案例计划 - 一份动态文件,用于根据对缓刑犯/假释犯犯罪因素的评估,指导缓刑犯/假释犯在监督期间实现其目标和治疗需求的进展情况;这是缓刑犯/假释犯和监督人员之间双方同意的合同,概述了监督期间的要求,确定了缓刑犯/假释犯的目标,概述了实现这些目标所需的活动,并设定了完成的时间框架。P&P 官员的监督、核实、转介和监控职责将根据每个缓刑犯/假释犯的目标进行定义。
本报告仅涉及根据缅因州法律开展的雇主测试活动;它不是对工作场所药物使用测试的全面研究,因为它不包括根据联邦测试计划进行测试的个人,这些测试不在缅因州测试法律的范围内。此外,它不包括根据缅因州法律修正案获得豁免的一些雇主的非联邦监管员工测试数据。获得缅因州法律豁免的雇主包括拥有联邦药物和酒精测试计划并被要求测试联邦法规规定的安全敏感职位的雇主。
摘要 — 这是一篇理论论文。它首先提出了人工智能 (AI) 中一种很少报道但不道德的做法,称为使用测试集进行后选择 (PSUTS)。因此,深度学习中流行的误差反向传播方法缺乏可接受的泛化能力。所有 AI 方法都分为两大流派,联结主义和符号主义。PSUTS 实践有两种,机器 PSUTS 和人类 PSUTS。联结主义学派因其大量凌乱的参数和现在的机器 PSUTS 而受到批评,因其“凌乱”;但看似“干净”的符号学派似乎比已知的更脆弱,因为它使用了人类 PSUTS。本文正式定义了什么是 PSUTS,分析了为什么具有随机初始权重的误差反向传播方法会遭受严重的局部最小值,为什么 PSUTS 违反了公认的研究伦理,以及为什么每篇使用 PSUTS 的论文都应该至少透明地报告 PSUTS 数据。为了提高未来出版物的透明度,本文提出了一种新的人工智能计量标准,称为项目中训练的所有网络的开发误差,最幸运的网络的选择取决于三个条件:(1)系统限制,(2)训练经验和(3)计算资源。