XiaoMi-AI文件搜索系统
World File Search System种族
通过直接支付建立公平，抓住时机实现种族正义、社区所有权和工人权力
凯蒂在能源和环境政策及立法方面拥有十年的工作经验，最近担任美国众议院环境监督小组委员会的办公室主任，任职于众议员罗·卡纳。在此之前，她曾担任参议员伯尼·桑德斯的能源和环境政策顾问五年多。在此期间，凯蒂在参议院办公室和两次总统竞选中就能源、环境、部落和领土问题为参议员提供建议。凯蒂曾担任 Duncan, Weinberg, Genzer & Pembroke, PC 的助理律师，为电力公司、各州和部落提供建议。凯蒂拥有法学博士学位，专注于能源法，以及佛蒙特法学院的环境法和政策硕士学位，并获准在科罗拉多州执业。
重新分析的APOL1肾脏数据支持“种族”的新道德
精确药物需要准确鉴定临床相关的患者亚组。16电子健康记录为利用机器学习的主要机会提供了17种新的患者子组的方法。然而，许多现有的方法未能充分捕获诊断轨迹与疾病之间的复杂相互作用 - 19个相关风险事件，导致亚组在事件20风险中仍然可以显示出很大的异质性，并潜在的分子机制。为了应对这一挑战，我们实施了21个Vadesc-Ehr，这是一种基于变压器的自动编码器，用于聚类从电子健康记录中提取的纵向22生存数据。我们表明，Vadesc-ehr 23在合成和现实世界基准数据集上均优于具有24个已知地面真实集群标签的合成和现实基准数据集的基线方法。在应用于克罗恩病的应用中，vadesc-ehr 25成功地识别了四个不同的亚组，具有不同的诊断轨迹和风险26个特征，从而揭示了克罗恩病的临床和遗传相关因素。我们的结果27表明，Vadesc-ehr可以成为在28中发现精密医学方法的开发中发现新型患者子组的强大工具。29
解开婴儿大脑中的社会经济地位和种族......
摘要背景：种族通常被用来代替多种特征，包括社会经济地位。分离这些因素，找出影响婴儿结果的机制，如出生体重、胎龄和大脑发育，并指导适当的干预措施和制定公共政策，这些都至关重要。方法：使用人口统计学、社会经济和临床变量来模拟婴儿结果。在出生体重和胎龄的分析中，共有 351 名参与者被纳入。对于使用脑体积的分析，在删除缺少磁共振成像扫描和符合我们排除标准的参与者后，共纳入 280 名参与者。我们用线性和非线性模型对这三种不同的婴儿结果进行了建模，包括婴儿大脑、出生体重和胎龄。结果：非线性模型比线性模型更能预测婴儿出生体重（R 2 = 0.172 vs. R 2 = 0.145，p = .005）。与线性模型相比，非线性模型在对出生体重进行建模时，将收入、邻里劣势和歧视经历的重要性排在了种族之前。种族不是妊娠周龄或结构性脑容量的重要预测因素。结论：与现有的社会科学文献一致，与出生体重相关的研究结果表明，种族是与结构性种族主义相关的非线性因素的线性替代。能够解开通常与种族相关的因素的方法对于政策制定很重要，因为它们可以更好地识别和排列影响结果的可修改因素。
2023-2026 年种族行动计划战略
作为领导这项重要工作的首席警官，并得到我们的总警司 Jason Hogg 的全力支持，我坚决将种族行动计划付诸实践，并转化为切实可行的行动，以改善我们为泰晤士河谷的少数民族和社区以及来访者和过境者提供警务服务的方式，并建立他们的信任和信心。该行动计划旨在实现国家和地方商定的计划成果，这些成果涉及我们的内部和外部运作方式。关键是我们要代表我们服务的所有社区，这是该计划的关键部分。该计划中的一些初步行动侧重于黑人社区和人民，因为我们认识到影响黑人的种族差异最为严重。该计划的影响将是深远的，随着计划的实施，许多活动将着眼于解决其他社区的差异。为了支持泰晤士河谷警察种族行动计划的实施，将制定年度交付计划，其中列出了未来 12 个月的优先行动。我们将继续通过在线匿名调查，欢迎大家对该计划以及我们如何履行承诺提出反馈。
遗传祖先测试：种族，身体和基因瘤
本文探讨了生物伦理学和非元音观点与“负责人工智能”（RAI）的前提的一致性。它提出了对隐式冲突的仔细检查，例如“非统治”和“知识领土”。本文介绍了关于生物政治，应急主义者和生物伦理学的辩论之间的相似之处，将它们与人工智能（AI）的可能影响相关联。鉴于AI在社会的所有领域不可避免的覆盖范围，非殖民观点解释了单一文化如何加强对从殖民实践到今天的少数群体和群体具有压迫潜力的认知思想。在介绍RAI原则时，文章强调了在没有必要的批判性思维的情况下拥抱的风险，即从全球北方进口的正式规则，即减轻文化中可能的教育和沟通行动的可能影响的“解决方案”，只有在RAI变得慢时，它们才有可能。
使用转移学习和注意力的高级种族分类：实时指标，错误分析和可视化的轻量级学习
背景和目标：深度学习技巧极大地推动了面部图像的种族分类进步。尽管取得了这些进步，但许多现有方法依赖于复杂的模型，这些模型需要大量的计算成本并表现出缓慢的处理速度。本研究旨在通过利用转移学习以及结合了基于注意力的学习的改进的有效网络模型来介绍一种有效，强大的种族分类方法。方法：在这项研究中，有效的网络被用作基本模型，应用转移学习和注意机制来增强其在种族分类任务中的功效。有效NET的分类器组件在战略上进行了修改，以最大程度地减少参数计数，从而在不损害分类精度的情况下提高处理速度。为了解决数据集不平衡，我们实施了广泛的数据增强和随机的过采样技术。修改模型经过严格培训和在全面的数据集上进行了评估，并通过准确性，精度，召回和F1得分指标进行了评估。结果：修改后的有效网络模型表现出显着的分类精度，同时显着降低了UTK-FACE数据集的计算需求。具体来说，该模型的准确度为88.19％，反映了基本模型的增强2％。此外，它证明记忆消耗和参数计数减少了9-14％。此外，提出的方法增强了培训样本少约50％的班级测试准确性约5％。实时评估显示，处理速度的速度比基本模型快14％，并且达到了最高的F1得分结果，这强调了其对实际应用的有效性。结论：本研究提出了一个基于改进的有效网络体系结构的高效种族分类模型，该模型利用转移学习和基于注意力的学习来实现最先进的表现。所提出的方法不仅持有高精度，还可以确保快速处理速度，使其非常适合实时应用。调查结果表明，这种轻巧的模型可以有效地与更复杂和计算密集的最新方法相抗衡，从而为实践种族分类提供了宝贵的资产。
与种族相关的经济学研究*
经济思想和概念通过对商业，政府和媒体的影响来塑造社会[Fourcade等。2015，Maesse等。2022]。经济方法论的不同特征使经济学家能够应对扩大的主题，而经济学的力量来源是其次级……的多样性和经验主义的兴起，这也导致了其他学科研究的经济学越来越多[Lazear 2000 2000，Angrist et angrist等人。2020]。我们研究了经济学家是否以及如何利用这一点，以促成与解决重大社会问题相关的知识：种族和族裔之间经济福祉的巨大和持续差距。使用来自期刊出版物和工作论文系列的一系列新匹配的文献计量数据，我们提供了有关经济学家所产生的与种族相关研究的数量和内容的新证据。12
基因组学中种族种族的遗传血统和殖民地遗产：跨学科对话
1社会学，哲学和人类学系，埃克塞特大学，埃克塞特大学，英国埃克塞特大学2，墨西哥国家自治大学哲学研究所，墨西哥国家自治大学，墨西哥，墨西哥，人类学系3，达勒姆大学，达勒姆大学，达勒姆大学，达勒姆大学，英国，英国杜勒姆大学4圣保罗大学生物科学研究所，巴西，圣保罗大学，6个高级基因组学部，研究与高级研究中心（cinvestav），墨西哥墨西哥，墨西哥，7人文与社会科学学院，拜瑞斯大学，拜瑞斯大学，德国贝里特大学，贝雷特，贝雷特，曼彻斯特，曼彻斯特学院8号，曼彻斯特学院，曼彻斯特学院，曼彻斯特省，伊利诺伊州伊利诺伊州，国王，伊利诺伊州。巴西圣保罗大学圣保罗大学生物科学研究所
在印度尼西亚西部马来亚 - 蒙古种族的人群中，肿瘤坏死因子-α-308 g/a多态性与精神分裂症的相关性
精神分裂症是困扰人类的最令人衰弱的精神障碍之一。精神分裂症的推定易感性基因座，即-308 g/a（rs361525）多态性，位于TNF -α基因的启动子区域，并引起了极大的兴趣。此外，多项研究已将A-Allele与TNF-α表达升高联系起来。必须确定启动子地区是否由于其矛盾的结果影响了印度尼西亚西部的居民。根据国际疾病分类，第10版标准，受到15至40岁的马来亚 - 蒙古种族的成年人，年龄在15至40岁中，被诊断出患有精神分裂症。他们必须有帮助，并且可以参加面试。存在精神问题，肥胖和影响大脑解剖结构的一般医疗状况的存在被视为不包括因素。对控件的纳入标准包括15至40岁的马来亚蒙古人种族的个人，没有家族性的精神障碍史，以及表明的愿意合作和参加面试的意愿。肥胖症，影响脑形态的一般医疗状况以及精神疾病史是对照组的排除标准。卡方检验和Hardy-Weinberg平衡用于分析结果，我们发现精神分裂症和健康对照组的基因型和等位基因之间没有差异。在北苏草，我们没有确定相关性。。单一多态性不能被视为特定疾病发作的重大危险因素。