XiaoMi-AI文件搜索系统
World File Search System派生的
基于 DO-178C/DO-331 的精益、高度自动化的基于模型的软件开发流程
摘要 — 城市空中交通和无人机系统全球市场的兴起吸引了世界各地的许多初创企业。这些组织在民航用于开发软件和电子硬件的传统流程方面几乎没有接受过培训或经验。他们还受到资源限制，无法分配给专业团队遵循这些标准化流程。为了填补这一空白，本文提出了一种自定义工作流程，该工作流程基于从安全关键软件基础标准 DO-178C/DO-331 派生的一组目标。从标准中选择目标是基于特定目标的重要性、自动化程度和可重用性。该自定义工作流程旨在建立精益且高度自动化的开发生命周期，从而为研究和原型飞机提供更高质量、可维护性更好的软件。它还可以作为某些应用软件（如无人机系统、城市空中交通和通用航空）的合规手段。通过生成必要的开发和验证工件集，自定义工作流程还为未来符合 DO-178C/DO-331 的潜在认证提供了可扩展的基础。自定义工作流程在自动驾驶仪手动断开系统案例研究中得到演示。索引术语 —DO-178C、DO-331、软件保证、安全关键系统、精益软件开发、基于模型的开发、需求管理、敏捷开发
全球疫苗安全咨询委员会（GACVS）
全球疫苗安全咨询委员会（GACVS）：小说OPV2（NOPV2）小组委员会 - 参考背景术语背景2型新型口服口服脊髓灰质炎病毒疫苗（NOPV2）是当前Sabin OPV疫苗的修改版本，可提供可比较的免疫力，可与poliovirus进行可比的免疫力。该疫苗已在比利时和巴拿马完成了I期和两次II试验，发现安全且免疫原性。孟加拉国的新生婴儿开始了另一项II期试验，未来几个月将在冈比亚发起III期试验。NOPV2已根据WHO的紧急使用清单（EUL）提交评估，这是一种基于风险的程序，用于评估和列出未经许可的疫苗，治疗疗法和体外诊断，主要是在国际关注的公共卫生紧急情况下使用。一旦EUL获得授权/推荐（预计将于2020年底授权），可以在爆发响应中实施NOPV2大量疫苗接种运动（EUL授权后约6-8周），用于2型循环疫苗派生的poliovirus。圣人认可在最初的使用期（预计将持续3-6个月），NOPV2仅在符合额外“初始使用标准”的国家中使用，以增强监视，包括安全监控1：
基于超图的机器学习合奏网络入侵检测系统
摘要 - 检测恶意攻击的网络入侵检测系统（NID）继续面临挑战。NID通常是离线开发的，而它们面临自动生成的端口扫描尝试，从而导致了从对抗性适应到NIDS响应的显着延迟。为了应对这些挑战，我们使用专注于Internet协议地址和目标端口的超图来捕获端口扫描攻击的不断发展的模式。然后使用派生的基于超图的指标集来训练集合机学习（ML）基于NID的NID，以高精度，精确和召回表演以高精度，精确性和召回表演以监视和检测端口扫描活动，其他类型的攻击以及对抗性入侵。通过（1）入侵示例，（2）NIDS更新规则，（3）攻击阈值选择以触发NIDS RETRAINGE RECESTS的组合，以及（4）未经事先了解网络流量本质的生产环境。40个场景是自动生成的，以评估包括三个基于树的模型的ML集成NID。使用CIC-IDS2017数据集进行了扩展和评估所得的ML集合NIDS。结果表明，在更新的nids规则的模型设置下（特别是在相同的NIDS重新培训请求上重新训练并更新所有三个模型），在整个仿真过程中，提出的ML集合NIDS明智地进化了，并获得了近100％的检测性能，并获得了近100％的检测性能。
Ayub Baig1，M。Sowmya2，G。Amulya2，K。Jayasaumya2（2024）。 AI驱动的服务器日志管理用于自动错误分辨率，第15卷（5）.296-308
现代技术环境会生成大量的服务器日志，每个服务器日志可能包含有关系统错误的关键信息。解决这些错误的传统方法通常涉及跨多个平台的耗时的手动搜索 - 从诸如Google和Bing等搜索引擎到各种在线论坛的搜索引擎，希望找到正确的解决方案。这个过程通常证明是效率低下的，因为用户必须通过广泛的搜索结果进行筛选，并比较不一致或无关紧要的信息，从而冒着进一步的错误和延迟。为了响应，该研究旨在开发一种AI驱动的服务器日志管理软件，该软件通过分析历史日志数据和相应的分辨率来为错误提供准确的自动解决方案。通过合并服务器日志并培训预测性AI模型，该提出的平台提供了一种一站式解决方案，能够减少目前与错误分辨率相关的时间，精力和复杂性。用户只需输入错误，该系统提供了一种智能派生的，上下文感知的解决方案，即确定对手动搜索的需求。这样做，平台简化了工作流，减少用户挫败感，并提高了在现实世界环境中管理复杂技术问题的总体效率。
R.Avaflow V4，一个多功能滑坡仿真框架
表1：对于最多三个阶段中的任何一个中的任何一个，x方向通量和源术语控制流动动力学。y方向上的术语以类似的方式提出。u x和u y = x和y方向的深度平均速度； UU VM和UV VM =虚拟质量贡献（Pudasaini and Mergili，2019年）； dt =分散术语（Pudasaini，2023）; g x = x方向重力的有效下坡分量； F D =变形系数（Pudasaini和Mergili，2024a）; k x = x方向地球压力系数； G Z +和G Z- =重力的有效斜率正常成分，包括不同的浮力效应（Pudasaini和110 Mergili，2019年）； G Z * =有效的重力斜率正常成分，包括浮力和曲率效应； C drag =阻力系数（Pudasaini and Mergili，2019年）； δ=基底摩擦角； c =内聚力； E V =通过剪切系数通过剪切系数损失（Pudasaini和Mergili，2024b）； φ=内部摩擦角； f ml =碎片数（Pudasaini等，2024）; ζ=湍流摩擦数； n =曼宁号码；和C AD =环境阻力系数。绿色表示输入参数，蓝色表示派生的参数。115
概率的不确定性定量
机器学习应用于地球观察（EO）数据，以得出用于表征，理解和保护自然资源的数据集，从而促进了国际协定的进步。但是，派生的数据集包含固有的不确定性，需要可靠地量化以避免向下流后果。应对报告不确定性的需求的增加，我们将注意力集中在EO领域内的共形预测的希望。共形预测是一种不确定性定量（UQ）方法，该方法具有统计有效和信息性的预测区域，同时同时是计算高效，模型无关的，无分布的，并且可以在不需要访问下面的模型和训练数据集的情况下以HOC的方式应用。我们评估了EO-MAIG中不确定性定量的当前状态，发现只有21％的审查数据集融合了一定程度的不确定性信息，并且不可靠的方法普遍存在。接下来，我们介绍了Google Earth Engine本地模块，这些模块可以集成到现有的预测建模工作流中，并通过将它们应用于跨越大陆的数据集中到全球尺度，回归和分类任务，以传统学习和深度学习工作来证明这些工具的多功能性，效率和可扩展性。我们预计，易于使用的保形预测因子（例如这里提供的预测）的可用性会增加
路易斯安那州新奥尔良的数字高程模型
1.简介 2010 年 4 月，美国国家海洋和大气管理局 (NOAA) 下属的国家地球物理数据中心 (NGDC) 开发了路易斯安那州新奥尔良的三个水深地形数字高程模型 (DEM)（图1）。这些 DEM 是根据 2009 年美国复苏与再投资法案 (ARRA) 1 为 NOAA 海岸调查发展实验室 (CSDL) 开发的，旨在评估 Vertical.Datum 的实用性。转换工具 ( VDatum ) 由 NOAA 海岸调查办公室 (OCS)、国家大地测量局 (NGS) 和业务海洋产品和服务中心 (CO-OPS) 联合开发 ( http://vdatum.noaa.gov/ )。参考 1988 年北美垂直基准 (NAVD 88) 的 1/3 弧秒 2 DEM 经过精心开发和评估。从 VDatum 派生的 NAVD 88 到平均高水位 (MHW) 1/3 弧秒转换网格。然后创建项目区域以模拟新奥尔良地区的 NAVD 88 和 MHW 之间的关系。NGDC 将 NAVD 88 DEM 和转换网格结合起来开发了 1/3 弧秒 MHW DEM。使用相同的过程生成平均低低水位 (MLLW) 1/3 弧秒转换网格。NAVD 88 DEM 是根据该地区的各种数字数据集生成的（网格边界和来源如图 1、5 和 10 所示），这些 DEM 将用于风暴潮淹没和海平面上升建模。本报告总结了开发三个新奥尔良 DEM 所使用的数据源和方法。
研究论文：优化心脏扩大检测：处理胸部 X 光影像的随机森林方法
摘要：本研究探索了随机森林分类器在胸部 X 光图像中自动检测心脏扩大的应用，利用了从 NIH 胸部 X 光数据集处理和派生的数据集。鉴于对心脏扩大的准确及时诊断以提供适当的治疗决策的迫切需求，本研究旨在确定机器学习模型在增强诊断过程中的有效性。本研究采用图像预处理技术，例如用于边缘检测的 Sobel 滤波和用于特征提取的 Hu 矩，增强了模型的输入特征。使用 5 倍交叉验证方法评估分类器的性能，得出的平均准确度、精确度、召回率和 F1 分数大约在 52% 到 54% 之间的结果。这些发现表明可靠性和一致性处于中等水平，表明集成机器学习方法在医学成像分析中具有潜在效用。然而，不同数据子集之间的性能差异凸显了挑战，需要进一步优化。这项研究有助于推动将机器学习融入临床环境的持续讨论，展示了其潜在的优势和当前的局限性。建议未来的研究扩大数据集的种类，整合先进的深度学习方法，并在临床环境中严格测试这些模型。这些发现对医疗保健领域自动诊断工具的开发具有重要意义，可能提高诊断的准确性和效率。
深脑刺激对帕金森氏病在非比型眼运动过程中定量睡眠脑电图的影响
方法：在先前的受试者内部，横断面研究中，我们评估了PD患者对Sleep acroarchitectural特征的低（60 Hz）和常规高（≥130Hz）频率STN DBS设置的影响。在本期，探索性分析中，我们进行了多个核能（PSG）衍生的定量脑电图（QEEG）评估，其中15名患有PD的人在研究参与前13.5个月接受了STN DBS治疗的PD患者。14名参与者的单侧DB和1个具有双侧DBS。在三个不同的PSG连续晚上，在三种不同的DBS条件下评估了参与者：DBS OFF，DBS低频（60 Hz）和DBS高频（≥130Hz）。这项研究的主要目的是使用反复测量方差分析来研究三个DBS条件下睡眠纺锤体密度的变化。此外，我们研究了与睡眠QEEG功能相关的各种次要结果。对于所有参与者，PSG派生的EEG数据进行了精心的手动检查，排除了受运动伪像影响的任何段。在伪影排斥反应后，对额叶和中心线进行了睡眠QEEG分析。措施包括慢波（SW）和主轴密度和形态特征，SW主轴相位振幅耦合以及在非快速眼运动（NREM）睡眠期间的光谱功率分析。
虚拟学习环境的定量数据分析
特定类别的网络空间类别强调了不同类型的数字交易，因此必须考虑到这些环境所能负担得起的东西。以这种方式，我们可以将技术用途的利基描绘为特定可能性的生态学，并比较它们在人类生活的不同领域之间如何差异。本研究的重点是描述虚拟学习环境和技术的教育能力之间分类跨界的概念整合，同时还进行了经验测试，并在有关上述分类学的规模中确定了心理测量特性。研究样本由来自索诺拉（墨西哥西北地区）的三所不同大学的外语系中的320名学生组成。学生获得了21个项目的问卷调查，该项目将四个子量表组织成带有Likert型响应选项，以衡量有关其虚拟学习环境使用的概念。内部一致性程序和通过Cronbach的alpha和结构建模的方式分析支持了派生的阶乘结构，其中包含网络通信，虚拟行为设置，虚拟社区，可用性以及连接性的访问。此结构可追溯到虚拟环境中学习者所感知的环境特性。结果维持有关拟议分类法的最初概念构建，得出的结论是，“虚拟学习环境问卷”表现出适当的心理测量学特性，并将其作为一种评估数字教育环境中学生感知的心理经历的措施验证。