XiaoMi-AI文件搜索系统
World File Search SystemMDPI
建议引用：Yigitcanlar, Tan 等人 (2021)：地方政府人工智能 (AI) 的负责任城市创新：概念框架和研究议程，《开放创新：技术、市场和复杂性》杂志，ISSN 2199-8531，MDPI，巴塞尔，第 7 卷，Iss。1，第 1-16 页，https://doi.org/10.3390/joitmc7010071
1 昆士兰科技大学建筑与建筑环境学院，2 George Street，布里斯班 QLD 4000，澳大利亚 2 圣卡塔琳娜联邦大学技术学院，Campus Universitario，Trindade，Florian ó polis，SC 88040-900，巴西 3 萨拉曼卡大学 Bisite 研究小组，37007 萨拉曼卡，西班牙；corchado@usal.es 4 空气研究所，物联网数字创新中心，37188 萨拉曼卡，西班牙 5 大阪工业大学工程学院电子、信息和通信系，大阪 535-8585，日本 6 阿卜杜勒阿齐兹国王大学高性能计算中心，Al Ehtifalat St，吉达 21589，沙特阿拉伯； rmehmood@kau.edu.sa 7 香港树仁大学经济及金融系，香港北角伟翠街 10 号，中国；ymli@hksyu.edu 8 亚利桑那州立大学公共事务学院，美国亚利桑那州凤凰城北中央大道 411 号，邮编 85004；karen.mossberger@asu.edu 9 昆士兰科技大学管理学院，澳大利亚昆士兰州布里斯班乔治街 2 号，邮编 4000；kevin.desouza@qut.edu.au * 通讯地址：tan.yigitcanlar@qut.edu.au；电话: +61-7-3138-2418
建议引用：Yigitcanlar, Tan 等人 (2020)：人工智能技术与相关城市规划和发展概念：澳大利亚如何看待和利用它们？，《开放创新：技术、市场和复杂性》杂志，ISSN 2199-8531，MDPI，巴塞尔，第 6 卷，第 4 期，第 1-21 页，https://doi.org/10.3390/joitmc6040187
1 昆士兰科技大学建筑环境学院，2 George Street，布里斯班 4000，昆士兰州，澳大利亚；ruth.kankanamge@hdr.qut.edu.au (N.K.); massimo.regona@hdr.qut.edu.au (M.R.); andres.ruizmaldonado@connect.qut.edu.au (A.R.M.); bridget.rowan@connect.qut.edu.au (B.R.); hanseung.ryu@connect.qut.edu.au (A.R.)2 昆士兰科技大学管理学院，2 George Street，布里斯班 4000，昆士兰州，澳大利亚； kevin.desouza@qut.edu.au 3 萨拉曼卡大学 Bisite 研究小组，37007 萨拉曼卡，西班牙；corchado@usal.es 4 航空研究所，物联网数字创新中心，37188 萨拉曼卡，西班牙 5 大阪工业大学工学院电子、信息与通信系，大阪 535-8585，日本 6 阿卜杜勒阿齐兹国王大学高性能计算中心，Al Ehtifalat St，吉达 21589，沙特阿拉伯；rmehmood@kau.edu.sa 7 香港树仁大学可持续房地产研究中心，10 Wai Tsui Cres，北角，香港，中国；ymli@hksyu.edu * 通信地址：tan.yigitcanlar@qut.edu.au；电话: + 61-7-3138-2418
建议引用：Gramegna, Alex；Guidici, Paolo (2020)：为什么要买保险？一种可解释的人工智能方法，Risks，ISSN 2227-9091，MDPI，巴塞尔，第 8 卷，Iss。4，第 1-9 页，https://doi.org/10.3390/risks8040137
摘要：我们提出了一个可解释的人工智能模型，该模型可用于解释客户购买或放弃非寿险的原因。该方法包括将相似性聚类应用于从高精度 XGBoost 预测分类算法获得的 Shapley 值。我们提出的方法可以嵌入到基于技术的保险服务 (Insurtech) 中，从而可以实时了解对客户决策影响最大的因素，从而主动洞察他们的需求。我们通过对保险微保单购买数据进行的实证分析证明了我们模型的有效性。研究了两个方面：购买保险单的倾向和现有客户流失的风险。分析结果表明，可以根据一组相似的特征有效、快速地对客户进行分组，这可以很好地预测他们的购买或流失行为。
建议引用：Melnychenko, Oleksandr (2020)：人工智能是否已准备好评估企业的财务安全？，《风险与财务管理杂志》，ISSN 1911-8074，MDPI，巴塞尔，第 13 卷，第 9 期，第 1-19 页，https://doi.org/10.3390/jrfm13090191
摘要：本研究通过强调利益相关者的看法和由此产生的专业判断的相关性，为财务安全文献做出了贡献。在进行全面的财务安全研究时，仅使用经济指标来评估公司的财务安全（如现有文献中所建议的）是不准确的。具体而言，基于财务或管理报告在任何特定时间点计算的指数和指标仅提供肤浅的理解，甚至可能扭曲整体情况。还有人认为，专家评估是最客观的方法，尽管它具有与个人认知限制相关的缺点。这些限制并非人工智能所特有，它可以以较少偏见的方式评估企业的财务安全。然而，仅通过模仿人类的行为，它无法直观地感知和评估公司发展的动态，也无法整体评估财务状况——尽管具有学习和预测的可能性——因为人工智能无法思考和预测，而这在企业中是管理者最重要的技能。因此，开发人工智能来评估公司财务安全的风险在于对企业活动（尤其是财务安全）的评估存在偏差。
建议引用：Mhlanga, David (2020)：金融领域的工业 4.0：人工智能 (AI) 对数字金融包容性的影响，国际金融研究杂志，ISSN 2227-7072，MDPI，巴塞尔，第 8 卷，Iss。3，第 1-14 页，https://doi.org/10.3390/ijfs8030045
摘要：本研究旨在调查人工智能对数字金融包容性的影响。数字金融包容性正成为如何确保处于金字塔底层的人们积极参与金融活动的辩论中心。金融科技公司正在使用人工智能及其各种应用来确保实现数字金融包容性的目标，即确保低收入者、穷人、妇女、青年、小企业参与主流金融市场。本研究使用概念和文献分析对同行评审期刊、报告和其他关于人工智能和数字金融包容性的权威文件进行分析，以评估人工智能对数字金融包容性的影响。本研究发现，人工智能在风险检测、测量和管理、解决信息不对称问题、通过聊天机器人提供客户支持和帮助台以及欺诈检测和网络安全等领域对数字金融包容性具有强大的影响力。因此，建议世界各地的金融机构、非金融机构和政府采用并扩大使用人工智能工具和应用程序，因为它们在确保金融不活跃的弱势群体能够以最小的挑战和最大的利益参与正规金融市场方面带来的好处。
MDPI 图书传单
纺织科学和技术的发展不仅限于服装和时尚。当然，也有一些研究旨在改善服装用纺织品的构造和加工，例如关于减少环境影响的清洁生产、增加可再生资源纤维和工艺化学品的利用率以及回收消费后废弃服装材料以制造新服装的研究。此外，几个世纪以来为服装制作而开发的技术概念现在正在被研究用于各种领域，例如工程复合材料、个人防护设备和医药的制造。此外，其他领域的发展，如电子、纳米技术、信息和通信技术，正在被研究以将其融入服装和服装中以创造“智能纺织品”。本期特刊的目的是汇集有关此类努力的科学报告，以突出所针对的一系列科学和技术问题以及用于寻找答案的方法的独创性。希望本期的读者能够欣赏该领域正在进行的研究，并为他们自己的科学努力获得启发。