XiaoMi-AI文件搜索系统
World File Search SystemFlexible
灵活且针对特定情境的 AI 可解释性
摘要 近年来人们对人工智能 (AI) 的热情主要归功于深度学习的进步。深度学习方法非常准确，但也不够透明，这限制了它们在安全关键应用中的潜在用途。为了获得信任和问责，机器学习算法的设计者和操作者必须能够向用户、监管者和公民解释算法的内部工作原理、结果和失败的原因。本文的独创性在于结合可解释性的技术、法律和经济方面，开发一个框架来定义给定上下文中“正确”的可解释性水平。我们提出了三个逻辑步骤：首先，定义主要的背景因素，例如解释的受众是谁、操作背景、系统可能造成的危害程度以及法律/监管框架。此步骤将有助于描述解释的操作和法律需求，以及相应的社会效益。第二，检查可用的技术工具，包括事后方法（输入扰动、显着图......）和混合AI方法。第三，作为前两个步骤的功能，选择正确的全局和局部解释输出级别，同时考虑所涉及的成本。我们确定了七种成本，并强调只有当总社会效益超过成本时，解释才具有社会用途。
启动柔性和可拉伸的微型发行
磁性致动用于汽车抗体动力制动系统中的比例压力控制阀，以精确控制制动力。15化学执行器通过燃烧将化学能转化为机械能，从而促进汽油汽车发动机的运动。16这些驱动机制取得了巨大的成功，并在日常生活中广泛使用。然而，传统刚性和大型设备的致动机制不能直接转换为小毫米甚至微观尺度上的柔性微发频。有许多局限性，例如效率降低，微观效果的统治以及从宏到微区域缩小常规驱动概念的制造性。17 - 19因此，正在开发专门的致动机制，新颖的材料和先进的制造技术以解决这些问题。20 - 27例如，由于电磁电动机的微型化能力有限，因此无法将用于靶向药物的靶向药物治疗用于靶向药物治疗的微型机器人，因此不可能将基于电磁运动的传统电动机致动。取而代之的是，已经开发出诸如由磁性材料制成的螺旋螺旋桨等微型驱动器结构，以通过外部磁场导航微型机器人。28此外，在微创手术中，高度复杂和动态的环境需要具有较高灵活性，灵巧性和有效的力传递的微型版本。3029常规材料无法满足所有这些要求，并且已经开发出高度灵巧，微型的柔性设备，例如形状记忆合金（SMA）。
灵活的 DER 和 EV 连接
本报告是由美国政府某个机构资助的工作报告。美国政府、其任何机构及其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，或承担任何法律责任或义务，也不保证其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定的商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
灵活且针对具体情境的 AI 可解释性
摘要 近年来人们对人工智能 (AI) 的热情主要归功于深度学习的进步。深度学习方法非常准确，但也不太透明，这限制了它们在安全关键型应用中的潜在应用。为了获得信任和问责，机器学习算法的设计者和操作者必须能够向用户、监管者和公民解释算法的内部工作原理、结果以及失败的原因。本文的独创性在于结合可解释性的技术、法律和经济方面，开发一个框架来定义给定环境下可解释性的“正确”水平。我们提出了三个逻辑步骤：首先，定义主要的背景因素，例如解释的受众是谁、操作背景、系统可能造成的危害程度以及法律/监管框架。此步骤将有助于描述解释的操作和法律需求，以及相应的社会效益。第二步，检查可用的技术工具，包括事后方法（输入扰动、显著性图……）和混合 AI 方法。第三步，根据前两个步骤，选择正确的全局和局部解释输出级别，同时考虑所涉及的成本。我们确定了七种成本，并强调只有当总社会效益超过成本时，解释才具有社会意义。
灵活的截止日期和扩展请求
残疾人团队。如果建议在支持计划中建议灵活的截止日期，则预计学校/部门将考虑进行扩展的请求，而无需详细的解释/证据以证明调整是合理的。但是，学生应在解释中清楚地表明，由于残疾而需要延长时间。情况：学生要求扩展。他们有一个建议灵活截止日期的MMS支持计划。*请注意，一些残疾学生将制定不包括灵活截止日期的支持计划。由于其残疾的影响，一个人仍可能要求扩展。例如，一个患有良好控制和管理的糖尿病的学生因冷/疾病的虫病而生病，这会影响他们的血糖，他们需要一些灵活性来提交任务。请参阅下面的示例，以说明特定条件可能意味着学生需要在截止日期和学生可以提供的信息中要求某些灵活性。本指南旨在帮助员工和学生应对扩展请求程序：抑郁症，精神分裂症或
关于您的柔性支气管镜检查
在 PST 预约期间，您将会见一名执业护士 (NP)。他们与麻醉科工作人员（在手术过程中为您实施麻醉的专业医疗保健提供者）密切合作。您的 NP 将与您一起回顾您的病史和手术史。您还可能接受医学检查以帮助规划手术，例如：
柔性传感器技术路线图
Yifei Luo, Mohammad Reza Abidian, Jong-Hyun Ahn, Deji Akinwande, Anne M. Andrews, Markus Antonietti, Zhenan Bao, Magnus Berggren, Christopher A. Berkey, Christopher John Bettinger, Jun Chen, Peng Chen, Wenlong Cheng, Xu Cheng, Seon-Jin Choi, Alex Chortos, Canan Dagdeviren, Reinhold H. Dauskardt, Chong-an Di, Michael D. Dickey, Xiangfeng Duan, Antonio Facchetti, Zhiyong Fan, Yin Fang, Jianyou Feng, Xue Feng, Huajian Gao, Wei Gao, Xiwen Gong, Chuan Fei Guo, Xiaojun Guo, Martin C. Hartel, Zihan He, John S. Ho, Youfan Hu, Qiyao Huang, Yu Huang, Fengwei Huo, Muhammad M. Hussain, Ali Javey, Unyong Jeong, Chen Jiang, Xingyu Jiang, Jiheong Kang, Daniil Karnaushenko, Ali Khademhosseini, Dae-Hyeong Kim, Il-Doo Kim, Dmitry Kireev, Lingxuan Kong, Chengkuo Lee, Nae-Eung Lee, Pooi See Lee, Tae-Woo Lee, Fengyu Li, Jinxing Li, Cuiyuan Liang, Chwee Teck Lim, Yuanjing Lin, Darren J. Lipomi, Jia Liu, Kai Liu, Nan Liu, Ren Liu, Yuxin Liu, Yuxuan Liu, Zhiyuan Liu, Zhuangjian Liu, Xian Jun Loh, Nanshu Lu, Zhisheng Lv, Shlomo Magdassi, George G. Malliaras, Naoji Matsuhisa, Arokia Nathan, Simiao Niu, Jieming Pan, Changhyun Pang, Qibing Pei, Huisheng Peng, Dianpeng Qi, Huaying Ren, John A. Rogers, Aaron Rowe, Oliver G. Schmidt, Tsuyoshi Sekitani, Dae-Gyo Seo, Guozhen Shen, Xing Sheng, Qiongfeng Shi, Takao Someya, Yanlin Song, Eleni Stavrinidou, Meng Su, Xuemei Sun, Kuniharu Takei, Xiao-Ming Tao, Benjamin C. K. Tee, Aaron Voon-Yew Thean, Tran Quang Trung, Changjin Wan, Huiliang Wang, Joseph Wang, Ming Wang, Sihong Wang, Ting Wang, Zhong Lin Wang, Paul S. Weiss, Hanqi Wen, Sheng Xu, Tailin Xu, Hongping Yan, Xuzhou Yan, Hui Yang, Le Yang, Shuaijian Yang, Lan Yin, Cunjiang Yu, Guihua Yu, Jing Yu, Shu-Hong Yu, Xinge Yu, Evgeny Zamburg, Haixia Zhang, Xiangyu Zhang, Xiaosheng Zhang, Xueji Zhang, Yihui Zhang, Yu Zhang, Siyuan Zhao, Xuanhe Zhao, Yuanjin Zheng, Yu-Qing Zheng, Zijian Zheng, Tao Zhou, Bowen Zhu, Ming Zhu, Rong Zhu, Yangzhi Zhu, Yong Zhu, Guijin Zou, and Xiaodong Chen *
