XiaoMi-AI文件搜索系统
World File Search SystemJusti
纸笔写作模式与计算机辅助写作模式作为任务复杂性的新维度
摘要：在本文中，我们提出将写作方式（纸笔写作与计算机写作）概念化为认知任务复杂性因素。为了为这一理论提出奠定基础，我们首先回顾了先前基于认知任务的模型对第二语言（L2）写作的改编。然后，我们比较了纸笔写作和计算机写作方式的一般特征，概述了将学习和表现相关的重要性归因于写作方式的多学科理论模型的主要原则，并回顾了现有的实证证据。由此，我们得出理论和实证依据，将写作方式概念化为任务复杂性维度。在概述我们的概念观点之后，我们继续回顾可用于独立评估纸质和计算机书写的 L2 任务中的认知负荷的方法。在结论中，我们提供了对未来研究的启示和建议。
策略-产品-开发.pdf
产品计划获得批准后，产品开发流程便开始独立运行。它应对组织的复杂性，并跨越不同组织孤岛的界限。随着产品开发的进展，它与最初的战略目标越来越脱节。随着不同团队在时间紧迫和不断变化的市场动态的压力下做出战术决策和选择，最初的业务理由往往会逐渐消失。这种脱节可以解释新产品发布的失败率极高，或新产品的商业价值实现率低下。业务规划人员在启动产品计划时，对计划如何实现其目标有着很好的想法。然而，他们经常用高层次的战略术语来表达这种联系，而这些术语很难转化为针对流程中涉及的不同利益相关者的具体指导。
基于人工智能的临床决策支持系统时代的医学可解释性
人们经常宣扬“大数据”与人工智能 (AI) 的结合，认为将其应用于医疗决策时能带来宝贵的健康益处。然而，负责任地采用基于人工智能的临床决策支持系统在个人和社会层面都面临着多重挑战。其中一个特别令人担忧的特点是可解释性问题，因为如果医生不知道（或无法知道）算法得出特定输出的方式，则可能导致多重挑战，包括无法评估输出的优点。这种“不透明性”问题引发了人们对医生是否合理依赖算法输出的质疑，一些学者坚持可解释性的重要性，而另一些学者则认为没有理由对人工智能有要求，而对医生没有要求的东西。我们认为这两种观点都有可取之处，但我们发现，为了阐明可解释性在临床实践中的基本功能，从而阐明其在人工智能临床应用背景下的相关性，需要进行更深入的探讨。在本文中，我们通过研究可解释性在临床医学中的要求来探索可解释性，并区分可解释性对当前患者和未来患者的功能。这种区别对于可解释性的短期和长期要求具有影响。我们强调透明度在可解释性中的作用，并确定语义透明度是可解释性问题本身的基础。我们认为，在日常临床实践中，准确性足以作为临床决策的“认识论依据”，而要求可解释性（科学或因果解释）的最令人信服的理由是，通过建立更强大的世界模型，有可能改善未来的护理。我们认为临床决策的目标是尽可能多地提供最佳结果，并且发现——只要努力探索科学解释并继续改善未来患者的医疗保健，准确性就足以作为对当今患者进行干预的依据。
基于人工智能的临床决策支持系统时代的医学可解释性
人们经常宣传“大数据”和人工智能 (AI) 的结合在应用于医疗决策时具有带来宝贵健康益处的潜力。然而，负责任地采用基于 AI 的临床决策支持系统在个人和社会层面都面临着若干挑战。引起特别关注的特征之一是可解释性问题，因为如果医生不知道（或无法知道）算法得出特定输出的方式，这可能会导致多重挑战，包括无法评估输出的优点。这种“不透明性”问题引发了人们对医生是否合理地依赖算法输出的质疑，一些学者坚持可解释性的重要性，而另一些学者则认为没有理由要求 AI 做医生不需要的事情。我们认为这两种观点都有可取之处，但我们发现，为了阐明可解释性在临床实践中的潜在功能，以及它在临床应用人工智能背景下的相关性，需要进行更细致的分析。在本文中，我们通过研究可解释性在临床医学中的需求来探索可解释性，并区分可解释性对当前患者和未来患者的功能。这种区别对可解释性的短期和长期要求具有影响。我们强调了透明度在可解释性中的作用，并认为语义透明度是可解释性问题本身的基础。我们认为，在日常临床实践中，准确性足以作为临床决策的“认识论依据”，而要求科学或因果解释意义上的可解释性的最令人信服的理由是通过建立更强大的世界模型来改善未来的护理。我们认为临床决策的目标是尽可能多地提供最佳结果，并且发现——只要揭示科学解释的努力继续改善未来患者的医疗保健，准确性就足以为当今的患者提供干预。
用于 μ-IDE 基甲醇的 2D-HfS2 薄片的简易合成...
摘要 — 我们开发了一种基于化学合成的 Al µ − IDE /HfS 2 的新型电阻式气体传感器，用于在室温下精确检测甲醇蒸汽。在室温下，在 1 V 的工作偏压下，暴露于 500 ppm 的甲醇蒸汽，灵敏度高达 1.29。灵敏度是通过瞬态响应分析获得的。最重要的是，我们见证了非常快速的响应/恢复特性和良好的基线恢复。响应时间和恢复时间分别在 ∼ 12.12 s 至 ∼ 21.14 s 和 ∼ 23.72 s 至 ∼ 39 s 范围内。我们还研究了与其他干扰物质的交叉敏感性。我们还描述了全面的论证，包括可观的传感响应的朗缪尔吸附-解吸等温线。
外星技术、结合性和遍历性
我们如何概念化先进外星文明的人工制品？在最近一项发人深省的研究中，考伊（Cowie，2022 年）从哲学的角度考虑了星际小行星状物体 1I/2017 U1 ' Oumuamua 奇异特性的人工制品解释。他考虑了著名天体物理学家亚伯拉罕·勒布（Abraham Loeb）提出的假设，即这个小物体实际上是先进外星文明的人工制品，其异常特性最好解释为它是太阳帆（Bialy 和 Loeb，2018 年；Loeb，2021 年）。考伊以精湛的方式分析了各种隐藏的假设和论证陷阱。这样的研究非常重要，而且随着我们在天体生物学方面的观察知识和理论成熟度的提高，其重要性可能会增加（另见 Cowie，2021 年）。在人们对搜寻地外文明 (SETI) 研究兴趣重新燃起的时代（现在的新名称是“寻找技术特征”；Wright
12 x 18 1打印170 GSM 1在250 GSM.CDR
所有提交的论文必须是原始的，未发表的，并且在任何其他期刊或会议记录中都必须考虑出版。摘要不得超过250个单词，并且应包括4-5个关键字。纸必须以Microsoft Word格式提交。必须在新罗马字体的时间中格式化纸张，主文本为12号，标题14号和1线间距。的边距应在所有侧面设置为1英寸，并且文本应符合正义。表和图必须正确编号。全长纸不得超过7页。标题下方提供作者和合着者的姓名，机构名称和电子邮件地址。口头纸介绍将限制为10分钟：演示文稿7分钟和3分钟进行讨论。对于海报演示，海报的大小应为1m x 1m。有关接受摘要和论文的接受的通知将通过电子邮件发送。
贝叶斯网络结构学习的量子近似优化算法
贝叶斯网络结构学习是一个 NP 难问题，近几十年来许多传统方法都面临着这一问题。目前，量子技术提供了广泛的优势，可用于解决使用传统计算方法无法有效解决的优化任务。在这项工作中，一种特定类型的变分量子算法，即量子近似优化算法，用于解决贝叶斯网络结构学习问题，采用 3 n (n − 1) / 2 量子比特，其中 n 是要学习的贝叶斯网络中的节点数。我们的结果表明，量子近似优化算法方法可提供与最先进方法相媲美的结果，并且对量子噪声具有定量的弹性。该方法被应用于癌症基准问题，结果证明了使用变分量子算法来解决贝叶斯网络结构学习问题的合理性。
贝叶斯网络结构学习的量子近似优化算法
摘要 贝叶斯网络结构学习是一个 NP 难问题，近几十年来许多传统方法都面临着这一问题。目前，量子技术提供了广泛的优势，可用于解决使用传统计算方法无法有效解决的优化任务。在本文中，一种特定类型的变分量子算法，即量子近似优化算法，用于解决贝叶斯网络结构学习问题，采用 3 n (n − 1)/ 2 量子比特，其中 n 是要学习的贝叶斯网络中的节点数。我们的结果表明，量子近似优化算法方法可提供与最先进方法相媲美的结果，并且对量子噪声具有定量的弹性。该方法被应用于癌症基准问题，结果证明了使用变分量子算法解决贝叶斯网络结构学习问题的合理性。