本教程论文探讨应急响应中的四个子问题：事件预测、事件检测、资源分配和资源调度。同时提供在美国大都市地区的开放数据进行数据驱动的应急响应研究和工作。

Jun, 2023

本文介绍了建立决策支持和优化工具来提高应急响应效率和有效性的关键挑战以及我们与社区合作开发的方法的概述。

Feb, 2022

提出了一种智能互动应急响应系统，利用人工智能和传感器融合技术，优化城市中家庭、道路和公共设施等三个应用场景中发生事故的实时动态模型，进而将现有的应急响应系统转变为智能化互动系统，提高公共服务和居民生活质量。

Mar, 2024

本文介绍了一种用于实时检测英语商业电话记录中呼叫目的陈述的商业系统的实现，包括构建训练数据的方法，以及如何通过结合基于 transformer 的分类器和一组规则的混合模型来实现呼叫目的的检测，并在各种类型的商业电话数据上获得了 88.6％的 F1 得分和低推理时间。

May, 2022

通过佩戴式认知助手和增强现实智能眼镜，CognitiveEMS 以协作的方式获取、分析紧急场景中的多模态数据，并与急救服务人员互动，提供 EMS 协议选择和干预识别的实时认知辅助。

Mar, 2024

为了实现有效的应急响应，在缺乏基础设施的情况下，及时获取环境信息、无缝的命令数据传输和快速决策至关重要。本文提出了一个应急网络框架，包括应急计算、缓存、集成通信与感知以及智能增强等机制。该框架可确保对大型用户群体的快速访问，通过不稳定链路进行可靠的数据传输，以及在不断变化的环境下进行动态网络部署。然而，这些优势的实现需要付出大量的计算开销。因此，我们专门研究了应急计算，并提出了一种基于分层强化学习的自适应协作推断方法（ACIM）。实验结果表明，我们的方法能够在受限的计算和通信资源下实现对人工智能模型的快速推断。

Feb, 2024

本研究使用深度学习模型从 ARMMAN 基于电话的信息项目中预测短期和长期的产妇退出率，以解决印度母亲死亡率过高的问题。模型表现比竞争基线模型分别提高了 13％和 7％。此方法在现实应用中有潜力进行有针对性的干预措施。

Jun, 2020

本文通过将 ASR 和 NLP 方法相结合并利用监控数据，研究了一种两步增强 callsign 的方法，最终提高了 53.7% 的绝对召唤符号识别率和 60.4% 的相对召唤符号识别率。

Feb, 2022

本文介绍了一种基于 Edge 技术的三相系统，通过图片处理和计算 Index 值以检测拥堵程度，判断是否有紧急车辆，并在边缘服务器上进行处理和决策，从而减轻云服务器的负担，提高实时系统的可靠性。

Apr, 2023

介绍了一种使用口腔非语言声音控制的语音输入系统，该系统适用于语音障碍者；设计了数据集，考虑了模型部署和个性化；经过测试，模型实现了较高的精度和召回率，并且在个性化的情况下工作良好。

Feb, 2022