XiaoMi-AI文件搜索系统
World File Search SystemVidual
软件工程的可解释 AI
这些对缺乏解释的担忧往往导致缺乏信任，并阻碍了此类软件分析系统在实践中的采用。其次，软件从业者经常会受到这些软件分析系统做出的任何决策的影响（例如，由于缺陷预测模型发现开发人员引入了软件缺陷，开发人员会被解雇吗？）。最近，欧盟《通用数据保护条例》（GDPR）第 22 条规定，在影响个人或团体的决策中使用数据需要对算法做出的任何决策进行解释。不幸的是，当前的软件分析系统仍然不支持任何隐私法 [5]。因此，软件分析系统不合理决策的风险可能是灾难性的，导致潜在的错误和代价高昂的业务决策 [3]。第三，我们发现只有 5% 的缺陷预测研究专注于使用可解释的 AI 技术生成局部解释（参见
人工智能软件的责任问题
可以针对给定的输入产生通常一致的结果，而用户和程序之间几乎没有交互。 21 此类程序为熟悉的基于计算机的活动提供了基础，其中顺序过程明确定义了解决问题的操作：处理电子表格、数据库、文字处理和财务分析的大量数字和符号。 2 “这些程序通常设计为大众市场，而不是定制设计。 23 软件的最终用户和开发人员之间几乎没有交互，并且供应商在销售之前不会考虑个人用户的技能或程序的特定预期用途。 2 尽管进行了广泛的测试，但任何传统程序都不可能没有错误。 25 错误或“错误” 26 可以在程序的开发、加载或运行过程中的许多点引入。 27 问题不在于是否存在风险，而在于什么风险水平是可以接受的，以最大限度地提高实用性并最大限度地减少责任。 28
科学期刊
热带气旋降雨（TCR）广泛影响沿海社区，主要通过内陆洪水。全球气候变化对TCR的影响是复杂且有争议的。这项研究使用XGBoost机器学习模型，其中具有19年的气象数据和每小时的卫星沉淀观测值，以预测Indimical风暴的TCR。该模型将灰尘光学深度（DOD）识别为明显增强性能的关键预测指标。该模型还发现了撒哈拉粉尘和TCR之间的非线性和飞旋镖形状的关系，TCR峰为0.06 DOD，此后急剧下降。这表明从微观物理增强到高灰尘浓度下的辐射抑制。该模型还突出了TCR与气象因素（如海面温度和风暴核心附近的等效势温度）之间有意义的相关性。这些发现说明了机器学习在预测TCR及其理解其驱动因素和物理机制方面的有效性。
![arxiv：2412.15477V1 [CS.CV] 2024年12月20日](/simg/4\49250d0a542083947e8ca98027ad367b67d6f7eb.webp)
arxiv：2412.15477V1 [CS.CV] 2024年12月20日
接受严重失衡的数据培训时，深层神经网络通常很难准确地识别几个样本的课程。先前在长尾认可的研究试图使用已知样本分布来重新平衡学习，主要解决了同类水平上不同的分类困难。但是，这些方法通常会忽略每个类内的实例难度变化。在本文中，我们提出了一个困难的平衡利润率（DBM）损失，这既考虑阶级失衡和实例难度。dbm损失包括两个组成部分：一个范围的边缘，以减轻由不平衡的类频率引起的学习偏见，以及根据其自发的难度分配给硬阳性样本的实例余量。dbm损失通过将较大的边缘分配给更困难的样本来提高类别的判别性。我们的方法与现有方法无缝结合，并始终提高各种长尾识别基准的性能。
使用rvq-vae
在手语制作（SLP）任务中，一种常见的方法是具有独立的手语单词，然后将其运动表示形式串联以形成完整的句子。然而，由于中间缺少框架，该过程构成了挑战，这导致突然过渡并降低平滑度，从而使结果序列难以解释。为了解决此问题，本文介绍了一个量化的矢量量化变异自动编码器（RVQVAE）模型，用于在视频中插值2D关键点运动。我们的实验通过在视频关键点序列中随机隐藏一组帧来模拟单个符号转变。通过将其性能与隐藏帧的基线方法进行比较，可以评估所提出的模型。矩阵距离误差和动态时盘指标的改进表明，RVQVAE模型可为生成中间帧产生有希望的结果。这些发现突出了开发应用程序的潜力，以增强手语的生产以使聋人社区受益。
碳排放是否与股票收益有关？*
一种影响力的新兴文献证明了碳排放和股票回报之间的强烈相关性。我们重新检查这些数据并得出结论，这些关联是由两个因素驱动的。首先，股票收益仅与数据供应商估计的未量化排放相关，但没有与公司实际披露的未量的排放相关。供应商估计的排放系统在系统上与公司限制的排放量有所不同，并且与财务基本面高度相关，这表明先前的发现主要捕获了这种基本和回报之间的关联。第二，未量化的排放，通常用于学术文献中的变量，与股票回报相关，但排放强度（按照公司大小缩放）是实践中使用的同样重要的措施，不是。虽然不缩放的排放代表了社会的重要指标，但我们认为，对于个人，排放强度是评估碳性能的适当测量选择。在考虑到上述任何一个问题之后，排放和收益之间的关联消失了。
2024 年招股说明书
• 运用批判性和创造性思维，识别和解决问题，展示负责任的决策。 • 作为团队、团体、组织和社区的一员，与他人有效合作。 • 负责任地、有效地组织和管理自己的活动。 • 收集、分析、组织和批判性地评估信息。 • 以口头和/或书面说服的方式，运用视觉、数学和/或语言技能进行有效沟通。 • 有效和批判性地使用科学技术，表现出对环境和他人健康的责任感。 • 通过认识到问题解决环境并非孤立存在，展示对世界作为一组相关系统的理解。 • 促进每个学生的全面个人发展以及整个社会的社会和经济发展，使学习计划的基本意图是让个人意识到： - 反思和探索各种更有效的学习策略。 - 作为负责任的公民参与当地、国家和全球社区的生活。 - 在各种背景下具有文化和审美敏感性。 - 探索教育和职业机会。 - 发展创业机会。
NiMo/MgO 催化剂上的甲烷热解
作为甲烷非氧化分解/甲烷热解 (CH 4 ⇌ C + 2 H 2 ) 产生清洁氢气和仅固体碳的有前景的催化剂组合物，研究了 MgO 载体上的镍和钼的组合。在刻意降低 Ni 含量和强金属-载体相互作用的情况下，制备了 7%Ni4% Mo/MgO 和 7%Ni12%Mo/MgO 催化剂以及单金属参比物。在还原状态和甲烷分解试验后，使用 TPR、XRD、TEM、XPS 和拉曼光谱进行结构分析。在 i) 温度斜坡下的固定床反应器中高度稀释的 CH 4 流中和 ii) 在 800 ◦ C 下使用水平反应器在 50% CH 4 /Ar 中研究了催化性能。在两种条件下都观察到了 Mo 和 Ni 的协同相互作用。结果表明，由于Mo含量低，失活与合金偏析有关，而7％Ni12％Mo/MgO样品中单个金属颗粒的Mo/Ni~1组成更稳定，无偏析，从而具有良好的活性和高的碳纳米管产率。
宏观经济学中的异质性和市场不完整
摘要和目标摘要：核心宏序列的最后一部分致力于研究代理是异质的经济体。这些模型有助于分析与业务周期，收入分配，资产定价，消费保险，劳动力供应，政策总和和再分配效果有关的广泛问题等。我们将从一些“汇总定理”开始，以表明在某些情况下（尤其是在整个市场中）仍然存在代表代理人。接下来，我们将朝着“不完整的市场”迈向经济体，代理只能通过无风险的债券借贷和节省。我们首先要详细描述独立问题。接下来，我们进行固定平衡的描述。然后，我们研究了带有总冲击的不完整市场模型。最后一组阶级专门用于定义经济体，在这种经济体中，均衡的经济体以及与异质公司的经济体。目标：本课程的目的是学习：1）这一重要类别的宏观经济模型，以及2）如何以数值解决这些经济体的平衡，这是使用这些模型进行定量研究的必要步骤。
在神经影像学数据中建立大脑状态
脑状态的定义仍然难以捉摸，从麻醉中的觉醒水平到本性神经元的活性，脑电图中的电压和fmri的血流，都在不同的子场上进行了不同的解释。这种缺乏共识给精确的神经动力学模型的发展带来了重大挑战。然而，在动态系统理论的基础上，定义了系统的“状态”，即对系统未来的规范。在这里，我们建议通过将动态因果建模（DCM）应用于静止和任务状况fMRI数据的低维嵌入，以在神经影像学的时间表中建立大脑状态。我们发现，在休息条件下约90％的受试者是通过一阶模型更好地描述的，而在任务条件下约55％的受试者可以通过二阶模型更好地描述。我们的工作质疑几乎完全在计算神经科学中使用一阶方程的现状，并在神经成像数据集中提供了一种建立大脑状态及其相关相位空间表示的新方法。