XiaoMi-AI文件搜索系统
World File Search SystemAttribution
人机交互中的外部和内部归因
代理是按照人类的形象设计的，无论是内部还是外部。代理的内部系统模仿人类的大脑，无论是在硬件（即神经形态计算）还是软件（即神经网络）层面。此外，代理的外观和行为是由人设计的，并基于人类数据。有时，代理的这些类似人类的品质是故意选择的，以增加其对人类用户的社会影响力，有时影响代理感知的人为因素是隐藏的。受 Blascovich 的“社会影响阈值”（Blascovich 等人，2002 年）启发，该模型旨在解释虚拟环境中拟人化实体代理的不同方法的影响，我们提出了一个新颖的框架来理解人类对代理的人类品质归因如何影响其在人机交互中的社会影响。社会影响（EIA）的外部和内部归因模型建立在沉浸式虚拟现实中代理化身的先前研究的基础上，并提供了一个将先前的社会科学理论与神经科学联系起来的框架。EIA 将代理的外部和内部归因与两个与社会影响相关的大脑网络联系起来：外部感知系统和心理化系统。关注人机交互研究的每个归因
德国极端天气事件的归因
可能的解决方案是将两者结合起来：一种分析方法（WWA方法），以及在贝叶斯方法中使用整个分布。显示整个分布也支持一个更容易的交流：而不是宽范围表明内部的每个概率比同样可能，而是在大多数引导结果所在的位置都可以看到。
基于梯度的特征归因于可解释的AI
Black-Box AI模型的激增促使需要解释内部机制并证明其可靠性是合理的，尤其是在高风险应用中，例如医疗保健和自动驾驶。由于缺乏对可解释的AI（XAI）的严格定义，已经开发了与解释性，可解释性和透明度有关的大量研究，以从各个角度解释和分析该模型。因此，通过详尽的论文清单，从各个方面对XAI研究进行全面概述变得具有挑战性。考虑到神经网络在AI研究中的普及，我们将重点缩小到XAI研究的特定领域：基于梯度的解释，可以直接用于神经网络模型。在这篇综述中，我们系统地探讨了迄今为止基于梯度的解释方法，并引入了一种新颖的分类法，将它们分类为四个不同的类别。然后，我们按时间顺序介绍了技术细节的本质，并强调了算法的演变。接下来，我们引入人类和定量评估以测量算法性能。更重要的是，我们证明了XAI中的一般挑战以及基于梯度的解释中的特定挑战。我们希望这项调查能够帮助研究人员了解最先进的进步及其相应的缺点，这可能引发他们对解决未来工作中这些问题的兴趣。
联合治疗的价值归因框架
注释 (1) 包括强制性折扣 (2) 每月治疗费用（1 个月 = 4 周）基于治疗总费用除以 DoT。适应症：BRAF V600 突变阳性且无法切除的局部晚期或转移性黑色素瘤患者 资料来源：GBA；Clinicaltrials.gov；监测德勤分析 数据最初来自赛诺菲 Onco Combo 路线图 ISPOR-EU 2023，哥本哈根，小组，2023 年 11 月 13 日
摘要 机器翻译 (MT) 与人工智能 (AI) 的结合显著提高了机器翻译系统的精确度，其翻译质量可与熟练的人工翻译相媲美。这一创新拓宽了人工智能机器翻译系统的适用性，吸引了各种用途的用户。本文探讨了以下领域：人工智能机器翻译，特别是谷歌翻译 (GT) 在英语作为外语 (EFL) 课堂中的应用。实证研究结果和最近的研究表明，学生越来越依赖机器翻译，特别是在英语不是母语的高等教育环境中。本研究的目的是深入了解在课堂上使用谷歌翻译的 EFL 学习者的实践、信念和目标。通过问卷调查以及前后测试收集了 234 名大学生的数据，以比较有无谷歌翻译帮助的写作草稿的质量。研究结果与之前在世界各地进行的研究结果一致，这些研究强调了人工智能机器翻译不仅可以提升学生的学习体验，还可以培养更多独立学习者的巨大潜力。研究还表明，学生对 GT 持积极态度，并采用多种搜索策略来解决各种与语言相关的挑战。关键词：人工智能、英语作为外语、谷歌翻译、机器翻译、写作。引用 | Alharbi，W.（2023 年）。人工智能机器翻译在 EFL 课堂中的使用和滥用：一项探索性研究。教育与电子学习研究杂志，10 (4)，689–701。10.20448/jeelr.v10i4.5091 历史记录：收到日期：2023 年 7 月 31 日修订日期：2023 年 9 月 20 日接受日期：2023 年 10 月 4 日出版日期：2023 年 10 月 24 日许可：本作品已获得知识共享署名 4.0 许可出版商：亚洲在线期刊出版集团
摘要 机器翻译 (MT) 与人工智能 (AI) 的结合显著提高了机器翻译系统的精确度，其翻译质量可与熟练的人工翻译相媲美。这一创新拓宽了人工智能机器翻译系统的适用性，吸引了各种用途的用户。本文探讨了以下领域：人工智能机器翻译，特别是谷歌翻译 (GT) 在英语作为外语 (EFL) 课堂中的应用。实证研究结果和最近的研究表明，学生越来越依赖机器翻译，特别是在英语不是母语的高等教育环境中。本研究的目的是深入了解在课堂上使用谷歌翻译的 EFL 学习者的实践、信念和目标。通过问卷调查以及前后测试收集了 234 名大学生的数据，以比较有无谷歌翻译帮助的写作草稿的质量。研究结果与之前在世界各地进行的研究结果一致，这些研究强调了人工智能机器翻译不仅可以提升学生的学习体验，还可以培养更多独立学习者的巨大潜力。研究还表明，学生对 GT 持积极态度，并采用多种搜索策略来解决各种与语言相关的挑战。关键词：人工智能、英语作为外语、谷歌翻译、机器翻译、写作。引用 | Alharbi，W.（2023 年）。人工智能机器翻译在 EFL 课堂中的使用和滥用：一项探索性研究。教育与电子学习研究杂志，10 (4)，689–701。10.20448/jeelr.v10i4.5091 历史记录：收到日期：2023 年 7 月 31 日修订日期：2023 年 9 月 20 日接受日期：2023 年 10 月 4 日出版日期：2023 年 10 月 24 日许可：本作品已获得知识共享署名 4.0 许可出版商：亚洲在线期刊出版集团
分散限制的归因可以更好地解释植物菌群的装配模式
解开社区组装过程对于完全了解微生物群在农业生态系统中的功能至关重要。然而，许多植物微生物组调查逐渐揭示了随机过程在与强大的宿主过滤效果相结合的内生根微生物群的组装中占主导地位，这是一个重要的问题。解决此类冲突或不一致不仅有助于准确预测根部内生菌菌群的组成和结构及其驱动机制，而且还为确定性和随机过程在根部内生菌群的组装中的相对重要性和作物生产力和营养性质量和营养性质量和营养性质量和营养质量的相对重要性之间提供了重要的指导。在这里，我们提出，分散限制的不适当划分可能是这种不一致的主要原因，可以在分散限制的比例纳入确定性过程之后可以解决。本文解释了这种调整在微生物组和植物宿主之间形成霍比特的框架下的合理性，并提出了沿土壤 - 植物连续体的内生微生物群动态组装模式的潜在理论框架。考虑到根部生物学微生物群的组装是复杂的，我们建议谨慎和逐步验证从确定性过程到中性成分到中性成分再到随机过程，当决定未来分散限制的归因以促进基于可持续性农业的扩展和应用基于可持续性的农业组成模式，以促进对社区的发展和应用。
了解社交机器人：故意归因......
作者：T Ziemke · 2023 · 被引用 12 次 — Erlbaum。Buckwalter, W., & Phelan, M. (2013)。功能和感觉机器：对主观经验的哲学概念的辩护...
©2023 Leigh Price。这是根据Creative Commons Atermitution 4.0国际许可（https：//
摘要sigveHøgheim和我对心理学中的代表性，操作主义和构建有效性进行了类似的批评。我们各自的批评都取决于这些概念无法充分考虑有关我们建构现实的本体论问题的方式。høgheim建议我们可以通过返回避免“编码”的经典测量定义来解决问题，但我认为避免编码（表示，建模，理论化）是不可能的。，我建议我们使用许多批判的现实主义概念，例如出现，分层现实，转化，判断力理性主义和符号三角形，而不是试图避免它。我还认为，当前的操作主义方法反映了一种被称为认识论谬论的深层矛盾，其中科学家将本体论问题减少为认识论问题。尽管如此，尽管他们的科学版本矛盾，但心理学和教育领域的研究科学家仍然设法发现有关世界的事物，但是为了这样做，他们需要违反自己的规则。høgheim希望这样的科学家通过忠于欧几里得，牛顿和笛卡尔来避免矛盾 - 破坏科学规则。相反，我建议可以通过将科学理论改为更适当，批判的现实主义者版本来避免这种矛盾，从而更好地反映了心理学家和教育者的科学实践。
及时思考版权归属列表
CSIS 报告：战略失败？毫无希望的空谈？战术成功？花钱不建设（然后停止花钱）？，A. Cordesman 著，2011 年（https://csis-website-prod.s3.amazonaws.com/s3fs-public/legacy_files/files/publication/111115_Afghanistan_at_End_201 1.pdf）。
氨基酚对蛋白质聚集体的保护作用的定量归因于其化学结构和调节生物的能力
摘要：天然氨基醇是针对神经退行性疾病的有前途的药物，例如阿尔茨海默氏症和帕金森氏病，以及一种相关的保护机制，是通过与生物膜结合和置换型或结合抑制淀粉样蛋白蛋白及其细胞毒素氧化氧化氧化氧化氧化氧化物的结合而发生的。我们比较了三种化学上不同的氨基酚，发现它们表现出不同的（i）结合亲和力，（ii）电荷中和（iii）机械增强剂，以及（iv）重新溶解的脂质体膜内的关键脂质再分布。它们在保护培养的细胞膜侵害淀粉样蛋白β低聚物中也具有不同的效力（EC 50）。全球拟合分析导致了一个分析方程，该方程式描述了氨基氨醇的保护作用，其浓度和相关膜作用的函数。分析将氨基氨基蛋白介导的保护与明确定义的化学部分相关联，包括诱导部分膜中和效应的多胺组（79±7％）和类似胆碱的尾巴，从而导致脂质重新分布和双层机械抗性（21±7％）（21±7％），并将其量化效果链接到它们的化学效果。■简介