XiaoMi-AI文件搜索系统
World File Search System发布的
根据...发布的技术监管意见
对技术规律表达了有利的意见，具体如下：有条件的有利技术意见。对该条款的技术意见表示赞同，前提是该条款旨在作为对当前PRG的城市规划变更的提案，旨在具体修改PRG的NUEA中与“8.15 Dora 区”有关的监管表，对于在执行城市规划文书期间移交给市政府的区域，引入一项具体规定，确定其绝对不可建设性。必须根据第 6 条采用对当前 PRG 的部分变更措施。区域城市规划法第 17 条第 5 款。 56/77 号文件及其后续修正案，并根据该文件中具体规定的程序程序予以批准。因此，这一有利意见须经决议条款的重新制定，该条款明确说明了启动程序的请求，旨在在上述条款内批准对当前部分风险担保进行变更。
这是预先发布的版本。
L.B.博士 Huang，J.C。Han，C.H。 Zhao，H.L。教授 WU物理与光电工程学院，深圳大学，深圳，518060，P。R.中国电子邮件：hlwu@szu.edu.edu.cn W. Xu博士，J。J。H. Hao教授jh.hao@polyu.edu.hk教授W. Tian State Prace Applied Physics and Chemistration，教育部和Shaanxi大分子科学与技术的Shaanxi主要实验室，西北理工学院西北理工大学，XI'AN 710072L.B.博士Huang，J.C。Han，C.H。 Zhao，H.L。教授 WU物理与光电工程学院，深圳大学，深圳，518060，P。R.中国电子邮件：hlwu@szu.edu.edu.cn W. Xu博士，J。J。H. Hao教授jh.hao@polyu.edu.hk教授W. Tian State Prace Applied Physics and Chemistration，教育部和Shaanxi大分子科学与技术的Shaanxi主要实验室，西北理工学院西北理工大学，XI'AN 710072Huang，J.C。Han，C.H。Zhao，H.L。教授WU物理与光电工程学院，深圳大学，深圳，518060，P。R.中国电子邮件：hlwu@szu.edu.edu.cn W. Xu博士，J。J。H. Hao教授jh.hao@polyu.edu.hk教授W. Tian State Prace Applied Physics and Chemistration，教育部和Shaanxi大分子科学与技术的Shaanxi主要实验室，西北理工学院西北理工大学，XI'AN 710072
引用 (APA) Robbemond, V., Inel, O., & Gadiraju, U. (2022)。了解解释模态在人工智能辅助决策中的作用。在 UMAP2022 - 第 30 届 ACM 用户建模、适应和个性化会议论文集（第 223-233 页）。（UMAP2022 - 第 30 届 ACM 用户建模、适应和个性化会议论文集）。计算机协会 (ACM)。https://doi.org/10.1145/3503252.3531311 重要提示 要引用此出版物，请使用最终发布的版本（如果适用）。请检查上面的文档版本。
人工智能和机器学习的进步导致人工智能在各个领域中用于增强或支持人类决策的采用急剧增加。越来越多的研究致力于解决模型可解释性和解释的好处，以帮助最终用户或其他利益相关者解读所谓“黑匣子人工智能系统”的内部工作原理。然而，目前人们对传达解释的方式（例如，文本、可视化或音频）在通知、增强和塑造人类决策方面的作用了解甚少。在我们的工作中，我们通过可信度评估系统的视角来解决这一研究空白。考虑到通过各种渠道获得的大量信息，人们在做出决策时会不断考虑他们所消费信息的可信度。然而，随着信息过载的增加，评估我们所遇到的信息的可信度并非易事。为了帮助用户完成这项任务，自动可信度评估系统已被设计为各种情况下的决策支持系统（例如，，评估新闻或社交媒体帖子的可信度）。但是，为了使这些系统有效地支持用户，它们需要得到信任和理解。事实证明，解释在告知用户对决策支持系统的依赖方面发挥着至关重要的作用。在本文中，我们研究了解释方式对人工智能辅助可信度评估任务的影响。我们使用一项涵盖六种不同解释模式的受试者间实验（N = 375），以评估解释模式对 AI 辅助决策结果准确性、用户对系统信任度以及系统可用性的影响。我们的结果表明，解释在塑造用户对决策支持系统的依赖方面发挥着重要作用，从而影响决策的准确性。我们发现，在有解释的情况下，用户在评估陈述的可信度时表现更准确。我们还发现，在没有解释的情况下，用户很难就陈述的可信度达成一致。如果有解释，文本和音频解释比图形解释更有效。此外，我们发现
有关TrustPower零售销售和Manawa Energy发布的更新
2022年5月2日，有关信托零售销售和Manawa Energy推出信托有限公司（TrustPower）的最新消息，其中Infratil是51％的股东，今天宣布，出售汽油，电信，电信和零售电力供应供应业务的销售条件（包括对商业和工业客户的供应）已成为Mercury Limition的销售，并将其置于销售中。 2022）。
这是预先发布的版本。
以下出版物Weng，Z.，Guan，R.，Zou，F.，Zhou，P.，Liao，Y.，Su，Z.，...＆Liu，F。（2020）。一种高度敏感的聚多巴胺@杂化碳纳米纤维基纳米复合材料传感器，用于获取高频超声波。Carbon，170，403-413可在https://doi.org/10.1016/j.carbon.2020.08.030
这是预先发布的版本。
中心和以自我为中心是两种不同类型的空间编码。先前的研究报告了两种类型的背注意网络的参与。为了消除结果中可能的特定于任务的混杂，本研究采用了共同的任务来读取同义中心（ASC）和以中心（ESC）（ESC）的空间编码的独特性。22名参与者完成了定制设计的视觉空间任务，并使用功能性近红外光谱（FNIRS）记录了氧化血红蛋白浓度（O 2 -HB）的变化。最低绝对的收缩和选择算子 - 正则化主成分（LASSO-PCR）算法用于识别预测ASC和ESC条件的反应时间的皮质位点。右上额回（SFG）和中央后回（POG）中O 2 -HB浓度的显着变化都是两种条件的共同点。相比之下，O 2 -HB浓度的变化是ASC所独有的，在中央前回（PG）和室内沟内（IPS）中，ESC所独有的是在右后壁叶叶（IPL）中。FNIRS的结果表明，两种类型的空间编码都共同提出了自上而下的注意力，编码视觉映射过程和响应映射过程是共同的。与以自我为中心的以中心为中心的空间编码相比，倾向于要求更多的关注和更新空间信息。未来的研究是使用其他视觉空间任务进一步告知空间编码过程中的任务特异性。
这是预先发布的版本。
这是Taylor＆Francis在2020年12月2日发表的一篇文章（在线发布）的一篇文章，网址为：http：//www.tandfonline.com/10.10.1080/02699052.202020202020.1850864。
高工作量飞行期间颜色编码平视飞行符号系统的工作量优势 Blundell, J., Scott, S., Harris, D., Huddlestone, J. 和 Richards, D. 作者印后 (已接受) 存入考文垂大学资料库 原始引用和超链接：Blundell, J, Scott, S, Harris, D, Huddlestone, J 和 Richards, D 2020, '高工作量飞行期间颜色编码平视飞行符号系统的工作量优势', Displays, vol. 65, 101973. https://dx.doi.org/10.1016/j.displa.2020.101973 DOI 10.1016/j.displa.2020.101973 ISSN 0141-9382 出版商：Elsevier © 2020，Elsevier。根据 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International 许可 http://creativecommons.org/licenses/by-nc-nd/4.0/ 版权 © 和道德权利由作者和/或其他版权所有者保留。 可以下载副本用于个人非商业研究或学习，无需事先许可或付费。 未经版权所有者书面许可，不得复制或大量引用本项目。 未经版权所有者正式许可，不得以任何方式更改内容或以任何格式或媒体进行商业销售。 本文档是作者的印后版本，包含同行评审过程中商定的所有修订。 已发布的版本和此版本之间可能仍存在一些差异，如果您想引用它，建议您查阅已发布的版本。
高工作量飞行期间颜色编码平视飞行符号系统的工作量优势 Blundell, J.、Scott, S.、Harris, D.、Huddlestone, J. 和 Richards, D. 作者印后 (已接受) 存入考文垂大学资料库 原始引用和超链接：Blundell, J、Scott, S、Harris, D、Huddlestone, J 和 Richards, D 2020, '高工作量飞行期间颜色编码平视飞行符号系统的工作量优势', Displays, vol. 65, 101973. https://dx.doi.org/10.1016/j.displa.2020.101973 DOI 10.1016/j.displa.2020.101973 ISSN 0141-9382 出版商：Elsevier © 2020，Elsevier。根据 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International 许可 http://creativecommons.org/licenses/by-nc-nd/4.0/ 版权 © 和道德权利由作者和/或其他版权所有者保留。 可以下载副本用于个人非商业研究或学习，无需事先许可或付费。 未经版权所有者书面许可，不得复制或大量引用本项目。 未经版权所有者正式许可，不得以任何方式更改内容或以任何格式或媒体进行商业销售。 本文档是作者的印后版本，包含同行评审过程中商定的所有修订。 已发布版本和此版本之间可能仍存在一些差异，如果您想引用它，建议您查阅已发布版本。
引文 (APA) Peschl, M.、Zgonnikov, A.、Oliehoek, FA 和 Cavalcante Siebert, L. (2022)。道德：通过多目标强化主动学习使人工智能与人类规范保持一致。在 C. Pelachaud 和 ME Taylor (Eds.) 中，第 21 届自主代理和多智能体系统国际会议 (AAMAS '22) 论文集 (第 1038-1046 页)。国际自主代理和多智能体系统基金会。https://dl.acm.org/doi/abs/10.5555/3535850.3535966 重要提示 要引用此出版物，请使用最终发布的版本（如果适用）。请检查上面的文档版本。
从演示和成对偏好推断奖励函数是将强化学习 (RL) 代理与人类意图相结合的良好方法。然而，最先进的方法通常专注于学习单一奖励模型，因此很难权衡来自多位专家的不同奖励函数。我们提出了多目标强化主动学习 (MORAL)，这是一种将社会规范的不同演示组合成帕累托最优策略的新方法。通过维持标量权重的分布，我们的方法能够以交互方式调整深度 RL 代理以适应各种偏好，同时无需计算多个策略。我们在两种场景中通过实证证明了 MORAL 的有效性，这两种场景模拟了交付和紧急任务，需要代理在存在规范冲突的情况下采取行动。总的来说，我们认为我们的研究是朝着具有学习奖励的多目标 RL 迈出的一步，弥合了当前奖励学习和机器伦理文献之间的差距。
