XiaoMi-AI文件搜索系统
World File Search System归结为
Dease Lake Area的基岩地质
研究区域的岩石主要在SɵkineTerrane（SɵKinia）中，这是一种古生代到中生代岛弧，在最新的三叠纪到早期的侏罗纪，然后在中间侏罗纪的北美占领之前变形。最新的三叠纪至早期的侏罗纪褶皱与岩浆和沉积的裂缝相同，至少跨度为30 m.y。（图1）。这种畸形在整个哥伦比亚西北部的哥伦比亚西北部记录下来，已被归结为育空 - 塔纳纳和sɵkineTerranes之间的碰撞（Nelson等，2022）。随后在北美祖先的地面上，由地图区域的北部侏罗纪褶皱带记录了，其中包括两个区域北倾式推力，鲑鱼国王鲑鱼和Kehlechoa断层。在国王鲑鱼断层的悬挂墙中是Cache Creek Terrane的岩石，它代表了上部细分区域蛇片，Mafim and BimodalPrimiɵve-coceanic Arc的连续相连，海洋岛屿型基板，以及schiairizza，schiairizza，2012年；白马槽的单位，它代表了最新的三叠纪至侏罗纪早期的同步重叠组合。向南稍稍稍微向南，白马虽然在Kehlechoa断层的悬挂墙中的单位在结构上与SɵKinia并列。
推荐引用 推荐引用 Giulia Vilone、Luca Longo。可解释性概念和可解释人工智能的评估方法。信息融合，第 76 卷，2021 年，第 89-106 页，ISSN 1566-2535，DOI：10.1016/j.inffus.2021.05.009。
可解释人工智能 (XAI) 在过去几年中经历了显着增长。这是由于机器学习（尤其是深度学习）的广泛应用，导致开发出缺乏可解释性和可解释性的高精度模型。已经提出、开发和测试了大量解决此问题的方法，同时还有几项研究试图定义可解释性的概念及其评估。本系统综述通过分层系统将所有科学研究聚类，对与可解释性概念和 XAI 方法的评估方法相关的理论和概念进行分类，从而为知识体系做出了贡献。此层次结构建立在对现有分类法和同行评审的科学材料的详尽分析之上。研究结果表明，学者们已经确定了许多概念和要求，解释应该满足这些概念和要求，以便最终用户能够轻松理解并提供可操作的信息来指导决策。他们还提出了各种方法来评估机器生成的解释在多大程度上满足了这些要求。总体而言，这些方法可以归结为以人为本的评估和具有更客观指标的评估。然而，尽管围绕可解释性概念发展了大量知识，但学者们对于如何定义解释以及如何评估其有效性和可靠性并没有达成普遍共识。最后，本评论通过批判性地讨论这些差距和局限性得出结论，并以可解释性作为任何人工智能系统的起始组成部分，定义了未来的研究方向。
文化如何改变人类进化
介绍了模仿成功及其子类型之一的概念，即模仿具有声望的人。，但声望本身就是一个复杂的社会建构。有些声望来自个人魅力，有些来自机构化。某种声望可能被一个社会中的几乎每个人都认可，而其他形式可能是高度本地的。我们不知道可能有多少不同的基于声望的选择性模仿。我们毫无疑问，文化进化是一组复杂而二的现象，尽管我们只能从目前的有利位置昏暗地想象复杂性。几乎不知道各种力量在具体的演化情况下的定量作用。在选择本书中包含的研究中，以使文化进化的过程通常被简化为示例，这些示例，例如自然选择或决策力之一，可以说是占主导地位的。通常，几种力量有可能同时影响我们选择关注的任何给定文化的演变。例如，经常朝着不同方向作用的先天，学识渊博和文化上的倾向，有可能影响某些宗教信仰或创新的频率是否会增加或减少。可以将大部分进化科学归结为估计有足够数量的大量病例中各种影响进化轨迹的强度，以获得一些经验概括。27在文化的情况下，此类研究仍然很少。28有机进化的黄金标准研究是其中的属性者在不断发展的人群中估计自然选择的强度和其他力的强度。
Physgnn：一种基于物理驱动的图形神经网络模型，用于预测图像指导神经外科手术中的软组织变形
正确捕获图像引导的神经外科术中的术中大脑移位是将术前数据与术中几何形状对准数据的关键任务，以确保准确的手术导航。虽然有限元方法（FEM）是一种经过验证的技术，可以通过生物力学制剂有效地近似软组织变形，但其成功程度归结为准确性和速度之间的权衡。为了解决这个问题，该领域中的最新作品提出了通过培训各种机器学习算法获得的数据驱动模型（例如，随机森林，人工神经网络（ANN）），并通过有限元分析（FEA）的结果来加快预测的速度。但是，这些方法在训练过程中没有说明有限元（Fe）网格的结构，以提供有关节点连接性的信息以及它们之间的距离，这可以帮助基于与其他网状节点的强力负载点的接近近似组织变形。因此，这项工作提出了一个新颖的框架Physgnn，该模型是通过利用图形神经网络（GNN）来近似于FEM解决方案的模型，该模型能够考虑到网格结构信息，并在未结构化的网格和复杂的拓扑结构上考虑网格结构信息和归纳性学习。从经验上讲，我们证明了所提出的体系结构有望准确且快速的软组织变形近似，并且与最新的ART（SOTA）算法具有竞争力，同时有望增强计算可行性，因此适用于神经外科设置。
思想、自我和意识
本课程探讨三个相互关联的问题。首先：拥有思想意味着什么？这取决于拥有非物质的灵魂，还是表现出某些行为倾向，或拥有生物大脑？计算机呢：它们是否具有真正的智能，还是存在 AGI 的主要障碍？其次：人如何跨越时间而存在？例如，是什么让我和我最早的学校照片上的小孩是同一个人？这与我们共同的心理、身体连续性有关，还是完全不同？第三：意识体验的本质是什么？当我看着西红柿时，我会体验到它的红色和凸起。这可以归结为我大脑内部的物理活动吗？我还看到或体验到西红柿的哪些其他特性？例如，我是否看到了它的西红柿特性，而不是仅仅根据真正看到的东西判断它是西红柿？科学能为我们提供答案吗？课程阅读：每周，您将被分配阅读论文或书籍章节。这些都可以在 Blackboard 上找到。我只分配聪明人写的阅读材料。如果阅读材料看起来很愚蠢或明显是错误的，那它就不是；退一步，试着仔细思考所提出的想法以及作者支持这些想法的具体原因。如果经过认真和善意的思考后，一篇论文仍然看起来是错误的或被误导的，您可能会提出很好的反对意见！这很好！请在课堂上提出或在我的办公时间来讨论！课程评估：您的工作将根据以下标准进行评估：
评估目视检查任务风险的方法...
摘要：风险评估方法在航空领域应用广泛，但尚未被证实可用于飞机发动机部件的目视检查。该领域的复杂性源于缺陷类型的多样性及其在各个拆卸级别上不同的表现形式。设计了一个新的风险框架以包含背景因素。使用 Bowtie 分析确定这些因素为关键性、严重性和可检测性。该框架产生了一个风险指标，描述了缺陷在检查任务期间可能未被发现的程度，并导致不良的安全结果。简化框架提供了一种通过/不通过决策的方法。研究结果表明，缺陷的可检测性高度依赖于叶片的特定视图，并且可以量化风险。涉及材料分离或去除的缺陷（例如划痕、尖端摩擦、刻痕、撕裂、裂纹和断裂）在翼型视图中显示得最好。如果可以提供边缘视图，则涉及材料变形和形状变化的缺陷（例如尖端卷曲、前缘凹痕、弯曲和破损的叶片）的风险较低。这项研究提出，许多风险评估可以归结为三个因素：后果、可能性和辅助因素。后者代表了工业背景，可以包含多个特定于应用的子因素。已经设计出一种方法，包括适当的量表，用于包括
使用神经网络解决特征问题
机器学习或模式识别中出现的许多问题都可以归结为求解关于 x 和 λ 的特征值问题 Ax = λx。降维（PCA、Fisher 判别）、谱聚类或数据表示（拉普拉斯、Hessian 特征图或扩散图）等任务都是基于计算矩阵的特征向量和特征值。有多种方法可以找到矩阵的谱分解。由于在高维中查找矩阵特征多项式的根在计算上不可行，因此只有在特殊情况下才有可能在有限的步骤内准确计算出特征值。通常，查找特征值和特征向量的算法是迭代的，例如幂法、逆法、瑞利商法、QR 方法，并且提供数值近似值而不是精确解。随着行业中矩阵规模的增加，使用快速、准确且可行的方法（即使对于大量数据也适用）尽可能高效地解决特征问题变得非常重要。最近，针对此问题提出了基于神经网络的方法。研究表明，他们的方法可以在相对较短的训练时间内成功解决线性代数系统。在本文中，我们将使用人工神经网络 (ANN) 解决特征问题，并在准确性、效率等方面将结果与标准求解器进行比较。我们通过求解热方程来证明所获得的特征向量的准确性。
多动能性能预测的机器学习模型
I.引言多轨道飞行器的领域不断吸引大型航空航天公司的关注，一直到硅谷的风险资本支持初创公司。在过去的10年中，仅在城市空气流动部门中就提出了700多种概念设计[1]。这些车辆的潜在效用仍在探索和扩展。NASA最近参与了二十年的概念设计后的多旋动配置进行行星探索的设计和使用[2-6]。许多概念设计仅存在于纸张或草图上，但是有些概念设计在地球上飞行了原型以追求FAA认证，而其他一些则在不同的行星上飞行[7-9]。多局部飞机技术也在其他部门（例如商业爱好无人机市场，甚至军事应用）中继续迅速扩展。尽管多旋转车辆有许多不同的配置，但是许多设计的基本组件是一致的。大差异化器归结为车辆控制方法，以实现所需的响应，即使用叶片集体和循环控制或控制固定式转子转子的速度。这些多旋转飞机中有许多使用第二种方法，更具体地说，可以将其归类为刚性，固定式，RPM控制的转子。这与传统的旋翼运营非常不同，因此，在这些车辆的设计和分析中为新技术打开了大门。最近的几项作品试图增加对这些多旋转系统的知识和理解。
超越个人：治理人工智能的社会危害
摘要：在本文中，我区分了人工智能 (AI) 背景下可能出现的三种危害：个人危害、集体危害和社会危害。社会危害常常被忽视，但不能归结为前两种危害。此外，应对人工智能引起的个人和集体危害的机制并不总是适合应对社会危害。因此，政策制定者对当前人工智能法律框架的差距分析不仅存在不完整的风险，而且为弥补这些差距而提出的新立法提案也可能无法充分保护受到人工智能不利影响的社会利益。通过概念化人工智能的社会危害，我认为需要从个人角度转变视角，转向人工智能的监管方法，以解决其对整个社会的影响。借鉴专门旨在保护社会利益的法律领域——环境法，我确定了欧盟政策制定者在人工智能背景下应考虑的三种“社会”机制。这些涉及 (1) 提高问责制的公共监督机制，包括强制性影响评估，并提供提供社会反馈的机会； (2) 公共监督机制，以确保有关人工智能社会影响的独立信息收集和传播；(3) 引入具有社会维度的程序性权利，包括获取信息、获得司法公正和参与人工智能公共决策的权利，无论个人是否受到伤害。最后，我会考虑欧盟委员会关于人工智能监管的新提案在多大程度上考虑到了这些机制，然后再做最后总结。
儿童期多发性硬化症的神经心理学表现、生活质量和心理问题：叙述性综述
摘要 多发性硬化症 (MS) 主要发生在青年和中年人身上。尽管 MS 在儿童中是一种罕见疾病，但越来越多的患者在 18 岁以下被诊断出来。该疾病的致残性不能仅归结为身体症状。儿童 MS 还常见一些其他症状，如认知障碍、疲劳和心理症状。所审查的文献表明，尽管身体残疾程度较低，但被诊断为 MS 的儿童和青少年即使在疾病早期也容易出现认知障碍。儿童 MS 的神经心理学特征可能类似于成人 MS，包括注意力/信息处理速度、学习、语言和视觉空间记忆受损。然而，儿童和青少年的认知困难更可能涉及一般智力和语言能力，这可能是由于患者年龄较小和认知发育阶段所致。除了身体残疾和复发之外，认知困难可能会对学习和学业成绩产生相当大的影响。抑郁和疲劳是儿童 MS 中另一种常见的疾病，可能导致患者功能低下。总体而言，这些症状可能会对日常活动和生活质量造成相当大的功能障碍，可能需要个性化的康复治疗和广泛的心理社会护理。需要开展更多神经心理学研究，评估更大的样本，使用更同质的方法，并探索 MS 治疗对认知和心理发展的作用。