文章标题:人工智能(AI)在医疗保健中的应用:综述 作者:Mohammed Yousef Shaheen[1] 所属机构:沙特阿拉伯[1] Orcid ids:0000-0002-2993-2632[1] 联系电子邮件:yiroyo1235@tmednews.com 许可信息:本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表,允许在任何媒体中不受限制地使用、分发和复制,只要正确引用原始作品即可。使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明:本文为预印本,尚未经过同行评审,正在考虑并提交给 ScienceOpen Preprints 进行开放同行评审。DOI:10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布:2021 年 9 月 25 日
抽象的大语言模型(LLM)已成为医疗保健领域的变革性工具,在自然语言理解和产生中表现出了显着的能力。然而,它们在数值推理方面的熟练程度,尤其是在临床应用中的高风险领域,仍然没有得到充实的态度。数值推理在医疗保健应用中至关重要,影响患者的结果,治疗计划和资源分配。本研究研究了在医疗保健环境中数值推理任务中LLM的计算准确性。使用1,000个数值问题的策划数据集,包括诸如剂量计算和实验室结果解释之类的现实世界情景,根据GPT-3体系结构进行了精制LLM的性能。该方法包括及时的工程,事实检查管道的集成以及正规化技术以增强模型的准确性和泛化。关键指标(例如精度,回忆和F1得分)用于评估模型的功效。结果表明总体准确性为84.10%,在多步推理中直接的数值任务和挑战方面的性能提高了。事实检查管道的整合提高了准确性11%,强调了验证机制的重要性。这项研究强调了LLM在医疗保健数值推理中的潜力,并确定了进一步完善的途径,以支持临床环境中的关键决策。当它们成为这些发现旨在为医疗保健的可靠,可解释和上下文相关的AI工具做出贡献。关键字大语言模型(LLMS)·变压器架构·及时工程·精确度·精确·回忆·F1-SCORE 1简介大语言模型(LLMS)已成为人工智能领域的重大进步,证明了在处理和生成人类语言中的显着能力。这些模型由深度学习技术提供支持,在广泛的数据集上进行了培训,并有可能了解语言,细微差别和语言的复杂性。
文章标题:抗击 COVID-19:人工智能技术与挑战 作者:Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构:毕业于杜比克大学,联系电子邮件 ID:Patelnikhilr88@gmail.com[1],IEEE 会员,毕业于 Technocrats Institute of Technology,联系电子邮件 ID:sandeep.trived.ieee@gmail.com[2],尼泊尔加德满都佛陀教育基金会[3] Orcid id:0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件:sandeep.trived.ieee@gmail.com 许可信息:本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/,允许在任何媒体中不受限制地使用、分发和复制,前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明:本文为预印本,尚未经过同行评审,正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI:10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布:2022 年 7 月 25 日 关键词:COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
约翰·麦卡锡(John McCarthy,1927 年 9 月 4 日 - 2011 年 10 月 24 日)是美国计算机科学家和认知科学家。“人工智能”一词由他创造(维基百科,2020 年)。萨蒂什·加贾瓦达(Satish Gajawada,1988 年 3 月 12 日 - 至今)是印度独立发明家和科学家。他在本文中创造了“人工满足”一词(Gajawada,S. 和 Hassan Mustafa,2019a)。本文介绍了一个名为“人工满足”的新领域。本文发表后,“人工满足”将被称为“人工智能之兄”。本文设计并实现了一种名为“人工满意度算法(ASA)”的新算法。为了简单起见,粒子群优化(PSO)算法用人工满意度概念进行了修改,以创建“人工满意度算法(ASA)”。 PSO 和 ASA 算法应用于五个基准函数。对获得的结果进行了比较。本文的重点更多地在于定义和向世界介绍“人工满意度领域”,而不是从头开始实现复杂的算法。
逻辑系统与模型系摘要:本文讨论了量子力学实际上解决的问题。其观点表明,在理解问题时忽略了时间及其过程的关键环节。量子力学历史的常见解释认为离散性仅在普朗克尺度上,而在宏观尺度上则转变为连续性甚至平滑性。这种方法充满了一系列看似悖论的悖论。它表明,量子力学的当前数学形式主义仅与其表面上已知的问题部分相关。本文接受的恰恰相反:数学解决方案是绝对相关的,并作为公理基础,从中推导出真实但隐藏的问题。波粒二象性、希尔伯特空间、量子力学的概率和多世界解释、量子信息和薛定谔方程都包括在该基础中。薛定谔方程被理解为能量守恒定律对过去、现在和未来时刻的推广。由此推导出的量子力学的现实问题是:“描述任何物理变化(包括任何机械运动)中时间进程的普遍规律是什么?” 关键词:能量守恒定律;希尔伯特空间;量子力学的多世界诠释;过去、现在和未来;量子力学的概率诠释;量子信息;薛定谔方程;时间;波粒二象性
在当今的数字景观中,门户系统(PS)已成为提供重要的教育,管理和通信服务不可或缺的一部分。但是,这些系统的复杂性和互连性增加使它们容易受到各种异常的影响,包括恶意攻击,注射缺陷,拒绝服务(DOS)攻击,数据泄露和人类错误。这些漏洞会导致运营中断,财务损失和声誉损失,从而减少用户信任。例如,加州大学洛杉矶分校(加州大学洛杉矶分校)的重大网络事件,例如2015年7月的数据泄露,该事件揭露了450万张记录,成本超过7000万美元,曼彻斯特2023年7月的网络受害者是网络攻击的受害者,导致了大约11,000名员工的危害(PRLIGHT),多数超过46,000名学生的数据;异常检测系统。在尼日利亚,2023年的总统选举记录了传播和数字经济部长Isa Pantami(Ukagwu。(2023),进一步强调了对强大安全机制的需求。
交通交叉点在运输网络中是至关重要的,具有挑战性的节点,其中多个车道和行人汇聚。大约四分之一的交通死亡人数,大约有四分之一的交通损伤发生在交通交叉点(1)。这些交叉路口的有效管理对于确保所有用户的安全性和效率至关重要,包括车辆,行人,骑自行车的人和脆弱的道路使用者(VRUS)(2,3)。随着传感器感知技术的进步,例如雷达,光检测和范围(LIDAR)和相机,交通交集正在发展为动态和数据富的环境。通过使用这些数据创建一个实时数字双胞胎,我们可以实现实时数据驱动的决策以及一系列应用,例如向连接的车辆(CVS)(CVS)和连接的自动驾驶汽车(CAVS)(CAVS),安全性信号传导以及限制优化的优化和提高效率和提高安全性(4-7)。
利用通过CUBO获得的地下数据,我们研究了Doublet井系统的技术可行性和设计要求,其水平侧向连接到通过液压分裂创建的断裂网络。EGS储层的尺寸尺寸为在15年寿命中连续加热的范围内提供标称的热量输出,而热水量有限。我们将Gringarten多个平行断裂模型,Cornell离散裂缝模拟器FoxFem和商用模拟器ResFRAC应用于估算所需的传热区域,并设计潜在的液压刺激处理。储层模拟表明,根据流体流量和注入温度,有效断裂传热区的2至3 km 2在15年内提供了5至10 mW的目标热量输出。