XiaoMi-AI文件搜索系统
World File Search System选取
无人机自动调焦窗口选取方法
摘要—调焦窗口选取是光电经纬仪自动调焦过程中的重要环节。传统光电经纬仪调焦窗口选取方法存在计算量大、抗扰度差、适应性差等缺点。针对该问题，提出了基于脱靶量的光电经纬仪自动调焦窗口选取方法。实验结果表明，该方法计算量小，且相应的评价函数曲线灵敏度较高。同时，降低了背景对调焦过程的影响，满足了光电经纬仪对运动目标实时自动调焦的实时性和准确性要求。
人工智能在立法中的运用——现实选题的思考与选取
摘要 议会目前正在研究使用基于人工智能 (AI) 技术的应用程序执行某些任务。考虑到可以想象到的工具、应用领域、使用场景和需求，我们可以合理地预期人工智能会给议会带来变化。这使得人工智能在议会中的引入是一个普遍研究不足的课题这一事实变得更加奇怪。本文通过提供未来在立法工作空间中使用基于人工智能的工具和服务的经验证据，有助于弥合这一差距。这些数据是在 2021 年的头脑风暴练习和虚拟研讨会期间收集的。该分析揭示了在议会环境中基于人工智能的技术的优先级。在研究过程中，已经针对多个议会部门调查了 210 多个人工智能技术的应用和主题在议会中的相关性和优先级，其中包括 36 项围绕立法能力和程序的提案，称为“立法”。介绍了有关立法的主要发现。
关于人工智能生成的文章以及其潜在风险和好处的一些注释。
从下面的内容中选取任意一段文本，这可能是一个有趣的实验 - 尤其是您怀疑的文本是否由没有明确语法理解、没有定义词典或同义词库类型的表格来查找要解释的单词的语言模型生成 - 选取任何这样的文本并将其粘贴到搜索引擎中。您会发现，AI 不仅仅是重复它在互联网上找到的文本片段；相反，它根据对前一个标记之后最有可能出现的标记的预测来生成“标记”（字符、字符串、“单词”），并按照指示尽可能长时间地重复。我所认识的最接近回收材料的东西是它对威廉·吉布森的“未来已经到来”的（错误）引用。它只是还没有均匀分布”，它也错误地归因于此（对 John Cusak 来说，真搞笑）。此外，在阅读时，重要的是要记住，虽然人工智能生成的文本大部分是第一人称，但说话的不是我，而是机器。
CS 540 人工智能简介
Frontier = { S }，其中 S 是起始节点 循环执行，如果 Frontier 为空则返回失败 从 Frontier 中选取一个节点 n，如果 n 是目标节点则返回解决方案 生成所有 n 的后继节点并将它们全部添加到 Frontier 从 Frontier 中移除 n
反潜巡逻机利用圆形声呐浮标阵执行呼叫搜索任务的建模与仿真研究
利用提出的潜艇位置分布模型对圆形声呐浮标阵进行搜索，评估模型计算结果与计算机仿真方法对搜索概率计算结果相一致，证明了模型的正确性，同时也表明潜艇的评估结果与潜艇位置分布密切相关，应根据情况合理选取。实际使用中，可在模型中加入修正项，使模型计算结果与仿真结果更加接近。
基于局部均值分解和 Fisher 规则的多尺度模糊熵用于人体运动分析中的脑电特征提取
脑电信号（EEG）是由大量神经元产生的非线性、非平稳、随机的微弱信号，在人工智能、生物医学工程等领域具有重要的研究价值和实际意义，而脑电特征提取是直接影响处理结果的重要步骤，目前常用的脑电特征提取方法有频域或时域分析、时频结合等方法。由于脑电信号的非线性，上述方法都存在一定的局限性。因此，该文提出一种基于局部均值分解和Fisher规则的多尺度模糊熵用于人体运动分析中的脑电特征提取。首先将脑电信号自适应地分解为一系列乘积函数（PF）分量，然后选取有效的PF分量并计算多尺度模糊熵，利用多尺度模糊熵进行特征提取。利用Fisher规则对模糊熵在不同尺度上的特征分类能力进行排序，选取排序最高的多尺度模糊熵构成最优特征向量，实现特征降维。实验结果表明，该方法能有效提取脑电信号特征，验证了新方法的有效性和可行性。
“SOW励志”图书赠送比赛
在“以英文智慧格言宣扬正面价值观和态度2024/25”（2024/25年度“SOW活动”）举办的“SOW励志”书籍赠送比赛中，学生需要从书中选取一句智慧格言（SOW）写下讯息，并创作一件二维（2D）艺术品，以加强讯息含义的传达和视觉呈现，从而把一本自选的书作为礼物赠予亲爱之人。
研究文章揭秘技术接受模型：系统回顾其演变、跨行业影响和未来方向
随着当代信息技术与科学研究的增长，人们的生活越来越离不开信息技术。由于人们可以通过技术获取信息，研究人员一直致力于研究用户与技术之间的关系。自20世纪中叶以来，研究人员设计了许多理论模型。然而，在这些模型中，研究者使用最多的是技术接受模型（TAM）。基于此，本文采用系统文献综述的方法，使用系统评价和荟萃分析的首选报告项目（PRISMA）来收集、分析、总结和获得结果。本文选取Science Direct和ProQuest数据库，时间限制为2015-2024年，根据筛选标准选取38篇论文。本文分析了TAM的研究趋势、起源、发展、研究领域和未来的发展方向。指出感知易用性、感知有用性、使用态度、使用行为意愿和受试者常态是影响用户使用技术的重要原因。此外，行为使用意愿和使用态度在用户感知易用性、感知有用性和实际使用行为之间的联系中起着至关重要的中介作用。本文可以为未来研究TAM的研究者提供有价值的数据和建议。本文也可以促使政府和相关科技公司了解用户使用技术的原因。尤其是技术设计师可以掌握用户使用技术的原因，鼓励用户使用信息技术，增加用户粘性。
原创研究人工智能（AI）在基于 CT 图像的 COVID-19 筛查和评估中的助力作用
目的：本研究旨在探讨针对新冠肺炎CT影像特点设计开发的人工智能系统在新冠肺炎筛查与评估中的作用。方法：研究团队采用改进的U型神经网络，通过多层卷积迭代，对CT影像中的肺部及肺炎病灶进行分割。然后选取合适的159例病例建立并训练模型，使用Dice损失函数与Adam优化器进行网络训练，初始学习率为0.001。最后选取39例病例（29例阳性，10例阴性）进行对比测试。实验组：主治医生a和副主任医生a在人工智能系统的帮助下阅读CT影像对新冠肺炎进行诊断。对照组：主治医生b和副主任医生b仅凭经验进行诊断，未借助人工智能系统。记录每位医生诊断所用时间及诊断结果。统计学分析采用配对t检验、单因素方差分析、卡方检验、受试者工作特征曲线、logistic回归分析。结果：不同组别的诊断时间差异有统计学意义（P<0.05）。对于诊断结果最优组，单因素和多因素分析均提示各变量间无显著相关性，可能是AI系统的辅助、流行病学史等因素发挥了重要作用。结论：我们研发的AI系统因应新冠肺炎而诞生，具有一定的临床实用性，值得推广。关键词：CT、新冠肺炎、智能分析、AI、助力作用