XiaoMi-AI文件搜索系统
World File Search SystemTien
n-基因分类与数据的机器学习模型...
bach2调节T细胞谱系状态以克服由补品汽车信号驱动的功能障碍，由Tien-Ching Chang 1,2，Amanda Heake 1,2，John Lattin 2,3，Amanda Barrett 1,2，Amanda Barrett 1,2，Jack H. Landmann 1,2，John M. Warrington 1,2，John M. Warrington 1,2，Yangdon tenzin 1,2，Sadia 1,2，Sadia 1,2，2，junda sadaia 1，2 1,2 , Julie Ritchey 1,2 , Mehmet Emrah Selli 1,2 , Yu-Sung Hsu 1,2 , Haorui Song 4 , Avery Horn 1,2 , Evan W. Weber 5 , Thomas J. Wandless 6 , John F. DiPersio 1,2 , Jeremy Chase Crawford 7,8 , Paul G. Thomas 7,8 , Stephen Gottschalk 9 , Nathan Singh 1,2* 1肿瘤学系，华盛顿大学医学院，圣路易斯密苏里州圣路易斯大学医学院2遗传和蜂窝免疫疗法中心，华盛顿大学医学院，圣路易斯密苏里州医学系，华盛顿大学医学系，圣路易斯大学医学院，密苏里州圣路易斯大学医学院5宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州6 6化学与系统生物学系，斯坦福大学，斯坦福大学，加利福尼亚州斯坦福大学7宿主互动局，孟菲斯圣裘德儿童研究医院，田纳西州圣裘德儿童研究医院8田纳西州孟菲斯医院 *通讯作者：nathan.singh@wustl.edu
推荐引用 推荐引用 Chang, Tien-Yu 和 Tsaih, Rua-Huan，“使用数据包络分析评估人工智能应用的生态效率”（2024 年）。ICEB 2024 会议论文集（中国珠海）。 13. https://aisel.aisnet.org/iceb2024/13
摘要 本研究使用数据包络分析 (DEA) 开发了一个全面的框架，以评估各个部门 AI 应用的生态效率。通过以输出为导向的 DEA 模型，我们评估 AI 系统如何平衡性能效益与环境影响，并结合多项绩效指标和环境指标。该研究分析了医疗保健、金融和工业部门的数据，使用基准数据和环境评估来确定可持续 AI 实施的最佳实践。预期结果将表明该框架有效地识别了生态高效的 AI 实践，同时强调了数据可用性和不断发展的技术格局的局限性。该研究将有助于从理论上理解 AI 生态效率和实际决策，为组织提供在 ESG 参数内优化 AI 实施的见解，最终推进可持续的 AI 发展实践。关键词：生态效率、人工智能、数据包络分析、ESG。
人工智能在供应链规划和决策制定优化的影响Bui Quoc Khoa 1*，Hoang-Tien nguyen 2，dinh ba
抽象人工智能（AI）正在改变供应链规划和决策，使组织能够应对现代供应链的复杂性。本文探讨了AI在供应链管理中的各种应用，包括需求预测，库存优化，运输和物流优化，供应商选择和风险管理以及预测性维护和资产管理。AI驱动的需求预测模型分析了历史数据和市场趋势，以准确预测未来需求，而AI驱动的库存优化考虑了诸如交货时间和需求差异之类的因素，以确定最佳库存水平。AI还可以优化运输路线，模式和时间表，并协助供应商选择和风险评估。使用AI进行预测维护有助于降低设备的停机时间和维护成本。但是，组织必须考虑在供应链管理中采用AI时，诸如数据质量，算法偏见，AI模型的解释性以及道德考虑之类的挑战。随着AI技术的发展并与其他新兴技术集成，AI在供应链管理中的未来看起来很有希望，为组织提供了实现更高效率，敏捷性和竞争力的潜力。本研究提供了旨在披露人工智能（AI）如何应用于教育部门的研究的内容分析，并探讨了教育中潜在的研究趋势和挑战。doi：https：//doi.org/10.54660/.ijmrge.2024.5.6.837-856关键字：AI，供应链，优化，优化，预测，预测性维护从2010年至2020年中选择了100篇论文，包括63篇经验论文（74项研究）和37篇分析论文。内容分析表明，研究问题可以分为开发层（分类，匹配，建议和深度学习），应用层（反馈，推理和自适应学习）和集成层（情感计算，角色扮演，沉浸式学习和游戏化）。此外，建议进行四个研究趋势，包括物联网，群体智能，深度学习和神经科学，以及对教育中AI的评估，以进行进一步研究。但是，我们还提出了教育中的挑战可能是AI在不当使用的技术，教师和学生的角色以及社会和道德问题方面引起的。结果为教育领域的AI概述提供了见解，这有助于加强教育中AI的理论基础，并为教育工作者和AI工程师提供了有前途的渠道，以进行进一步的协作研究。
建模内部蒂恩·山（Tien-Shan）冰川流域中的径流组件和水文过程
准确量化径流源并了解冰川山盆地中的水文过程对于面对气候变化的有效水资源管理至关重要。这项研究旨在通过利用集成的陆地表面，冰川能量平衡和河流路线模型来确定吉尔吉斯斯坦内部蒂恩 - 山山脉中各种径流源的贡献。考虑了对太阳辐射和云传播过程的局部地形影响，降低了网格的气象强迫数据。然后，对观察到的排放，冰川质量平衡和雪水等效的综合模型进行评估，重点是Kara-Batkak冰川参考位点。短波辐射校正对于提高模型模拟的准确性尤为重要。结果表明，峰值冰川熔体的贡献发生在7月和8月，一些盆地达到54％。每年，盆地中冰川的平均贡献为19％，而融雪和降雨的比率分别为58％和23％。这项研究强调了综合建模方法在理解和量化数据筛分高山区域中的径流组件方面的实用性。掺入观察到的冰川数据对于在当前气候条件下准确表示水文过程至关重要。这些发现强调了考虑冰川动态及其对水资源的影响，以告知冰川山区盆地的有效水管理策略。