XiaoMi-AI文件搜索系统
World File Search SystemKoval
Kovaleva GP、Efremova ON、Porkhachev VN、Rostova NN 人类与“人工智能”：人类社会背景
社会文化维度之外的经济表现。这种态度导致了以下后果：一方面，人类的改造活动和对自然的积极干预被绝对化；另一方面，科技进步的作用被绝对化，在此框架内，以“人工智能”为基础，信息技术设备的应用范围不断扩大。随着以“人工智能”为基础的技术积极渗透到人类活动的各个领域，人们认为人类将失去对科技进步的控制，人类有可能沦为科技附属品。公众思想中出现了一种担忧，即人类可能会失去其存在本质的深层特征，即“人性面孔”。 “人类面部现象是独一无二的，是所有心身现象中最重要的”[7，第 173 页] 10–31]。通过面容，我们可以辨别出一个人是否具有一定的理性；通过面容，我们可以判断他的人类本质。面部现象从精神、灵魂、身体和智力属性的角度代表一个人作为一个个体、作为一个整体的存在。现代本体论和社会人类学的超越导致需要批判地分析技术文化的基本价值并发现新的价值增长点，寻求新的发展战略[5]。在这些战略中，技术领域必须履行其与人相关的服务作用——为人类活动的各个领域提供服务的生产资料。制定目标的特权应该只属于人类，并且在转型人类学策略中应该考虑“面子因素”。本文的目的是确定技术文明的主要人类社会背景。从实现既定目标的角度，提出了作者对人类与“人工智能”之间关系形成问题的思想立场。方法论。作品采用了历史哲学的方法，可以分析“人工智能”在不同文化和历史阶段的发展。系统活动方法使得人们能够根据人脑和机器、生物和人工“神经网络”组织的一般参数来比较人类和“人工智能”的功能，从而概括所研究的材料并得出结论。结果。 “人工智能”（AI）是指
Gregory G. Koval 代理副助理部长...
海军财务管理系统副助理部长 (DASN FMS)，海军助理部长办公室 (财务管理和主计长) Gregory G. Koval 先生是高级行政服务团的成员，担任海军财务管理系统副助理部长 (DASN FMS)。他负责海军部 (DON) 财务管理系统的投资组合管理和资源配置。该角色包括完成当前遗留系统向海军企业资源规划 (ERP) 的迁移，通过实施高级分析支持海军普通基金和 DON 营运资金基金审计活动，以及在下一代 ERP+ 系统中升级 DON 的财务管理能力。在成为 DASN FMS 之前，Koval 先生是五角大楼海军陆战队总部项目和资源 (资源) 助理副司令。他曾担任海军陆战队首席财务官、项目和资源副司令的高级会计、审计和资源顾问。Koval 先生带领海军陆战队在海军陆战队总基金财务报表上取得了历史性的首份无保留审计意见，使海军陆战队成为第一个实现这一目标的国防部军事部门。他的职责包括财务运营的所有方面，从领导全面财务报表审计补救策略到实施可持续的内部控制环境；管理季度和年度财务报告；编制年度保证声明；以及实施财务系统控制。此外，Koval 先生在全面财务报表审计的情况下制定并执行了一项战略，以稳定国防机构计划 (DAI) 总账迁移后的海军陆战队数据和流程。此前，Koval 先生曾担任海军助理部长办公室（财务管理和主计长）财务运营副主任。作为海军部首席会计官，他负责会计和财务运营，包括监督财务改进和审计补救 (FIAR) 计划。任职期间，他还担任代理 DASN 财务运营。Koval 先生领导的补救策略导致海军的几个审计重大缺陷被降级。
使用基于集成域知识的深度学习Oleksii Kovalchuk A，Pavlo Radiuk A，Olexander Barmak A，Iurii K
摘要心电图（ECG）是一种通过记录其电活动来评估心脏功能的关键临床技术。然而，对心电图信号的准确处理和分析，尤其是对R峰的检测，仍然具有挑战性。R-peak检测中的任何不准确性都会显着影响随后的分析阶段，可能导致诊断和治疗决策不正确。因此，在这项研究中，我们旨在通过将参考ECG信号的知识整合到输入信号中来完善识别ECG信号中R峰的方法，从而解决了在诊断各种心脏病理中准确的R-PEAK检测的关键需求。作者提出了一种新方法，涉及将知识集成到ECG信号中，使用卷积神经网络处理此信息，并在后处理CNN模型的结果以识别R峰。使用各种众所周知的ECG数据库评估该方法。误差率为 +-25 ms的比较结果表明，所提出的方法是几乎所有指标和数据库中的最佳表现者，经常达到0.9999的准确度得分，并证明了高精度，召回和F 1尺寸。基于调查结果，所提出的方法是稳健且可靠的，在QT数据库测试集中取得了最佳性能，为ECG信号中的R-PEAK检测提供了平衡且可靠的解决方案。关键字1医疗保健诊断，心电图，心电图监测，R-peak检测，域知识，深度学习
使用深度学习Oleksii Kovalchuk A，Pavlo Radiuk A，Oleksander Barmak A，Sergis Petrovskyi A a
摘要在过去的十年中，深度学习技术已在医疗保健行业广泛使用，以检测心跳和诊断心脏病。但是，这些工具因“黑匣子”和缺乏透明度而受到批评。因此，在本文中，我们提出了一种新方法，使通过深度学习更可理解的分类结果。我们建议基于与特定心脏条件相对应的ECG信号形成特征向量。该矢量包括心脏周期的可测量特征，例如波浪持续时间和振幅，这些特征对于医疗保健专业人员来说是典型且可以理解的。此功能向量是充当功能编码器和分类器的深神经网络的输入数据。我们使用手工特征矢量的计算实验达到了98.69％的平均准确性，与基于完整的心脏周期的其他深度学习工具相当。这项研究的结果表明，未来的研究应着重于开发可解释的深度学习工具，这些工具对医疗保健专业人员来说是透明且可理解的。关键字1心电图信号，MIT-BIH心律失常数据库，特征提取，深度学习，可解释的人工智能
Svitlana Kolosok、Liudmyla Saher、Yevhen Kovalenko……
摘要 . 加快欧盟基于可再生能源的新能源基础设施建设，对于有针对性地减少温室气体排放和增加可再生能源生产是必要的。本文回顾了当前可再生能源发展问题和欧洲能源政策中能源创新的研究。由于能源存储系统和技术的发展以响应需求的速度远远慢于可再生能源的发展，可再生能源发电的有效性和能源创新的适应性可能仅限于确保泛欧洲能源系统灵活性的挑战。因此，本研究的主要目的是通过数学建模来解释 2017-2020 年欧盟 27 国电力生产变化的决定性，这是由于某些类型的可再生资源的净发电量预测因素造成的。为了确定欧盟 27 国可再生能源部署的影响，选择了三种机制的马尔可夫转换回归模型，包括可再生能源（水力、地热、风能和太阳能）清洁能源发电的选定预测因素。本研究使用 Python 3.10.5 中的 statsmodels v0.13.2 工具包进行。欧盟 27 国的总发电量和净发电量之间的变化不是恒定的，取决于发电方式。也就是说，这些参数之间的关系是不对称的。结果还表明，当欧盟 27 国的发电率适中时，净风能发电率并不显著。此外，清洁太阳能发电量与欧盟发电量之间的负相关关系在这三种情况下都很显著。