XiaoMi-AI文件搜索系统
World File Search SystemSumers
预防反社会机器人：通往人工智能同理心的途径
人工智能中的一致、情感和同理心 人工智能 (AI) 为我们推荐产品；组织媒体；驾驶飞机、火车和汽车；诊断疾病；为保险定价；回答消费者的问题；照顾老年人；提供治疗；并且日益主宰制造业、战争和股票市场。这一变化正以越来越快的速度发生 (1)。这些人工系统的行为并不总是符合人类的期望或判断。人工智能找到违反直觉的解决方案的能力可能会导致灾难性的漏洞。人工智能可能无法模拟其行为的影响和后果 (2)，即“框架问题”。人们通常很难辨别人工智能是如何“解决”问题的，并且随着问题的规模和复杂性的增加，向人类直观地传达解决方案（可解释的人工智能，XAI）的难度也会增加 (3)。人工智能的目标和行为最好与其创造者的目标和行为保持一致（4、5）。当代研究一致性问题的研究人员强调，需要体现伤害和福祉等价值观（也称为价值规范），并避免过大的副作用和负面激励（也称为容错性）（2）。然而，目前的技术解决方案很少（2、5）。
数据驱动的预测控制如何释放建筑能源灵活性：综述
由于可再生能源的不断渗透，电网的供需管理变得越来越具有挑战性。作为重要的终端消费者，通过更好的电网整合，建筑有望在未来的智能电网中发挥越来越重要的作用。预测控制使建筑能够更好地利用建筑被动热质量提供的可用能源灵活性。然而，由于建筑存量的异构性，开发计算上可处理的面向控制的模型，以充分代表单个建筑复杂和非线性的热动力学，被证明是一个主要障碍。数据驱动的预测控制与“物联网”相结合，有望成为一种可扩展和可转移的方法，数据驱动的模型将取代传统的基于物理的模型。本综述研究了最近利用数据驱动的预测控制进行需求侧管理应用的研究，特别关注模型开发和控制集成之间的关系，迄今为止，以前的综述尚未涉及这一点。进一步研究的主题包括利用被动热质量的实际要求和特征选择问题。概述了当前的研究差距，并提出了未来的研究途径，以确定最有前景的建筑物电网集成数据驱动预测控制技术。
工业环境中交通分类的机器学习
多年来，消费量大大增加了，消费者对产品质量，接收产品和个性化选项的时间有很高的需求。工厂试图通过消除人工劳动力和部署可以更快地生产产品的自动化设备来扩展需求。工厂中的无线通信将通过实现移动性以及减少电缆的重新配置/故障排除并增加工厂资源的利用来帮助实现这一目标。本报告正在调查生产线中是否有可能实现无线无线通信，其中进化的节点B调度程序可以使用基于机器学习的分类模型来优先考虑重要的循环实时和警报数据包。这种新的优先级技术将允许重要的工厂应用程序具有很高的优先级，并确保为重要的数据包提供服务。我们找到了一些有用的应用程序分类模型，用于出厂环境，但证明了最佳模型可能取决于工厂的设置。因此，该报告还介绍了自动深度学习模型构建的想法，从而可以按时间进行改进。
发光二极管可靠性审查
发光二极管 (LED) 的需求不断增长，这受到多种应用类别的推动，包括显示器背光、通信、医疗服务、标牌和一般照明。LED 的构造与微电子有些相似，但 LED 中的功能要求、材料和接口使其故障模式和机制独一无二。本文全面回顾了 LED 故障机制和可靠性方面的行业和学术研究，以帮助 LED 开发商和最终产品制造商有效地集中资源。重点是 LED 在芯片和封装级别的可靠性。LED 制造商提供的可靠性信息还不够成熟，无法为大多数消费者和最终产品制造商所用。本文为了解整个供应链中 LED 的可靠性问题奠定了基础。我们介绍了 LED，并介绍了使用 LED 和 LED 应用的主要行业。接下来讨论与故障机制和可靠性相关的 LED 构造细节和制造步骤。然后，我们将 LED 故障分为十三个不同的组，与半导体、互连和封装可靠性问题有关。然后，我们确定故障原因与其相关机制之间的关系、热标准化问题以及 LED 技术和可靠性研究和开发的关键领域。� 2011 Elsevier Ltd. 保留所有权利。
最佳尺寸.pdf - ARPI
用于执行负荷转移和需求侧管理的住宅电池存储对于提高承载能力、增加可再生能源渗透率和实现环境目标（尤其是在能源社区政策的推动下）至关重要。由于电化学电池的寿命取决于其调度和环境条件，因此运营策略的多年影响会影响投资的经济性。但是，很少对存储系统的运行进行完整的长期模拟以评估电池的盈利能力（包括老化的运行影响），并且有限的研究考虑了大量的消费者统计数据。在本研究中，我们提出了一种用于住宅应用的多年期规模确定方法，其中使用改进的非线性非凸退化模型以 15 分钟的时间分辨率模拟电池的完整寿命直至完全退化；还考虑了光伏电站的老化。提出了对最适合意大利 399 个实际负荷曲线的经济性和商业规模的广泛分析。结果表明，储能的盈亏平衡价格约为 400 欧元/千瓦时，低于平均商业价格，而且经审查，目前的市场组件可能不适合能源需求较低的消费者。净现值 (NPV) 和折现回收期 (DPBT) 可达 500-1500 欧元和 8-11 年。
直接面向消费者的人工智能的隐私问题
直接面向消费者的人工智能/机器学习健康应用程序 (DTC AI/ML 健康应用程序) 越来越多地在应用程序商店中可供下载。然而，这类应用程序也带来了挑战，其中之一就是如何充分保护消费者的隐私。本文分析了 DTC AI/ML 健康应用的隐私方面，并提出了如何在美国更好地保护消费者的隐私。特别是，它讨论了 1996 年《健康保险流通与责任法案》（HIPAA）、联邦贸易委员会（FTC）法案、FTC 的健康违规通知规则、2018 年《加州消费者隐私法案》、《2020 年加州隐私权法案》、《弗吉尼亚州消费者数据保护法案》、《科罗拉多州隐私法案》和欧盟《通用数据保护条例》（2016/679 - GDPR）。本文的结论是，还需要做更多的工作来充分保护使用 DTC AI/ML 健康应用的消费者的隐私。例如，尽管联邦贸易委员会最近为保护使用 DTC AI/ML 健康应用的消费者而采取的行动值得称赞，但消费者的素养仍需要进一步提升。即使 HIPAA 不更新，提供高水平数据保护的美国联邦隐私法（类似于欧盟 GDPR）也可以弥补 HIPAA 的许多漏洞，并确保通过 DTC AI/ML 健康应用收集的美国消费者数据得到更好的保护。
荷兰消费者行为的基于代理的模型
摘要：了解饮食决策的驱动力对于鼓励和促进环境可持续的消费模式至关重要。以前的工作集中在消费者在做出饮食决策时的价格，质量和道德等因素上，或个人价值观和同伴对单个产品消费的影响。然而，对饮食决策中价值观，感知和社交网络的影响的角色的关注较少，以及这些与价值观和饮食选择之间的不匹配之间的关系。在这里，我们开发了一个基于代理的单个助理模型，可以在五种可能的饮食之间进行选择：杂食，柔韧性，pescatian，素食主义者，素食主义者或素食主义者。每个消费者都根据个人约束和价值观做出决定，以及他们对每种饮食与这些价值观匹配的感觉的看法。消费者也可能会受到彼此之间的看法的影响：家庭成员，朋友和熟人。我们表明，即使消费者重视道德和健康，消费者也主要根据成本和口味做出决定，并说明道德动机和饮食选择之间“态度 - 行为差距”的三个潜在原因。这突出了对定价结构进行政策驱动的可能性的潜力，并提高了对不同饮食的可持续性和健康特性的认识，在克服了限制和误解方面，以促进过渡到可持续饮食。
使用深度学习和脑电图数据进行信息检索
简介 在不久的将来，我们不会输入命令或说出命令，而是会思考它们。目前，脑机接口已投入使用，并且有可能从使用功能性磁共振成像 (fMRI) 获得的大脑活动记录中生成正在默读的内容的记录 (Tang 等人2023)。最近，已证明使用脑电图 (EEG) 成像进行神经记忆解码是可能的 (Bruns、Haidar 和 Rubino 2023)。神经记忆解码是从大脑数据重建心理回忆的概念。这一发现很重要，因为与 fMRI 不同，EEG 设备价格低廉且舒适。消费者可以购买 EEG 设备并在一天中的大部分时间佩戴它们。使用消费级 EEG 设备进行神经记忆解码表明了一系列令人兴奋的应用。神经信息检索就是这样一种应用。随着互联网上可用的信息越来越多，找到以前遇到过的文档成为一个难题。创建和存储书签不是一个好的解决方案，因为用户创建的标签或关键字是主观的并且很难创建。重新搜索文档的替代方案可能很困难且耗时。使用神经信息检索，只需思考一下就可以检索曾经看到的信息。在此应用程序中（见图1），用户在找到有用的文档或网站后，会在记录简短的 EEG 时对其进行短暂的思考。稍后，为了检索文档，用户在脑电图再次显示时简要回忆文档的内容
基于 ADMM 的完全去中心化点对点能源交易，考虑本地社区共享 CAES
由于低压电网中可再生能源的使用率较高，点对点 (P2P) 能源交易市场在当地应运而生。近年来，P2P 能源交易系统越来越受欢迎，允许住宅和工业类型的消费者相互交易电力。由于通信技术的多项发展以及太阳能和风能等可再生能源的日益普及，P2P 能源交易已变得可行。在这个市场中，消费者更有兴趣与他人分享他们的多余能源，以进入新市场并增加利润。P2P 能源交易有两种方法。集中式方法涉及管理交易平台的第三方实体（通常是网络运营商）。这种方法提供了一种可靠的选择，但可能存在某些缺点，例如隐私有限。相比之下，分散式方法使消费者能够直接相互交易他们的剩余能源，而无需集中式机构的干预。这种方法赋予参与者更大的灵活性并保护他们的隐私。本文使用交替方向乘数法 (ADMM) 算法，提出了一种完全分散的本地 P2P 能源交易市场方法。本文还考虑了压缩空气储能 (CAES) 技术来提高灵活性并减少峰值需求。接下来，对配电网络中的本地社区进行了数值研究。模拟结果展示了 P2P 市场如何帮助客户在本地社区管理能源。
心理靶向：推动或提升以促进正念和可持续的消费？
营销活动的燃料消耗，最终可能会损害消费者，社会和环境福祉。消费的过度增加破坏了对可持续性的转变，导致呼吁以足够的生活方式以及正念和可持续的束缚。在这种情况下，人工智能（AI）必须是调和看似不兼容的营销目标（例如销售和消费增长）的动力，另一方面是正念和可持续的消费。大量可用的消费者数据（即诸如搜索查询或社交媒体数据之类的数字记录）允许对消费者需求和需求有前所未有的了解。他们甚至可以用作进入助理心理学的窗口。通过AI驱动的消费者心理特征和国家的数字足迹的预测以及对沟通信息和干预措施的量身定制，可以（心理上）预处理和对正念和可持续的消费者（即心理上的目标）（即心理目标）。尤其是，与大数据结合使用的AI应用的复杂和计算能力可以解释个人和心理因素（例如人格，杂音，智力等）构成了消费者正念和可持续消费的进度和行为的障碍或驱动因素。因此，必须利用数据和AI驱动的营销来使消费者转移更加充实和可持续的消费行为。因此，营销中的AI为整个社会提供了双重优势相反，很容易上瘾和强迫性行为或强迫性购买的消费者可以通过消息或干预措施来针对缓解这些不利趋势的干预措施，例如，通过强调过度或强迫购买的个人或环境后果。