XiaoMi-AI文件搜索系统
World File Search System决策模型
可再生能源
世界人口的快速增长以及全球经济增长的上升趋势引发了与能源消耗有关的严重问题。在这方面，根据人口趋势、主要经济指标、技术条件、社会和环境问题全面分析当前和潜在的能源形势已成为制定周密的全球和区域能源战略的重要问题。在本研究中，构建了一个可再生能源规划的多目标决策模型，通过重点关注五种可再生能源，即太阳能、风能、地热能、水力发电和生物质能，确定最适合土耳其的资源多样性。在提出的多目标模型中提出了四个目标函数，包括最大化地区的技术得分、最大化创造就业机会、最大化环境得分和最小化成本。作为一种解决方案，执行了两阶段模糊目标规划方法。使用 LINGO 软件作为模型优化的综合求解器来解决所提出的模型。通过将所提出的方法与其他多目标方法进行比较，分析了该方法的适用性。结果表明，为了满足所述目标，大部分能源需求应通过太阳能和水力发电来满足。© 2022 Elsevier Ltd. 保留所有权利。
使用武力政策| 2020年12月-NJ.GOV
主动攻击者。以侵略性的方式使用或迫在威胁使用武力的人，构成对人员或其他人造成人身伤害的重大风险。当威胁即将到来时，威胁袭击者将成为积极的袭击者。主动电阻。一个不合作，未能遵守军官的指示的人，而是积极尝试避免身体控制。这种类型的阻力包括但不限于手臂的逃避运动，弯曲的手臂，身体下方的紧张手臂以避免手铐和飞行。人身伤害。身体疼痛或暂时的毁容或任何身体状况损害。人身伤害和身体伤害具有相同的定义。请参阅N.J.S.A.2C：11-1（a）; N.J.S.A.2C：3-11（e）。 民事干扰。 由参与或立即构成集体暴力，毁灭财产，抢劫或其他犯罪行为的人的大会。 这样的聚会也可以称为骚乱。 chokhold。 一种技术，涉及将直接压力施加到人的气管（风管）或气道（脖子前），并减少空气的摄入量。 这包括颈动脉约束或任何横向颈部约束，将直接压力施加到颈动脉，将血液流向大脑，从而导致暂时的意识丧失。 进行的能量装置（CED）。 建设性权威。 合作者。2C：3-11（e）。民事干扰。由参与或立即构成集体暴力，毁灭财产，抢劫或其他犯罪行为的人的大会。这样的聚会也可以称为骚乱。chokhold。一种技术，涉及将直接压力施加到人的气管（风管）或气道（脖子前），并减少空气的摄入量。这包括颈动脉约束或任何横向颈部约束，将直接压力施加到颈动脉，将血液流向大脑，从而导致暂时的意识丧失。进行的能量装置（CED）。建设性权威。合作者。CED是指司法部长批准的任何设备，能够发射发射电荷或电流以暂时禁用人的电荷的飞镖/电极。建设性权威不被视为使用武力，因为它不涉及与主题的物理接触。而是，建设性权威涉及使用官员对主体的控制权。例子包括口头命令，手势，警告和毫不掩饰的武器。将枪支指向主题是仅在本政策第3.4节中概述的适当情况下使用的建设性权限的一个例子。一个回应并符合军官指示的人。关键决策模型。关键的决策模型是一种有组织的方式，可以做出关于军官在任何情况下如何采取行动的决策，包括可能涉及武力使用的情况。降级。降级是指在试图减少，稳定或消除威胁的即时性的过程中进行口头或非语言交流的行动。降级也可以是
利用数字孪生信息进行海上风电子结构可靠性更新
摘要：本文提出了一种基于数字孪生信息更新海上风力涡轮机子结构可靠性的概率框架。具体来说，从数字孪生获得的信息用于量化和更新疲劳损伤累积中与结构动力学和载荷建模参数相关的不确定性。更新后的不确定性包含在用于更新结构可靠性的疲劳损伤累积概率模型中。更新后的可靠性可用作输入，以优化现有结构的运行和维护以及新结构设计的决策模型。该框架以两个具有代表性的海上风力涡轮机的数值案例研究和从先前建立的数字孪生中获取的信息为基础。在此背景下，研究了更新土壤刚度和波浪载荷的影响，这两个参数构成了两个高度不确定和敏感的参数。研究发现，更新土壤刚度会显著影响靠近泥线的接头的可靠性，而更新波浪载荷会显著影响位于溅区局部的接头的可靠性。用于更新波浪载荷的虚拟传感会增加不确定性，从而降低结构可靠性。
面向人类可解释人工智能的模糊系统及其应用特刊
（投稿截止日期为 2020 年 10 月 31 日） 1. 目的和范围 模糊系统是计算智能领域最重要的进步之一，由于它由人类的推理和决策模型组成，因此在许多数据科学场景中都表现出出色的模糊建模能力。通过基于模糊规则的系统和算法之间的协作，有助于进一步理解人工智能，特别是机器学习的准确性和可解释性，从而获得人类可解释的人工智能模型。目前，基于人工智能的模型的目标不仅是实现最高的准确性，而且还要对其用户和开发人员具有可解释性。从这个意义上说，模糊系统保留了可揭示的可理解性的原始性质并提高了其建模能力，在处理人类可解释的人工智能方面优于其他方法。本期特刊旨在收集一系列关于模糊系统的优秀研究，以期朝着可用人类推理解释的人工智能领域迈进。这将简要介绍人类可解释的人工智能这一新兴领域的最新进展。2. 涵盖的主题可能的主题列表包括但不限于：
基于三项原则的土耳其航天发射场选址...
1 国防大学，Hezârfen ASTIN，工业工程系，34149 伊斯坦布尔，土耳其，2 国防大学，土耳其空军学院，工业工程系，34149 伊斯坦布尔，土耳其 收到日期：2022 年 4 月 29 日 修订日期：2022 年 6 月 29 日 接受日期：2022 年 7 月 18 日 摘要 Özet 自从基于军事计划的空间技术诞生以来，这一进程已经朝着在各个领域使用这些技术的方向发展。另一方面，当前的趋势强调了使这些技术可访问且价格低廉的重要性。大量研究表明，位置会影响活动的成本和成功。本研究提出了一种混合决策模型来确定土耳其太空港的位置。由于空间技术在土耳其是一个新课题，专家判断包括不确定性。模糊集理论是克服不确定条件的有效工具。因此，提出了一种基于球形模糊 AHP 和 VIKOR 方法的方法。通过全面的文献综述，确定并评估了 20 个标准和 5 个备选地点。结果表明，最重要的标准分别是技术要求、成本和经济性以及基础设施。根据这些标准，土耳其航天港的最佳备选地点被确定为索马里。
维护策略选择由故障率功能支持：在串行制造线中应用
研究问题是如何在制造工厂中选择关键设备的维护程序。本文的目的是为锻造生产线的关键设备选择维护专业，包括五台机器。研究方法是定量建模和仿真。主要的研究技术是故障（TBF）与修复时间（TTR）之间时间的概率建模以及整个系统的仿真，以计算必要的可靠性参数。使用现场数据和基于故障的决策模型可以减少对主要租赁策略决策的继承风险和不确定性（Ge等，2017; Panchal等，2017; Seiti et al。，2017; Seiti et al。，Seiti等，2018a; Seiti et eiti; Seiti等人，2018b）。该研究采用了故障率函数，可以将其视为设备在整个生命周期中的可靠性的指示（Jónás等，2018）。主要新颖性是一种合适的结构，可帮助选择仅基于经验数据的关键设备的维护策略。该方法依赖于故障率函数的行为。该研究计算了个人和总体平均时间失败时间（MTBF），平均修复时间（MTTR），可用性以及每个生产订单最可能的失败数量，这些失败次数遵循泊松过程。
对武器系统进行作战测试
管理层评论。国防部负责采购和技术的副部长、作战测试和评估主任以及各军事部门总体上同意将集成产品团队概念应用于测试规划和执行过程。国防部负责采购和技术的副部长不同意需要开发一个决策模型来评估进行测试的准备情况；但是，他建议国防采购手册将是制定决策标准的合适场所。作战测试和评估主任不同意仅在充分解决限制影响的情况下才批准测试计划和报告，他坚称测试计划和报告没有拒绝决策者的重要信息。国防部副部长（审计长）建议将建议草案重新定向到预算充足的资源。作战测试和评估主任部分同意报告所有作战测试，并将确定应报告哪些非主要系统的作战测试信息。国防部负责采购和技术的副部长表示，《选定的采购报告》经过充分协调，代表了国防部的立场；但是，《选定的采购报告》改革举措可能会解决报告中提出的问题。有关管理层评论的讨论，请参阅第一部分，有关 m 的完整文本，请参阅第三部分
人机协作中的伦理问题：原则与观点
摘要 道德考量是我们社会的组成部分，它促进合作、帮助和为更大的利益而牺牲。人工智能的进步使得人们更需要研究涉及此类系统开发和实施的道德考量。将道德融入基于人工智能的程序对于防止隐私泄露和决策偏见等负面结果至关重要。人机协作 (HAIT) 带来了额外的挑战，因为为其提供依据的道德原则和道德理论尚未被机器计算；人类必须保持“知情”才能仲裁道德考量。为此，人类判断和决策模型（例如代理-行为-后果 (ADC) 模型）对于指导人工智能队友的道德指导功能以及阐明人类如何以及为何（不）信任机器至关重要。本文将研究 ADC 模型在 HAIT 环境中的应用，以及在人工智能环境中使用以人为中心的道德模型所带来的挑战。由 ADC 模型决策树赋能的 AI 算法既能灵活适应各种道德框架，又能适应不同的环境和背景情况，因此我们相信这项研究为将道德原则应用于 HAIT 的挑战提供了一种新颖的解决方案。关键词：人机协作 (HAIT)、代理-行为-后果 (ADC) 模型、护理机器人、道德、信任、人工智能 (AI)
人工智能是数字化教育的关键要素
摘要 本文提出了使用人工智能系统的目标类型，对应于理解教育的三个关键方面（教育作为一个系统，教育作为一个过程，教育作为结果）并对应于教育发展的重要趋势（全球教育系统的灵活性和分散化程度的提高，教育过程的个性化，基于能力的教育成果的数字化固定）。本文描述了在教育的系统方面，人工智能技术将能够使教育管理更接近于使用基于大量定性数据的方法，并有助于制定基于证据的教育政策。结果表明，决策模型在管理中的解释问题直接影响对人工智能支持教育领域管理决策的有效性的评估。结果表明，在人工智能的支持下，教学和培养过程可以个性化和个性化，通过形成按格式、内容、教育环境划分的个性化教育计划；培训课程的方法支持；提高学生的积极性和参与度。教育主体之间互动模式的转变在对主体的自主性和责任感、社会化和教育结果、教育过程的劳动强度和透明度的影响方面尚不明确，包括考虑到“人机交互”系统作为训练有素的代理出现的前景。在教育的有效性方面，人们发现人工智能作为监测和记录教育成果的工具具有吸引力
支持建筑决策对强化学习体系结构的培训策略的支持
摘要 - 在人工智能和机器学习的动态格局中，强化学习（RL）已成为一种有力的范式，用于训练智能代理在序列决策中。随着RL体系结构在复杂的过程中的进展，对培训策略以及对软件体系结构的相关后果的明智决策的需求变得越来越复杂。这项工作通过介绍一项定性，深入研究的结果来解决这一挑战，该研究重点介绍了RL架构的培训策略中的最佳实践和模式，如从业者所阐明的那样。利用基于模型的定性研究方法，我们引入了一种正式的建筑决策模型，以弥合科学见解与实际实施之间的差距。我们旨在增强对RL体系结构中从业者的方法的理解。本文分析了33个知识来源，以辨别建立的工业实践，模式，关系和决策驱动因素。基于此知识，我们引入了正式的建筑设计决策（ADD）模型，封装了6个决策，29个决策选择和19个决策驱动程序，从而为基于RL的软件体系结构的这一关键方面提供了强有力的决策支持。索引术语 - 机器学习，强化学习，扎根理论，软件架构，设计决策