我们基于电子价值开发假设检测理论，这是一种与p值不同的证据，允许毫不费力地结合来自常见场景中的几项研究的结果，其中决定执行新研究可能取决于以前的结果。基于E-V值的测试是安全的，即它们在此类可选的延续下保留I型错误保证。我们将增长速率最优性（GRO）定义为可选的连续上下文中的电力模拟，并且我们展示了如何构建GRO E-VARIABLE，以便为复合空缺和替代，强调模型的常规测试问题，并强调具有滋扰参数的模型。 GRO E值采取具有特殊前瞻的贝叶斯因子的形式。我们使用几种经典示例说明了该理论，包括一个样本安全T检验（其中右哈尔前方的右手前锋为GE）和2x2差价表（其中GRE之前与标准前沿不同）。分享渔业，奈曼和杰弗里斯·贝叶斯解释，电子价值观和相应的测试可以提供所有三所学校的追随者可接受的方法。

本文提出了新的偏差不等式，其在多武装强盗模型中的自适应采样下均匀地均匀。使用给定的一维指数家庭中的kullback-leibler发散来测量偏差，并且可以一次考虑几个臂。它们是通过基于分层的每个臂鞅构造而构建的，并通过将那些鞅乘以来获得。我们的偏差不平等允许我们根据广义概率比来分析一大类连续识别问题的概要概率比，并且为臂的装置的某些功能构造紧密的置信区间。

Detecting persons in images or video with neural networks is a well-studied subject in literature. However, such works usually assume the availability of a camera of decent resolution and a high-performance processor or GPU to run the detection algorithm, which significantly increases the cost of a complete detection system. However, many applications require low-cost solutions, composed of cheap sensors and simple microcontrollers. In this paper, we demonstrate that even on such hardware we are not condemned to simple classic image processing techniques. We propose a novel ultra-lightweight CNN-based person detector that processes thermal video from a low-cost 32x24 pixel static imager. Trained and compressed on our own recorded dataset, our model achieves up to 91.62% accuracy (F1-score), has less than 10k parameters, and runs as fast as 87ms and 46ms on low-cost microcontrollers STM32F407 and STM32F746, respectively.

The literature on fraud analytics and fraud detection has seen a substantial increase in output in the past decade. This has led to a wide range of research topics and overall little organization of the many aspects of fraud analytical research. The focus of academics ranges from identifying fraudulent credit card payments to spotting illegitimate insurance claims. In addition, there is a wide range of methods and research objectives. This paper aims to provide an overview of fraud analytics in research and aims to more narrowly organize the discipline and its many subfields. We analyze a sample of almost 300 records on fraud analytics published between 2011 and 2020. In a systematic way, we identify the most prominent domains of application, challenges faced, performance metrics, and methods used. In addition, we build a framework for fraud analytical methods and propose a keywording strategy for future research. One of the key challenges in fraud analytics is access to public datasets. To further aid the community, we provide eight requirements for suitable data sets in research motivated by our research. We structure our sample of the literature in an online database. The database is available online for fellow researchers to investigate and potentially build upon.

To apply federated learning to drug discovery we developed a novel platform in the context of European Innovative Medicines Initiative (IMI) project MELLODDY (grant n{\deg}831472), which was comprised of 10 pharmaceutical companies, academic research labs, large industrial companies and startups. The MELLODDY platform was the first industry-scale platform to enable the creation of a global federated model for drug discovery without sharing the confidential data sets of the individual partners. The federated model was trained on the platform by aggregating the gradients of all contributing partners in a cryptographic, secure way following each training iteration. The platform was deployed on an Amazon Web Services (AWS) multi-account architecture running Kubernetes clusters in private subnets. Organisationally, the roles of the different partners were codified as different rights and permissions on the platform and administrated in a decentralized way. The MELLODDY platform generated new scientific discoveries which are described in a companion paper.

我们通过雷达来解决对象跟踪以及处理异常值的当前最新方法的鲁棒性。标准跟踪算法从雷达图像空间中提取检测到在过滤阶段使用它。过滤由卡尔曼过滤器进行，该滤波器假设高斯分布式噪声。但是，此假设并不能说明大型建模错误，并导致突然动作期间的跟踪性能差。我们将高斯总和过滤器（多假设跟踪器的单对象变体）作为基线，并通过与比高斯更重的分布建模工艺噪声来提出修改。变分贝叶斯提供了一种快速，计算上便宜的推理算法。我们的模拟表明，在存在过程离群值的情况下，稳健的跟踪器在跟踪单个对象时优于高斯总和过滤器。

癌症护理中的治疗决策受到随机对照试验（RCT）的治疗效应估计的指导。 RCT估计在某个人群中，一种治疗与另一种治疗的平均效应。但是，治疗可能对人群中的每个患者都不同样有效。了解针对特定患者和肿瘤特征量身定制的治疗的有效性将实现个性化的治疗决策。通过平均RCT中不同患者亚组的结果来获得量身定制的治疗效果，需要大量的患者在所有相关亚组中具有足够的统计能力，以实现所有可能的治疗。美国癌症联合委员会（AJCC）建议研究人员开发结果预测模型（OPMS），以实现个性化治疗决策。 OPM有时称为风险模型或预后模型，使用患者和肿瘤特征来预测患者的结局，例如总体生存。假设这些预测对于使用“只有在OPM预测患者具有高复发风险的情况下开出化学疗法的规则”之类的规则，对治疗决策有用。 AJCC认识到可靠预测的重要性，发布了OPM的清单，以确保设计OPM设计的患者群体的可靠OPM预测准确性。但是，准确的结果预测并不意味着这些预测会产生良好的治疗决策。从这个角度来看，我们表明OPM依靠固定的治疗政策，这意味着被发现可以准确预测验证研究结果的OPM在用于治疗决策的情况下仍会导致患者伤害。然后，我们提供有关如何开发对个性化治疗决策有用的模型以及如何评估模型是否具有决策价值的指导。

对于自动导航和机器人应用，正确感知环境至关重要。存在许多用于此目的的感应方式。近年来，一种使用的方式是空中成像声纳。它在具有灰尘或雾之类的粗糙条件的复杂环境中是理想的选择。但是，就像大多数传感方式一样，要感知移动平台周围的完整环境，需要多个此类传感器来捕获完整的360度范围。当前，用于创建此数据的处理算法不足以以相当快的更新速率为多个传感器这样做。此外，需要一个灵活而健壮的框架，以轻松地将多个成像声纳传感器实现到任何设置中，并为数据提供多种应用程序类型。在本文中，我们提出了一个专为这种新型传感方式而设计的传感器网络框架。此外，提出了在图形处理单元上的处理算法的实现，以减少计算时间，以便以足够高的更新速率实时处理一个或多个成像声纳传感器。

估计六级自由人体姿势的系统已有二十年多了。诸如运动捕获摄像机，高级游戏外围设备以及最近的深度学习技术和虚拟现实系统等技术都显示出令人印象深刻的结果。但是，大多数提供高精度和高精度的系统都是昂贵的，并且不容易操作。最近，已经进行了研究以使用HTC Vive虚拟现实系统估算人体姿势。该系统显示出准确的结果，同时将成本保持在1000美元以下。该系统使用光学方法。通过在接收器硬件上使用照片二极管来跟踪两个发射器设备发射红外脉冲和激光平面。以前开发了使用这些发射器设备与低成本定制接收器硬件结合使用的系统，但需要手动测量发射机设备的位置和方向。这些手动测量可能很耗时，容易出错，并且在特定设置中不可能。我们提出了一种算法，以使用自定义接收器/校准硬件的任何选择的环境中自动校准发射机设备的姿势。结果表明，校准在各种设置中起作用，同时比手动测量所允许的更准确。此外，校准运动和速度对结果的精度没有明显的影响。

在自主移动平台的各种和动态室内环境中导航仍然是一项复杂的任务。尤其是当条件恶化时，典型的传感器模式可能无法最佳运行，随后为安全导航控制提供了INAPT输入。在这项研究中，我们提出了一种使用分层控制系统具有单个或几个声纳传感器的移动平台进行动态室内环境导航的方法。这些传感器可以在雨，雾，灰尘或污垢等条件下运行。不同的控制层，例如避免碰撞和行为后的走廊，根据声流图像的融合中的声流队列被激活。这项工作的新颖性使这些传感器可以自由放置在移动平台上，并提供了基于移动平台周围分区系统设计最佳导航结果的框架。本文介绍的是使用的声流模型以及分层控制器的设计。在模拟中的验证旁边，在真实的办公室环境中使用具有一个，两个或三个声纳传感器的真实移动平台在真实的办公室环境中实现了实施和验证，并通过2D导航实时实时。在模拟和实际实验中均已验证了多个传感器布局，以证明控制器和传感器融合的模块化方法最佳起作用。这项工作的结果显示了具有动态对象的室内环境的稳定且安全的导航。