XiaoMi-AI文件搜索系统
World File Search System应用研究
研究论文 阿霉素在化疗中的应用研究...
肝癌是全球六大常见癌症之一，可分为原发性肝癌和继发性肝癌，原发性肝癌是指肝脏的原发性肿瘤，继发性肝癌是指肝脏其他部位的肿瘤已转移到肝脏内的肿瘤[1-4]。肝癌发病率极高，也是癌症死亡的第四大原因，且调查显示，欠发达地区肝癌发病率较高，东亚、南亚、北亚均为肝癌高发区[5]。肝癌的病因尚不明确，酗酒、肥胖、肝硬化、乙肝、丙肝、脂肪肝、糖尿病等均是肝癌的危险因素[6,7]。在治疗方面，肝切除和肝移植一直是肝癌治疗的首选[8,9]。此外，化疗、放疗、分子靶向治疗、免疫治疗、抗病毒治疗、中医药等辅助性治疗均能有效抑制肝癌。其中，放疗不是肝癌的一线治疗方案，但可作为肝癌局部治疗的有效手段[10-12]。化疗是常见的治疗方法
反射式全息图技术微型应用研究
微型全息图经常以金字塔形状用于展览。但对各种形状的全息图的研究却很少。本研究旨在了解反射浮动全息图技术应用的微型全息图的形状。通过分析浮动全息图类型，旨在验证反射型浮动全息图是否适合微型全息图的实现，并研究适合的非金字塔形状的反射微型全息图类型。除了经常用于展览的金字塔形全息图外，作者还研究了圆锥、半球和圆柱形全息图，并将它们形成垂直结构以支持显示图像的屏幕的扩展。反射型全息图在过去存在光散射问题，但通过在屏幕上附加偏振滤光片，光散射的影响被最小化。垂直型全息图会根据观看者的视角导致图像失真。将来，如果能够将图像失真最小化，就有可能实现扩展形状。关键词
儿科急救护理应用研究网络 (PECARN) 规则在轻微头部创伤儿童中的验证
儿科急救护理应用研究网络 (PECARN) 规则通常用于预测轻度头部创伤儿童是否需要进行计算机断层扫描 (CT) 扫描。本研究的目的是验证 PECARN 规则对因头部创伤而到儿科急诊科 (PED) 就诊的韩国儿童的有效性。本研究是一项多中心、回顾性、观察性队列研究，于 2015 年 8 月至 2016 年 8 月期间在韩国两家教学 PED 中进行。在这项观察性研究中，448 名到 PED 就诊的患者被纳入最终分析。根据 PECARN 规则，使用临床决策支持软件进行风险分层，然后做出是否进行 CT 扫描的决定。患者在出院后 7 天至 90 天内通过电话进行随访。分析了敏感性和特异性。所有年龄组的敏感性均为 100%，极低风险组未发现任何临床上重要的创伤性脑损伤 (ciTBI) 病例。本研究中 14.7% 的患者接受了 CT 扫描，原始 PECARN 研究中 33.8% 的患者接受了 CT 扫描。PECARN 规则成功识别了低风险患者，尽管接受 CT 扫描的患者比例减少，但并未漏诊任何 ciTBI 病例。
应用研究与技术杂志 - SciELO México
摘要：本文分析并回顾了与工业 4.0 维护发展及其应用相关的最重要的文献论文。该领域越来越多的出版物表明了该主题的重要性，这表明需要进行系统的文献综述。工作场所中智能手机和平板电脑等硬件设备的激增促使工程师开发工业部门的维护世界。本综述旨在对 2015 年至 2020 年初发表的文献进行分类，以确定其获得的重大优势和领域。本研究调查了工业 4.0 时代常用的维护管理策略的最新方法和新兴趋势。它讨论了工业 4.0 技术的最新进展以及制造和维护管理的相关用途。数据收集是通过对文献进行系统搜索获得的。本研究的目标是分析和了解维护如何发展以满足其要求，以确定“维护 4.0”的关键方面和未来趋势。
ISSN 印刷号：2208-3502 深度学习在人工智能课程中的应用研究
相较于浅层学习，在深度学习模式下，学生的学习主动性和积极性能够得到充分发挥，同时也能帮助学生构建系统的知识体系，更有助于学生理解人工智能课程的理论知识和相应的实际应用。在国家提倡素质教育、注重人才培养的教育政策环境下，将深度学习运用到人工智能课程教学中是满足素质教育改革要求、促进人才培养目标实现的重要手段。为此，教师在讲授人工智能课程时，需要对深度学习方法有深入的理解，并科学地运用到课堂教学中，从教学理念到学习目标，再到课堂模式和教学环境，全方位地应用深度学习，以提高人工智能课程的教学质量。基于此，本文对深度学习在人工智能课程中的应用策略进行分析和探索，具有积极的现实意义。2.深度学习在人工智能课程中的应用要点2.1.基于理解浅层学习模式下，学生学习相对被动。通常情况下，老师会在台上讲述理论知识，而学生在接受老师传授的知识时会比较被动。在这种学习过程中，大部分学生采用的是传统的学习方式，即死记硬背，只有少部分学生会在理解的基础上进行记忆。在这种学习环境下，虽然学生理解了更多的理论知识，但将知识运用到实践中的能力并不高。在深度学习模式下，学生将被动学习变为主动学习
人工智能在机器翻译中的应用研究
摘要：在大数据、云计算技术发展的影响下，基于人工智能的机器翻译逐渐走入人们的生活。与人工翻译相比，机器翻译价格低廉、便捷实用、可以随时随地进行文本翻译，能够满足上百种语言的翻译需求，但机器翻译缺乏文化敏感性，无法连接文本与语言情绪。对此，深入分析人工翻译与机器翻译的相同点与不同点，并立足于人工翻译的未来研究现阶段翻译行业的发展策略，最终在不断提高译者翻译水平的同时，推动人工翻译与机器翻译同步发展。
对语音和其他连续刺激的神经生理反应的线性建模：应用研究的方法论考虑
1 爱尔兰都柏林圣三一学院三一生物医学工程中心机械、制造和生物医学工程系，2 美国加利福尼亚州山景城登月工厂，3 美国纽约州纽约市阿尔伯特爱因斯坦医学院儿科系，4 美国纽约州纽约市阿尔伯特爱因斯坦医学院神经科学系，5 美国纽约州罗切斯特市罗切斯特大学生物医学工程系，6 美国纽约州罗切斯特市罗切斯特大学神经科学系，7 爱尔兰都柏林都柏林大学学院电气与电子工程学院生物医学工程中心，8 爱尔兰都柏林圣三一学院计算机科学与统计学院
AI RMF RFI 评论 - 弗吉尼亚理工大学应用研究公司
A.利益声明 VT-ARC 和 VT 都非常有兴趣支持美国国家标准与技术研究所 (NIST) 开发一个框架，该框架可用于改善与人工智能 (AI) 相关的个人、组织和社会风险管理。VT-ARC 和 VT 共同努力支持许多不同的人工智能 (AI) 和机器学习 (ML) 计划，并提供 AI/ML 领域最前沿的技术进步。弗吉尼亚理工大学应用研究公司 (VT-ARC)。VT-ARC 是一家私营非营利性 501(c)(3) 应用研究公司，隶属于弗吉尼亚理工学院暨州立大学 (Virginia Tech 或 VT)。VT-ARC 通过识别、开发和应用创新分析和先进技术来加速解决具有国家重要意义的复杂问题。我们利用弗吉尼亚理工大学丰富的多学科研究和创新生态系统，将多个领域的战略、政策、技术和运营考虑因素结合起来。VT-ARC 在过去 10 年中与多个联邦政府组织、行业合作伙伴、国防部创新组织以及其他高等教育和研究机构合作良好。VT-ARC 已在两个单独的 PIA 上进行过表演，一个与 ARL 合作近五年，另一个与 AFRL/AFOSR 合作七年。我们的合作伙伴包括 ARL、ARO、AFOSR、OUSDR&E 和 DTRA。我们目前支持 16 个研究、开发、规划和测试项目。VT-ARC 总部位于弗吉尼亚州阿灵顿，总面积超过 16,000 平方英尺，包括 13,000 平方英尺的非机密办公空间、额外的 TS 安全机密空间以及可容纳多达 200 人活动的场地建筑通道。我们的第二个办公室位于弗吉尼亚州布莱克斯堡。虽然 VT-ARC 没有指定的实验室空间，但我们可以通过弗吉尼亚理工大学使用大学实验室空间。VT 休谟中心智能系统实验室 (ISL)。弗吉尼亚理工大学休谟中心认为，为学生提供研究机会是培养下一代国家安全和技术领导者的关键。我们的研究机会让学生能够在他们喜欢的学科中获得实践经验，与该领域屡获殊荣和专家级的研究人员建立联系，并更充分地探索学科，将兴趣发展为激情和职业。英联邦网络计划 (CCI)。随着包含机器学习的算法被集成到生产系统中，数据科学、机器学习和网络安全之间的界限变得越来越模糊。还需要通过严格的测试和评估流程对复杂系统进行验证，以确保嵌入在系统中的算法在完成具有更大自主性和操作影响的任务时的有效性和安全性。这些系统的设计和开发需要反映其预期的操作环境、代表性人类用户和操作任务/任务。休姆中心的 ISL 开展研究，以解决三个技术重点中的国家安全关键领域：1) 数据科学、机器学习、人工智能，2) 网络安全和复杂系统工程，以及 3) 复杂系统设计、验证和测试与评估 (T&E)。VT 在开发 AI 保证方法和管理 CCI AI 测试平台方面发挥着领导作用。CCI 支持来自 30 多所不同弗吉尼亚大学和学院的 70 多名参与者。CCI 的 AI 保证团队开发模型
AI RMF RFI 评论 - 弗吉尼亚理工大学应用研究公司
A.利益声明 VT-ARC 和 VT 都非常有兴趣支持美国国家标准与技术研究所 (NIST) 开发一个框架，该框架可用于改善与人工智能 (AI) 相关的个人、组织和社会风险管理。VT-ARC 和 VT 共同努力支持许多不同的人工智能 (AI) 和机器学习 (ML) 计划，并提供 AI/ML 领域最前沿的技术进步。弗吉尼亚理工大学应用研究公司 (VT-ARC)。VT-ARC 是一家私营非营利性 501(c)(3) 应用研究公司，隶属于弗吉尼亚理工学院暨州立大学 (Virginia Tech 或 VT)。VT-ARC 通过识别、开发和应用创新分析和先进技术来加速解决具有国家重要意义的复杂问题。我们利用弗吉尼亚理工大学丰富的多学科研究和创新生态系统，将多个领域的战略、政策、技术和运营考虑因素结合起来。VT-ARC 在过去 10 年中与多个联邦政府组织、行业合作伙伴、国防部创新组织以及其他高等教育和研究机构合作良好。VT-ARC 已在两个单独的 PIA 上进行过表演，一个与 ARL 合作近五年，另一个与 AFRL/AFOSR 合作七年。我们的合作伙伴包括 ARL、ARO、AFOSR、OUSDR&E 和 DTRA。我们目前支持 16 个研究、开发、规划和测试项目。VT-ARC 总部位于弗吉尼亚州阿灵顿，总面积超过 16,000 平方英尺，包括 13,000 平方英尺的非机密办公空间、额外的 TS 安全机密空间以及可容纳多达 200 人活动的场地建筑通道。我们的第二个办公室位于弗吉尼亚州布莱克斯堡。虽然 VT-ARC 没有指定的实验室空间，但我们可以通过弗吉尼亚理工大学使用大学实验室空间。VT 休谟中心智能系统实验室 (ISL)。弗吉尼亚理工大学休谟中心认为，为学生提供研究机会是培养下一代国家安全和技术领导者的关键。我们的研究机会让学生能够在他们喜欢的学科中获得实践经验，与该领域屡获殊荣和专家级的研究人员建立联系，并更充分地探索学科，将兴趣发展为激情和职业。英联邦网络计划 (CCI)。随着包含机器学习的算法被集成到生产系统中，数据科学、机器学习和网络安全之间的界限变得越来越模糊。还需要通过严格的测试和评估流程对复杂系统进行验证，以确保嵌入在系统中的算法在完成具有更大自主性和操作影响的任务时的有效性和安全性。这些系统的设计和开发需要反映其预期的操作环境、代表性人类用户和操作任务/任务。休姆中心的 ISL 开展研究，以解决三个技术重点中的国家安全关键领域：1) 数据科学、机器学习、人工智能，2) 网络安全和复杂系统工程，以及 3) 复杂系统设计、验证和测试与评估 (T&E)。VT 在开发 AI 保证方法和管理 CCI AI 测试平台方面发挥着领导作用。CCI 支持来自 30 多所不同弗吉尼亚大学和学院的 70 多名参与者。CCI 的 AI 保证团队开发模型
Muhammad Afzal BIM 7D - 应用研究...
在建筑物的整个生命周期中，建筑信息模型 (BIM) 的广泛采用以及其他数字技术的最新出现为决策提供了多种新的视角和资源。因此，在整个施工过程中，各利益相关者之间必须传输、更改、协调和交换大量数据。由于开发了大量数据，施工各个阶段和流程的数字化/计算机化正在对建筑、工程和施工以及业主运营 (AECO) 部门项目的规划、开发和管理方式产生广泛影响进入项目。数字技术和智能系统以及数据系统的交叉最近被认为是建筑环境中最具创新性和最前沿的技术进步之一。