XiaoMi-AI文件搜索系统
World File Search System在建
ATSP-TDD 2022 年 4 月 5 日 单位调动官部署规划课程备忘录 8C-F17/553-F5 (MC) 主题：欢迎虚拟单位调动官部署规划课程学生的信 1. 谨代表运输学校助理指挥官 Timothy R. Zetterwall 上校和运输管理培训部 (TMTD) 负责人 Trenton Lykes 先生，欢迎并祝贺大家参加单位调动官部署规划课程 (UMODPC)。 2. 作为根据命令任命的单位调动官，您将担任指挥官的高级顾问，负责单位战略部署或通过地面方式的单位调动。本课程将为您提供单位部署所需的工作知识和单位调动官的职责。 3. 地点：这将是一门虚拟课程，将通过 Army 365 Microsoft Teams 进行。 Army Teams 365 是当前的虚拟训练平台，只能通过国防部信息网络 (NIPRNet) 或带有 CISCO AnyConnect 虚拟专用网络 (VPN) 的政府提供的设备 (GFE) 访问。参加此在线课程需要摄像头和麦克风。如果您在家上课，则必须拥有已建立的 IT 支持网络，以便在遇到 TEAMS 或计算机问题时联系。讲师不会排除 TEAMS 或软件故障。如果您在建立 TEAMS 帐户时遇到问题，请联系您的 G6 人员或陆军企业服务台 (AESD)，电话 1-866-335-2769。4. 时间：培训将在课程期间于美国东部时间 08:00 开始。5. 参加前：空中调动设备 (EPAM) 模块 1 和模块 2 是先决条件，必须在单位调动军官部署规划课程 (UMODPC) 开始日期之前完成。您必须在两门考试中取得 80% 或更高的分数，才能满足参加课程的首要要求。6. SAAR AMIS 表格 2875：学生还必须提交 AMIS 表格 2875 系统授权访问请求 (SAAR) 的副本，这是课程的补充。参加课程的学生必须将已填妥并签名的 AMIS 表格 2875 的副本交回给讲师。一旦学生注册了课程并在 ATRRS 中预留席位以参加 UMODPC 课程，他们将收到来自讲师的后续欢迎信。学生必须获得安全许可才能参加课程。
ATSP-TDD 2022 年 4 月 5 日 单位调动官部署规划课程备忘录 8C-F17/553-F5 (MC) 主题：欢迎虚拟单位调动官部署规划课程学生的信 1. 谨代表运输学校助理指挥官 Timothy R. Zetterwall 上校和运输管理培训部 (TMTD) 负责人 Trenton Lykes 先生，欢迎并祝贺大家参加单位调动官部署规划课程 (UMODPC)。 2. 作为根据命令任命的单位调动官，您将担任指挥官的高级顾问，负责单位战略部署或通过地面方式的单位调动。本课程将为您提供单位部署所需的工作知识和单位调动官的职责。 3. 地点：这将是一门虚拟课程，将通过 Army 365 Microsoft Teams 进行。 Army Teams 365 是当前的虚拟训练平台，只能通过国防部信息网络 (NIPRNet) 或带有 CISCO AnyConnect 虚拟专用网络 (VPN) 的政府提供的设备 (GFE) 访问。参加此在线课程需要摄像头和麦克风。如果您在家上课，则必须拥有已建立的 IT 支持网络，以便在遇到 TEAMS 或计算机问题时联系。讲师不会排除 TEAMS 或软件故障。如果您在建立 TEAMS 帐户时遇到问题，请联系您的 G6 人员或陆军企业服务台 (AESD)，电话 1-866-335-2769。4. 时间：培训将在课程期间于美国东部时间 08:00 开始。5. 参加前：空中调动设备 (EPAM) 模块 1 和模块 2 是先决条件，必须在单位调动军官部署规划课程 (UMODPC) 开始日期之前完成。您必须在两门考试中取得 80% 或更高的分数，才能满足参加课程的首要要求。6. SAAR AMIS 表格 2875：学生还必须提交 AMIS 表格 2875 系统授权访问请求 (SAAR) 的副本，这是课程的补充。参加课程的学生必须将已填妥并签名的 AMIS 表格 2875 的副本交回给讲师。一旦学生注册了课程并在 ATRRS 中预留席位以参加 UMODPC 课程，他们将收到来自讲师的后续欢迎信。学生必须获得安全许可才能参加课程。
系统回顾人工智能工具在建筑、工程和施工中的应用
摘要 目的——本研究回顾了人工智能 (AI) 工具在建筑行业的应用程度。 设计/方法/方法——使用 Elsevier 的 Scopus 进行了全面的文献综述（基于 165 篇文章），因为它简单且包含各种各样的数据库，可用于识别与本研究范围相关的文献。 结果——提取了以下项目：使用的 AI 工具的类型、主要应用目的、研究的地理位置以及研究在出版期刊方面的分布。根据审查结果，将 AI 工具的用途分为八个主要领域，例如岩土工程、项目管理、能源、水文、环境和交通，以及建筑材料和结构工程。 ANN 是一种广泛使用的工具，而研究人员也使用了其他 AI 工具，这表明他们正在努力探索其他工具以获得更好的建模能力。还有明显的证据表明，研究现在正从应用单一 AI 工具发展到应用混合工具，以进行比较并展示哪种工具在同类场景中能提供更好的结果。 实际意义——这些研究结果不仅可以供对 AI 工具在建筑业的应用感兴趣的研究人员使用，还可以供渴望进一步了解和探索 AI 工具在该领域应用的行业从业者使用。 原创性/价值——迄今为止，尚无研究以作为了解可用的不同 AI 工具及其在 AEC 不同领域的应用水平的中心点。该研究揭示了各种研究，这些研究已在混合/进化系统中使用 AI 来开发有效和准确的预测模型，为研究人员和模型开发人员提供更多工具可供选择。 关键词 AI 工具、建筑、工程和建筑业、预测、预测 论文类型 文献综述
我们现在建议给你的狗接种这种病毒的疫苗
最常见的症状出现在接触病毒后 2-3 天。症状包括持续咳嗽、流鼻涕、发烧 104 度或更高。它们还可能打喷嚏、昏昏欲睡和/或食欲不振。有些狗没有症状，但仍会将病毒传播给其他狗。如果您的宠物出现症状，请让它们远离其他狗并与我们联系。大多数病例在 2-3 周内通过支持性护理得到解决。然而，约 10% 的病例死于肺炎。
在建筑行业中使用菌丝体结合的复合材料的应用：简短的评论
菌丝结合的复合材料是一类新的可持续性和负担得起的生物复合材料，最近已将其引入包装，时尚和建筑中，作为传统合成材料的替代品。近年来，广泛的研究和研究已致力于探索生产和加工方法，并为菌丝体结合的复合材料找到潜在的应用。但是，这种新型生物复合材料在建筑行业中的应用仅限于小规模的原型和展览装置。机械性能低，高吸水和缺乏用于生产和测试菌丝体结合复合材料的标准方法的问题仍然是主要挑战，当用作非结构或半结构元素时，需要解决。此简短的评论旨在以热和声学绝缘的形式展示菌丝体结合的复合材料的潜力，以及用于干墙和瓷砖的替换。本评论总结了有关菌丝体结合的复合材料的特性的主要可用信息，这些信息已在建筑领域使用，同时为这些生物复合材料在建筑行业中的应用中提出了未来的研究和开发方向。
HPM 能量吸收器在建筑中的应用系统评价
摘要：高功率微波 (HPM) 脉冲是一种现代武器，它对社会运作质量有深远影响，因为使用这种武器可能会损坏或毁坏军用和民用的电子设备、计算机和电信系统。防护 HPM 脉冲能量有两种基本方法：使用辐射吸收材料 (RAM) 或人工电磁 (EM) 结构。如果要保护的对象是建筑物，则使用基于 RAM 的保护。因此，本文献综述重点介绍在建筑产品和结构中使用 HPM 能量吸收器的可能性。重点关注四种基本类型的元素：覆层、混凝土和砂浆、小型元素（砖块、空心砌体单元）和油漆涂层。在每一类中，都根据相关文献给出了具有与基本建筑材料结合高潜力的 HPM 辐射吸收器的示例。
大地测量学在建筑物和结构建设中的作用
因此，大地测量工作的准确性问题至关重要，它决定了建筑物和结构的质量和可靠性。在评估测量的可靠性和正确性时，最重要的是根据项目的既定技术要求，选择适合大地测量工作仪器的完美方法。由于科技进步，随着建筑技术水平的提高，工程大地测量工作的方法和设备的生产也得到了改进。如果直到20世纪60年代大地测量仪器的发展还走的是传统技术改进的道路，那么最近30-40年代微电子技术的发展则开启了大地测量工作工具和方法的新时代。
氢气在建筑物中的应用
氢气是否也可用于建筑物、用于发电和供热设备，这个问题经常引起争论。其他技术，如热泵或利用废热供应的区域供热网络，可能是更高效、更便宜的解决方案。在新建的房屋隔热性能高（热需求低）的社区中，全电动解决方案似乎是最合理的解决方案。然而，问题是，考虑到大多数可再生能源的间歇性，以及大规模电加热和电动汽车，100% 电气化系统是否可行；该系统必须结合存储和灵活性，而且氢气也可能发挥作用。对于老房子和历史悠久的城市中心，特别是在没有废热源来为供热网络供电的地方，氢气等气候中性气体可能是一个好的解决方案。
人工智能在建筑工程和管理中的作用：评论与未来趋势
随着人工智能 (AI) 的广泛应用，建筑工程与管理 (CEM) 正在经历快速的数字化转型。由于 CEM 中基于 AI 的解决方案已成为当前的研究重点，因此需要全面了解它。在这方面，本文在科学计量和定性分析下进行了系统综述，以介绍 CEM 背景下 AI 采用的现状并讨论其未来的研究趋势。首先，进行了科学计量综述，以基于 1997 年至 2020 年发表的 4,473 篇期刊文章探索关键词、期刊和集群的特征。研究发现，尤其是在过去 10 年中，相关论文数量激增，关键词的流行度也从专家系统转变为建筑信息模型 (BIM)、数字孪生等。然后，对 CEM 进行了简要介绍，这可以从人工智能在自动化、风险缓解、高效率、数字化和计算机视觉方面的新兴趋势中受益。重点关注了六大热点研究课题，充分体现了人工智能在 CEM 中的优势，包括（1）知识表示与推理、（2）信息融合、（3）计算机视觉、（4）自然语言处理、（5）智能优化和（6）流程挖掘。这些课题的目标是在实际复杂项目的整个生命周期中，以数据驱动的方式对问题进行建模、预测和优化。为了进一步缩小人工智能与 CEM 之间的差距，未来研究的六个重点方向包括智能机器人、云虚拟和增强现实（云 VR/AR）、物联网人工智能 (AIoT)、数字孪生、4D 打印和区块链，以不断促进 CEM 的自动化和智能化。
机器学习在建模中的应用...
摘要 - 英国地质调查局（BGS）拥有大量有关英国岩石表面深度（第四纪和基岩地质单位之间的过渡）的信息。此信息已从超过一百万个钻孔纸原木中提取，并已用于创建BGS Rockhead表面模型。在将纸记录的岩石深度的不同解释引入数据库中时，就会出现一个困难，并且需要对需要使用哪种解释进行选择。在这里，我们概述了机器学习（ML）方法的应用在自动选择一个基于先前决策的每个钻孔的一个岩头解释时，因此节省了大量的手动检查工作。这将选择过程从几周减少到几分钟。结果是由已知结果的子集示例控制的质量。这表明仅使用完整数据的5％，结果误差小于10％。最终结果表明，在100个相互矛盾的案例中，ML算法比地质学家选择的解释有所不同。这是可以接受的速率，因为整个井眼中只有5％具有多个解释。
Fahriye Hilal Halicioglu、Seckin Koralay 增材制造方法在建筑项目中的适用性分析
“自动化”一词源于古希腊语“auto”，意为自行运作。从逻辑上讲，“建筑自动化”意味着建筑无需人工干预即可自行完成。为了更广泛地描述它，Castro-Lacouture [1] 将其定义为“一种技术驱动的简化施工流程的方法，旨在提高安全性、生产率、可施工性、进度或控制，同时为项目利益相关方提供快速准确的决策工具。”20 世纪初，随着大规模生产系统 [2] 的出现，其他大型制造业（汽车、航空航天、造船等）的自动化技术开始转向建筑行业。起初，建筑元素被简化为预制部件并在施工现场组装。尽管如此，在这种方法中，自动化水平仍然局限于“场外”制造。组装过程主要由人工完成。现场施工自动化最早出现于 20 世纪 70 年代的日本，由被称为“五大”的大型建筑公司（清水建设、大成建设、鹿岛建设、大林组和竹中建设）投资使用机器人技术。现场施工自动化的发展主要源于人口老龄化，其次是因为年轻一代认为建筑工作困难、肮脏且危险 [3]，对施工工作没有吸引力。出于这些原因，人们提出了两种主要方法。首先，开发了“单任务施工机器人”，通过执行诸如油漆、抹灰和铺陶瓷砖等非常具体的任务来取代施工现场的工人。其次，通过“施工自动化系统”进一步改进机器人系统，该系统旨在通过协调由单任务施工机器人支持的各种子系统实现全面自动化。这两个概念的主要重点是预制建筑部件的现场自动组装。尽管如此，整个机器人过程仍然是通常复杂的人类工作链的复制，而且对预制部件的依赖也带来了自身的缺点，例如需要为标准化（单调）元素建立专门的场外生产网络 [4]。在这一点上，增材制造 (AM) 方法有一些互补的方面和支持建筑自动化的潜力，因为它可以让机器人直接从原材料中高效地生产定制的建筑部件 [5]。AM 技术最初出现在 20 世纪 80 年代 [6]。Charles Hull [7] 开发了第一台 AM 机器，称为立体光刻，以替代注塑成型技术（一种成型制造方法），他使用后者来制造金属零件。这种成型技术成本高昂，耗时长，因为需要为每个不同的部件制作一个新模具 [8] 。他的新系统依靠紫外线敏感流体的自动凝固，通过以下方式形成 3D 物体