XiaoMi-AI文件搜索系统
World File Search System定性
SR 稳定性和控制估计飞行测试结果...
技术出版物。已完成研究或重要研究阶段的报告，介绍 NASA 项目的结果，并包含大量数据或理论分析。包括被认为具有持续参考价值的重要科学和技术数据和信息的汇编。NASA 的同行评审正式专业论文的对应文件，但对手稿长度和图形演示范围的限制不那么严格。
![征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术](/simg/9/997626a7f59d17e25a28a70110fbadb440a4a51a.png)
征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术
征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术
水和碳动力学，森林和草原的生态系统稳定性响应气候变化
气候变化以温度和降雨的长期趋势为特征，近年来已经成为一个突出的关注（Seddon等，2016），对森林和草原生态系统的全球碳，水和能量周期产生了重大影响。此外，极端天气事件的频率增加可能会对各种陆地生态系统产生毁灭性后果（IPCC，2023年）。为了进一步研究气候变化对森林和草原生态系统的影响，并支持中国达到其达到其峰值二氧化碳排放和碳中立目标的努力，提出了这一研究主题。该研究主题包括23篇原始研究文章和1篇意见文章，介绍了以下领域的最新进展：（1）森林和草地生态系统响应气候变化的碳，水以及能量循环，以及（2）植被特征和生态系统稳定性的响应和适应性。
经济政策的不确定性在COVID-19-大流行时期
Covid-19爆发使所有人感到惊讶。大流行在镇定和死亡方面一直是毁灭性的，并使经济停顿了（见Phan＆Narayan，2020年）。大流行导致了无与伦比的政策反应 - 锁定，社会疏远和刺激套餐 - 揭开了全球（Iyke，2020b）。围绕这些政策回应的确定性是巨大的，因为政策制定者和其他经济因素不是反应是暂时的还是永久的，干预措施在多大程度上影响投资和消费活动，经济将需要多长时间的经济康复等等（请参阅Altig等，2020）。图1的面板A显示，除日本和印度以外，亚洲国家的EPU索引在Covid-19-demic期间经历了极端的向上波动。为了透视事物，图1的B小组表明，全球经济政策从来没有像目前那样确定，甚至甚至2007 - 2009年的全球金融危机也能够引起这种不太艰难的水平。我们发现大流行在中国和韩国向上引起的EPU的强烈经验支持，但在其他国家中则不太如此。对于日本和印度，我们发现Covid-19对EPU没有影响，这反映了图1中这些国家的EPU的中等模式。我们表明，我们的估计值在Covid-19 Pan DemIC的规格和度量方面都是可靠的。
在复杂的样本设计，复杂的评估结构和复杂的不确定性下的机器学习
摘要。使用统计建模可以从数据得出结论时有两种文化。一个人假设数据是由给定随机数据模型生成的。另一个使用算法模型，并将数据机理视为未知的。统计社区已致力于几乎独家使用数据模型。这一承诺导致了无关紧要的理论，可疑的结论，并阻止了统计学家从事各种有趣的当前问题。在理论和实践中，算法建模在统计数据外迅速发展。 它既可以在大型复杂的数据集上使用，也可以用作更准确，更有信息的替代方法，可在较小的数据集上进行数据建模。 如果我们作为领域的目标是使用数据来解决问题，那么我们需要摆脱对数据模型的独家依赖并采用更多样化的工具。算法建模在统计数据外迅速发展。它既可以在大型复杂的数据集上使用，也可以用作更准确，更有信息的替代方法，可在较小的数据集上进行数据建模。如果我们作为领域的目标是使用数据来解决问题，那么我们需要摆脱对数据模型的独家依赖并采用更多样化的工具。
优化和不确定性分析
摘要：这项研究深入研究了合并冷却，加热和功率（CCHP）系统中生物质气体和天然气的整合。设计了一种半分离的绿色能源CCHP（SIGE-CCHP）模型，以仔细检查各种优化目标的共同开枪设备的性能，同时操纵天然气和生物量气体的比例作为输入。的发现表明，升级生物质气体导致碳排放量的减少，但引发了运营和维护成本的升级。但是，以1：1的最佳混合率，碳排放率显示出边际增量，并大幅下降了操作和维护费用。值得注意的是，当优先考虑运营和维护成本时，该系统表现出最佳性能，从而降低了26.76％的成本。相反，当优先考虑碳排放量时，该系统变成了一个碳固相体，最大能力吸收2021.86kg二氧化碳。这项研究提供了理论基础，以优化共同开枪设备的运行，并通过旨在直观地阐明系统上混合比的影响的灵敏度分析增强。关键字：sige-cchp;生物质气；燃烧天然气；操作和维护成本；碳排放；灵敏度分析简介
气候变化工作计划的重新定性
3使其正义过渡到低排放气候弹性的未来也是政府的优先事项。CBC指出了“将气候放在政府决策中心”的意图时，他们强调了这一点，并同意“气候变化需要政府，私营部门和社区的各个层面的决定性行动” [CBC-20-MIN-20097 Refers]。
定性心理学
尽管同行评审是学术出版的核心支柱之一，但定性研究人员对此过程的经历在很大程度上被忽略了。现有研究和评论的重点是同行评审对定性文章的评论，这些评论通常被描述为对非稳定主义定性研究的定量思维方式或敌意。我们通过关注定性研究人员的方法论不一致的审阅者和编辑评论来扩展文献，这些评论与审查研究的概念基础不一致。定性研究人员（n = 163）来自包括心理学在内的一系列健康和社会科学学科，对简短的定性调查做出了回应。大多数贡献者报告说，同伴审稿人和编辑使后奠定主义研究和报告的假设和期望普遍存在。有些人还报告说，同行审稿人和编辑将特定的定性方法普遍存在。贡献者担心同行评审者在缺乏相关的方法论专业知识时通常会接受审查邀请，而编辑经常在没有这种专业知识的情况下选择同行评审者。响应方法论上不一致的评论，许多贡献者描述了一个最初“推迟”的过程，并解释了为什么这些评论与他们的研究不一致。当这种教育方法不成功时，有些人故意损害了他们的研究方法的完整性，并默许了审阅者和编辑的要求。早期的职业研究人员特别强调了他们在“出版或灭亡”学术氛围的背景下在同行评审过程中所感受到的无能为力。我们结束时概述了贡献者的建议，以提高定性研究的同行评审的方法论完整性。
正规化参数不确定性，用于改善加强学习的概括
为了在现实世界中部署强化学习（RL）代理，它们必须能够推广到看不见的环境。但是，RL在分布外的概括方面挣扎，通常是由于过度拟合培训环境的细节。尽管可以应用监督学习的正则化技术来避免过度插入，但超级学习和RL之间的差异限制了其应用。为了解决这个问题，我们提出了RL的信噪比调节的参数不确定性网络（SNR PUN）。我们将SNR作为正规化网络的参数定向的新量度，并提供了正式分析，解释了SNR正则为什么对RL效果很好。我们证明了我们提出的方法在几个模拟环境中概括的有效性；在一个物理系统中，显示了使用SNR PUN将RL应用于现实世界应用程序的可能性。