XiaoMi-AI文件搜索系统
World File Search System代表性
谁信任基因编辑的食物？对一项代表性调查研究的分析，预测了饮食和有目的的避免基因编辑的食物的意愿
CRISPR-CAS，ZFN和TALEN提供基因编辑机会，这些机会可能会导致新食品和农产品具有最终用途消费者的可识别利益。鉴于前几代人经过遗传修改的食品所面临的公众看法和反弹，因此人们对基因编辑的食品将如何被理解，以及是否会被社会接受或避免。这项研究提供了及时可靠的数据，这些数据报告了美国公众的代表性协调研究，以表明哪些因素影响其愿意饮食或有目的地避免基因编辑的食物的意愿。这项研究填补了这一差距，以确定具有影响力的因素，这些因素不仅有助于解释公众信任的成员GEF并愿意吃GEF食品或选择避免它们，而且还可以避免使用它们，为什么要持有他们的信任态度。通过我们的分析，我们发现社会价值，机构信任和意识是美国人为什么选择进食或避免基因编辑食物的最重要因素。令人惊讶的是，公众对食物的切实特征（例如安全，成本，口味和外观）的态度与GE食品感知无关。这有助于解释为什么美国公众几乎没有区分愿意吃加工的意愿或用杂草作物制成的生食。
机器学习和人工智能系统的数据代表性
图 3. 使用覆盖样本与使用完整人口普查加州训练数据相比，在 10 次迭代采样和训练线性回归模型时平均性能改善/恶化。覆盖样本占完整人口普查训练数据的 20%。误差线表示标准偏差。正值表示在覆盖样本上训练的模型的平均 MSE 比完整人口普查训练数据模型的平均 MSE 有所改善。负值表示与使用完整人口普查训练数据相比，抽样会降低性能。所有州的平均性能提高了 2.1%。
OPF-Learn：用于创建代表性交流最优潮流数据集的开源框架：预印本
摘要 — 可再生能源发电水平的提高激发了人们对数据驱动的交流最优功率流 (AC OPF) 方法的兴趣，以管理不确定性；然而，缺乏规范的数据集创建和基准测试，阻碍了对文献中的方法进行有用的比较。为了树立信心，模型必须能够可靠地预测各种运行条件下的解决方案。本文为 Julia 和 Python 开发了 OPF-Learn 包，它使用一种计算效率高的方法创建代表性数据集，涵盖交流 OPF 可行域的广泛范围。负载曲线是从包含交流 OPF 可行集的凸集中均匀采样的。对于找到的每个不可行的点，使用不可行性证书来减少凸集，这些证书是通过使用宽松公式的性质找到的。与文献中看到的传统技术相比，该框架可以生成更能代表整个可行空间的数据集，从而提高机器学习模型的性能。
经济学入门：代表性样本
劳工统计局 (BLS) 的许多调查都使用样本来收集数据并计算经济统计数据。使用随机样本，人们会被随机选择来回答。代表性样本包括那些被选中的人，因为他们具有与我们想要了解的内容相关的某些特征。使用代表性样本，我们可以向特定部分人口询问有关经济的问题，然后根据他们的答案来讨论整个人口。例如，如果你想回答关于高中生和体育运动的问题，你可能会使用参加体育运动的高中生的代表性样本，而不是使用随机样本询问任何人。
了解 AI 数据集中年龄的表示和代表性
在 AI 训练数据集中对不同人口群体的多样化表示对于确保模型适用于大量用户非常重要。为此，最近在 AI 公平性和包容性方面的努力主张创建在种族、性别、社会经济地位和残疾状况方面均衡的 AI 数据集。在本文中，我们通过关注年龄的表示来为这项工作做出贡献，询问老年人在 AI 数据集中的代表性是否与总体人口成比例。我们研究了有关 92 个面部数据集的公开信息，以了解它们如何编纂年龄，并以此作为案例研究，以调查如何记录受试者的年龄以及老一代是否有代表性。我们发现老年人的代表性非常不足；研究中明确记录受试者年龄封闭区间的五个数据集包括老年人（定义为 65 岁以上），而只有一个数据集包括最年长的老年人（定义为 85 岁以上）。此外，我们发现只有 24 个数据集在其文档或元数据中包含与年龄相关的信息，并且这些数据集中没有采用一致的方法来收集和记录受试者的年龄。我们认识到在年龄方面创建代表性数据集的独特困难，但将其作为对包容性 AI 感兴趣的研究人员和工程师应该考虑的一个重要维度。
提高年龄段在药物开发中的代表性的第一步
2016年21世纪治疗法案，将年龄作为人类研究中的包含变量的考虑，以确定任何与年龄相关的排除的依据标准，并提供了有关临床研究参与者年龄的数据。可接受的理由是根据年龄的年龄排除个人。在排除年龄组中不会发生疾病或状况，或者研究主题与排除的年龄组无关。
美国 COVID-19 疫苗的可接受性和不平等性：一项全国代表性调查的结果
背景 截至本次调查开展时，即 9 月 1 日，美国约有 600 万例 COVID-19 病例和 176,771 例死亡，且尚无联邦政府批准的疫苗。本研究的目的是探索美国民众接受 COVID-19 疫苗的意愿，并描述不同种族、族裔和社会人口统计特征对这种接受度的影响。方法 这是一项横断面数字调查，从第三方 Dynata 维护的具有全国代表性的小组中抽样参与者。Dynata 随机抽样其数据库，并通过电子邮件向美国居民发送基于网络的调查问卷，确保样本与美国人口普查的年龄、种族、性别、收入和人口普查地区估计值相匹配。参与者被问及他们是否愿意：1) 在 COVID-19 疫苗公开上市后立即接种，以及 2) 在即将到来的流感季节接种流感疫苗。参与者可以回答非常愿意、愿意、不愿意或非常不愿意。对于那些表示不愿意接种 COVID-19 疫苗的人，我们收集了他们犹豫的原因。所有参与者都被询问他们从哪里获得与疫苗相关的信息，以及他们最信任哪些来源。我们进行了单变量和多变量逻辑回归，以检验所有人口统计特征与接种 COVID-19 疫苗意愿之间的关联。结果从 2020 年 9 月 1 日到 9 月 7 日，1592 名受访者完成了在线调查。总体而言，加权分析发现，只有 58.9% 的样本人群愿意或非常愿意在 COVID-19 疫苗公开上市后立即接种。相比之下，67.7% 的受访者愿意或非常愿意接种流感疫苗。按性别划分，66.1% 的男性和 51.5% 的女性愿意接种 COVID-19 疫苗。男性明显比女性更愿意接种 COVID-19 疫苗（调整后的优势比 (OR) = 1.98，95% CI：1.56，2.53；p < 0.001）。黑人是接种意愿最差的种族/族裔群体（48.8%）黑人（aOR = 0.59，95%CI：0.43，0.80；p < 0.001）明显比白人更不愿意接种 COVID-19 疫苗。不愿意接种 COVID-19 疫苗的原因有很多。最常见的原因是担心疫苗的安全性（36.9%），其次是担心其有效性（19.1%）。解释总之，我们发现相当一部分（41%）的美国居民不愿意在 COVID-19 疫苗公开上市后立即接种。我们发现不同人群对疫苗的接受程度不同。除了接种疫苗意愿的亚群体差异外，受访者还提供了不愿意接种疫苗的各种原因，这是由各种疫苗信息来源（和错误信息）所驱动的。这使得向人群提供安全有效的 COVID-19 疫苗以实现群体免疫的挑战更加严峻。可能需要多管齐下、有针对性的沟通和宣传工作，才能实现高水平的免疫覆盖率。
代表性出版物Yinning Zhou
Suriadi Budiman，通过电纺制造的增材制造，可启用更坚固的生物风格材料，材料科学与工程的进步，2018年； 9。doi：10.1155/2018/8460751 12。ying Zhou，Dahou Yang，Yinning Zhou，bl Khoo，Jongyoon Han和Ye ai，表征可变形性
用于遭遇建模的代表性小型 UAS 轨迹
随着无人机系统 (UAS) 不断融入美国国家空域系统 (NAS)，需要量化无人机和载人飞机之间空中碰撞的风险，以支持法规和标准的制定。监管机构和标准制定组织都广泛使用了使用飞机飞行概率模型的蒙特卡罗碰撞风险分析模拟。我们之前已经展示了一种开发小型无人机系统 (sUAS) 飞行模型的方法，该方法利用开源地理空间信息和地图数据集来生成具有代表性的低空无人操作。这项工作在之前的研究基础上进行了扩展，评估了开源数据的可扩展性和多样性，以支持当前所需的风险评估。我们还考虑将这些轨迹与生成式载人飞机模型配对，以创建用于蒙特卡罗模拟的相遇。
透视图不足以少数族裔代表性在SARS-COV-2疫苗试验中
摘要。少数民族社区在美国首当其冲。非白人已经收缩了大多数SARS-COV-2感染；黑人美国人的共同死亡率是白人的两倍以上。鉴于此，研究这些人群中预防和治疗SARS-COV-2的最有效方法应该是研究的优先事项，尤其是在疫苗试验方面。美国国立卫生与食品药物管理局的联邦准则强调需要将少数群体纳入这些试验，但没有公开可用的SARS-COV-2疫苗试验方案需要代表的少数群体抽样。这篇文章强调了将少数民族社区充分纳入SARS-COV-2疫苗试验的重要性，以及该纳入SARS-COV-2疫苗分布的含义。