XiaoMi-AI文件搜索系统
World File Search System常用工具
BOARD-AI：一种用于系统工程的目标感知建模界面，结合机器学习和计划识别
纸和笔仍然是系统工程师用来捕捉系统模型的最常用工具。它们提高了生产力并促进了协作和创造力，因为用户不需要遵守计算机辅助系统工程 (CASE) 工具中通常用于系统建模的正式符号。然而，将白板上绘制的模型数字化到 CASE 工具中仍然是一项困难且容易出错的活动，需要工具专家的知识。在过去十年中，从符号推理转向机器学习已成为许多领域提高软件应用程序性能的自然选择。自然素描和在线识别领域也不例外，大多数现有的素描识别器都依赖于预先训练的符号集来增加对识别器结果的信心。然而，这种性能的提高是以信任为代价的。缺乏信任直接源于神经网络结果缺乏可解释性，这阻碍了系统工程团队对其的接受。解决方案不仅应兼具性能和稳健性，还应赢得人类用户的毫无保留的支持和信任。虽然文献中的大多数作品都倾向于性能，但需要更好地将人类感知研究纳入方程式以恢复平衡。本研究提出了一种用于自然素描的方法和人机界面，使工程师能够使用交互式白板捕获系统模型。该方法结合了符号人工智能和机器学习的技术，以提高性能，同时不影响可解释性。该方法的关键概念是使用经过训练的神经网络在全局识别过程的上游将手写文本与几何符号分离，并使用合适的技术（OCR 或自动规划）分别识别文本和符号。该方法的主要优点是它不依赖任何其他交互方式（例如虚拟键盘）来注释具有文本属性的模型元素，并且保留了建模助手结果的可解释性。用户实验验证了界面的可用性。
制造系统改进离散事件...
Erik Gerdin 和 Rebecca Rifve 由于全球制造业竞争力的提高，各公司都在努力提高其制造系统的效率。新工业革命，工业 4.0，是帮助创建改进的制造系统的必然结果。工业 4.0 中的一个常用工具是模拟，人们可以模拟现实世界系统的虚拟表示中的变化。离散事件模拟 (DES) 是一种在行业内广泛采用的工具，用于在实际实施制造系统变化之前对其进行虚拟测试。然而，需要发现模拟建模在工业中应用的优势、劣势和障碍，以及如何通过使用该技术来展示其价值。全球制造公司 Atlas Copco 位于瑞典 Tierp 的工厂进行了一项案例研究，目的是使用 DES 帮助制造厂改进手动制造系统，以及如何将当前的方法发展为更长期、更可持续的方法。在进行仿真建模之前，已经使用流程映射来促进对系统的更好理解，因为事实证明，手动系统很难以其他方式进行映射。这项研究的结果表明，模拟可以提供以下优势：关于实施系统改进的决策可以有更好的基础；模拟可用于虚拟测试系统更改以防止最终的实施问题；模拟可用作生成长期解决方案的工具。然而，缺点和障碍被确定为管理层的阻力，难以说服人们使用模拟的价值；需要广泛的建模能力；缺乏正确的先决条件使得模拟建模实施更加困难。进一步的研究应侧重于揭示在工业中实施仿真建模的困难和障碍，因为现有文献中尚未广泛讨论这一点。关键词：流程映射、仿真、DES、手动制造系统、装配、改进
康涅狄格州学校的个人科技使用情况 - CT.gov
简介 在智力、身体和情感上感到安全和健康的学生更有可能成为成功的学习者，并在成熟度、自信心和幸福感方面取得成长，这将有助于他们在学校和生活中取得成功。学生受益于学校环境，这种环境可以培养社交互动和沟通技能，在课堂上激发智力参与，并支持同龄人和同龄人与成人的关系建立。校内校外社交媒体和手机使用的显着增加减少了人际交往和个人成长的机会，对学生的心理健康产生了负面影响。背景信息 2023 年，美国卫生局局长发布了关于社交媒体和青少年心理健康的咨询报告，强调了过度、不受限制的社交媒体使用与青少年心理健康挑战增加之间令人担忧的关系。新兴研究表明，社交媒体在青少年时期对大脑发育有显著的负面影响，因为青少年的身份和自我价值感正在形成，社会奖励、压力和接受至关重要。手机是学生访问社交媒体和即时通讯应用程序的最常用工具。有证据表明，在课堂上使用手机会影响学生专注于学业的能力，导致他们无法专心学习。最近的一项研究发现，在校期间使用手机的情况很普遍，97% 的学生报告说，他们在校期间使用手机的平均时间为 43 分钟。参与者报告说，他们每天收到的通知中位数为 237 条，其中 25% 是在校期间收到的。此外，72% 的高中教师报告说，使用手机是一个大问题，而初中教师和小学教师的比例分别为 33% 和 6%。此外，经济合作与发展组织 (OECD) 进行的 2022 年国际学生评估项目 (PISA) 显示，在学校更频繁使用智能手机的学生报告说，他们在数学课上使用数字设备时很容易分心。与其他方法（如学校关于设备一般使用的书面声明）相比，制定的规则
下午 4:15 “独立董事、首席风险官和审查员
当一家公司面临财务困境时，情况通常对企业来说是全新的。董事会和管理层可能没有重组经验，经常面临艰难的选择。近年来，陷入困境的公司越来越有可能任命以前与公司无关的个人或个人团体担任首席重组官和/或独立董事。首席重组官可以为现任管理层提供专业知识、额外资源和值得信赖的客观性。独立或外部董事的特别委员会以及董事本身也可以扩大特别重组专业知识。这些委员会或董事还可以在公司内部人员可能受到调查或存在索赔或共享运营等公司间冲突的情况下提供无冲突决策。债务人或潜在债务人任命首席重组官、独立董事或特别委员会已成为多债务人第 11 章大型案件中的常用工具。没有人会否认，让官方委员会、特设小组和其他破产利益团体达成共识的过程是一系列重大挑战。在没有欺诈或严重管理不善的情况下，破产债务人是安排各方在专属期间达成协议的最佳人选，因为他们承担着最广泛的责任——只有债务人才承担着对所有选民的信托责任。相比之下，委员会——无论是官方委员会还是非官方委员会——只对其选民承担责任。允许债务人继续这一进程并接受司法监督的治理是达成共识的重要方法。债务人和其他选民，包括特设委员会和官方委员会，往往对某一重组问题或方法有不同的看法。这些分歧本身不应成为阻止债务人采取特定路径或策略的理由。如果债务人无法采取行动或领导某一特定事项，特别是如果该事项与重组广泛相关，破产案件可能会停滞不前或陷入诉讼和行政费用的泥潭。案件卷宗中充斥着这些结果。通过采取措施确保独立治理，解决可能将债务人边缘化的潜在利益冲突，债务人可以继续成为破产程序的主要推动者，国会在颁布第 11 章时设想的选区间紧张局势也可以继续存在，以帮助达成共识。
脑肿瘤信息流行病学：全球在线健康...
健康信息学的趋势是通过搜索词“大数据”来处理互联网使用情况，大数据越来越多地被用于近似疾病流行病学、医疗保健研究、公共知识和患者健康寻求行为的实时统计数据 (1、2)。医疗保健和医学领域的大数据分析是指处理来自数千份患者记录的信息以推断可能的相关性以及使用数据挖掘技术开发预测模型 (3)。从更大范围来看，“大数据”包含以互联网等开放获取格式发布的可用信息，这些信息加起来可能多达数百万个数据点。这导致了一门名为信息流行病学 (4) 的新兴研究学科的诞生。这个术语是信息和流行病学的组合，艾森巴赫将其定义为“研究电子媒体（特别是互联网）或人群中信息分布和决定因素的科学，最终目的是为公共卫生和公共政策提供信息”(5)。根据 2019 年的一篇评论文章，Google Trends 是使用从互联网中提取的数据解决健康问题和主题的最常用工具之一 ( 2 )。Google Trends 是 Google Inc. 的一项免费公共在线功能，可分析用户的搜索查询并生成用户特定术语搜索量的地理空间和时间模式 ( 1 , 2 )。Google Trends 存在某些高估和低估的缺陷，因此需要从 Wikipedia 等免费在线百科全书服务中补充大数据 ( 4 , 6 )。互联网在塑造公众意识和神经系统医疗保健服务方面的影响开始发生范式转变 ( 7 )。关于癫痫 (8-12)、中风 (13)、多发性硬化症 (14,15)、脊髓灰质炎 (16)、脑膜炎 (17)、阿尔茨海默病 (18)、运动障碍 (19)，甚至远程康复 (20) 和远程神经病学 (21) 的信息人口学研究表明，实际发病率与患病率之间并没有实质性的联系，但初步趋势反映了越来越多的人使用互联网在线寻找有关这些神经系统疾病的健康信息。根据 2019 年的最新数据，尽管脑和脊髓肿瘤的全球发病率相对其他神经系统疾病要低，但因地区和经济状况而异，东部和中低收入国家的发病率较低 (22)。然而，根据 2020 年全球互联网使用情况的统计数据，亚洲和非洲的份额最大，分别为 55.1% 和 17.2%，其中东亚的互联网用户数量最多，为 11 亿（23、24）。此外，“癌症”是与健康相关的三大互联网搜索之一，也是患者了解其疾病的最常见信息来源（25、26）。综合起来，大数据分析在评估脑肿瘤统计数据方面理论上很有用，部分由于脑肿瘤的流行病学程度相对较低而导致的数据收集空白可以通过评估在线数据来解决。因此，我们的研究使用 Google Trends 和维基百科文章浏览量评估和解释了与脑肿瘤相关的术语的互联网搜索查询。
重新利用全身麻醉的脑电图监测来建立大脑老化的生物标志物：一项探索性研究
重新利用全身麻醉的脑电图监测来建立大脑老化的生物标志物：一项探索性研究 David Sabbagh* a,b 、Jérôme Cartailler a,c 、Cyril Touchard c 、Jona Joachim c 、Alexandre Mebazaa a,c 、Fabrice Vallée a,b,c 、Étienne Gayat a,c 、Alexandre Gramfort b 、Denis A. Engemann* b,d,ea 巴黎大学，INSERM，U942 MASCOT，F-75006，法国巴黎 b 巴黎萨克雷大学，因里亚，CEA，帕莱索，法国 c 麻醉和重症监护医学系，AP-HP，Hôpital Lariboisière，F-75010，法国巴黎 d 马克斯·普朗克人类认知和脑科学研究所，系神经病学， D-04103，德国莱比锡和罗氏制药研究与早期开发、神经科学和罕见疾病、罗氏巴塞尔创新中心、F.霍夫曼 - 罗氏有限公司，瑞士巴塞尔 通讯：* david.sabbagh@inria.fr，denis.engemann@roche.com 背景：EEG 是监测麻醉深度的常用工具，但很少在生物医学研究中重新使用。本研究旨在探索在麻醉期间重新利用 EEG 来了解在失去意识的情况下大脑衰老的生物标志物。 方法：我们以大脑年龄估计为例。使用机器学习，我们重新分析了 323 名接受丙泊酚和七氟醚治疗的患者的 4 电极 EEG。我们应用最近发表的参考方法，将稳定麻醉的空间光谱特征纳入基于 EEG 的年龄预测中。当 95% 的总功率低于 8Hz 至 13Hz 之间的频率时，认为麻醉稳定。结果：我们考虑使用丙泊酚麻醉的中度风险患者（ASA <= 2）来探索预测性 EEG 特征。平均 alpha 波段功率（8-13Hz）可以提供年龄信息。然而，通过分析所有电极的整个功率谱（MAE = 8.2y，R2 = 0.65），可以实现最先进的预测性能。临床探索表明，大脑年龄与术中爆发抑制系统相关——通常与与年龄相关的术后认知问题有关。令人惊讶的是，高危患者（ASA = 3）的大脑年龄与爆发抑制呈负相关，这表明存在未知的混杂效应。二次分析显示，大脑年龄 EEG 特征是丙泊酚麻醉所特有的，这反映在七氟醚下的预测性能有限和跨药物泛化能力差。结论：全身麻醉中的脑电图可能实现最先进的脑年龄预测。然而，麻醉药物之间的差异会影响麻醉中脑电图再利用的有效性。为了释放脑电图监测在缺乏意识的情况下用于临床和健康研究的潜在潜力，收集具有精确记录的药物剂量的更大数据集将是关键的促成因素。关键词：全身麻醉、脑电图 (EEG)、脑老化、机器学习、爆发抑制、丙泊酚、七氟醚