XiaoMi-AI文件搜索系统
World File Search System系统生成
仅供同行评审 - ePrints Soton
摘要 共生模拟系统 (S3)，有时也称为“数字孪生”，可实现物理系统与其计算模型表示之间的交互。为了支持运营决策，S3 使用通过传感器收集的物理系统的实时数据。这些实时数据还保存在企业数据存储系统 (EDSS) 中，因此可以用作未来使用的历史数据。然后，实时数据和历史数据都用作 S3 不同组件的输入，S3 通常包含几个模块：数据采集、模拟、优化、机器学习和“执行器”。当 S3 和系统之间没有人工代理时，需要后者。考虑到当今智能系统生成的数据量，S3 需要与 EDSS 结合使用。此外，S3 可能会产生大量需要存储的输出数据，因为这些数据可能会被机器学习模块重复使用，使 S3 在动态场景中具有自适应性。为了支持实时运营决策（特别是在工业 4.0 应用中，例如智能城市、智能工厂、智能交通系统和数字供应链），本文提出了 S3 的通用系统架构，并讨论了其在 EDSS 中的集成。此外，本文回顾了 S3 的最新进展，并分析了这些系统如何与 EDSS 交互以使实时决策成为现实。最后，本文还指出了 S3 中的几个研究挑战。
使用数字双胞胎
摘要 - 城市环境中的一致性本地化对于自动驾驶汽车和无人机等自主系统以及视觉上障碍者的辅助技术至关重要。传统的视觉惯性进程（VIO）和视觉同时定位和映射（VSLAM）方法虽然足以进行局部姿势估计，但由于依赖局部传感器数据，因此长期存在漂移。尽管GPS抵消了这种漂移，但它在室内不可用，在城市地区通常不可靠。一种替代方法是使用视觉功能匹配将相机定位到现有的3D地图。这可以提供厘米级的准确定位，但受当前视图和地图之间的视觉相似性的限制。本文介绍了一种新颖的方法，该方法通过将VIO/VSLAM系统生成的稀疏3D点云与使用点上的平面匹配相结合，从而实现准确且全球的本地化。不需要视觉数据关联。所提出的方法提供了一个6-DOF的全球测量，该测量紧密整合到VIO/VSLAM系统中。实验在高保真的GPS模拟器和从无人机收集的现实世界数据上进行，这表明我们的方法的表现优于最先进的VIO-GPS系统，并且与最先进的视觉大满贯系统相比，针对观点变化提供了卓越的鲁棒性。
2023 年 4 月 28 日 FCRP USTC Welcome PKG.pdf - SDDC
所有申请的 DOT 授权必须至少连续 3 年在 FMCSA 拥有活跃、不间断的运营授权。此要求没有例外。注意：不要申请目前未在 FMCSA 连续 3 年活跃的授权。本文件中使用的“承运人”一词是指所有运输服务提供商 (TSP)，包括普通 (FAK)、经纪人、物流公司和地面货运代理。注意：汽车经纪人、物流公司和地面货运代理必须根据步骤 5 - 履约保证金中概述的要求提供履约保证金。所有需要履约保证金的承运人必须为国防部获得单独的保证金。用于 FMCSA 的保证金将不被接受。确保来自承运人、保险代理人和保证公司的所有电子邮件在主题行中包含适用的承运人 SCAC 代码。FCRP 个人资料中的所有联系电子邮件始终保持最新非常重要。系统生成的电子邮件将发送到以下所有地址： - 保险、保证金和危险品证书到期前 30 天（我们每 2 年验证一次连续保证金，以确保它们仍然有效）。 - 年度自我认证 NDAA 合规性要求前 30 天。注意：如果未收到所需文件或未在上述电子邮件中列出的到期日期之前完成 NDAA 自我认证，承运人将被拒绝。
符号作为弥合人机鸿沟的通用语言，用于可解释和可建议的人工智能系统
尽管许多现代人工智能系统通常能够学习自己的表征，拥有令人惊讶的强大功能，但人们对它们的不可捉摸性以及与人类互动能力随之而来的问题感到非常不满。虽然已经提出了神经符号方法等替代方案，但对于这些方法的具体内容缺乏共识。通常有两个独立的动机：(i) 符号作为人机交互的通用语言；(ii) 符号作为人工智能系统在其内部推理中使用的系统生成的抽象。关于人工智能系统是否需要在其内部推理中使用符号来实现一般智能能力，目前尚无定论。无论答案是什么，人机交互中对（人类可理解的）符号的需求似乎非常引人注目。符号，就像情绪一样，可能不是智能本身的必要条件，但它们对于人工智能系统与人类互动至关重要——因为我们既不能关闭我们的情绪，也不能没有我们的符号。特别是在许多人为设计的领域，人类会对提供明确的（符号）知识和建议感兴趣——并期望机器以同样的方式进行解释。仅此一点就要求人工智能系统维护一个符号界面以便与人类互动。在这篇蓝天论文中，我们论证了这一观点，并讨论了需要追求的研究方向，以实现这种类型的人机互动。
数字孪生：从起源到未来 - 语义学者
摘要：数字孪生（DT）是指任何物理实体（物理孪生）的虚拟副本或模型，两者通过实时数据交换相互连接。从概念上讲，DT 实时模仿其物理孪生的状态，反之亦然。DT 的应用包括实时监控、设计/规划、优化、维护、远程访问等。预计其实施将在未来几十年呈指数级增长。工业 4.0 的出现带来了更加自主、智能和高度互联的复杂工业系统。这些系统生成大量数据，可用于多种应用，例如提高性能、预测性维护、培训等。与“数字孪生”相关的出版物数量突然激增，导致与工业数字化相关的不同术语之间产生混淆。由于 DT 越来越受欢迎，另一个问题就是对 DT 的描述缺乏共识，而且 DT 的类型也非常多，这增加了混乱。本文旨在整合文献中不同类型的 DT 和不同的 DT 定义，以便于从其他补充术语（如“产品化身”、“数字线程”、“数字模型”和“数字阴影”）中轻松识别 DT。本文从 DT 的概念诞生之初就着眼于其预测的未来，以了解它可以为某些行业带来的价值。对于任何研究人员、企业或行业来说，在投资该技术之前，了解 DT 的特点和类型并权衡其利弊都是必不可少的。
CCL20/CCR6 趋化因子信号传导对于实验性自身免疫性脑脊髓炎小鼠多发性硬化症的发病机制并非至关重要
多发性硬化症是一种自身免疫性疾病，免疫系统会攻击神经髓鞘。致病性 Th17 细胞和调节性 Treg 细胞（均表达趋化因子受体 CCR6）之间的平衡对于确定疾病活动至关重要。据推测，由血脑屏障产生的 CCL20（CCR6 的同源配体）会将这些免疫细胞吸引到中枢神经系统 (CNS)。然而，CCR6 敲除 (KO) 小鼠中多发性硬化症实验模型的病理表型尚无定论，而 CCL20-KO 小鼠中尚未解决这一问题。为了解决这个问题，我们使用 CRISPR/Cas9 系统生成了 CCL20-KO 和 CCR6-KO 小鼠。与野生型 (WT) 小鼠相比，两种突变小鼠中实验性自身免疫性脑脊髓炎 (EAE) 慢性期的临床表型略有加重。 KO 小鼠和 WT 小鼠的中枢神经系统炎症细胞浸润和脱髓鞘相似。突变小鼠和 WT 小鼠的中枢神经系统 CD4 + T 细胞计数相同。突变小鼠和 WT 小鼠中枢神经系统 Th17 和 Treg 细胞的比例，或中枢神经系统 IL-17 和 TGF- b mRNA 表达没有显著差异。这些发现表明，CCL20/CCR6 介导的细胞迁移不一定是 EAE 发病所必需的，并且可能由其他趋化因子信号补偿。© 2022 Elsevier Inc. 保留所有权利。
硕士论文提案（AM 中的 AI）- UAB KaU 2020
背景和目标 激光粉末床熔合 (LPBF) 被广泛认为是金属合金增材制造 (AM) 领域最有前途的制造工艺之一。AM 提供的设计自由度和复杂性是独一无二的，并且非常有益，尤其是对于工具应用而言。由于创新的 AM 设计解决方案，现在可以大大缩短工艺周期并提高零件质量。尽管有上述好处，但在大型复杂的制造任务中，LPBF 工艺容易出现缺陷和工艺稳定性相关问题。此类故障一旦发生，会严重影响所生产材料的质量和工艺的整体前景。因此，利用可监控工艺及其偏差的手段非常重要。如今，提供 LPBF 工艺现场监测功能的系统已在商业上存在，尽管其在后处理能力和数据评估方面的成熟度仍然有限。本研究的目的是研究并可能开发一个基于机器学习 (ML) 算法的框架，该框架可以对为 LPBF 工艺开发的现场监测系统生成的原始数据进行后处理。感兴趣的监测系统主要是光学断层扫描 (OT) 和熔池 (MP) 分析。这项工作的重点是识别和实施基于图像分析的学习模型，该模型可以关联来自监测系统的输入，以便记录和聚类潜在的材料和工艺异常。
FUTURE-AI：医学成像领域值得信赖的人工智能指导原则和共识建议
人工智能 (AI) 的最新进展与当今临床系统生成的大量数据相结合，推动了整个医学成像价值链中成像 AI 解决方案的开发，包括图像重建、医学图像分割、基于图像的诊断和治疗计划。尽管 AI 在医学成像领域取得了成功并具有未来潜力，但许多利益相关者仍担心成像 AI 解决方案的潜在风险和伦理影响，这些解决方案被认为复杂、不透明且难以理解、利用和信任关键临床应用。尽管存在这些担忧和风险，但目前还没有具体的指导方针和最佳实践来指导未来医学成像领域的 AI 发展，以提高信任度、安全性和采用率。为了弥补这一差距，本文介绍了从五个大型欧洲健康成像 AI 项目中积累的经验、共识和最佳实践中精心挑选的指导原则。这些指导原则被称为 FUTURE-AI，其基本要素包括 (i) 公平性、(ii) 普遍性、(iii) 可追溯性、(iv) 可用性、(v) 稳健性和 (vi) 可解释性。通过循序渐进的方法，这些指南进一步转化为具体建议框架，用于指定、开发、评估和部署技术上、临床上和伦理上值得信赖的 AI 解决方案到临床实践中。
在热带森林和农林林中的碳和生物多样性
抽象的缓解气候变化的努力集中在森林碳的保护和恢复上。这些努力不仅对气候保护有望，而且还有其他收益，包括保护生物多样性，其中大多数都庇护在森林中。这些措施包括打击气候变化和土地退化以及通过可持续森林管理阻止生物多样性损失的行动。然而，挑战仍然是优化碳存储的森林保护程度将维护生物多样性。了解缓解气候变化与生物多样性保护之间的协同作用可能是实现可持续发展目标的基础。图书馆目录和公共数据库用于研究，包括碳库存和热带森林中的碳库存和生物多样性共同利益/关系，并将其包括在审查中。本综述表明，碳的森林保护在不受干扰/相对受干扰的热带森林生态系统中显示出令人鼓舞的生物多样性结果。但是，某些具有较高生物多样性但低碳的区域可能无法从基于碳的保护中受益。鉴于热带生态系统动力学，重要的是基于特定的生态系统生成更多数据，以确定该共依赖的水平。本综述构成了考虑基于碳的保护计划中的生物多样性保护的基础。关键字：碳存储；碳股；共同效果；相关性;保护背景
人机交互的基础框架
双重共情问题（Milton 2012）是一种心理学理论，于 2010 年代初发展起来，旨在准确解释自闭症患者在社交互动和沟通方面所遇到的困难。该理论认为，造成这种困难的核心原因之一是自闭症患者和非自闭症患者的沟通方式和其他社交/认知特征之间的根本差异。当前的人工智能领域的特点是存在大量功能强大的人工智能系统，但由于缺乏可解释性（Gunning 2017）和可控性（Hadfield-Menell 等人 2016），其实用性受到限制。这表明人工智能系统与其用户之间存在双重共情问题。然而，在人工智能系统的背景下，这个问题更加明显，因为用户可能被迫与真正的外星智能一起工作（Kim 2022）。人机感知人工智能 (HAAI) (Sreedharan、Kulkarni 和 Kambhampati 2022) 是一个框架，它试图通过利用实现人机协调的核心机制（即心理建模）来解决这一问题。图 1 展示了 HAAI 中概念化的人机交互可视化。从图中可以看出，在这种情况下造成混乱的核心原因之一可能是人类的期望与系统生成的行为不匹配。然而，弥合这种期望不匹配反过来又需要系统意识到人工智能系统和用户之间三个显著的不对称维度，即 (a) 知识不对称、(b) 推理能力不对称和 (c) 词汇不对称。我们已经使用 HAAI 框架来