XiaoMi-AI文件搜索系统
World File Search SystemMCIS
ICMCIS 2024 | Fabian Fritz 弗劳恩霍夫 FKIE
属性 可用于本地推理的公共权重（MIT 许可证） 多种模型大小，高达 15 亿个参数（“大”） 经过 68 万小时的 YouTube 内容训练
国际军事传播与信息系统会议（ICMCIS）
本次会议是公开发布的，向北约国家，北约机构和Sto开放，增强了机会伙伴（澳大利亚和日本），地中海对话国家，奥地利，波斯尼亚，波斯尼亚和黑塞哥维那，爱尔兰，韩国，新西兰，新西兰，瑞士，瑞士和乌克兰的行政官22.3 36（0.36） 80 IST STC执行助理Armelle Dutruc电话：+33（0）1 55 61 22 82 ist@cso.nato.int.int
推荐引用 推荐引用 Hojjati, Yalda；Chen, YuanYuan；和 Raja, Uzma，“可解释性对基于集体兴趣的人工智能推荐系统的影响”（2024 年）。AMCIS 2024 TREOs。 183. https://aisel.aisnet.org/treos_amcis2024/183
ychen200@ua.edu Uzma Raja 奥本大学 uraja@auburn.edu 摘要 AI 推荐系统越来越多地应用于各种情境中，通过提供个性化推荐来促进集体利益，这些推荐有利于用户群体而不是个人。然而，追求集体利益有时可能会与个人偏好相冲突，导致用户认为推荐与他们的最佳利益背道而驰。这种现象涉及交通管理、环境保护、社会服务分配和医疗保健建议等各个领域。当用户不了解底层算法时，他们可能会遇到与他们的期望不一致的结果，从而导致怀疑并削弱对 AI 工具及其不透明决策过程的信任。因此，实现服务集体利益的总体目标成为一项挑战。这凸显了 AI 系统对可解释性的迫切需求。可解释人工智能 (XAI) 是一组过程和方法，允许人类用户理解和信任机器学习算法创建的结果和输出 (Arrieta 等人2020)。尽管在研究、实践和监管话语中受到越来越多的关注，但可解释性对基于集体利益的人工智能系统的影响仍有待探索。本文以锚定效应和计划行为理论的理论基础为基础，探讨了可解释性在培养信任和采用基于集体利益的人工智能系统中的关键作用，特别是在面对与个人最佳利益不同的建议时。具体来说，我们研究哪些特征或变量可以帮助解释人工智能推荐系统，从而促进采用基于集体利益的人工智能建议。此外，我们探讨了用户的人口统计特征和与推荐相关的感知成本如何影响可解释性对他们的信任和采用此类人工智能系统的意图的影响。
影响圈后伤口的因素...
目的：本研究旨在确定阴茎腺和Smegma涂片的影响，胶原蛋白和成纤维细胞在预周围的胶原蛋白和成纤维细胞对弯曲后伤口愈合的影响。材料和方法：在Malang中进行的一项横断面研究，该样品在2022年9月17日通过有目的的采样获得。包容性标准是未割礼的雄性，他们同意割礼，并且没有禁忌该程序。此外，从包皮环切术过程中获得的前蛋白蛋白（HE）染色的前牙前染色，并在光学显微镜下进行计数。割礼后的评估是在手术后七天进行的。使用回归方法分析数据； P表示概率值或显着性水平，而B分数表示影响程度。结果：共有31个研究样本在带包皮环切术后的样本之间的平均年龄有显着差异（11.25±2.75）和没有投诉的样本（8.5±2.73）（p = 0.05）。回归测试发现细菌培养，成纤维细胞和胶原蛋白的显着影响分别为24％，25％和24％。结论：皮肤弹性随着年龄的增长而降低，这是成纤维细胞增加和胶原密度降低的标志。成纤维细胞因子，胶原蛋白和细菌培养在伤口愈合中很重要。
etmcis手册内容v5
本次会议的组织是为了将各种领域的人们聚集在一起，以在微电子，VLSI，沟通和智能系统的领域中分享他们的想法，观点和思想。ETMCIS 2024是一个国际会议，将于6月13日至2024年6月13日至15日，浦那Alandi（D），Alandi（D）的E＆TC工程学院（电子工程系和E＆TC工程系）将在E＆TC工程学院（电子工程系和E＆TC工程学系）举行。目的是为全球技术人员，研究人员和行业领导者提供平台形式，以分享他们对新兴技术和更新的解决方案的想法，这些解决方案可以指导和导致明天更好。