XiaoMi-AI文件搜索系统
World File Search System决策模型
航空事故分析中的人为失误方法
图 1.1 第一起致命航空事故 2 图 1.2 1961-99 年全球商业航空公司整体和致命事故 3 图 1.3 美国通用和军用航空的事故趋势 4 图 1.4 1950 年至 2000 年间美国海军航空事故率和干预策略 5 图 1.5 原来的直线型航母飞行甲板和改进的斜角型航母飞行甲板 6 图 1.6 1996 年至 2000 财年美国海军/海军陆战队事故的经济成本 8 图 1.7 商用喷气式飞机事故数量、事故率和交通量增长 – 过去、现在和未来 9 图 1.8 与人为错误相关的海军航空事故率与仅归因于机械或环境因素的事故率 11 图 1.9 工程调查和预防过程 13 图 1.10 人为错误过程循环 17 图 2.1 信息处理的基本模型 21 图 2.2 决策模型 22 图2.3 评估机组失误的分类框架 24 图 2.4 SHEL 模型 27 图 2.5 事故成因模型。成功完成任务（顶部）；未成功完成任务（底部） 29 图 2.6 Peterson 的动机、奖励和满意度模型 31 图 2.7 事故成因的流行病学模型 33 图 2.8 影响机组失误的社会因素 35 图 2.9 事故成因的多米诺骨牌理论 38 图 2.10 驾驶舱操作的四个“P” 41 图 3.1 生产系统的组成部分 46 图 3.2 事故成因的“瑞士奶酪”模型 47 图 3.3 机组人员实施的不安全行为的类别 51 图 3.4 不安全行为的先决条件类别 56
小鼠间歇性气味刺激的感知和神经表示
小鼠Luis Boero* 1,2，Hao Wu* 1,2,3，Joseph D. Zak 4，Paul Masset 5，Farhad Pashakhanloo 1,2，Siddharth Jayakumar 1，2美国剑桥，美国2号哈佛大学蜂窝生物学，美国剑桥大学，美国3化学与化学生物学系，哈佛大学，美国剑桥，美国4伊利诺伊州伊利诺伊大学生物科学系美国剑桥的哈佛大学工程和应用科学8肯普纳自然与人工智能研究所，哈佛大学，美国剑桥 *这些作者贡献了同样的贡献。†与Venkatesh N. Murthy（vnmurthy@fas.harvard.edu）的通信，自然界中的抽象气味线索由于动荡的运输而稀疏且高度波动。为了研究动物如何看待这些间歇性线索，我们制定了一项行为任务，在该任务中，头部约束小鼠根据几秒钟内随机提出的离散气味脉冲的总数做出了二进制决策。小鼠很容易学会这项任务，并且他们的性能被广泛使用的决策模型很好地描述。logistic在呼吸周期内针对气味脉冲时间的二进制选择的逻辑回归表明，小鼠对吸入期间刺激的感知重量更高，而不是呼气，这种相位依赖性与嗅觉感觉神经元中反应的幅度密切相关。前梨状皮层（APCX）神经元对气味脉冲的种群反应也通过呼吸阶段进行调节，尽管单个神经元表现出不同的相位依赖性水平。单个APCX神经元对气味脉冲反应，导致表示有感觉证据的特征，但没有其积累。我们的研究表明，小鼠可以在数十个呼吸中整合间歇性的气味信号，但是感觉输入的呼吸调节对信息获取施加了限制，即皮质电路无法克服改善行为。
中长期混合交易的决定...
摘要：新一轮电改政策的出台使得售电公司交易环境日趋复杂，在中长期市场和现货市场中，遵循新政策导向的交易决策优化是售电公司关注的重点。本研究的主要目标是考虑我国当前电改最新政策对电力交易各主体的影响，提出售电公司在中长期和现货市场对可再生能源电力与常规能源电力混合电力交易进行优化决策的方法，以提高电力市场交易效率，促进可再生能源消纳，助力电力市场与可交易绿色证书市场协同发展。本文首先探讨了新电改政策对电力市场各主体交易的影响，构建了消费者效用函数模型、售电公司利润模型、含储能发电厂利润模型。考虑电力市场各主体之间复杂的电力供需关系，以售电公司综合购电成本最小化为目标，建立中长期市场、现货市场和可交易绿证市场混合交易决策博弈模型。为降低现货价格不确定性带来的决策风险，采用先知模型对现货价格进行预测；最后，通过对售电公司决策模型分析，求解出不同交易时段、不同场景下售电公司的最优交易决策。测试结果表明，所提模型可显著提高售电公司的盈利能力，为售电公司参与中长期市场和现货市场提供决策参考。
政治经济学模型 马丁·J·奥斯本
集体选择、投票、选举竞争以及叛乱威胁引发的权力转移。政治经济学涉及这些主题以及其他许多主题。本书仅限于这四个主题；其标题应读作“政治经济学中的一些模型”。它在方法论方面也受到限制：它仅限于正式模型。我详细介绍了少数模型，并不试图调查相关工作。我个人只有在理解其证明时才会欣赏结果，因此包括了我陈述的几乎所有结果的完整证明。我讨论的模型是我认为有吸引力的模型——它们优雅地表达了原创思想并帮助我组织对世界各个方面的想法。他们做到这一点的一种方式是将不同情况下的共同点放在首位。例如，第 1 章中的集体决策模型强调了一个国家居民选择国家卫生政策和一群朋友选择餐馆吃饭的问题的共同要素。通过以这种方式将各种情况联系起来，该模型使我认为自己更好地理解了世界的某些方面，尽管这种改进的确切性质通常很难确定。在模型中，就像在许多其他领域一样，人们的品味也有所不同。与假设特定函数形式的模型相比，我更喜欢相对通用的模型，并且对博弈论、纳什均衡和子博弈完美均衡的基本解概念的细化持谨慎态度。我发现假设特定函数形式的模型不能令人满意，因为它们留下了其属性依赖于形式的可能性，而只考虑均衡子集的模型也不能令人满意，因为它们留下了其他均衡不具有相同属性的可能性。但在这两种情况下，分界线都是模糊的。毕竟，每个模型都是更一般模型的一个例子。在我讨论的一些模型中，决策者的收益函数是线性的，这当然是一种特定的函数形式，并且假设博弈者不会使用弱支配行动，这是对标准均衡概念的细化。
商业银行国际领导...
在4月5日，阿联酋AI Fintech Zypl.ai Dubai中：总部位于迪拜的公司和零售银行的商业银行国际商业银行国际（CBI）宣布了其在Zypl.ai的投资，这是一家金融科技初创公司的投资，这是一家为生产AI在贷款中的应用。这项投资包括对Zypl.ai的种子后桥梁投资，以及一组全球投资者，在公司计划的A系列筹集之前，该投资将于2024年晚些时候进行。自从销售推出以来，每年的经常性收入越过了100万美元的年度经常性收入，Zypl.ai已经在运营中已经开展了收支平衡。除了全球在大陆上进行了主要金融机构的扩张外，金融科技还关注东南亚的小额信贷，尤其是北美的信用合作社，以及在保险行业的承销。zypl.ai的旗舰软件 - Zypl.Score - 使金融机构能够通过生成合成数据来优化零售和中小企业投资组合的信用决策模型。在欧亚大陆12个市场上有35多家银行部署了Zypl.ai专有的AI-AS-AS-AS-Service软件，以最少的违约率承销> 1亿美元的信贷组合。为了为其信用决定提供动力，Zypl.ai已在超过5400万个传统和替代数据点的累积数据集上建立了专有生成对抗网络（GAN）。这种独特的方法为金融机构提供了对动态训练的AI模型进行宏观挽救的决策，这些模型会因改变宏观经济周期而改变。通过本地部署，zypl.ai确保完整的数据隐私和机密性。部署Zypl.ai时，企业客户可以将Zypl.Score完全自定义为其风险胃口，以反映竞争性市场优势。由于其具有嵌入式“权重”的可解释性功能，Zypl.Score完全符合需要“ Black-Box”信用模型解释性的新兴监管条件。
基于国际随机 3 期临床试验的肿瘤浸润淋巴细胞治疗晚期黑色素瘤的成本效益
摘要 简介 在荷兰和丹麦进行的一项多中心、开放标签随机 3 期临床试验中，与伊匹单抗相比，使用来自自体黑色素瘤的体外扩增肿瘤浸润淋巴细胞 (TIL-NKI/CCIT) 治疗可改善一线或二线治疗失败后无法切除的 IIIC-IV 期黑色素瘤患者的无进展生存期。根据这项试验，我们进行了成本效用分析。方法 构建了马尔可夫决策模型来估计荷兰 TIL-NKI/CCIT 与伊匹单抗的预期成本（以 2021 欧元表示）和结果（质量调整生命年 (QALY)）。在情景分析中评估了丹麦的情况。在一生中应用了修改后的社会视角。通过基于活动的成本核算估算了 TIL-NKI/CCIT 的生产成本。通过敏感性分析，评估了不确定性及其对增量成本效益比 (ICER) 的影响。结果 TIL-NKI/CCIT 的平均总未折现终生收益为 4.47 生命年 (LY) 和 3.52 QALY，而 ipilimumab 的平均总未折现终生收益为 3.33 LY 和 2.46 QALY。荷兰 TIL-NKI/CCIT 的总终生未折现成本为 347,168 欧元（包括 67,547 欧元的生产成本），而 ipilimumab 为 433,634 欧元。丹麦情景下的未折现终生成本分别为 337,309 欧元和 436,135 欧元。这导致 TIL-NKI/CCIT 与 ipilimumab 相比在这两个国家都占据主导地位，这意味着以较低的成本获得了增量 QALY。生存概率和在进行性疾病中的效用对 ICER 影响最大。结论基于随机 3 期试验的数据，在目前的荷兰和丹麦环境下，使用 TIL-NKI/CCIT 治疗不可切除的 IIIC-IV 期黑色素瘤患者是具有成本效益和节省成本的。这些发现导致将 TIL-NKI/CCIT 纳入保险护理和治疗指南。公共资助的 TIL-NKI/CCIT 细胞疗法开发显示出进一步探索有效个性化治疗发展的现实前景，同时保证医疗保健系统的经济可持续性。
混合AI模型：将符号推理与深度学习进行复杂决策 -
Aditya Mehra独立研究人员摘要：在这项研究中，作者研究了整合符号和深度学习方法的实施，以开发混合AI系统以改善复杂的决策。常规AI方法区分了基于一阶逻辑的符号推理，基于符号逻辑的系统和基于数据的系统的神经网络。每个都有其优势和局限性。也值得注意的是，符号AI很容易解释，并且可以有效地处理结构化知识。同时，深度学习擅长处理大量非结构化数据和识别模式。因此，该研究的重点是开发两种方法的合并模型，其合并将提供更大的优势，并在与决策相关的任务中提供更好，更有效的解决方案。显然，研究对AI的贡献是显而易见的。首先，它试图将符号推理与深度学习与一个弥补另一个弱点的优势联系起来，包括在深度学习中缺乏可解释性和符号系统中极端形式主义。提出的方法涉及通过新的建筑方法创建和应用符号/语义和深度学习的双重AI架构。符号推理组件是基于规则的系统。我们将符号推理组件作为基于规则的系统实现。我们将深度学习组件作为神经网络创建。这些组件可以在一个整体系统中清楚地相互交互。几个重要的发现表明，与基于符号思维或深度学习的决策模型相比，用于决策的混合AI模型可提供更好的决策精度。集成有助于改善结构化和非结构化数据的处理，从而提高系统结果的可靠性。此外，还有更好的解释性；符号推理部分可以解释为什么做出这样的决定，并且对新的和复杂的问题具有增强性。这项研究的后果突出了在应用程序和财务等特定领域开发的关键领域，在这些领域中，做出正确且易于解释的决策至关重要。AI的主要问题是考虑准确性的解释；混合模型提出了随后开发AI系统的可能方向。因此，本研究为进一步研究其他混合结构提供了方向，增强了整合方法，并将提出模型的使用扩展到其他决策问题。
o r i g i n a l r e s a r c h的开发和机器学习模型的验证，以预测较差的动脉瘤S
背景：血管内治疗（EVT）被建议作为治疗颅内动脉瘤的优越方式。然而，患有EVT的动脉瘤性蛛网膜下腔出血（ASAH）患者的功能结果较差仍然存在。因此，迫切需要研究风险因素并在此类患者的亚型中开发关键的决策模型。方法：我们从正在进行的注册表队列研究Prosah-MPC中提取了目标变量，该研究是在中国多个中心进行的。我们将这些患者随机分配给培训和验证队列，比为7：3。单变量和多元逻辑回归以找到潜在因素，然后开发了具有优化变量的九个机器学习模型和堆栈集合模型。通过多个指标评估了这些模型的性能，包括接收器操作特征曲线（AUC-ROC）下的区域。我们进一步使用Shapley添加说明（SHAP）方法，基于最佳模型的特征可视化分布。结果：总共招募了226名经历EVT的较差ASAH的合格患者，而89（39.4％）的12个月结果较差。年龄（调整或[AOR]，1.08; 95％CI：1.03–1.13; P = 0.002），蛛网膜下腔出血体积（AOR，1.02; 95％CI：1.00-1.05; P = 0.033; P = 0.033; P = 0.033），神经外神经社会级联盟，Wornurosurgical Societies等级（wfns）（W ffns）（w ffns）（w ffns）（w ffns）（2.03）（aor c）（2.03）; 1.05–3.93; p = 0.035）和狩猎级别（AOR，2.36; 95％CI：1.13–4.93; p = 0.022）被确定为不良结果的独立风险因素。NCT05738083。然后，开发的预测模型表明，LightGBM算法在验证队列中的AUC-ROC值为0.842，而Shap结果表明年龄是影响功能结果的最重要的风险因素。结论：LightGBM模型在促进患有不良后果风险的贫困级ASAH患者的风险分层方面具有巨大的潜力，从而增强了临床决策过程。试用注册：Prosah-MPC。2022年11月16日注册 - 回顾性注册，https：// clinical trials.gov/study/nct05738083。关键词：颅内动脉瘤，蛛网膜下腔出血，血管内手术，机器学习，预后
改善空运文件流程和质量
本论文基于汉莎货运 (LCAG) 和瑞士国际空港有限公司 (SWP) 在芬兰赫尔辛基万塔机场开展的出口货物行程文件检查项目。本论文旨在改善空运文件流程和质量。每个站点（机场）可能对同一承运商有不同的处理活动设置。就赫尔辛基机场而言，LCAG 公司签订了执行处理活动的合同，例如：运营空运货物处理管理、装载计划、优化和使用 SWP 创建行程文件。行程文件是一套专用于每趟载有货物的出境航班的文件。行程文件包含所有法律强制文件和操作信息，无论是 IT 系统中的数字文件还是文件夹中带有签名的硬拷贝文件。行程文件创建是 SWP 作为 LCAG 的地面服务代理 (GHA) 执行的活动之一。行程文件检查是 LCAG 执行的过程，同时监控其他质量关键绩效指标，以评估 GHA 执行的工作质量。这尤其重要，因为 LCAG 要么为良好表现支付月度奖金，要么根据质量指标向 GHA 收取错误费用。本论文是一项基于行动的研究，其主要目标是通过流程变更来提高公司之间数据创建、存储和传输的质量。次要目标是消除行程文件中的归档错误类型并减少 GHA 员工执行的不必要的额外工作。为了了解背景并执行项目，在项目开始之前研究了三个主题。第一个主题是向读者介绍航空货运业和一般层面的航空运输相关方。第二个主题是标准地面处理协议 (SGHA) 下货运承运人和 GHA 之间的典型合同关系。第三个主题是详细的出口货物流程，以及当前文件的创建、存储和检查流程。由于最大限度地利用了 GHA 设施中可用的 IT 系统，因此项目目标得以实现。根据“行动研究周期”和“7 步决策模型”对流程进行了更改。实施解决方案的结果通过定量和定性措施进行衡量，并通过两种量表确认为成功。定量措施基于内部行程文件检查年度统计数据。通过收集和分析项目参与方的定性问卷来衡量定性指标。本论文介绍了参与航空运输的主要各方，并详细洞察了通常在幕后的航空货物出口流程的复杂性。
研究声明
我的研究重点是开发用于生物医学应用的新型AI技术，重点是翻译生物医学数据科学研究以使临床实践和生物学研究受益。我在AI，生物信息学，高性能计算以及生物医学物理学（BMP）和成像方面具有独特的专业知识。我对翻译研究的热情使我对尖端的AI研究并领导AI舞会生物医学物理学的创新，建立了与癌症生物学和放射疗法建立联系，以对该领域做出重大贡献。以下总结了我的研究经验和成就，并概述了我的研究努力的未来方向。A.研究成就A1。医学成像和图像分析：我开发了创新的实验和计算技术，用于在我的博士研究中使用超声检查对癌症组织的弹性和毛弹性特性进行成像。建立了一种新的数学框架，用于重建癌症组织的弹性和流体转运性能（血管通透性，间质通透性和间质性液压）。此外，在框架内开发了一种准确的方法，用于同时估计弹性模量和超声图像的可压缩性。这项工作增强了我们对癌症组织复杂机械行为的理解，并为癌症诊断和治疗评估提供了宝贵的见解。A2。我最近的另一项贡献是对对比特征分析（CFA）框架的开发，在参考文献中详细介绍。5。用于BMP应用程序的高性能和可解释的AI：深度神经网络（DNNS）在推理和决策模型培训期间将数千个特定于任务的特定功能提取到数百万个特定于任务的功能。可视化这些功能对于理解学习过程和改善DNN的性能至关重要，但现有的可视化技术仅适用于分类任务。对于回归，该特征点位于具有固有复杂形状的高维连续体上，从而使特征有意义地可视化。鉴于BMP中的大多数深度学习应用都是以回归为导向的，因此开发了一种概念框架和计算方法来可靠地可视化回归特征具有很大意义。i引入了DNN特征可视化4的多种发现和分析方法（MDA）方法，其中涉及学习与DNN的输出和目标标签相关的歧管拓扑。MDA提供了DNN特征的深刻洞察力，突出了DNN的适当性，概括性和对抗性鲁棒性。这些作品可以更深入地了解DNN“黑匣子”，从而设计了更有效的神经网络体系结构。发现CFA和MDA在改善多个医学成像应用中提高DNN性能和可解释性方面的有效性是显着的。A3。 基因组学数据分析的深度学习：单细胞基因组学的显着进步提出了询问大量生物医学查询的独特挑战和机会。A3。基因组学数据分析的深度学习：单细胞基因组学的显着进步提出了询问大量生物医学查询的独特挑战和机会。高维基因组数据本质上是复杂的，这是由于基因之间的相互交织的关系。现有的方法，包括新兴的基于深度学习的方法，并未考虑数据处理过程中的潜在生物学特征，这极大地损害了数据分析的性能并阻碍了先进基因组技术的最大利用。i开发了一种基于熵的制图策略，以将高维基因表达数据数据构成配置的图像格式，称为Genomap，并明确地集成了基因组相互作用6,7。这种独特的表格转换将基因 - 基因相互作用投入了基因组的空间配置，使我们能够提取深基因组相互作用特征并发现数据的潜在歧视性模式。i表明，对于多种应用（细胞聚类和识别，基因签名提取，单细胞数据积分，细胞轨迹分析，降低性降低和可视化），所提出的方法可大大提高数据分析的准确性。