XiaoMi-AI文件搜索系统
World File Search System应用研究
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
在基础研究和应用研究中，经济上发达国家是否更有效？
摘要：国家的研发（R＆D）在经济的长期发展中起着重要作用。我们在2008 - 2014年间衡量了欧盟所有28个成员国的研发效率。超有效的数据包络分析（DEA）。我们将引用数量作为基础研究的输出，专利的数量作为应用研究的输出和以人力作为输入的研发支出。为了满足DEA假设并捕获研发特征，我们分析了一个均匀的国家样本，使用购买力平价来调整价格，并考虑投入和产出之间的时间滞后。我们发现，对于人均GDP较高的国家，一般研发的效率较高。这种关系也适用于基础研究和应用研究的专业效率。但是，应用研究表明其输出更容易区分和捕获更为强大。我们的发现在评估研究和政策制定中很重要。
世界经济的黄金时代与葡萄牙经济增长：应用研究，1950-2018 年
摘要：在黄金时代（1950-1973 年），葡萄牙在国际舞台上脱颖而出，在经济上与工业化程度更高的经济体趋同。在本文中，我们首先分析解释葡萄牙在历史上这一关键时期非凡经济表现的主要因素。接下来，我们构建并估计一个动态模型，以量化这些因素与从黄金时代到现在的时间范围内葡萄牙经济增长之间的关系。结果表明，投资和国际贸易在过去几十年（1950-2018 年）对葡萄牙的经济增长做出了积极贡献。本文的结论与国际文献一致，强调了葡萄牙决策者采取政治措施开放经济并为投资创造有利条件的重要性，以实现更快的经济增长，从而与工业化程度最高的国家实现强劲趋同。
Microsoft Word - 量子信息技术在航天科学、技术和工业中的应用研究
北京电子系统工程研究所100854，邮箱：twzeffort@163.com 摘要 本文介绍了量子信息技术与航天科学、技术的发展
战略情景规划对营销竞争策略的影响：旅游服务应用研究
摘要 互联网在旅游业的兴起已不再令人惊讶。它不仅改变了通过网络将酒店传递给目标受众的方式，而且还改变了组织的工作方式。旅游业正是最能注意到互联网在各个层面的影响的行业。客户已经从通过代理机构或旅行社预订假期转变为独立规划旅行的每个阶段，从预订旅行票和预订房间，到注册他们参与的活动，甚至选择通过智能手机实时监控他们的体验。这需要成功的战略情景规划，以跟上这一技术进步并实现旅游组织的目标。研究的目的是确定战略情景规划对社交媒体网络中营销竞争战略的影响。通过成功因素（组织战略、环境分析、预测）讨论了战略情景规划。提出了一个概念模型来阐明变量之间的因果关系，并通过回归和结构建模分析检验了这种关系。研究结果表明，战略情景规划确实对营销竞争战略有重大影响。关键词：组织战略、环境分析、预测、SEM。引言文献表明，组织的成功已进入激烈竞争的新阶段，需要从满足过渡到承诺（Avery 等，2007），以及寻找能够帮助组织实现所需变革和发展的因素（Kaliannan & Adjovu，2015）。文献研究了竞争的组织成功，区分了组织管理和需要更复杂工具的长期战略管理（Rothaermel，2017）。随着信息技术的发展，劳动力部门已严重依赖技术因素。旅游活动的特点是大量使用信息，
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
数字媒体技术在博物馆展览设计中的应用研究——以新加坡国家博物馆为例
摘要：博物馆展览设计正在发生深刻的变革。无处不在的数字媒体技术正在推动博物馆的快速演变和发展。这种趋势尤其明显，需要多样化的呈现方式来促进观众和展品之间的高度互动和融合。本研究旨在探索数字媒体技术在博物馆展览设计中的应用，以新加坡国家博物馆为研究对象。通过深入研究新加坡国家博物馆的数字化展览项目，可以了解到这些技术如何改变了博物馆的展览方式并丰富了参观者的体验。本论文将重点关注数字媒体技术在博物馆展览设计中的应用、影响和未来潜在的发展趋势。本研究的结果可以为其他博物馆在数字媒体技术的应用方面提供宝贵的经验和见解。
指导学习的模型复杂性：为什么简单模型几乎总是最有效的，以及为什么它对应用研究很重要 *
受其他领域的启发，政治学家接受了将监督的学习用于词典，推断，测量和描述。这样做，他们通常使用在非社会科学环境中证明成功的相当复杂性的灵活模型。然而，这种方法的回报似乎有很大的限制，至少相对于使用非常模拟（广义线性）模型来进行此类任务的替代方案。我们解释了为什么这是，如何确定这将是真实的问题以及该如何处理。我们表明，政治学数据的内在维度很低，这意味着复杂性的回报是静音或不存在的。我们提供了一种“数据策划”理论来解释这种情况。我们的方法使我们可以诊断简单的模型是最佳的，并为寻求使用机器学习的从业者提供建议。
论证书
非机密 海军部 2015 财年总统预算 附件 R-1 2015 财年总统预算 总义务授权 2014 年 2 月 21 日（单位：千美元） 拨款：1319N 研究、开发、测试和评估、海军计划 S 线要素 2013 财年 2014 财年 2014 财年 2014 财年 2015 财年 e 编号 项目 法案（基础和 OCO） 基础 颁布 OCO 颁布 总计 颁布 基础 c -- ------ ---- --- ---------- ---------- ---------- ---------- ---------- - 1 0601103N 大学研究计划 01 117,855 112,617 112,617 113,908 U 2 0601152N 内部实验室 独立研究01 16,561 18,230 18,230 18,734 U 3 0601153N 国防研究科学 01 433,080 488,387 488,387 443,697 U ---------- ---------- ---------- ---------- ---------- 基础研究 567,496 619,234 619,234 576,339 4 0602114N 力量投射应用研究 02 92,396 104,513 104,513 95,753 U 5 0602123N 武力防护应用研究 02 188,995 170,288 170,288 139,496 U 6 0602131M 海军陆战队登陆部队技术 02 41,687 47,334 47,334 45,831 U 7 0602235N 通用图像应用研究 02 37,643 34,136 34,136 43,541 U 8 0602236N 作战人员保障应用研究 02 40,162 49,688 49,688 46,923 U 9 0602271N 电磁系统应用研究 02 73,985 97,690 97,690 107,872 U 10 0602435N 海洋作战环境应用研究 02 54,912 45,685 45,685 45,388 U 11 0602651M 联合非致命武器应用研究 02 5,234 6,059 6,059 5,887 U 12 0602747N 海底战争应用研究
国防部 2015 财年 (FY) 预算估计
非机密 海军部 2015 财年总统预算 附件 R-1 2015 财年总统预算 总义务授权 2014 年 2 月 21 日（单位：千美元） 拨款：1319N 研究、开发、测试和评估、海军计划 S 线要素 2013 财年 2014 财年 2014 财年 2014 财年 2015 财年 e 编号 项目 法案（基础和 OCO） 基础 颁布 OCO 颁布 总计 颁布 基础 c -- ------ ---- --- ---------- ---------- ---------- ---------- ---------- - 1 0601103N 大学研究计划 01 117,855 112,617 112,617 113,908 U 2 0601152N 内部实验室 独立研究01 16,561 18,230 18,230 18,734 U 3 0601153N 国防研究科学 01 433,080 488,387 488,387 443,697 U ---------- ---------- ---------- ---------- ---------- 基础研究 567,496 619,234 619,234 576,339 4 0602114N 力量投射应用研究 02 92,396 104,513 104,513 95,753 U 5 0602123N 武力防护应用研究 02 188,995 170,288 170,288 139,496 U 6 0602131M 海军陆战队登陆部队技术 02 41,687 47,334 47,334 45,831 U 7 0602235N 通用图像应用研究 02 37,643 34,136 34,136 43,541 U 8 0602236N 作战人员保障应用研究 02 40,162 49,688 49,688 46,923 U 9 0602271N 电磁系统应用研究 02 73,985 97,690 97,690 107,872 U 10 0602435N 海洋作战环境应用研究 02 54,912 45,685 45,685 45,388 U 11 0602651M 联合非致命武器应用研究 02 5,234 6,059 6,059 5,887 U 12 0602747N 海底战争应用研究