XiaoMi-AI文件搜索系统
World File Search System目标识别
空间常见目标检测公共数据集
摘要 基于监督学习的目标检测算法是当前目标检测的主流算法，高质量的数据集是目标检测算法获得良好检测性能的前提，数据集的数量和质量越大，模型的泛化能力越强，也就是说数据集决定了模型学习的上限。卷积神经网络以强监督的方式优化网络参数，通过比较预测帧与人工标注的真实帧来计算误差，然后将误差传入网络进行不断优化。强监督学习主要依靠大量图像作为模型进行不断学习，因此图像的数量和质量直接影响学习的结果。本文提出了一个用于检测空间中常见目标的数据集STAR-24K（即超过24000幅图像的空间目标识别数据集）。由于目前没有公开可用的空间目标检测数据集，我们从 NASA（美国国家航空航天局）和 ESA（欧洲航天局）官方网站发布的图片和视频等一系列渠道中提取了一些图片，并将其扩展到 24,451 张图片。我们对流行的物体检测算法进行了评估以建立基准。我们的 STAR-24K 数据集在 https://github.com/Zzz-zcy/STAR-24K 上公开。关键词：公开数据集、空间目标检测、深度学习、计算机视觉。
cuet_binary_hackers in Climateactivism 2024：仇恨言语事件中基于变形金刚的模型的全面评估和卓越性能
气候变化对我们环境和生活的不断升级促使气候变化行动主义激增。但是，诸如Twitter之类的社交媒体平台的滥用为仇恨激进主义，针对个人，组织或整个社区的仇恨打开了大门。此外，推文中对立场的识别也具有至关重要的意义，尤其是在理解行动主义成功的概述中。因此，为了应对检测此类仇恨推文，确定其目标并从Tweets的立场的挑战，此共享任务引入了三个子任务，每个任务都旨在提及一个提到的问题。我们在所有三个子任务中都涉及，在本文中，我们在不同的机器学习（ML），深度学习（DL），混合动力和基于变压器的模型之间进行了比较分析。我们的方法涉及对模型的适当高参数调整，并通过数据过采样来有效地处理类不平衡数据集。值得注意的是，我们的微调M-Bert在子任务A（仇恨语音检测）中获得了0.91的宏平均F 1分数，在子任务B（目标识别）中达到了0.74。另一方面，气候 - 伯特在子任务中的F 1得分为0.67。这些分数将我们定位在前沿，在各个子任务中获得第1，第6和15位。github 1中提供了任务的详细信息信息。
联合交战区 (JE;, ,: 作战防空...
在大多数联合或合成作战中，空中和防空控制将是作战层面的首要任务。先进的武器使防空系统能够在更远的距离上打击空中威胁，从而增加了意外打击友军飞机或同时使用多个系统打击威胁的可能性。近期的几次绿旗演习（GF 88-3 和 89-41）表明，在友军战斗机所在的同一空域使用地面防空系统会增加自相残杀和地面系统的导弹支出。作为联合防空作战 (JADO) 的一种替代方案，JEZ 概念可以使用基于非合作目标识别 (NCTR) 的新兴识别技术来提高防空效能，同时降低友军飞机自相残杀的可能性。本研究分析了联合交战区概念，以确定其对作战级防空的影响。JEZ 概念通过减少程序控制并通过积极敌方识别 (PHID) 交战规则最大限度地实现积极控制，从而提供了更大的灵活性。本研究首先通过研究自飞机进入战场以来对防空的需求而发展起来的理论和使用概念来回顾防空基础知识。然后分析两个战役，以验证评估防空效力的标准。对服务和联合条令的审视完成了对基础知识的审查。本研究最后讨论并分析了联合交战区概念对美国作战的可能效果。本研究得出结论，JEZ 概念在战争的作战层面上是有效的，未来美国军队在规划和开展战区战役时应准备使用联合交战区。
Robert Kasumba -CDN 将光与核自旋气体耦合，其两光子线宽为五millihertz
1。Robert Kasumba，Dom CP Marticorena，Anja Pahor，Geetha B. Ramani，Imani Masters Goffney，Susanne M. Jaeggi，Aaron R Seitz，Jacob R Gardner和Dennis Lbarbour。 分布潜在变量模型，并在主动认知测试中应用。 认知和发展系统上的IEEE交易，2025年。 [在出版物中接受/接受] 2。 罗伯特·卡索巴（Robert Kasumba）和马里恩·诺伊曼（Marion Neumman）。 教育的实用情感分析：学生人群采购的力量。 在AAAI人工智能会议论文集，第38卷，2024年3。 Robert Kasumba，Guanghui Yu，Chien-Ju Ho，Sarah Keren和William Yeoh。 数据驱动的通用行为剂的目标识别设计，2024年。 [preprint，在提交中] 4。 Yu，Robert Kasumba，Chien-Ju Ho和William Yeoh。 关于人类对人类协作中AI行为的信念的效用。 ARXIV预印arxiv：2406.06051，2024。 [preprint，在提交中] 5。 Philip Kreniske, Olive Imelda Namuyaba, Robert Kasumba , Phionah Namatovu, Fred Ssewamala, Gina Wingood, Ying Wei, Michele L Ybarra, Charlotte Oloya, Costella Tindyebwa, Christina Ntulo, Vincent Mujune, Larry W Chang, Claude A Mellins, and John S桑特利。 用于预防艾滋病毒和相关青年健康问题，性健康，心理健康和药物使用问题的手机技术（青年健康SMS）：飞行员随机对照试验的协议。 JMIR研究方案，12：e49352，2023。doi：10.2196/49352 6。 人类行为和新兴技术，2022，2022 7。Robert Kasumba，Dom CP Marticorena，Anja Pahor，Geetha B. Ramani，Imani Masters Goffney，Susanne M. Jaeggi，Aaron R Seitz，Jacob R Gardner和Dennis Lbarbour。分布潜在变量模型，并在主动认知测试中应用。认知和发展系统上的IEEE交易，2025年。[在出版物中接受/接受] 2。罗伯特·卡索巴（Robert Kasumba）和马里恩·诺伊曼（Marion Neumman）。教育的实用情感分析：学生人群采购的力量。在AAAI人工智能会议论文集，第38卷，2024年3。Robert Kasumba，Guanghui Yu，Chien-Ju Ho，Sarah Keren和William Yeoh。 数据驱动的通用行为剂的目标识别设计，2024年。 [preprint，在提交中] 4。 Yu，Robert Kasumba，Chien-Ju Ho和William Yeoh。 关于人类对人类协作中AI行为的信念的效用。 ARXIV预印arxiv：2406.06051，2024。 [preprint，在提交中] 5。 Philip Kreniske, Olive Imelda Namuyaba, Robert Kasumba , Phionah Namatovu, Fred Ssewamala, Gina Wingood, Ying Wei, Michele L Ybarra, Charlotte Oloya, Costella Tindyebwa, Christina Ntulo, Vincent Mujune, Larry W Chang, Claude A Mellins, and John S桑特利。 用于预防艾滋病毒和相关青年健康问题，性健康，心理健康和药物使用问题的手机技术（青年健康SMS）：飞行员随机对照试验的协议。 JMIR研究方案，12：e49352，2023。doi：10.2196/49352 6。 人类行为和新兴技术，2022，2022 7。Robert Kasumba，Guanghui Yu，Chien-Ju Ho，Sarah Keren和William Yeoh。数据驱动的通用行为剂的目标识别设计，2024年。[preprint，在提交中] 4。Yu，Robert Kasumba，Chien-Ju Ho和William Yeoh。关于人类对人类协作中AI行为的信念的效用。ARXIV预印arxiv：2406.06051，2024。[preprint，在提交中] 5。Philip Kreniske, Olive Imelda Namuyaba, Robert Kasumba , Phionah Namatovu, Fred Ssewamala, Gina Wingood, Ying Wei, Michele L Ybarra, Charlotte Oloya, Costella Tindyebwa, Christina Ntulo, Vincent Mujune, Larry W Chang, Claude A Mellins, and John S桑特利。用于预防艾滋病毒和相关青年健康问题，性健康，心理健康和药物使用问题的手机技术（青年健康SMS）：飞行员随机对照试验的协议。JMIR研究方案，12：e49352，2023。doi：10.2196/49352 6。人类行为和新兴技术，2022，2022 7。Maya Topitzer，Yueming Kou，Robert Kasumba和Philip Kreniske。 不同的受众与福祉应用程序上的用户情感表达有何关系。 Mary Nsabagwa，Isaac Mugume，Robert Kasumba，Joshua Muhumuza，Steven Byarugaba，Eugene Tumwesigye和Julianne Sansa Otim。 基于无线传感器网络的自动的条件监视和报告框架Maya Topitzer，Yueming Kou，Robert Kasumba和Philip Kreniske。不同的受众与福祉应用程序上的用户情感表达有何关系。Mary Nsabagwa，Isaac Mugume，Robert Kasumba，Joshua Muhumuza，Steven Byarugaba，Eugene Tumwesigye和Julianne Sansa Otim。基于无线传感器网络的自动
导师指导计划 (MPP)
这是陆军 - 小型企业项目办公室 (OSBP) 导师门徒计划 (MPP) 的广泛机构公告 (BAA)。陆军导师门徒计划 (MPP) 正在根据国防联邦采购条例补充 (DFARS) 附录 I 寻找符合条件的导师公司参与国防部 (DoD) MPP。此公告将发布一年，因此白皮书可随时提交。这些白皮书的评估将在 2022 年 12 月、2023 年 3 月和 2023 年 6 月进行。评估后，白皮书符合本 BAA 意图的导师公司可能会被征求提交技术和成本提案，但须视计划资金的可用性而定。陆军重点领域包括但不限于：人工智能/机器学习（供应链管理、物流协调、目标识别和模拟）；先进材料与制造（增材制造）；自主性（无人系统、无人机、地面车辆能力）；化学和生物（检测、防御）；网络（生物特征认证、安全通信）；电子（微电子、超大规模集成电路 (VLSI)）；电子战（干扰、欺骗）；人类表现（可穿戴设备）；沉浸式（增强现实、虚拟现实、混合现实）；网络技术（天线、射频、通信系统）；定位、导航和授时 (GPS)；电源（电池、发电机）；软件现代化（高性能计算、数据管理和可视化）；传感器（红外传感）；武器系统（高超音速、弹药和射弹、定向能）有关更多信息，请访问 SAM.gov 下的 W91CRB-23-R-MPP2。如果您目前尚未获得国防部批准成为导师，您仍然可以提交白皮书，但必须先获得批准才能提交提案。如需申请，请访问 https://business.defense.gov/Programs/Mentor-Protege-Program/MPP-Resources/ 获取申请表和提交说明。
军事背景下的人工智能的使用
人工智能 (AI) 的使用继续呈指数级增长，渗透到社会的许多方面 (Schepman and Rodway, 2020)。智能音箱是人们在日常生活中、在家中接触到的人工智能系统的一个突出例子，并且人们有与人工智能系统交互的意识。据估计，2021 年全球智能音箱的出货量超过 1.86 亿台，预计到 2022 年或 2023 年，这一数字可能会增加到 2 亿台以上 (Laricchia, 2021)。同样在 2021 年，英国一半的家庭报告称拥有这样的设备 (Ofcom, 2021)。人工智能的其他用途与人们的日常体验相去甚远。人工智能的发展为军事和国防目的开辟了各种潜在用途（ McNeish 等人，2020 年）。人工智能在国防环境中的应用潜力无限，例如包括后勤支持、模拟、目标识别和威胁监控（ Taddeo 等人，2021 年）。然而，这种潜力尚未实现，人工智能在国防领域的研究开发和使用尚处于起步阶段，西方世界目前的战略大纲和政策就反映了这一点（国防创新委员会，2019 年；英国国防部，2022 年）。尽管人工智能对社会的安全和保障至关重要，但可以说，在国防领域形成明智和合理态度极其困难。公众面临着不断变化的信息，这些信息来自政府来源、有既得利益的组织、个人网络和大众娱乐。本研究涉及在国防背景下测量对人工智能的态度，作为更好地理解和解释这种态度如何形成的第一步。
国防人工智能的伦理原则
英国 1、美国 2、中国 3、新加坡 4、日本 5 和澳大利亚 6 等多个政府的战略明确提到了人工智能能力，这些能力已经部署用于改善关键国家基础设施（如交通、医院、能源和供水）的安全性。北约在其 2020 年关于北约未来的报告中也将人工智能确定为保持对对手优势的关键技术（北约，2020 年）。人工智能在国防中的应用几乎是无限的，从支持物流和运输系统到目标识别、战斗模拟、训练和威胁监控。军事规划者越来越期望人工智能能够更快、更果断地击败对手。与其他领域的使用一样，人工智能的潜力也伴随着严重的道德问题，从可能的冲突升级、大规模监视措施的推广和错误信息的传播，到侵犯个人权利和侵犯尊严。如果这些问题得不到解决，将人工智能用于国防目的可能会破坏民主社会的基本价值观和国际稳定（Taddeo，2014b、2019a、b）。本文通过确定伦理原则为人工智能的设计、开发和用于国防目的提供指导，以解决这些问题。这些原则不应被视为国家和国际法律的替代品；相反，它们为在国防领域使用人工智能提供了指导，其方式与现有法规一致。从这个意义上说，提出的原则表明了应该做什么或不应该做什么。
操作深空自主航天器：可操作性和信任度的地面流程和工具
未来的深空机器人探测器将使用先进的机载自主技术来解决高优先级的科学问题，例如观察快速变化的现象和适应动态环境条件。机载自主技术（例如规划和调度、科学目标识别和基于内容的数据汇总）将带来令人兴奋的全新深空科学任务。然而，传统的操作实践、技能和流程并不是为具有这种机载自主能力的航天器设计的。本文总结了 JPL 进行的为期两年的调查结果，旨在探索地面操作流程、实践和工具需要如何调整才能支持有效使用机载自主技术。特别是，我们确定了需要增强当前工作流程和工具的领域，以适应深空探索机载规划和调度软件的指挥和分析。我们的重点是机载规划和调度：我们确定了必要的变更，以使操作员和科学家能够通过目标和优先级（而不是命令序列）向未来自主航天器的规划和执行系统传达他们的预期意图，并能够重建和解释机载决策和航天器的状态 - 为用户信任自主性提供了一条切实可行的途径，这是全面采用的最大障碍之一。总的来说，这些结果构成了采用机载航天器自主性的关键步骤，这将使人们能够对外太阳系、小天体和海洋世界表面进行新的、更大胆的探索。
摘要书 - DDI2022
摘要：驾驶员注意力通常通过扫视行为来评估，通常是通过测量远离前方道路的扫视或直接测量对非驾驶相关目标的扫视。这种方法可用于检测分散注意力的事件，但它不会检查是否对所有与情境相关的目标进行了采样。在这里，我们评估了 MiRA 理论作为注意力评估基础的实用性。对 23 名驾驶装有仪器的车辆在城市路线上行驶的参与者进行了实地研究。参与者佩戴头戴式眼动仪。数据缩减包括识别需要采样的目标区域、是否对其进行采样以及是否存在相关或不相关的其他交通。此外，逐个凝视分析确定了凝视方向、目的和目标。正如预测的那样，驾驶员对所有需要将视线从前方移开的目标区域进行了采样。大致在前方的目标区域（如斑马线）可能是通过周边视觉进行采样的，但这无法通过所使用的设备可靠地确认。 发现视线方向分布与先验定义的要求非常吻合。并行要求数量越多，用于检查交通情况的视线份额就越大。相关交通比不相关交通受到更多的监控。并行要求数量越多，备用视觉容量就越少。名义上的视线目标识别与要求的联系较少。因此，我们建议“传统的”基于视线的注意力评估应与基于目的的视线评估协议以及与情况相关的预定义要求相结合。
药物发现和药物开发阶段的回顾
药物发现是确定在治疗和治愈疾病以及治疗效果测试中具有治疗作用的化合物的过程。一旦化合物在这些研究中证明了其价值，它就会在临床试验之前开始药物开发过程。从发现到药物获批大约需要 12 到 15 年的时间，需要投资约 10 亿美元。平均有 100 万个分子被筛选，但只有一个分子在临床试验的后期被探索，最终提供给患者。本文简要概述了新药发现和开发所涉及的过程。这种测试是在细胞（体外）和动物（体内）上进行的，以研究代谢并生产出安全且符合所有监管要求的产品。它可能是一种与疾病状态相关的蛋白质受体，因此了解疾病在分子、细胞和基因水平上是如何发生的非常重要。一旦确定了靶标，下一步就是靶标如何在疾病过程中发挥作用。开发和发现一种治疗疾病的新药是昂贵的，需要长达 14 年的研究和测试。正确的程序需要循序渐进的方法以及完善的文档。这项工作通常从目标识别和验证开始。优化、先导化合物发现和临床前动物测试是临床试验和人体候选药物评估必须遵循的各个阶段。这篇评论文章将涵盖药物发现、药物开发和药物发现临床阶段的关键概念。