XiaoMi-AI文件搜索系统
World File Search SystemAssisted
如何评估对人工智能辅助决策的信任？实证方法调查
人工智能嵌入式系统参与人类决策的传播使得研究人类对这些系统的信任变得至关重要。然而，实证研究信任具有挑战性。原因之一是缺乏设计信任实验的标准协议。在本文中，我们介绍了现有的实证研究人工智能辅助决策中信任的方法，并根据实验方案的构成要素分析了语料库。我们发现信任的定义通常不整合在实验方案中，这可能导致研究结果被夸大或难以解释和跨研究比较。借鉴社会和认知研究中关于人与人之间信任的实证实践，我们提供了实用指南，以改进在决策环境中研究人与人工智能信任的方法。此外，我们提出了两类研究机会：一类侧重于对信任方法的进一步研究，另一类侧重于影响人与人工智能信任的因素。
Xuelin Cao、Bo Yang、Chongwen Huang、Chau Yuen、Marco Di Renzo 等人。可重构智能表面辅助无线网络的人工智能辅助 MAC：挑战与机遇。 IEEE 通信杂志，2021 年，10.1109/mcom.001.2001146。hal-03357949
HAL 是一个多学科开放存取档案馆，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
AI辅助基因型分析肝炎病毒
4美国默瑟大学5埃及大学摘要背景：丙型肝炎病毒以及全球丙型肝炎病毒是由于慢性肝病，肝硬化和肝细胞癌引起的发病率和死亡率的主要原因。随着直接作用抗病毒药（DAAS）和核苷类似物的进化，适当的基因分型对于设计个性化治疗方法的设计至关重要。传统的基因分型方法不适合目的，因为它们不能缩放或应对新兴抗性的问题。这些是具有机器和深度学习能力的人工智能（AI）的一些客观问题。方法：根据Prisma 2020指南进行了系统的审查。作者使用结构化搜索字符串在PubMed和Google Scholar中搜索了相关研究。根据纳入标准，总共筛选了1200篇论文，其中包括30篇论文。开发的数据收集表包含有关目的，治疗结果指标和实践的信息。以这种方式，研究了研究以确定AI在肝炎基因分型和个性化医学前景中的作用。结果：当涉及到现有，尤其是HCV Genotype-8（基于AI的新型基因型）的基因分型肝炎病毒时，基于AI的模型可以在准确性和测量的可扩展性方面表现更好。机器学习技术（如随机森林和支持向量机器）的准确率超过90％。to但是，捕获基因组序列的复杂基因组成像，例如基于深度学习模型的卷积神经网络或长期短期记忆网络，它超越了成像。更快的诊断，改善了与抗性相关突变的检测以及由于AI方法的增强。结论：与经典方法相比，由于AI在此过程中采用了AI，因此在肝炎基因分型方面取得了进步，这些方法伴随着局限性，无法提供如此准确，可靠和及时的诊断。因此，它有助于为患者计划治疗策略，有助于实时应用，甚至支持有关全球健康状况的政策。尽管如此，诸如患者数据保护，集聚训练数据中的相对偏见以及可解释性等因素尚待解决。
RIS 辅助 6G V2X 系统中集成传感和通信的深度强化学习
摘要 — 集成传感和通信 (ISAC) 技术的最新进展为解决下一代无线通信网络 (6G) 车对万物 (V2X) 中的通信质量和高分辨率定位要求带来了新的可能性。同时为车辆目标的智能服务提供高精度定位和高通信容量 (CC) 具有挑战性。在本文中，我们提出了一种可重构智能表面 (RIS) 辅助的 6G V2X 系统，以在满足基本通信要求的情况下实现车辆目标的高精度定位。我们提供了车辆目标的 CC 和 3-D 费舍尔信息矩阵 (FIM) 公式。我们展示了反射器单元中的相位调制对联合定位精度和 CC 性能的直接影响。同时，我们设计了一个灵活的深度确定性策略梯度 (FL-DDPG) 算法网络，采用 ϵ -贪婪策略来解决高维非凸优化问题，在满足各种 CC 要求的同时实现最小定位误差。仿真结果表明，FL-DDPG算法将定位精度提升了至少89%，将车辆目标的到达率提升了近3倍，优于传统数学方法。与经典的深度强化学习方法相比，FL-DDPG在满足通信要求的前提下获得了更好的定位精度。当面对不完美信道时，FL-DDPG能够有效解决ISAC系统中的信道估计误差问题。
ACE：人工智能辅助构建具有先决条件关系的教育知识图谱
知识图谱是组织信息的有效工具。在本文中，我们专注于一种特殊类型的知识图谱，即教育知识图谱（EKG），其中的先决条件关系形成了学生在学习过程中可以遵循的路径。EKG 提供了多种功能，包括对学习领域的全面视觉表示，并为学生提供了替代学习路径。手动构建 EKG 是一项耗时且劳动密集型的任务，需要领域专家评估每个概念对以确定先决条件关系。为了应对这一挑战，我们提出了一种结合机器学习技术和专家知识的方法。我们首先引入一种基于通过词嵌入捕获的语义参考的概念对先决条件评分机制。然后根据得分对概念对进行排序，并选择得分高的对进行专家评估，从而减少需要评估的总对数。向专家迭代地呈现一个概念对，并根据专家的标签在后台动态构建 EKG。随着图谱的发展，可以根据现有的先决条件推断出一些先决条件，从而进一步减少专家的任务。我们在 Web 应用程序中实现了我们的方法，允许专家与系统交互并创建自己的图谱。对真实基准数据集的评估表明，我们的 AI 辅助图谱构建方法可以形成准确的图谱，并显著减少专家在此过程中的工作量。在教育平台的数据集上进行的进一步实验表明，按照我们的方法确定的先决条件顺序学习概念对的学生总体成功率更高，这表明 EKG 可以改善教育中的学习成果。感兴趣的读者可以从我们的 Github 存储库 1 访问更多材料和数据集。
针对ASD的学生进行机器人辅助方案培训
摘要：由于社会挑战，不熟悉和缺乏支持或理解，自闭症谱系障碍（ASD）的学生经常在新环境中感到不安全。尽管致力于帮助学生适应新环境并理解公共环境中的适当行为，但仍然缺乏交互式和个性化的学习系统。在这项工作中，我们开发了一个机器人辅助的场景培训（RAST）系统，以促进包容性学习并引起学生的学习兴趣。使用RAST系统，我们试图确定可以改善学生参与度的有效互动。为此，我们邀请了13名ASD的学生参加一项评估研究。 在研究中，自我确定理论（SDT）衡量学生的学习参与。 使用方差分析（ANOVA）评估学习参与和有效性。 学生还参加了访谈，以报告他们有关系统的用户经验。 结果表明，使用RAST系统的学习可以显着引起学生的内在动机，并改善其行为，情感和认知参与。 此外，ASD的学生将学习绩效提高了8.33％。 此外，学生在场景培训中表现出高水平的参与，并具有某些类型的互动，包括个性化功能，视觉提示和声音质量。 总体而言，RAST系统展示了在增强学生学习和ASD熟练程度的有希望的能力。为此，我们邀请了13名ASD的学生参加一项评估研究。在研究中，自我确定理论（SDT）衡量学生的学习参与。使用方差分析（ANOVA）评估学习参与和有效性。学生还参加了访谈，以报告他们有关系统的用户经验。结果表明，使用RAST系统的学习可以显着引起学生的内在动机，并改善其行为，情感和认知参与。此外，ASD的学生将学习绩效提高了8.33％。此外，学生在场景培训中表现出高水平的参与，并具有某些类型的互动，包括个性化功能，视觉提示和声音质量。总体而言，RAST系统展示了在增强学生学习和ASD熟练程度的有希望的能力。
辅助死于绝症成年人（苏格兰）帐单注释...
根据法案的规定提供了协助，以结束他们的生命。第4至14节规定了必须采取的初步程序步骤，以及如何评估和确定标准，以便有资格为某人提供帮助以结束生命。第15至20节直接涉及为有资格的绝症成年人提供援助，以通过自我管理的手段来结束他们的生命。这包括规定，包括注册的医生和其他卫生专业人员在内的任何人都没有责任，如果他们对此有认真的反对，也没有责任参加这一过程，并且规定在满足法案要求的情况下为合格的人提供协助，并且也没有同等的民事责任。这些部分还涉及一名失败的成年人因提供物质而死亡的过程，包括完成最终陈述以及如何在死亡证明中记录死亡。第21至33节与一般和最终条款达成协议，包括使其犯有犯罪或施加压力，将犯罪或压力施加压力的成年人要求辅助死亡，与数据收集和报告有关的规定，年度报告的发布以及五年后审查该法案的要求。计划1至4包含在过程的各个阶段必须填写，签名和见证的表格。附表5列出了为什么出于法案目的而被取消证人或代理人资格的原因。这些由第一和第二宣言形式组成，其中一名疾病的成年人要求为终止生命提供帮助，两份医疗评估声明表，由注册医生填写，评估资格和最终声明表格，将在死亡发生后填写。
在不同组合景观中对机器学习辅助定向进化的评估
2 加州理工学院化学与化学工程部，加利福尼亚州帕萨迪纳 91125，美国 3 加州理工学院工程与应用科学部，加利福尼亚州帕萨迪纳 91125，美国 4 现地址：默克公司，南旧金山，加利福尼亚州 94080 5 现地址：苏黎世联邦理工学院生物系统科学与工程系，Schanzenstrasse 44，4056 Basel 6 主要联系人* 通讯作者：Frances H. Arnold，frances@cheme.caltech.edu Yisong Yue，yyue@caltech.edu 摘要 各种机器学习辅助定向进化 (MLDE) 策略已被证明能比典型的湿实验室定向进化方法更有效地识别高适应度蛋白质变体。然而，对影响 MLDE 在不同蛋白质中表现的因素的了解有限，阻碍了湿实验室活动的最佳策略选择。为了解决这个问题，我们系统地分析了多种 MLDE 策略，包括使用六种不同的零样本预测因子的主动学习和集中训练，涵盖 16 种不同的蛋白质适应度景观。通过用六个属性量化景观导航能力，我们发现 MLDE 在定向进化更具挑战性的景观上提供了更大的优势，尤其是当集中训练与主动学习相结合时。尽管不同景观的优势程度各不相同，但利用不同的进化、结构和稳定性知识来源的零样本预测因子的集中训练在结合相互作用和酶活性方面始终优于随机采样。我们的研究结果为选择蛋白质工程的 MLDE 策略提供了实用指南。关键词组合诱变、定向进化、上位性、适应度预测、机器学习、蛋白质工程、零样本预测因子
云辅助自主驾驶的钥匙
1引言自动驾驶通过消除人为错误[1]来减少道路死亡[1]，通过改善交通流量[60]并为数百万受残疾人影响的人提供流动性来改变社会的潜力[1]。虽然自动驾驶汽车的部署有限（AVS）是无限的[14]，但仍存在挑战，例如在较差的天气条件和建筑区域中运营[22]。为了应对这些挑战，为提高机器学习的准确性（ML）模型而采取了重大努力[16，52，61，76，88]。但是，更准确的模型通常更加算法[73，90]。因为AV必须以比人类的反应时间快（例如390毫秒至1。2 s [45，87]），在车辆上部署模型需要仔细的运行时和准确性之间的权衡导航，以确保AVS提供高质量的决策和快速响应时间[34，79]。进一步满足严格的绩效要求的挑战，由于体力，热量和稳定性限制以及由于经济现实而导致的车载计算AV可以访问今天受到限制（第3节）；综上所述，结果是在最新的（SOTA）AV硬件上可用的量命令较少，可用于云，该硬件可以实时运行哪些模型。访问更好的计算将为更快地运行更高精度的更大型号提供机会，直接转化为提高安全性。我们建议转向云，该云提供对SOTA硬件的按需访问，因此提供了机会
西澳大利亚自愿安乐死委员会
数据于 2024 年 7 月 15 日从 VAD-IMS 中提取，以说明截至 2024 年 6 月 30 日发生的活动。报告各处均包含脚注，以协助解释数据。数字已四舍五入到小数点后一位，由于四舍五入，总数可能超过 100%。患者可能在不同的时间段执行相同的流程步骤，因此每年执行某项活动的患者人数总和可能超过历史总数。本报告还对 2021-22 和 2022-23 数据进行了微小修改，其中收到或更新了新信息。除非另有说明，否则年度报告中的数据仅反映从有效表格中收集的信息。VAD-IMS 还保存其他状态类型的表格数据，包括无效、撤销或无效。除非另有说明，否则地区数据基于患者家庭住址的邮政编码，珀斯大都市区包括皮尔地区和没有固定地址的患者。