©作者2024。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的,该许可允许以任何媒介或格式使用,共享,适应,分发和复制,只要您对原始作者和来源提供适当的信誉,请提供与创意共享许可证的链接,并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中,除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料,并且您的预期用途不受法定法规的允许或超过允许的用途,则您需要直接从版权所有者那里获得许可。要查看此许可证的副本,请访问http://creativecommons.org/licenses/4.0/。Creative Commons公共领域奉献豁免(http://creativecommons.org/publicdomain/zero/zero/1.0/)适用于本文中提供的数据,除非在信用额度中另有说明。
来自多伦多大学多伦多大学玛格丽特公主医院医学成像联合部,加拿大M5G 2C1(又名R.H.,R.K.,R.K.,S.M.,C.O.,C.O.,U.M.,P.V.-H。);苏黎世苏黎世大学苏黎世大学苏黎世大学诊断与介入放射学研究所,瑞士(R.H.);多伦多大学多伦多大学玛格丽特癌症中心生物统计学系,加拿大M5G 2C1(L.A.);加拿大安大略省多伦多的安大略省癌症研究所/公主玛格丽特癌症中心大学卫生网络(M.T.,Q.L.);加拿大多伦多大学大学卫生网络辐射肿瘤学系(A.H.)。收到2023年12月11日;修订于2024年1月18日; 2024年1月23日接受。地址为:K.A。电子邮件:andres.kohan@uhn.ca电子邮件:andres.kohan@uhn.ca
摘要人工智能(AI)在组织中的作用从从执行常规任务到监督人类雇员的根本上改变了。虽然先前的研究重点是对此类AI主管的规范看法,但员工对他们的行为反应仍未得到探索。我们从关于AI厌恶和赞赏的理论中汲取了理论,以应对该领域内的歧义,并调查员工是否以及为什么遵守人类或AI主管的不道德指示。此外,我们确定了影响这种关系的员工特征。为了告知这一辩论,我们进行了四个实验(总n = 1701),并使用了两种最先进的机器学习算法(因果林和变形金刚)。我们始终发现,与人类监督相比,员工对AI的不道德指示更少。此外,个人特征(例如遵守没有异议或年龄的趋势)构成了重要的边界条件。此外,研究1还确定了主管的感知思维是一种解释机制。,我们通过在两项预注册的研究中通过实验操作来对该介体进行进一步的见解,通过操纵两个AI(研究2)和两个人类主管之间的思维(研究3)。在(预注册)研究4中,我们在激励实验环境中复制了AI主管对AI主管的不道德指示的阻力。我们的研究对人类行为的“黑匣子”对AI主管,尤其是在道德领域中的“黑匣子”产生了见解,并展示了组织研究人员如何使用机器学习方法作为强大的工具来补充实验研究,以创造出更加细粒度的见解。
摘要:本文调查了腐败是否导致了乌干达影子经济的兴起。使用自回旋分布式滞后范围测试方法和Granger因果计量经济学方法,我们在长期和短期内都发现了腐败与影子经济规模之间的正相关关系。此外,因果关系结果揭示了影子经济与腐败之间的双向因果关系,反之亦然。这些发现表明,就乌干达而言,腐败的增加有助于影子经济的规模上升,反之亦然,而其他情况则相等。鉴于腐败与影子经济规模之间的互补关系,解决该国普遍的非正式性;首先,改革政治制度以应对政治腐败,并追捕利用其影响力和权力绕开机构的政客。第二,进行机构改革以应对政治光顾和影响力将在解决系统性腐败方面大有帮助,这反过来又有助于减轻非正式部门活动的传播。第三,加强对现有法律的执行,以确定和惩罚使用其办公室私人收益的可责任的公职人员也将解决该国的非正式水平。
通过这项新的计划,Caixabank通过与Aenor合作引入了通过Carbon Footprint验证来完成排放管理过程的选项,从而增强了与CO2计算器的排放测量解决方案。通过这项服务,公司可以根据其特定部门和业务活动来验证其排放。验证过程遵循国际认可的温室气体协议标准,确保了范围1和2的准确性,包括农业,废物管理,石油和天然气,服务,服务以及某些工业部门等领域的排放量。此外,范围3可以自愿验证,包括与供应链活动,旅行和废物处理有关的排放。
•数据建模允许您创建和更新数据模型,如果这些更改是无损的。•业务功能建模使您可以创建和更新业务功能,如果更改是无损的。•流程,活动,团队和布局使您可以创建,更新和删除流程,活动,团队和布局。可选,您可以将这些对象分配给环境。以这种方式,它们被运输,可以作为新过程的示例。•环境导出和导入使您可以将基于内容的应用程序导出到容器中,并通过环境导出将其作为ZIP文件下载。您还可以将zip文件作为容器上传到其他租户中,并在此处导入。•通过DELTA导出和导入的连续改进您可以选择使用Delta导出和Delta Imports,该进口仅包含更改并确保更改的确切顺序。
摘要。我们提供了ML-KEM的正确性和IND-CCA安全性的正式验证的证明,即基于Kyber的键盘封装机制(KEM),该机制(KEM)正在接受NIST的标准化。证明是通过EasyCrypt进行机器检查的,其中包括:1)BOS等人之后的Kyber Base Base公开加密方案的正确性(解密失效概率)和IND-CPA安全性的形式化。在Euro S&P 2018; 2)在随机甲骨文模型(ROM)中,富士基 - 奥卡马托转换的相关变体的形式化,该变换紧随其后(但不是完全)Hofheinz,HövelmannsandHövelmannsand Kiltz,tcc 2017; 3)证明了ML-KEM规范的Ind-CCA安全性及其作为KEM的正确性遵循了先前的结果; 4)两个正式验证的ML-KEM用Jasmin编写的实现,这些实现是恒定的,在功能上等同于ML-KEM规范,因此,因此,继承了上几点中建立的可证明的安全性保证。 顶级定理给出了独立的混凝土界限,以使ML-KEM的正确性和安全性降低到模块lwe的(变体)。 我们通过利用各种EasyCrypt功能来讨论它们如何模块化构建。在Euro S&P 2018; 2)在随机甲骨文模型(ROM)中,富士基 - 奥卡马托转换的相关变体的形式化,该变换紧随其后(但不是完全)Hofheinz,HövelmannsandHövelmannsand Kiltz,tcc 2017; 3)证明了ML-KEM规范的Ind-CCA安全性及其作为KEM的正确性遵循了先前的结果; 4)两个正式验证的ML-KEM用Jasmin编写的实现,这些实现是恒定的,在功能上等同于ML-KEM规范,因此,因此,继承了上几点中建立的可证明的安全性保证。顶级定理给出了独立的混凝土界限,以使ML-KEM的正确性和安全性降低到模块lwe的(变体)。我们通过利用各种EasyCrypt功能来讨论它们如何模块化构建。
大脑计算机界面(BCI)是处理大脑活动以从中解码特定命令的系统,例如在用户Image-Im-Ine运动时生成的运动成像模式。尽管对BCI的兴趣日益增加,但由于用户内部和内部的可变性,它们引起了重大挑战,尤其是在解码不同的神经模式方面。文献表明,各种预测因子与受试者的BCI绩效相关。在这些指标中,神经生理学的预测符似乎是最有效的,尽管研究通常涉及小样本,结果并未被复制,从而质疑其可靠性。在我们的研究中,我们使用了一个带有85位受试者的大型数据集来分析文献和BCI性能中确定的不同预测因子之间的关系。我们的发现表明,在此数据集中可以替换了测试的六个预测因子中的四个。这些结果强调了验证文献发现的必要性,以确保此类预测因子的可靠性和适用性。