XiaoMi-AI文件搜索系统
World File Search System电性
人工智能能有创造力吗？ - 庆应义塾SFC社团
随着人工智能（AI）社会应用的推进，人们正在探索将人工智能应用于艺术和设计等创意领域。尤其是，许多研究和作品示例已经表明，人工智能可以通过使用生成对抗网络（GAN）和其他生成模型来生成“逼真”的图像和音乐，就好像它们是人类创造的一样。另一方面，有人可能会认为生成模型所做的只是从训练数据中学习到的统计模式的再现，并质疑它们作为表达的新颖性和独创性。在本文中，我们研究了人工智能和创造力的现状，并提出了一种通过扩展 GAN 框架来创造新颖表达，尤其是音乐表达的方法。通过这些，我们考虑了人工智能将在未来为创造不仅仅是模仿人类创作的表达做出贡献。
Microsoft Word -（已提交）2020 年秋季可靠性研讨会手稿
[1] Sato, Y.、Henley, EJ、Inoue, K.：“机器人危险控制系统设计的动作链模型”，IEEE Trans. on Reliability，第 39 卷，第 2 期，（1990 年 6 月）。[2] Kawashima, O.、Sato, Y.（2015 年）：”
海上风电
中国已经降低了温室气体排放增长速度，部分原因是由于对陆上风电的大量投资。相比之下，对海上风电的投资一直很小，直到最近才开始受到成本观念的限制。本文使用同化气象数据来评估中国未来的海上风电潜力。对省级的分析表明，总潜在风电资源是目前沿海地区电力需求的 5.4 倍。最近欧洲和美国市场的经验表明，中国可以利用潜在的海上资源，在高成本情况下以具有成本竞争力的方式提供 1148.3 TWh 的能源，在低成本情况下提供 6383.4 TWh 的能源，相当于 2020 年后沿海地区能源总需求的 36% 至 200%。分析强调了海上风电将给中国带来显著的益处，有望大幅减少温室气体排放，同时改善空气质量。
机器学习电生理信号预测室性心律失常：系统评价和研究间异质性检验
本研究之前的证据 心脏性猝死 (SCD) 和恶性室性心律失常 (VA) 是全球主要的公共卫生问题。尽管已经确定了 SCD 和恶性 VA 的危险因素（例如左心室射血分数 ≤ 35%），但大多数事件发生在没有任何危险因素的个体中。目前，尚无有效的筛查工具来识别 SCD 或恶性 VA 的高危人群。人工智能 (AI) 的出现以及使用体表心电图 (ECG)、心脏内设备和可穿戴传感器非侵入性获得的电生理信号的日益普及，可以促进对 SCD 和恶性 VA 的个性化预测。我们搜索了 MEDLINE (Ovid)、EMBASE (Ovid)、Scopus、Web of Science 和 Cochrane Library Databases 电子数据库，以查找 2021 年 8 月之前发表的研究，这些研究开发了机器学习 (ML) 或深度学习 (DL) 模型，用于使用电生理信号预测恶性 VA 或 SCD。我们发现单个 ML 和 DL 模型的预测性能通常很高，尤其是从公开数据集中得出的 ML 和 DL 模型具有更高的准确性。然而，这些研究的特点是
