XiaoMi-AI文件搜索系统
World File Search System外部测试
欧盟人工智能法案背景下的人工智能认证和保证
针对高风险系统的规定，即h.那些用于安全关键应用或可能对一个或多个人的基本权利产生重大影响的技术构成了法规的核心，除了风险管理、数据治理、技术文档、透明度、记录保存义务、人工监督和准确性要求外，还可能需要外部测试机构的认证。根据目前的状况，只有当人工智能系统属于某种产品的一部分，且该产品因行业特定要求而必须由第三方进行合法测试时，才有必要进行此类第三方合格评定。其中包括适用于医疗设备。 《欧盟人工智能法案》附件中明确描述了所有被视为高风险的用例，其中包括关键基础设施、教育或执法目的的人工智能。
数量结构活性关系的研究研究了血管紧张素II受体抑制剂的一些喹啉衍生物
本研究的目的是开发3D-QSAR模型，以验证奎诺林衍生物的降压活性，并深入了解改善活动的需求，以设计新的治疗剂的有效类似物。3D-QSAR分析模型是通过分子建模研究的良好性能和鲁棒性来验证的。我们利用K-Nearest邻居方法开发了一个3D-QSAR模型。3D模型具有交叉验证的Q 2（0.6923），相关系数r 2（0.7351）和PERE_R2（0.7015）的外部预测能力的值。获得了测试集的Pred_r 2的值，并给出了更好的结果，值为0.7015，这意味着外部测试集的70％预测能力。3D-QSAR模型探讨了改善活动的结构要求，以更好地理解活动的选择性。
NCHD培训支持方案（TSS）
/凝结 /免疫学。可以记录多个部门请求，并随着适当数量的标本发送到实验室。组织病理学 /细胞学-1通用，4个解剖部位相关微生物学转介到外部实验室的样本，例如外部测试请求可在所有请求表上使用地址仪标签，请在请求表的每个背面副本上贴上一个地址仪标签。请求表必须包含*：患者详细信息：请求详细信息： - 患者姓名/身份 - 请求者名称（姓氏和Forename） - 发送结果 - 地址 - 地址 - 联系方式 - 联系方式，例如。- 出生日期 - 全科医生 - 患者性别标本的详细信息：其他信息： - 收集的日期和时间 - 与 - 与样品的性质相关的完整临床详细信息 - 请求调查的性质 - 请求的测试 - 有关微生物学标本，请说明任何使用的抗生素
eMaintenance - 信息驱动的维护和支持
当今，现代飞机维护和在役支持提供商面临着重大挑战。飞机和其他复杂技术系统的维护和支持的核心问题是管理不断增加的信息流和系统复杂性。军事和商业运营商都需要减少停机时间，而实现这一目标的一种方法是加快计划内和计划外维护的周转时间，甚至更好的方法是通过实施基于条件的维护来减少停机需求。为了在全球支持环境中实施这些改进的支持解决方案，电子维护被视为一个重要的构建模块。电子维护包括全天候 (24/7) 监控、收集、记录和分发实时系统健康数据、维护生成的数据以及其他决策和绩效支持，不受组织或地理位置的限制。电子维护有可能改善与维护过程相关的活动的管理和性能，从而提高关键系统的可靠性、安全性和生命周期成本。这是通过在整个维护和支持过程中应用信息和通信技术 (ICT) 来实现的，从而整合了内置测试、不同维护层级的外部测试、技术信息、诊断、预测和其他支持信息来源。目的
人工智能助手如何改变高等教育？
高等教育的环境正在加速变化。在新冠疫情期间，数字化教学成为新的教学方法。此外，新的学习理念不断发展，协作技术也得到了传播。人们探索了创新的教学理念，例如学习环境中的游戏化框架（Rauschenberger 等人，2019 年）、敏捷方法（Neumann 和 Baumann，2021 年；Schön 等人，2022 年）或使用新兴技术（例如，充当助教和 Scrum 主管的机器人；Buchem 和 Baecker，2022 年）。如今，包括 ChatGPT 等人工智能工具在内的新兴技术正在颠覆性地改变高等教育的环境（Haque 等人，2022 年）。ChatGPT 是一个基于 GPT-3 的大型语言模型，由 OpenAI 公司于 2022 年 11 月发布（OpenAI，2022 年）。人工智能聊天机器人为用户提供实时通信，提示他们的请求。ChatGPT 自然语音回答的质量标志着我们在日常生活中使用人工智能生成的信息的方式发生了重大变化，并有可能彻底改变我们与技术的互动（Aljanabi 等人，2023 年）。最近，谷歌推出了人工智能聊天机器人 Bard（目前仅供一小部分外部测试人员使用）
19” 管理型以太网交换机 - RFIR-127-F4G-T7G-DC
RFIR（RedFox 工业机架）是一款高性能第 2 层工业以太网交换机，专为高网络流量应用而设计。提供各种端口配置，可使用 SFP 收发器进一步定制。RFIR 由 Westermo WeOS 网络操作系统提供支持。RFIR 专为符合 ETSI 标准的 19 英寸机柜而设计，适合用于控制室网络以及铁路轨道旁安装的机柜。RFIR 设计为通过直流电源高效运行，该设备还配备可配置的 I/O 故障触点，使其非常适合在工业应用中轻松安装和监控。仅使用工业级组件，使 RFIR 的 MTBF 达到 275 000 小时，确保了较长的使用寿命。无需在机箱中移动部件或冷却孔，即可实现 -40 至 +70°C（-40 至 +158°F）的宽工作温度范围。 RFIR 已通过 Westermo 和外部测试机构的测试，符合多项 EMC、隔离、振动和冲击标准，均达到最高水平，适用于重工业环境和铁路轨道旁应用。WeOS 由 Westermo 开发，使我们能够提供跨平台和面向未来的解决方案。即使对于具有视频或以太网/IP 流量的网络，WeOS 也能提供 20 毫秒的环路恢复性能。有关更多 WeOS 功能，请参阅 WeOS 数据表。
预测模型和人工智能在临床中的应用
在过去的十年中，人工智能 (AI) 和放射组学等数据科学技术在放射学研究中强势崛起。放射组学是指从医学图像中（自动）提取大量定量特征 [1]。典型的放射组学工作流程涉及图像采集和分割以及特征提取和优先级排序/缩减，为其最终目标做准备，即预测建模 [2]。在这最后一步，放射组学和人工智能通常交织在一起，建立互利共生关系。近年来，医学成像领域关于放射组学和人工智能应用的出版物数量不断增加，方法也日益完善 [3,4]。最佳实践白皮书的制定和预测建模出版物质量标准（如 TRIPODS [5] 或 CLAIM [6] 标准）大大促进了这种定性收益。因此，在最近的出版物中越来越多地观察到提高预测模型普遍性的相关方法学方法，例如，准确组成具有代表性和无偏数据集，避免数据泄露，结合（嵌套）交叉验证方法进行模型开发，特别是在小数据集上，或使用独立的外部测试样本。在这方面，Song 等人 [7] 在最新一期的《欧洲放射学》上发表的关于预测颅内出血功能结果的临床放射组学列线图的工作只是一般趋势的一个例子。然而，与预测模型在医学成像研究中的利用率和重要性的提高相比，这些技术尚未在临床
人工智能系统减少乳腺超声检查解释中的假阳性结果
超声是检测和鉴定乳腺癌的重要成像方式。尽管乳腺超声一直被证明可以检测出乳房 X 线摄影中隐藏的癌症，尤其是在乳房致密的女性中，但人们注意到乳腺超声具有很高的假阳性率。在这项研究中，我们提出了一种人工智能 (AI) 系统，该系统在超声图像中识别乳腺癌的准确度达到放射科医生的水平。为了开发和验证这个系统，我们整理了一个数据集，该数据集包含 2012 年至 2019 年间在纽约大学朗格尼健康中心接受检查的 143,203 名患者的 288,767 次超声检查。在由 44,755 次检查组成的测试集中，AI 系统的受试者工作特征曲线下面积 (AUROC) 达到 0.976。在一项读者研究中，AI 系统的 AUROC 高于十位获得委员会认证的乳腺放射科医生的平均水平（AUROC：AI 0.962，放射科医生 0.924 ± 0.02）。在 AI 的帮助下，放射科医生将假阳性率降低了 37.4%，并将要求的活检数量减少了 27.8%，同时保持了相同的敏感度水平。为了确认其通用性，我们在独立的外部测试数据集上对我们的系统进行了评估，结果显示其 AUROC 为 0.911。这凸显了 AI 在提高全球乳腺超声诊断的准确性、一致性和效率方面的潜力。
19“工业路由开关-RFIR-227-F4G-T7G-DC
RFIR（Redfox Industrial机架）是一个高性能层3工业以太网开关，专为高网络流量应用而设计。可以使用各种端口配置，可以通过SFP收发器进行进一步定制。RFIR由Westermo Weos网络操作系统提供动力。rfir专为19英寸橱柜而设计，适合于控制室网络以及沿铁路轨道侧安装安装的橱柜。rfir旨在通过直流电源有效运行，该设备还配备了可配置的I/O故障接触，非常适合在工业应用中轻松安装和监视。只有使用工业级组件才能使RFIR的MTBF达到275 000小时，从而确保了长期使用寿命。可以在没有运动部件或冷却孔的情况下实现宽的工作温度范围-40至 +70°C（-40至 +158°F）。Westermo和外部测试室对RFIR进行了测试，以满足许多EMC，隔离，振动和冲击标准，所有这些都适用于最高水平，适用于重型工业环境和铁路轨道旁应用。WEOS已由Westermo开发，以便我们提供跨平台和未来的证明解决方案。WEO可以为此产品提供唯一的IP安全功能，例如，可以通过使用基于内部端口的防火墙功能来构建多端DMZ。可以使用加密的VPN提供远程安全访问网络。有关更多WEOS功能，请参阅WEOS数据表。