XiaoMi-AI文件搜索系统
World File Search Systembias
基于无偏多组学网络的数据集成可以对心力衰竭患者进行临床相关的结果预测聚类
图 3 . 秩检验。对相似性网络融合 (SNF)、基础网络集成和血常规获得的簇中心力衰竭恶化的累积发生率曲线进行成对对数秩检验，并绘制对数秩 p 值的平均 -log10。对数秩 p 值的平均 -log10 越高，心力衰竭恶化结果的簇分离效果越好（4 年随访）。最佳结果是应用相似性网络融合 (SNF) 来整合组学数据，然后将其分成 8 个簇。
SiC MOSFET 在特定低栅源电压偏置下具有重复短路能力，可实现更强劲的极端操作
摘要 — 本文介绍了商用碳化硅 (SiC) MOSFET 器件在高漏源电压下重复性短路应力下的短路 (SC) 性能。研究了两种方案来评估栅源电压 (V GS ) 去极化和短路持续时间 (T SC ) 减少的影响。V GS 去极化可降低功率密度，并允许在增加短路持续时间 T SCmax 的情况下保持安全故障模式 (FTO：开路故障)。结果表明，SiC MOSFET V GS 去极化不会降低 T SCmax 下的短路循环能力。但是，使用 V GS 去极化可以使性能接近 IGBT 稳健性水平，在 T SC =10 µ s 下循环近 1000 次。短路测试期间芯片温度变化的模拟表明，性能下降仍然归因于短路循环期间结温 (TJ ) 的升高，这导致顶部 Al 融合，从而导致厚氧化物中出现裂纹。
b'Abstract本文讨论了将双重/伪证机器学习（DDML）与堆叠配对，这是一种模型平均方法，用于结合多个候选学习者，以估计结构参数。除了传统的堆叠外，我们还考虑了可用于DDML的两个堆叠变体：短堆栈利用DDML的交叉拟合步骤可大大减轻计算负担，并汇总堆叠强制执行常见的堆叠权重，而不是交叉折叠。使用校准的仿真研究和两种估计引用和工资中性别差距的应用，我们表明，与基于单个预先选择的学习者基于单一的替代方法相比，堆叠的DDML对部分未知的功能形式比部分未知的功能形式更强大。我们提供实施建议的Stata和软件。 JEL分类：C21，C26，C52，C55，J01，J08'
b'Abstract本文讨论了将双重/伪证机器学习（DDML）与堆叠配对，这是一种模型平均方法，用于结合多个候选学习者，以估计结构参数。除了传统的堆叠外，我们还考虑了可用于DDML的两个堆叠变体：短堆栈利用DDML的交叉拟合步骤可大大减轻计算负担，并汇总堆叠量强制执行常见的堆叠权重，而不是交叉折叠。使用校准的模拟研究和两种估计引用和工资中性别差距的应用，我们表明，与基于单个预先选择的学习者的常见替代方法相比，堆叠的DDML对部分未知的功能形式更强大。我们提供实施建议的Stata和软件。JEL分类：C21，C26，C52，C55，J01，J08'
本体感受与视觉偏见和自闭症谱系障碍
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。此预印本版的版权持有人于2025年1月12日发布。 https://doi.org/10.1101/2025.01.10.25320221 doi：medrxiv preprint
AI用于免疫细胞亚型的无偏见
。cc-by-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权所有，该版本发布于2025年1月8日。 https://doi.org/10.1101/2025.01.07.631645 doi：biorxiv preprint
渴望在严重酒精使用障碍中调节对酒精的注意力偏见：一项令人眼前的研究
©2023作者。除非另有说明， 在成瘾中发表的期刊文章的这一版本可通过谢菲尔德大学研究出版物和版权政策提供，根据创意共享归因4.0国际许可（CC-BY 4.0）的条款，该条款允许在任何媒介中使用无限制的用途，提供原始作品，提供原始工作，提供原始工作，提供原始工作。 要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/在成瘾中发表的期刊文章的这一版本可通过谢菲尔德大学研究出版物和版权政策提供，根据创意共享归因4.0国际许可（CC-BY 4.0）的条款，该条款允许在任何媒介中使用无限制的用途，提供原始作品，提供原始工作，提供原始工作，提供原始工作。 要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/在成瘾中发表的期刊文章的这一版本可通过谢菲尔德大学研究出版物和版权政策提供，根据创意共享归因4.0国际许可（CC-BY 4.0）的条款，该条款允许在任何媒介中使用无限制的用途，提供原始作品，提供原始工作，提供原始工作，提供原始工作。要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/
提高透明度并解决医疗人工智能技术中潜在偏见的新建议
鼓励使用适当的医疗保健数据集来开发医疗人工智能，这些数据集应能正确代表社会中的每个人，包括少数群体和服务不足的群体；帮助发布医疗保健数据集的任何人识别数据中的任何偏见或局限性；使那些开发医疗人工智能技术的人能够评估数据集是否适合他们的目的；定义应如何测试人工智能技术，以确定它们是否存在偏见，从而对某些人的效果不佳。
建议引用：Amoako, George Kofi；Omari, Paul；Kumi, Desmond Kwadjo；Agbemabiase, George Cudjoe；Asamoah, George (2021)：概念框架：人工智能和更好的创业决策。客户偏好、行业基准和员工参与对新兴市场的影响，《风险与财务管理杂志》，ISSN 1911-8074，MDPI，巴塞尔，第 14 卷，第 12 期，第 1-20 页，https://doi.org/10.3390/jrfm14120604
摘要：目的：技术举措现已融入广泛的商业领域。本文的目的是探讨人工智能系统通过顾客偏好和行业基准的中介对企业家决策的可能影响。设计/方法/方法：这是一项非实证的文献综述和概念模型的开发。在主要学术数据库（如 Emerald 在线期刊、Taylor and Francis 在线期刊、JSTOR 在线期刊、Elsevier 在线期刊、IEEE Xplore 和开放存取期刊目录 (DOAJ)）中搜索了专注于人工智能 (AI)、企业家决策、顾客偏好、行业基准和员工参与度的论文。总共有 25 篇文章符合预定义标准并被使用。结果：该研究提出，人工智能系统可以从企业家的角度促进更好的决策。此外，研究表明，员工作为利益相关者，可以通过参与来调节人工智能系统与企业家更好决策之间的关系。此外，研究表明，客户偏好和行业基准可以调节人工智能系统与企业家更好的决策之间的关系。研究的局限性/含义：本研究假设 ICT 环境完美，以保证人工智能系统的顺利运行。然而，情况可能并非总是如此。这项研究没有考虑企业家在 ICT 使用和采用方面的个人倾向。实际意义：本研究提出，企业家决策在人工智能系统的环境中得到丰富，并辅以客户偏好、行业基准和员工参与。这一发现为企业家提供了一种可能的技术工具，以便做出更好的决策，凸显了人工智能系统提供的无限选择。社会影响：在商业决策过程中引入人工智能会带来许多社会问题，这些问题与机器对人类和社会的影响有关。本文提出了如何在不破坏社会的情况下使用这项新技术。原创性/价值：这个概念框架是企业家发展的宝贵组织范围。此外，这项研究通过人工智能系统为企业家发展做出了宝贵的贡献。
值得信赖的人工智能需要公正的独裁者！
与任何新技术进步一样，随着人工智能解决方案在不同情境中的应用，我们直接获得了许多经验教训。这些经验教训告诉我们，与任何其他类型的解决方案相比，人工智能解决方案更容易受到认知偏见的影响，而这种偏见存在于人类设计者、开发者和实施者等与最终用户互动的方式中。每个解决方案都是有偏见的，因为其创建背后的设计选择自然会包括和排除某些最终用户群体。就人工智能解决方案而言，由于其快速发展、覆盖范围和应用环境，其固有的设计偏见范围很快就被发现和批评了。作为一种新方法，人们使用诸如值得信赖和合乎道德之类的形容词来描述人工智能解决方案必须是什么样子。