XiaoMi-AI文件搜索系统
World File Search System学术论文
使用 Litstudy 进行结肠镜检查
由于学术论文数量巨大，很难对关于该研究领域的一般性问题提供全面的答案，例如，谁是主要作者，关于该研究主题的关键问题或见解是什么。在此基础上，我们使用 Litstudy，一个 Python 库来调查和深入了解用于结肠镜检查的人工智能（AI）学术出版物。使用“AI”和“结肠镜检查”关键词作为书目数据的搜索结果，提取并合并为 CSV 文件。下载了 5872 份书目数据，其中 3865 份来自 IEEE Xplore，2007 份来自 Springer。Scopus 产生了 5083 篇引文，而 789 篇不可用的引文被丢弃。非负矩阵分解（NMF）模型用于生成主题聚类，阈值为 0.85。结果显示，“患者”在四个主题中出现次数最多：2、3、7 和 10，我们使用主题云进一步将其可视化。令人惊讶的是，尽管使用“人工智能”关键词查询 IEEE、Springer 和 Scopus 数据库，主题 5 中的 AI 却是主题云中最模糊的词。结肠镜检查中结肠癌康复的主题 10 词聚类显示主题聚类之间的关系较弱。该项目能够选择特定的科学文章，使用自然语言处理 (NLP) 检查和可视化它们的学术贡献，进行书目网络分析，最重要的是，揭示了对结肠镜检查出版物中 AI 词聚类的见解。
基于人工智能的工业生产生命周期工程：系统文献综述
摘要 近几年来，将人工智能 (AI) 应用于可持续发展工程活动的案例层出不穷。生命周期工程 (LCE) 具有整体视角，兼顾经济和环境目标，有潜力系统地达到更高的生产力水平。为了解决目前在更系统地部署具有 LCE 的 AI (AI-LCE) 方面的差距，我们进行了系统的文献综述，重点关注三个方面：(1) 最流行的 AI 技术，(2) 当前 AI 改进的 LCE 子领域和 (3) AI 高度增强的子领域。我们使用一组特定的纳入和排除标准来识别和选择来自多个领域（即生产、物流、营销和供应链）的学术论文，经过本文中描述的选择过程，我们最终得到了 42 篇科学论文。研究和分析表明，有许多 AI-LCE 论文涉及可持续发展目标，主要涉及：工业、创新和基础设施；可持续城市和社区；以及负责任的消费和生产。总体而言，这些论文描绘了 LCE 中使用的各种 AI 技术。生产设计和维护和维修是 LCE 中探索最多的子领域，而物流和采购是探索最少的子领域。AI-LCE 的研究集中在少数几个占主导地位的国家，尤其是研究资金雄厚、专注于工业 4.0 的国家；德国在出版物数量方面脱颖而出。对选定的相关科学论文进行深入分析有助于更正确地了解该领域，从而在未来更系统地研究 AI-LCE。
2023 年年度报告
2023 年是 ARiEAL 研究成果丰硕的一年。我们的研究人员发表了 47 篇期刊文章、19 篇论文集、1 章书籍章节和 1 本书。他们还在世界各地的众多知名国际会议和学术机构发表了 44 篇学术论文、海报和受邀演讲。其中许多出版物和演讲都是与我们的学员共同撰写和共同呈现的，突出了他们对 ARiEAL 知识动员和研究活动的重要性，以及他们从我们的成员那里获得的培训和指导的质量。ARiEAL 和 ARiEAL 研究人员还获得了 17 项资助研究、知识动员和培训活动的资助，总额超过 2600 万美元。这些研究资金将使 ARiEAL 研究人员能够进一步发展他们的前沿研究，并与世界各地的学者和社区伙伴建立新的合作关系。举几个例子：Victor Kuperman 博士与 Lesya Ukrainka Volyn 国立大学的研究人员合作，启动了一个新项目（由 NFRF 探索基金资助），记录了乌克兰战争对乌克兰平民的影响。Michael Noseworthy 博士获得了几项资助，以进一步开展他在磁共振成像方面的开创性研究，而 Alison Biggs 博士获得了 SSHRC 资助，使她能够继续并扩大对南明的研究。特别祝贺 Ranil Sonnadara 博士，他通过竞争激烈的奖项赢得了非常可观的资金，这些奖项支持对安大略省数字研究基础设施的投资！
aha委托退休金 - 挑战 -
美国医院协会（AHA）发布了由著名的医疗保健经济学和政策咨询公司Dobson Davanzo＆Associates，LLC（Dobson）进行的新分析。分析批评了一份学术论文的发现，该发现误解了事实，并得出了有关长期护理医院（LTCHS）作用的错误结论。1特别是在Einav及其同事（Einav论文）对论文的全面批评中，Dobson的经济学家和分析师通过分析数据，假设，经济学方法和方法论来反驳该论文的发现和含义。最终，多布森发现，该研究得出的结论是不保证的，代表了事实的过度。ltchs通过照顾需要延长住院的最严重患者，在医疗保险和其他受益人中起着重要而独特的作用。如多布森分析所讨论的，LTCH提供了密集的护理水平，通常在其他急性后护理环境中提供。LTCH患者通常在医学上很复杂，有多个器官衰竭，并平均保持在LTCH至少25天。许多LTCH患者由于呼吸衰竭或类似的疾病而依赖呼吸机，这需要高度专业的护理。此外，LTCH是急诊医院的关键伙伴，减轻了重症监护病房负担过重的能力以及护理连续体的其他部分，否则这些患者将进一步加剧，而这些患者将无法获得LTCH。Dobson的报告在Einav论文中发现了许多缺点。一些最有问题的包括：
网络空间安全学院0839 网络空间安全学术学位硕士研究生培养 ...
硕士生论文写作的时间应不少于1 年半。 1.选题与综述的要求 本学科硕士生的科学研究和学位 论文，可以是基础研究、应用基础研究，也可以是工程应用研究，鼓励对学科前沿和学科交叉渗 透领域的研究。本学科的硕士生应尽可能参与指导教师和所在单位承担的重要科研课题，为加速 国民经济建设做贡献。硕士生在学期间应广泛阅读本学科及相关学科专业文献，其中应有部分外 文文献。综述应阐述清楚相关研究背景、意义、最新研究成果和发展动态。 2.规范性要求(论文 形式、内容要求) 硕士学位论文应是硕士生在某个具体研究领域进行系统研究工作的总结。学位 论文是衡量硕士生培养质量和学术水平的重要标志。开展系统的研究工作并撰写合格的学位论文 是对硕士生进行本学科科学研究或承担专门技术工作的全面训练，是培养硕士生科学素养和从事 本学科及相关学科研究工作能力的主要环节。学位论文应反映作者在本学科已具有坚实的基础理 论并掌握系统的专门知识，体现作者初步掌握本研究方向的科学研究方法和实验技术，并具有独 立从事科学研究工作的能力。学位论文应包括标题、中英文摘要、引言(或绪论)、正文、结论、 参考文献等内容。 3.质量要求 硕土生学位论文应在下列四个方面满足质量要求： (1)研究成果 应具有一定的理论意义或应用价值，了解国内外研究动态，对文献资料的评述得当； (2)学位论 文具有新的见解，基本观点正确，论据充分，数据可靠，研究开发或实验工作充足； (3)学位论 文反映出作者已掌握本学科，特别是本研究方向上的基础理论和专门知识，初步掌握本学科特定 方向上的科学研究方法和实验技能，具有独立进行科研或承担工程技术工作的能力； (4)学位论 文行文流畅，逻辑性强，符合科技写作规范，表明作者已具备学术论文写作的能力。 4.学位（毕 业）论文预答辩与答辩要求 硕士研究生需按要求完成预答辩。预答辩至少在论文正式答辩前2 个 月进行。预答辩和学位（毕业）答辩要求和流程按暨南大学有关规定执行。 ⼗、在学期间科研成果要求
热喷涂协会公布名人堂获奖者名单
20 世纪 80 年代中期，Gruner 博士参与支持 Herman 教授建立 ASM International 当时的热喷涂部门。他参加了最初被称为美国全国热喷涂会议的活动以及国际活动。他支持学生工作并指导这些领域的年轻专业人员。通过他的公司 Medicoat，他一直作为国际热喷涂会议的参展商参与其中，并参加会议。他在欧洲的工作围绕 GTS（德国热喷涂协会）和 SSB（瑞士生物相容性材料协会）。更值得注意的是，他致力于向生物医学界推广热喷涂。这些外展活动对整个热喷涂社区产生了重大影响。通过他作为德国热喷涂协会的初始组织，他影响了许多人的生活，这些人继续支持欧洲的热喷涂社区。 Gruner 博士已提交超过 15 项专利，经常发表学术论文，并获得多项奖项，包括 2011 年德国汉堡 ITSC 的 René Wasserman 奖：“在热喷涂领域取得的卓越经济效益和在公司中落实的社会责任价值观”。弗劳恩霍夫研究所 IPA 奖“Die Oberfläche 2014”，获奖理由是“表面技术的创新应用（使用 VPS 涂层的陶瓷涂层关节置换植入物）”。获奖引文：Heiko Gruner 通过四十年来对真空等离子喷涂医疗植入物涂层的专心研究、开发、商业化和数百万美元的全球市场部署，为热喷涂领域的持续创新做出了贡献。
人工智能系统的新兴光学互连 - 人员
大规模人工智能系统是现代在线服务的基础。随着世界从新冠肺炎疫情中恢复，人们对人工智能驱动的在线服务的依赖日益加深。然而，当今的网络难以满足新兴人工智能工作负载带来的高带宽、低端到端延迟和高可用性要求。例如，机器学习 (ML) 应用的爆炸式增长对分布式训练产生了巨大的需求。硬件加速器（如 GPU 和 TPU）大大提高了计算能力，但当今的深度神经网络 (DNN) 仍需要数天甚至数周的时间才能完成训练。许多因素都会影响大型 DNN 作业的训练时间，包括并行化策略、模型/数据大小、软件库和互连网络。因此，人们提出了大量框架来有效地在当今的数据中心中分发和训练 DNN 模型 [1–4]。然而，当今的系统往往只优化计算和通信维度。因此，共同优化网络拓扑以及计算和通信维度对加速 DNN 训练的影响在很大程度上被忽略了。本文主张将网络拓扑重新配置为额外的加速维度，以跨计算、通信和拓扑维度联合优化 DNN 训练作业。为数据中心流量重新配置网络拓扑是网络和光学社区的一个热门话题。多篇学术论文展示了基于光可重构电路交换机的互连对数据中心工作负载的好处 [5, 6]。然而，之前的工作仅考虑将光互连用于通用数据中心流量，例如网络搜索、存储和云。本文没有关注通用数据中心工作负载，而是将注意力转向分布式 ML 工作负载，并认为可重构光互连是构建下一代 ML 数据中心的一个有吸引力的解决方案。为此，有三个挑战需要解决。
在教育中使用生成式人工智能工具的政策和原则
委员会成员：● Elissa Aminoff 教授（心理学；艺术与科学）● Navid Asgari 教授（战略与统计学；加贝利商学院）● Lauri Goldkind 教授（社会服务研究生院）● Russell Pearce 教授（法学院）● Joshua Schrier 教授（化学；艺术与科学）● Ralph Vacca 教授（传播与媒体研究；艺术与科学）。简介生成人工智能 (GAI) 专注于创建能够生成内容的系统，包括文本、图像、音乐和计算机程序。这些系统使用经过大量文本（包括学术论文）和图像样本训练的统计模型来生成模仿人类创造力的输出，以响应自然语言输入。GAI 工具可在互联网上免费或廉价获取，即使是技术不熟练的用户也可以使用它们。GAI 与教育的整合对机构既带来了挑战也带来了机遇，并有可能改变高等教育。鉴于 GAI 可以生成模仿人类创作者的不可复制内容，人们有理由担心学生会利用 GAI 进行学术欺诈或作弊。但是，如果使用得当，学生可以利用 GAI 通过与 AI 生成的内容进行互动讨论来提高批判性思维能力。GAI 可以通过提供建议、语法更正甚至生成草稿内容来帮助提高写作能力。GAI 还可以作为数据分析以及计算机程序的创建和调试的宝贵工具，因此可以降低将这些主题纳入非专业课程的障碍。在利用 AI 工具提供支持与保持学生作品的真实性和原创性之间保持平衡以维护学术诚信至关重要。AI Vision 委员会的一个主要目标是应对这些挑战，利用 GAI 作为宝贵教育资源的潜力，同时保护
印尼学生如何看待？
研究表明，人工智能 (AI) 技术对学生的写作技能有积极影响，但印尼研究人员尚未触及这一领域。本研究旨在绘制感知、障碍和建议，以优化使用人工智能在印尼语学术写作教学中的作用。本文以印尼中爪哇省三所高中为例进行研究。它采用了定量和定性数据。研究人员使用李克特量表呈现的问卷收集数据，然后通过移动即时通讯访谈进行深入访谈。研究结果表明：（1）基于人工智能的学习工具可帮助学生进行学术研究，特别是在规划步骤中确定和发展主题，以及在起草步骤中制定论文草稿；（2）基于人工智能的学习工具被认为具有灵活性，尽管它不能满足学生在写作过程中所需的所有必需品；（3）学生有兴趣在学术写作课上使用人工智能技术，这样学习过程就不会枯燥乏味。尽管人工智能已在学术写作课中使用，但工具并未在所有指标上对学生学术论文的质量产生积极影响。使用人工智能有几个障碍，即（1）需要更多可用功能，特别是在编辑印尼语文本时，以及（2）相反，功能仍需优化。这些是优化基于人工智能的学习工具的建议，即（1）添加编辑印尼语文本的功能，包括拼写、措辞和句子结构，以及（2）提高人工智能素养，以便能够最佳地探索和利用现有功能。这项研究尚未涵盖在基于人工智能的学习工具的帮助下检查书面产品的原创性和准确性的可能范围，这可能会成为未来研究人员的重点。
人工智能与促进学术出版的开放获取
在不断发展的学术研究领域，人工智能 (AI) 的融合开创了一个变革时代 [1, 2]。传统的书目搜索方法曾经是一个繁琐而耗时的过程，而现在，人工智能聊天机器人正在彻底改变这一过程 [3]。这些先进的工具配备了复杂的算法和庞大的数据库，不仅简化了研究过程，还提高了搜索结果的准确性和相关性 [1, 3]。世界各地的研究人员越来越多地使用这些人工智能聊天机器人来满足他们的书目需求。原因是多方面的。首先，每天发表的学术论文数量庞大，使得手动搜索变得不切实际。人工智能聊天机器人能够快速处理大量数据，为这一挑战提供了解决方案。这些聊天机器人可以快速筛选数千篇论文，根据研究人员的查询确定最相关的论文 [3]。其次，这些聊天机器人，例如 Chat 生成预训练转换器 (ChatGPT)，在识别相关论文时的准确率持续提高，尤其是从 3.0 版发展到 3.5 版，再到 2023 年中期的 4.0 版 [4]。通过理解查询的上下文，它们可以过滤掉不相关的论文，确保研究人员获得最相关的结果。这种精确度不仅节省了时间，还确保了重要的论文不会被忽略。此外，这些聊天机器人还配备了一些功能，可以促进更具互动性和用户友好的搜索体验。从建议相关主题到提供复杂论文的摘要，它们满足了学术界的多样化需求。它们的适应性和学习能力意味着，随着每次搜索，它们会更加适应研究人员的偏好和要求。然而，虽然这些人工智能聊天机器人的好处毋庸置疑，但它们也带来了一些挑战 [5]，尤其是与它们访问的来源有关 [1, 3]。这些工具大多优先考虑开放获取期刊，而往往忽略了传统的订阅式期刊