XiaoMi-AI文件搜索系统
World File Search System智能手机
手机和信号塔、Wi-Fi、智能手机可能带来的危害...
自 2013 年以来，我收到了数十封电子邮件，报告称手机和发射塔、Wi-Fi、智能电表和无线电脑配件（包括无线电脑、键盘、鼠标、路由器、打印机和笔记本电脑）发出的强电磁辐射可能对健康和其他方面造成危害。我按时间顺序汇编了 200 多页此类报告。此文件的链接位于 www.commutefaster.com/vesperman.html 和 www.padrak.com/vesperman。这两个网站上还链接了几个相关的“EMF”文件。与本书第一册同名的第二册也链接到这两个网站。本报告以“免责声明”、目录和可能有用的“行动建议”开头，随后是一些简短的“突出关注的项目”。 Gary Vesperman 588 Lake Huron Lane Boulder City, NV 89005-1018 702-435-7947 garyvesperman@yahoo.com 紧急！请在 2016 年 7 月 12 日之前将第 210 页的模板信函发送给联邦通信委员会 (FCC) 以及您的参议员和众议员。FCC 将于 2016 年 7 月 14 日投票决定是否继续推进 5G——一项极其危险的技术。无线技术有可能损害后代个人的基因完整性。（FCC 在 7 月 14 日的会议上批准了 5G。）
使用智能手机驱动的增强生物多样性监测，...
非编码RNA参与生物学过程和疾病使其特征至关重要，从而需要对可以对大型非编码RNA进行分类的计算方法。近年来，深度学习在各个领域的成功导致其应用于非编码RNA分类。已经开发了多个新颖的架构，但是这些范围并未被当前的文献评论所涵盖。我们对最先进的不同方法和数据集进行了详尽的比较。此外，文献缺乏客观的基准。我们执行实验，以公平地评估流行数据集上非编码RNA分类的各种工具的性能。我们还测量计算时间和CO 2排放。关于这些结果，我们评估了不同建筑选择的相关性，并提供了未来方法的建议。数据集和可再现代码可在https://evryrna.ibisc.univ-evry.fr/evryrna/ncbench上找到。
从智能手机捕获的心电图照片中自动检测心脏状况
摘要背景研究人员已经开发了基于机器学习的ECG诊断算法，这些算法匹配甚至超过心脏病专家的性能水平。但是，它们中的大多数不能用于现实世界中，因为老年的ECG机器不允许安装新算法。目的是开发一种智能手机应用程序，该应用程序会自动从照片中提取ECG波形，并通过研究人员构建的各种诊断算法将其转换为电压序列进行下游分析。方法是使用客观检测和图像分割模型从临床医生拍摄的照片中自动提取ECG波形的一种新型方法。模块化机器学习模型的开发是为了依次执行波形识别，脱离环线和比例校准。然后使用基于机器学习的心律分类器分析提取的数据。从40个516扫描和444张照片的ECG的结果波形自动提取。扫描13 258（96.8％）的12 828（96.8％）和5743中的5399（94.0％）被正确裁剪和标记。11 604 of 12 735（91.1％）扫描，5752中的5062（88.0％）拍摄的波形在自动环和噪声删除后获得了成功的电压时间信号提取。在概念验证示范中，使用ECGS的照片作为输入，使用ECGS的照片，可达到91.3％的敏感性，94.2％的敏感性，94.2％的特异性，95.6％的阳性预测价值，88.6％的负预测值和93.4％的F1得分。结论对象检测和图像分割模型允许从照片中自动提取ECG信号以进行下游诊断。这条新颖的管道规定了需要昂贵的ECG硬件升级的需求，从而为大规模实施基于机器学习的诊断算法铺平了道路。
空间流动的经济学：基于智能手机数据的理论与证据 ∗
∗ 本文吸收并替换了之前以“消费准入和经济活动的空间集中：来自智能手机数据的证据”为标题发表的材料。感谢 Gabriel Ahlfeldt、Milena Almagro、Daniel Sturm、Gabriel Kreindler、Tobias Salz 以及会议和研讨会参与者的有益评论。我们感谢 Takeshi Fukasawa、Peter Defferebach 和 Yun-Ting Yeh 提供的出色研究协助。适用通常的免责声明。 “Konzatsu-Tokei (R)”数据是指在用户同意的情况下，通过 NTT DOCOMO, INC 提供的应用程序（包括地图应用程序 Docomo Chizu NAVI）从手机发送的个人位置信息构建的人流数据。这些数据被集体和统计处理，以隐藏私人信息。原始位置数据是每五分钟（最少）发送一次的 GPS 数据（纬度、经度），不包括指定个人的信息。本文件中提供的所有表格和图表的版权均属于 ZENRIN DataCom CO., LTD。我们还要感谢一桥大学的 Yaichi Aoshima 与 ZENRIN DataCom Co.,. LTD. 协调该项目；村田基金会、平和中岛基金会、鹿岛基金会、大林基金会、JSPS KAKENHI（拨款编号 21H00703）和一桥大学的资金支持；东京大学 CSIS 的联合研究支持（项目编号 954）。† 经济学系，270 Bay State Road，波士顿，马萨诸塞州 02215。电话：1-617-353-5682。电子邮件：miyauchi@bu.edu。‡ 创新研究所，2-1 Naka，国立，东京 186-8603，日本。电话：81-42-580-8417。电子邮件：nakajima.kentaro@gmail.com § 经济学系和 SPIA，JRR 大楼，普林斯顿，新泽西州 08544。电话：1-609-258-4016。电子邮件：red-dings@princeton.edu。
美国陆军工程兵团孟菲斯区智能手机应用程序
孟菲斯区应用程序包含区办公室链接、区信息以及区拥有的社交媒体页面。另一个有价值的功能是“安全第一”工具。此工具允许使用该应用程序的任何人几分钟内直接向区安全办公室报告安全问题。此外，如果愿意，用户可以保持匿名，用户还可以选择附加危险照片。有关如何下载和使用此应用程序工具的步骤，请参阅下面的分步说明。
Android智能手机单点定位的开源优化方法
摘要如今，芯片规模的全球导航卫星系统（GNSS）接收器在智能手机中无处不在。在智能手机GNSS接收器中，实施最小的（LS）或Kalman滤波器（KF）以估算位置。旨在提高智能手机GNSS位置精度，我们建议使用比传统方法（即LS和KF）更多的历史信息进行平滑的方法。更多的过去状态被视为未知数，并且构建了成本函数以优化这些状态。使用Google的开源智能手机数据集用于测试提出的方法。实验结果表明，所提出的方法在位置误差中的其他常规方法优于其他常规方法。此外，我们打开源代码。我们期望在智能手机GNSS位置平滑应用程序中实现的优化方法可以是一个说明性的示例，可以清楚地引入这种优化方法和其实现的参考，这可能会激发GNSS中其他一些有意义且令人兴奋的应用程序。
基于智能手机的糖尿病黄斑水肿离线人工智能筛查
(OCT) 图像，一些研究成功地使用 AI 来检测单一疾病表现的存在，例如视网膜内积液的存在、视网膜黄斑硬化症的存在或黄斑液的量化。2–4 该领域的一种可能的 AI 应用是为居住在缺乏眼科医生或训练有素的验光师的地区患者提供筛查和诊断帮助。然而，现代网络包含数百万个学习到的连接。总的趋势是设计更深、更复杂的网络以实现更高的准确性。这些人工智能程序通常需要高科技和昂贵的计算机系统，其中包含先进的图形处理单元，而这些单元通常是医疗保健不足或低收入地区的公用事业所负担不起的。在这种情况下，基于智能手机的高精度、低设备要求的移动人工智能系统极其重要和有用。智能手机应用程序 (app) 和移动机器人通常只需要较低的内存和能耗。5 因此，开发了一种高效的网络架构 MobileNet，以满足移动和嵌入式视觉应用程序的设计要求。更小更快的模型使用宽度乘数和分辨率乘数，以合理的精度来减少尺寸和延迟。与其他模型相比，使用 MobileNets 的程序表现出优越的尺寸、速度和精度特性。6
智能手机专利战中对创新的相互冲突的看法
《当代修辞学杂志》，第 6 卷2016 年第 3/4 期，第 112-126 页。合理和非歧视的修辞：智能手机专利战中对创新的矛盾看法 Joshua Welsh 在本文中，我研究了用于共享专利技术的合理和非歧视 (RAND) 许可协议的修辞。兰德协议是微软、谷歌和摩托罗拉移动 2010 年至 2015 年之间所谓的“专利战”的重要组成部分。我从两个理论视角来看待这场冲突中与兰德相关的言论：查尔斯·泰勒的社会想象概念以及佩雷尔曼和奥尔布雷希特-泰特卡的修辞交流概念。最终，我认为这场冲突的双方使用截然不同的修辞概念来塑造他们围绕兰德协议的论述。这些差异表明了不同的技术创新方法。微软对社会想象的运用表明了创新是企业间合作的观点，而谷歌对修辞交流的创造（尤其是通过典故手段）则描绘了一种更加根植于灵感作者观念的创新观。关键词：查尔斯·泰勒、谷歌、知识产权、许可协议、微软、摩托罗拉、专利战、佩雷尔曼和 Olbrechts-Tyteca 智能手机已成为现代生活中几乎无处不在的组成部分。2015 年皮尤研究中心发现，64% 的美国人是智能手机用户，而越来越多的美国人完全依赖手机上网。1 通信学者正在研究移动计算对人际关系和整个社会的影响。例如，Bean 等人。概述了通过手机发送紧急警报的现有研究，并认为研究人员仍需要解决“困难的理论和实际问题”。他们最后呼吁对该主题进行更多研究。2 同样，Pettegrew 和 Day 提供了一项实证研究，调查“移动设备……可能从根本上改变人际沟通过程的本质，并使许多 [通信学者] 理论过时。” 3 然而，支持智能手机技术本身的底层通信过程仍然基本上没有得到解决。
利用人工智能和智能手机进行自动血涂片分析
• Poostchi Mahdieh 等人，使用薄血涂片显微镜对人类和小鼠进行疟原虫检测和细胞计数，医学影像杂志 5，第 4 期 (2018)：044506。• Feng Yang 等人，级联 YOLO：在薄血涂片中自动检测间日疟原虫，将于 2020 年 2 月 18 日至 20 日在美国休斯顿的 SPIE 医学影像大会上发表。