的整体质量。研究参与者包括 2 名来自 Sunnydale 辅导计划的学生和 10 名教师。为了收集数据，研究采用了问卷、学生词汇样本、与参与者进行的访谈和实地笔记。研究结果表明，使用基于图形组织器的适当写前策略并给予学生足够的时间可以提高写作质量。另一方面，Ponce、Mayer 和 Lopez (2013) 研究了基于计算机的空间学习策略在阅读和写作课中的使用情况。来自 12 所学校的 2,468 名学生参加了这项研究。这些参与者利用特定的策略，在阅读课上将一页纸上的内容和想法形象化，同时在写作课上完成图形组织器。根据研究中获得的测试结果，计算机教学组的参与者
负责人造的图形设计...
人工智能领域中的抽象发展已经达到了直接影响图形设计的力量。人工智能为设计师提供技术技能，查找想法，原型制作和发展。最近，设计师几乎不可避免地包括在工作生活中的人工智能，有能力创建，共享和分析无限的视觉工作。，但是随着当前的发展，人工智能增加了人们对道德，正义，透明度和问责制的关注。在这种情况下，负责任的（道德/可靠）人工智能旨在消除人工智能的风险和可能的问题。负责的人工智能不仅仅是创建令人放心的系统。消除和信任图形设计师可能面临的风险特别重要。研究通过对图形设计轴的潜在风险和道德维度评估负责任的人工智能。定性研究方法用于研究，并受益于印刷和电子（基于互联网的）来源。作为研究的结果，为了以负责任的方式发展和使用人工智能，技术，社会（按照社会的原则和价值观）和法律方法的发展。
地图/图形/图表竞赛
亚洲政治救济地图1。马六甲海峡分开了哪些国家？a。马来西亚和泰国b。越南和菲律宾c。印度尼西亚和巴布亚新几内亚d。马来西亚和印度尼西亚2。以色列的首都是什么？a。大马士革b。文莱c。安卡拉d。耶路撒冷3。以下哪个国家在其边界内没有一部分喜马拉雅山脉？a。印度b。尼泊尔c。老挝d。不丹4。以下哪个不是阿拉伯半岛的国家？a。卡塔尔b。也门c。萨那d。阿曼5。死海位于两个国家之间？a。以色列和巴勒斯坦b。土耳其和伊拉克c。约旦和以色列d。黎巴嫩和叙利亚6。 亚洲哪个国家是群岛？ a。印度尼西亚b。蒙古c。朝鲜d。土耳其7。 里海海位于亚洲两个国家之间？ a。伊朗和伊拉克b。俄罗斯和中国c。哈萨克斯坦和乌兹别克斯坦d。土库曼斯坦和阿塞拜疆土耳其和伊拉克c。约旦和以色列d。黎巴嫩和叙利亚6。亚洲哪个国家是群岛？a。印度尼西亚b。蒙古c。朝鲜d。土耳其7。里海海位于亚洲两个国家之间？a。伊朗和伊拉克b。俄罗斯和中国c。哈萨克斯坦和乌兹别克斯坦d。土库曼斯坦和阿塞拜疆
图形级表示与联合...
联合装饰预测架构（JEPA）最近成为一种新颖而有力的技术，用于自我监督的代表学习。他们旨在通过从上下文信号x的潜在反映中预测目标信号y的潜在表示基于能量的模型。JEPA绕过对负面样本和积极样本的需求，传统上是由对比度学习所必需的，同时避免了与生成预处理相关的过度拟合问题。在本文中，我们表明，可以通过提出图形联合装置谓语体系结构（Graph-jepa）来有效地使用此范式进行图形级表示。特别是，我们采用蒙版的建模并专注于预测从上下文子图的潜在代表开始的掩盖子图的潜在表示。为了赋予图表概念中通常存在的隐式层次结构，我们设计了一个替代预测目标，该目标包括预测2D平面中单位双曲线上编码子图的坐标。通过多次实验评估，我们表明Graph-jepa可以学习高度语义和表现力的表示，如图分类，回归和区分非同构图中的下游性能所示。该代码可在https://github.com/geriskenderi/graph-jepa上找到。
设计和开发用于室内的自主无人机飞艇...
摘要 — 本项目旨在开发一种小型飞艇，由人类远程控制。飞艇是无人驾驶飞艇 (UAV) 之一，可用于广告、VIP 安全检查、交通监控和管理等。本项目的主要目的是设计和开发一种用于室内监控和监测应用的自主无人机飞艇。图像将从安装在吊舱底部的无线摄像头捕获。确定物体的质心点需要使用三相边缘检测器、精明算子和阈值。该对象将以 2D 坐标显示在图形用户界面 (GUI) 上。在这个项目中，系统一次只能检测一个物体。关键词 — 精明算子、图形用户界面 (GUI)、物体检测、边缘检测器