XiaoMi-AI文件搜索系统
World File Search System可信度
医疗 AI 中可解释性的可信度被忽视
虽然已经提出了各种方法来解释人工智能模型，但对生成的解释的可信度却很少进行检验。本文表明，这种解释可能容易受到输入的细微扰动的影响，并产生误导性结果。在公共 CheXpert 数据集上，我们证明专门设计的对抗性扰动可以很容易地篡改显着性图以达到所需的解释，同时保留原始模型预测。医学领域的人工智能研究人员、从业者和权威机构在解释人工智能模型时应谨慎，因为这种解释可能不相关、误导，甚至在不改变模型输出的情况下被对抗性操纵。医学领域的人工智能研究人员、从业者和权威机构在解释人工智能模型时应谨慎，因为这种解释可能不相关、误导，甚至在不改变模型输出的情况下被对抗性操纵。
航空电子设备健康监测可信度评估...
本文提供了一种使用自动测试设备（ATE）评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源（SSS）的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准偏差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向范围 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不同于零。
航空电子设备健康监测可信度评估
本文提供了一种使用自动测试设备 (ATE) 评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源 (SSS) 的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向测距 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不为零。
航空电子设备健康监测可信度评估
本文提供了一种使用自动测试设备 (ATE) 评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源 (SSS) 的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向测距 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不为零。
航空电子设备健康监测可信度评估
本文提供了一种使用自动测试设备 (ATE) 评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源 (SSS) 的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向测距 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不为零。
航空电子设备健康监测可信度评估
本文提供了一种使用自动测试设备 (ATE) 评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源 (SSS) 的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向测距 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不为零。
通过数字化实现数据可靠性和可信度...
摘要。随着决策越来越多地由数据驱动，基础数据（例如，在知识图谱或 Web 上维护的数据）的可信度和可靠性是其在行业中可用性的基本要求。但是，无论是传统解决方案（例如基于纸质的数据管理流程）还是最先进的方法（例如分布式账本技术），都无法充分满足不断发展的工业数据的复杂要求和高吞吐量。受对数据可信度和可靠性有很高要求的实际用例的启发，我们认为对可数字验证的数据不变性的需求仍然是数据质量中一个尚未得到充分解决的维度。基于我们对相关工作中的缺点的讨论，我们因此提出了 ReShare，这是我们的具有双边签名的数字传输合同的新概念，以解决 RDF 知识图谱和 Web 上任意数据的这一未解决的问题。我们对 ReShare 性能和可扩展性的定量评估表明，其计算和通信开销仅为中等水平，与当今的方法相比，具有显著的成本降低潜力。通过巧妙地将数字传输合同与现有的基于 Web 的信息系统相结合，ReShare 为工业 4.0 及以后的数据共享和重用提供了良好的基础，通过易于采用的数字可验证数据不变性和不可否认性实现了数字问责制。
欧洲航空安全组织人工智能可信度指南
→ 让申请人能够尽早了解 EASA 对实施 AI/ML 解决方案的可能期望。→ 为 1 级 AI 应用建立基线，并将针对 2 级和 3 级 AI 应用进一步完善。
可信赖的解释性接受：一种衡量可解释的AI医学诊断系统可信度的新指标
摘要我们提出，可信赖的解释性接受度量指标，以使用专家在循环中评估AI系统。我们的指标通过量化AI系统产生的解释与专家根据其专业知识和经验提供的推理之间的解释之间的距离来计算接受。我们的指标还评估了专家的信任，使用我们的信任机制包括不同的专家组。我们的指标很容易适应任何可解释的AI系统，并用于可信赖的AI系统的标准化过程。我们使用高识别医学AI的应用说明了拟议的度量，该指标是预测导管癌的原位（DCIS）复发。我们的指标成功地捕获了专家在DCIS复发中AI系统的解释性。
欧盟以人为本的人工智能可信度作为战略...
ELF 欧洲自由论坛 (ELF) 是欧洲自由党 (ALDE 党) 的官方政治基金会。我们与 47 个成员组织一起在欧洲各地开展工作，将新思想带入政治辩论，提供讨论平台，并赋予公民权力，让他们发出自己的声音。ELF 成立于 2007 年，旨在加强欧洲的自由民主运动。我们的工作以自由主义理想和对自由原则的信仰为指导。我们主张面向未来的欧洲，为每个公民提供机会。ELF 参与从地方到欧洲的所有政治层面。我们汇集了由国家基金会、智库和其他专家组成的多元化网络。同时，我们也与 ALDE 党和欧洲其他自由党参与者关系密切，但又独立于他们。在这个角色中，我们的论坛是各种不同参与者之间进行开放和知情的意见交流的空间。