XiaoMi-AI文件搜索系统
World File Search SystemUncertainty
评估不确定时期供应链管理流程对黎巴嫩商品和服务行业的影响
通过营销、运营和财务这三个功能，为客户创造价值。然而，公司很少自己创造这种价值。相反，他们依赖各种供应商，从原材料到会计，提供一切服务。这些供应商加在一起可以被认为是一条供应链。由于如此多样化，黎巴嫩公司在建立有效的供应链流程方面面临着巨大的挑战，因此，这些公司及其专业团队能够制定一份详细的要求清单，以整合其数据并妥善管理从源头到目的地的商品流动，特别是在当前风险和不确定性的关键时期。本研究将通过大量文献综述来描述如何做到这一点。因此，本研究的目的是深入了解供应链战略和 ERP 集成对组织的重要性。这将确保适当的集成，并突出供应链的信息流，帮助集团最大限度地降低库存成本，并成为竞争优势。此外，电子数据交换 (EDI) 将有助于在季节期间补货，对历史数据的分析可以确定每个商店最畅销/最差的商品，并确定即将到来的季节的预测订单。强烈建议进行优化，以保持供应链的可持续工作流程以及预测的扩张。为了实现我们的目标，由于数据收集过程复杂，我们将使用通过与该领域不同专家进行访谈而获得的原始数据。我们进行了 15 次半结构化访谈，每次访谈 13 个问题。结果显示，供应链管理 (SCM) 的稳定性受到了危机的影响，但黎巴嫩市场的企业已经采取了多项措施并制定了各种策略来减轻负面影响。
使用共形预测对基于模型的控制器的不确定性定量和鲁棒化
在基于现代模型的控制框架中，例如模型预测控制或基于模型的信息学习学习，机器学习已成为一种无处不在的技术类别，以提高动态模型的准确性。通过利用诸如神经网络之类的表现力体系结构，这些框架旨在通过构建系统动力学的准确数据驱动表示，旨在提高系统的模型精度和控制性能。尽管对其非学习顾问进行了显着的绩效提高，但对于这些基于模型的模型的基于模型的控制器在不确定性的存在下，这些模型的控制器通常几乎没有保证。尤其是在模拟误差，噪声和外源性干扰的影响下，确定这些学习模型的准确性是一项挑战。在某些情况下，甚至可能违反约束，使控制器不安全。在这项工作中，我们提出了一个新颖的框架，该框架可以应用于大量的基于模型的控制器，并通过以在线和模块化方式鲁棒化基于模型的控制器，从而减轻上述问题，并在模型的准确性和约束满意度上提供可证明的保证。该框架首先部署保形预测，以生成有限的，可证明的有效的不确定性区域，以无分配方式为动态模型。通过动态约束程序，这些不确定性区域被纳入约束中。关键字：基于学习的控制，基于模型的控制，不确定性量化1。（2023a））。Jiahao等。Jiahao等。与预测参考生成器的配方一起，生成了一组可鲁棒的参考传播，并将其纳入基于模型的控制器中。使用两个实际的案例研究，我们证明我们提出的方法不仅产生了良好的不良区域，这些区域建立了模型的准确性，而且还使闭环系统以强大但不保守的方式满足约束。简介由于非线性优化框架的最新进展以及计算资源的可用性增加，在广泛的域上应用基于模型的控制器的应用趋势是趋势。，用于建筑物中的温度控制（Yao和Shekhar（2021）），用于自动驾驶汽车（Wu等人（2022））和四型控制（Chee等人机器学习方法的扩散同时导致了学习增强的，基于模型的控制框架的发展，这些框架利用学习工具通过改进动态模型来提高控制性能，例如（2023）。尽管这些发展激增，但这些基于学习的控制框架在不确定性存在下如何执行的问题仍然是一个积极的研究主题（Mesbah等人。（2022）; Brunke等。（2022））。在这项工作中，我们通过提出一个新颖的框架来解决这个问题，该框架系统地允许基于模型的控制器在模型不匹配，噪声和外部干扰的集体影响下稳健地满足约束。
通过模型不确定性解决马尔可夫游戏的分散稳定的V-Learning
马尔可夫游戏是一个流行的强化学习框架，用于在动态环境中对竞争者进行建模。然而，马尔可夫游戏上的大多数现有作品都集中在计算游戏之间的不确定相互作用后，但忽略环境模型的不确定性，在实际情况下，环境模型无处不在。在这项工作中，我们开发了一种理论解决方案，以使用环境模型不确定性马可福音游戏。具体来说，我们提出了一个具有环境模型不确定性的马尔可夫游戏的新的且可进行的鲁棒相关均衡概念。，我们证明了鲁棒相关的平衡具有简单的修改结构，其均衡的表征在很大程度上取决于环境模型的不确定性。此外，我们提出了第一个用于计算这种稳健相关平衡的完全分类的随机算法。我们的分析证明，该算法达到了多样性发作的复杂性E O（Sa 2 H 5 ϵ −2），用于计算近似稳健相关的平衡与精确度。关键字：强大的马尔可夫游戏，模型不确定性，强大的相关平衡，加固学习
过度自信是关键：大语言和视觉语言模型的口头不确定性评估
语言和视觉模型（LLMS/VLMS）通过产生类似人类的文本和理解图像的能力彻底改变了AI领域，但是确保其可靠性至关重要。本文旨在评估LLM（GPT4，GPT-3.5，Llama2和Palm 2）和VLMS（GPT4V和Gemini Pro Vision）通过提示估算其口头上的不确定性的能力。我们提出了新的日本不确定场景（JUS）数据集，旨在通过困难的查询和对象计数测试VLM功能，以及净校准误差（NCE）来测量错误校准的方向。结果表明，LLMS和VLM都有很高的校准误差，并且大多数时候都过高地表明不确定性估计的能力较差。此外，我们为回归任务开发了提示，并且我们表明，在产生平均/标准偏差和95％置信区间时，VLM的校准较差。
d'Artis kancs供应链的不确定性
是由最近经历的系统性冲击（共同的19日大流行和成熟的俄罗斯对乌克兰的侵略战争）的动机，这些俄罗斯对乌克兰产生了新的不确定性形式 - 本文探讨了供应链在风险厌恶和模棱两可下的供应链鲁棒性。我们旨在了解深度不确定的系统事件对供应链弹性的潜在后果，以及信息精度如何影响各个代理的选择以及链级的准备，以汇总冲击。以不确定性增强了一个简约的供应链模型，我们分析了上游采购决策与供应链生存概率之间的关系。规避风险和歧义性的单独优化代理的上游采购路径都是有效的，但很容易受到总体冲击的影响。相比之下，与个人决策基线相比，下游公司采购决策的链级协调可以定性地改善整个供应链的鲁棒性。这样一个强大的决策确保在发生总体冲击（独立于其实现）的情况下，上游供应商的一部分将得以生存，即使在最苛刻的情况下，也将确保最终商品的供应。我们的结果还表明，输入源多样性提取了已预定效率的成本。
不确定性，气候变化和政策挑战MFR＆BHC
亚马逊森林中包含123±310亿吨的捕获碳，可以释放到大气中，相当于美国的历史累积排放（Malhi等人。[2006]，Friedlingstein等。 [2022]）[2006]，Friedlingstein等。[2022]）
GIA不确定性对气候模型评估的影响使用宽限期/宽限期 - 卫星重量表数据
抽象的全局耦合气候模型在不断地需要评估独立观察结果以揭示系统的模型缺陷和不确定性。通过卫星重量表任务测量的陆生储水（TWS）的变化宽限期和Grace -fo提供了有关大陆润湿和干燥趋势的宝贵信息。是由观察到的水存储趋势比较引起的挑战与重力观察有关，包括非水相关的变化，例如冰川等静态调整（GIA）。因此，纠正持续GIA引起的地球重力场的世俗变化对于监测陆地水的长期变化，尤其是在以前被冰覆盖的地区的长期变化。通过利用基于地幔粘度和冰历史的扰动的56个单独的GIA信号的新集合，我们发现许多替代的GIA校正都会改变宽限期的水存储趋势的方向，例如，从质量进入质量，尤其是加拿大东部的干燥条件。TWS趋势的迹象的变化随后影响了从使用宽限期作为评估气候模型的观察基础得出的结论，因为它影响了观察到的润湿/干燥趋势之间的分歧/一致性。修改后的GIA校正，延长了二十年的宽敞宽限/宽限期数据记录，以及新一代的气候模型实验导致大陆区域实质上更大的大陆区域，卫星任务当前观察到的润湿/干燥趋势与从气候模型实验中获得的长期预测一致。
使用不确定性的实用电池健康监测 -
摘要 - 在电动流动性时代，重力健康监测和预测对安全，可持续性和经济方面产生巨大影响至关重要。现有的研究通常集中于预测准确性，但倾向于忽略可能阻碍技术在现实世界应用中部署的实际因素。在本文中，我们解决了这些实际注意事项，并基于贝叶斯神经网络来开发模型，以预测电池寿命。我们的模型使用与电池健康有关的传感器数据，并将分布（而不是单点）应用于模型的每个参数。这使模型可以捕获电池健康的固有随机性和不确定性，这不仅会导致准确的预测，而且导致可量化的不确定性。我们进行了一项实验研究，并证明了我们提出的模型的有效性，预测错误率为13.9％，对于某些测试的电池，预测率为13.9％。此外，所有预测均包括可量化的确定性，从电池的初始阶段到中年阶段提高了66％。这项研究对电池技术具有实际价值，并有助于加速行业的技术采用。索引术语 - 预算健康监测，临终预测，机器学习，工业人工智能
机器人辅助决策：揭示不确定性可视化和具体化的作用
机器人是具有具体行为能力的智能体，会在多种不确定性因素下行动。在协助人类完成协作任务时，机器人需要传达它们的不确定性以帮助做出决策。在本研究中，我们研究了在高风险辅助决策任务中可视化机器人不确定性的使用情况。具体来说，我们探讨了机器人传达的不同不确定性可视化形式（图形显示与机器人的具体行为）和置信度水平（低、高、100%）如何影响人类在协作任务中的决策和感知。结果表明，这些可视化显著影响了参与者如何做出决策，以及他们如何看待机器人在不同置信度水平下的透明度。我们强调了潜在的权衡，并为机器人辅助决策提供了启示。我们的工作为人类如何在关键的机器人辅助决策场景中利用机器人传达的不确定性可视化提供了实证见解。
指导计算测量 -
1介绍世界各地，过去几十年来，在法医技术调查中使用的调查方法的专业发展取得了长足的进步。社会，国家立法，以及在反犯罪斗争中的国际合作，越来越多地通过引入认可的质量管理系统（QMS）来确保这种法医检查的质量。这一发展的结果是，法医技术调查的申请人期望提交给他们的专家报告包含可靠的结果。法医专家报告的用户必须正确解释内容。这意味着结果和结论还应包括提供的测量数据的可靠性程度。通过计算的测量不确定性及其在专家报告中的解释是适当的理想和/或必要的，以富集定量测量结果。 自然而然地，统计数据及其衍生物的表现，测量不确定性计算的性能已成为法医专家的专业培训的一部分。 尽管如此，法医专家经常会经历测量不确定性计算的性能，这是困难的必要性。 本指南旨在为寻求适用且可理解的知识的任何人提供信息和实践帮助，并制定有关如何在法医技术方法中应用测量不确定性的示例。 2本指南的目的是为涵盖定量测量方面的实用方法分享最佳实践。富集定量测量结果。自然而然地，统计数据及其衍生物的表现，测量不确定性计算的性能已成为法医专家的专业培训的一部分。尽管如此，法医专家经常会经历测量不确定性计算的性能，这是困难的必要性。本指南旨在为寻求适用且可理解的知识的任何人提供信息和实践帮助，并制定有关如何在法医技术方法中应用测量不确定性的示例。2本指南的目的是为涵盖定量测量方面的实用方法分享最佳实践。与ISO 17025 [1]的要求有关法医科学领域的要求，必须解决测量不确定性的领域。即使对于更复杂的示例，本指南中的示例也很简单。这允许本指南的广泛应用。不确定性测量计算基于公认的文献（第9节），包括本指南的作者（附录AIII）的经验。示例中存在逐步的方法，该方法允许了解使用的测量不确定性计算。这些示例为读者提供了一个路线图，以计算其自己方法的测量不确定性。3范围本指南的范围侧重于测量不确定性计算，如定量化学和物理法医研究方法中所应用的，法医定性方法中测量的不确定性是一个独立的感兴趣领域，在本指南中没有解释。