Loading...
机构名称:
¥ 1.0

我曾多次指出,物理学的最新发展给我们上了一课,即不断扩展适合于对新经验进行分类的概念框架的必要性,这引导我们采取一种普遍的认识论态度,这种态度可能有助于我们避免在其他科学领域出现明显的概念困难。然而,由于各方都认为,这种态度似乎涉及一种与真正的科学精神不相容的神秘主义,我很高兴利用目前的机会向在完全不同的领域工作但团结一致努力为我们的知识找到共同基础的科学家发表演讲,重新回到这个问题上,最重要的是试图澄清已经产生的误解。在讨论将要讨论的问题之前,我只需要简要地回顾一下物理学的发展如何经常地告诉我们,即使是描述我们日常经验所必需的最基本的概念的一致应用,也是基于最初未被注意到的假设,然而,对这些假设的明确考虑是

因果关系和互补性

因果关系和互补性PDF文件第1页

因果关系和互补性PDF文件第2页

因果关系和互补性PDF文件第3页

因果关系和互补性PDF文件第4页

因果关系和互补性PDF文件第5页

相关文件推荐

2024 年

CAIRS:用于数字心理健康的因果人工智能推荐系统 Mathew Varidel,博士 a;Victor An a,Ian B. Hickie a,医学博士,Sally Cripps b,c,博士,Roman Marchant b,c,博士,Jan Scott d,博士,Jacob J. Crouse a,博士,Adam Poulsen a,博士,Bridianne O'Dea e,博士,Frank Iorfino a,博士 a 悉尼大学大脑与思维中心,澳大利亚新南威尔士州。 b 悉尼科技大学人类技术研究所,澳大利亚新南威尔士州。 c 悉尼科技大学数学与物理科学学院,澳大利亚新南威尔士州悉尼。 d 纽卡斯尔大学神经科学研究所学术精神病学,英国纽卡斯尔。 e 弗林德斯大学心理健康与福祉研究所,弗林德斯大学,南澳大利亚阿德莱德,澳大利亚。 * 通讯作者:Mathew Varidel,5 楼,1 King Street,Newtown,新南威尔士州 2042,mathew.varidel@sydney.edu.au 摘要 数字心理健康工具有望增强和扩大有需要的人获得医疗服务的机会。一些工具向个人提供干预建议,通常使用简单的静态规则系统(例如,if-else 语句)或结合预测性人工智能。然而,干预建议需要基于对不同干预措施下未来结果的比较来做出决定,这需要考虑因果关系。在这里,我们开发了 CAIRS,这是一个因果人工智能推荐系统,它使用个人的当前表现和领域之间学习到的动态来提供个性化的干预建议,以识别和排名对未来结果影响最大的干预目标。我们的方法应用于从数字心理健康工具收集的两个时间点(从基线开始 1 周 - 6 个月)的多个心理健康和相关领域的纵向数据。在我们的例子中,心理困扰被发现是影响多个领域(例如个人功能、社会联系)的关键影响领域,因此在多个领域不健康的复杂情况下,心理困扰通常是首选目标。我们的方法广泛适用于因果关系很重要的推荐环境,并且该框架可以纳入实时应用程序中以增强数字心理健康工具。关键词:因果关系;人工智能;决策理论;幸福感;心理困扰;功能;睡眠;社会支持

¥1.0