XiaoMi-AI文件搜索系统
World File Search System几类
可解释人工智能（XAI）评估方法的新视角
摘要 — 可解释人工智能 (XAI) 领域的一大挑战是如何评估可解释性方法。已经提出了许多评估方法 (EM)，但尚未建立黄金标准。几位作者根据 EM 本身的特点将可解释性方法的 EM 分为几类（例如，基于启发式、以人为本、基于应用、基于功能）。在本愿景论文中，我们提出也可以根据 EM 所针对的 XAI 过程的各个方面对 EM 进行分类。基于阐明 XAI 中主要过程的模型，我们提出存在解释信息 EM、理解 EM 和需求 EM。这种新颖的观点旨在通过较少关注 EM 本身而是关注可解释性方法想要实现的目标（即提供良好的解释信息、促进理解、满足社会需求）来增强其他作者的观点。我们希望这两种观点的结合能让我们更全面地评估可解释性方法的优缺点，帮助我们做出更明智的决定，决定使用哪种方法或如何改进它们。索引术语——可解释性、可解释人工智能、XAI、评估、评估方法、指标、研究
连续可变量子的操作量化...
在实际任务中量子状态实用性的基础的各种资源范围促使开发普遍适用的方法来衡量和比较不同类型的资源。但是，迄今为止，许多此类方法都限于有限维度或与操作任务无关。我们通过引入一种基于鲁棒性度量的连续变量量子系统来量化资源的一般方法来克服这一点，适用于多种物理相关的资源，例如光学非经典性，纠缠，真正的非高斯性和连贯性。我们特别证明该度量具有直接的操作解释，作为一类渠道歧视任务中给定状态的优势。我们表明，鲁棒性构成了任何凸资源理论中的良好，真正的资源量化符，与一种相关的基于负面的措施（称为标准鲁棒性）相反。此外，我们显示了可直接观察到的鲁棒性 - 可以将其计算为单个证人操作员的期望值 - 并建立了评估该度量的一般方法。明确将我们的结果应用于相关资源，我们证明了几类状态的鲁棒性的确切可计算性。
连续变量量子资源的操作量化
在实际任务中量子状态实用性的基础的各种资源范围促使开发普遍适用的方法来衡量和比较不同类型的资源。但是，迄今为止，许多此类方法都限于有限维度或与操作任务无关。我们通过引入一种基于鲁棒性度量的连续变量量子系统来量化资源的一般方法来克服这一点，适用于多种物理相关的资源，例如光学非经典性，纠缠，真正的非高斯性和连贯性。我们特别证明该度量具有直接的操作解释，作为一类渠道歧视任务中给定状态的优势。我们表明，鲁棒性构成了任何凸资源理论中的良好，真正的资源量化符，与一种相关的基于负面的措施（称为标准鲁棒性）相反。此外，我们显示了可直接观察到的鲁棒性 - 可以将其计算为单个证人操作员的期望值 - 并建立了评估该度量的一般方法。明确将我们的结果应用于相关资源，我们证明了几类状态的鲁棒性的确切可计算性。
低损失THZ波导及其朝着6G通信的潜力：简短的编年史评论
摘要 - 技术的预测已为Terahertz（THZ）频率范围打开了大门，该频率范围要在不同的领域应用于各种应用。未来的通信技术，尤其是6G，还将由于其较大的带宽具有实现高数据速率的能力，因此也将使用THZ频带。在对Terahertz传播介质的早期研究中出现了巨大的损失。至关重要的是，设计适当的波导，可以将THZ波有效地整合到系统中，并以最小的损失，并易于传输数据并克服自由空间损失问题。通信，传感和其他应用参数受传输损失的高度影响；因此，需要低传输损失和分散损失波导设计才能适当利用。在本文中，研究了在Terahertz频率范围内运行的不同类型的波导中传输损失减少的综述。还讨论了几类THZ波导的设计和实验设置，以最大程度地减少传输损失。审查研究表明，这些波导可能是未来6G通信的有希望的传输媒介。
AMEDD 命令选择
b. LTC/COL AMEDD 指挥部选拔通过集中选拔名单 (CSL) 委员会或提名小组程序进行。LTC/COL 军团/集中区 (AOC) 特定指挥部由人力资源司令部卫生服务部通过提名程序任命。指挥部选拔程序的目的是选出最有资格、拥有适当技能和经验、能够领导陆军专业人员、为全方位军事卫生行动做好准备并管理陆军资源的人。只有有限数量的 AMEDD 军官有机会担任指挥。未被选为指挥部的军官将继续在责任越来越大的任务中提供出色的服务，在作战部队和生成部队之间架起桥梁，并充当关键参谋部队指挥官的代言人。美国陆军预备役 (USAR) LTC/COL 指挥部通过适当级别的指挥部选拔委员会任命。陆军国民警卫队 (ARNG) LTC/COL 指挥部通过州副官长单位空缺委员会的决定任命。 2. AMEDD 指挥 LTC 和 COL 级别的 AMEDD 指挥机会分为以下几类：
职业性木尘暴露与慢性阻塞性肺病风险：一项荟萃分析
研究与质量量表（AHRQ）[8]。自评分量表共11个条目（分别以“是”、“否”和“不清楚”表示）[9]：（1）数据来源是否清楚（调查、文献综述）？（2）是否列出了暴露组和非暴露组（或病例和对照）的纳入和排除标准，或是否引用了以前的出版物？（3）是否给出了确定患者的时间阶段？（4）如果研究对象不是来自人群，那么研究对象是否连续？（5）评估者的主观因素是否掩盖了研究对象的其他方面？（6）描述任何确保质量的评估（例如，对主要结果指标的测试）；（7）解释任何排除患者的分析；（8）描述如何评估和（或）控制混杂因素的措施；（9）解释在分析中如何处理缺失数据（如果可能）；（10）总结患者的反应率和数据收集的完整性；（11）确定预期的不完整数据或如有后续跟进，则提供后续跟进结果。每项计1分。文献由2名研究人员按照评估方案进行评分，如有不一致的分数通过小组讨论解决。文献质量分为以下几类：低质量=0~3分；中等质量=4~7分；高质量=8~11分。
癌症风险因素和干预措施的叙述性回顾
在治疗后 18 至 36 个月内（4）。然而，据报道，有些症状可以持续长达 20 年（5）。尽管 CRCI 的严重程度通常为轻度至中度，但它会影响患者的治疗依从性，降低工作效率，并影响日常活动（烹饪、驾驶等）的质量（6）。美国癌症协会指出，记忆、注意力、执行功能和处理速度等认知领域可能会受损，尽管研究也发现工作记忆、新学习、视觉空间技能和语言受损。一项研究表明，低智商得分以及高疲劳度可预测基线 CRCI。智商得分还可以预测个人的认知能力，而认知能力也受到年龄、性别、癌症诊断和高血压积极干预的影响（7）。CRCI 症状分为以下几类：注意力、记忆力、心理运动速度和执行功能（8）。记忆是指健忘，包括无法回忆起个人的名字。注意力是指完成任务时注意力不集中、思路混乱、无法掌握书面材料的主要概念。精神运动速度是指动作迟缓，思维不敏捷。执行功能是指犹豫不决和无法同时处理多项任务。
Kirigami启用了无线的微波谐振阵列...
摘要：结肠癌的异质性及其反应既提出了个性化医学的挑战和希望。挑战是开发以预测性和预后生物标志物为指导的有效的生物学个性化的治疗剂。目前，有几类候选生物标志物，包括基因组探针，抑制性RNA，免疫功能障碍的测定法，并且不容忘记，具体的组织病理学和组织化学特征。要开发有效的治疗学，候选生物标志物必须在可比的独立人群中获得资格和验证，这不小。这一过程及其随后在临床实践中的部署不仅涉及生物标志物与治疗的牢固关联，而且还要仔细注意代表性肿瘤部位选择的平淡无奇的方面，从而获得了完全充分的样本，该样本被保留并准备好优化高质量分析。将来，生物标志物分析结果的临床实用性将在人工智能技术的帮助下从相关的临床和基础科学数据中受益。通过应用个性化的，精选的生物标志物，对结肠癌的全面解释，个性化，更有效，更毒性的疗法将得到实现，从而实现了个性化医学的承诺。
肯特学术资料库
通过机器学习生成设计一直是计算机辅助设计领域的一项持续挑战。最近，深度学习方法已被用于随机生成时尚、家具和产品设计中的图像。然而，这种深度生成方法通常需要大量的训练图像，并且在设计过程中没有考虑到人为因素。在这项工作中，我们寻求一种方法，通过脑电图测量 (EEG) 指示的大脑活动将人类认知因素纳入生成过程。我们提出了一种受神经科学启发的机器学习设计方法，其中使用 EEG 来捕获首选的设计特征。此类信号用作生成对抗网络 (GAN) 中的条件。首先，我们使用循环神经网络 (LSTM - 长短期记忆) 作为编码器，从原始 EEG 信号中提取 EEG 特征；这些数据是从受试者观看 ImageNet 中的几类图像时记录下来的。其次，我们训练一个以编码的 EEG 特征为条件的 GAN 模型来生成设计图像。第三，我们使用该模型从受试者的 EEG 测量大脑活动生成设计图像。
蚱hopper问题 - Olga Goulko摘要
蚱hopper问题 - Olga Goulko摘要：蚱hopper在一个区域的平面草坪上随机地降落。然后，它在随机方向上使固定距离d的跳转一次。草坪应该是什么形状，以最大程度地增加蚱hopper在跳跃后留在草坪上的机会？这个很容易说明但很难解决数学问题，这与量子信息和统计物理学具有有趣的联系。球体上的广义版本可以提供对新的贝尔不平等现象的见解。一个离散版本可以通过自旋系统建模，代表具有固定范围交互的新类别统计模型，其中范围D可以很大。我会证明，也许令人惊讶的是，没有D> 0的圆盘形草坪是最佳的。如果跳跃距离小于单位盘的半径，则最佳草坪类似于齿轮，在较大d时向更复杂，断开的形状过渡。可以使用平行的回火蒙特卡洛（Monte Carlo）进行离散自旋模型，可以鉴定出具有不同对称特性的几类最佳草坪形状。