XiaoMi-AI文件搜索系统
World File Search Systemcausal
心血管疾病的新发危险因素
对于大多数类型的心血管疾病，在较低剂量（< 0.1 Gy）和较低剂量率（数小时至数年的长期暴露）下，每辐射剂量的增量超额风险较高。作者观察到，以人口为基础，每 100 名暴露于 1 Gy 辐射的人中，心血管死亡的超额终生风险增加 2.3 至 3.9 人。这是除了高自然发病率之外的。由于心血管死亡率占欧洲国家所有死亡人数的 37%，因此暴露于 1 Gy 辐射的人死于心血管疾病的风险相对较高，为 39% 至 41%。因此，对循环系统疾病基于人群的超额死亡风险的估计可能与辐射诱发癌症的估计相似（根据线性无阈值模型，1 Gy 暴露导致致命癌症的终生风险约为 5%）。
多代理系统中顺序决策的因果解释
我们介绍了CEMA：c ausal e xplanations in m ulti-themens stystems;在动态的顺序多代理系统中创建因果自然语言解释的框架，以构建更值得信赖的自主代理。与假定固定因果结构的先前工作不同，CEMA仅需要一个概率模型来正向缩减系统状态。使用这种模型，CEMA模拟了反事实世界，这些世界识别了代理决定背后的显着原因。我们评估CEMA的自动驾驶运动计划任务，并在各种模拟场景中对其进行测试。我们表明，即使存在大量其他代理商，CEMA正确地识别了代理决定背后的原因，并通过用户研究表明，CEMA的解释对参与者对自动驾驶汽车的信任具有积极影响，并且对其他参与者的高度基线解释的评价也很高。我们以注释作为HeadD数据集发布了收集的解释。
双重机器学习的因果混合建模
摘要。混合建模将机器学习与科学知识相结合，以增强对自然定律的解释性，概括和遵守。尽管如此，等于等待和正则化偏见在混合建模中构成挑战，以实现这些目的。本文介绍了一种通过因果推理框架估算混合模型的新方法，该方法专门采用双机器学习（DML）来估计因果关系。我们在两个与二氧化碳通量有关的问题上展示了它对地球科学的使用。在Q 10模型中，我们证明了基于DML的杂种建模在估计因果参数方面优于最终深度神经网络（DNN）方法，证明效率，正规化方法对偏见的稳健性以及稳固性。我们的方法应用于碳通量分配，在适应异质因果效应方面具有灵活性。这项研究强调了明确定义因果图和关系的必要性，并倡导这是一种一般的最佳实践。我们鼓励在混合模型中继续探索因果关系，以使知识指导的机器学习更加可解释和值得信赖。
与设备的因果均值聚合流式reslstm ...
在本文中，我们提出了一个流媒体模型，以区分旨在用于智能家居设备的语音查询和背景语音。提出的模型由多个具有剩余连接的CNN层组成，然后是堆叠的LSTM架构。通过使用单向LSTM层和因果均值聚集层来实现流式功能，以形成最终的话语级别预测到当前帧。为了避免在线流媒体推理期间的冗余计算，我们为每个卷积操作都使用一种缓存机制。对设备定向与非设备定向任务的实验结果表明，与以前的最佳模型相比，所提出的模型降低了41％。进一步，我们表明，与基于注意力的模型相比，所提出的模型能够在时间上准确预测。
具有不确定因果顺序的通道容量增强
在时空中，事件 A 和 B 可以有三种因果关系：A 先于 B ，B 先于 A ，或者 A 和 B 有因果分离，即它们位于一个类空区间。量子力学允许存在与这些情况都不对应的因果结构。启发式地，这可以描绘为将 A 和 B 之间的顺序置于量子叠加中。更准确地说，已经提出了几种使用“过程矩阵”或“量子开关”来实现不确定因果顺序的方法 [1– 6]。虽然这些方法在数学上并不严格等价，但它们都支持一个基本思想：不确定因果顺序本质上是一种量子现象，它为迄今为止主要在时空理论中探索的概念提供了新的启示。最近，在几种量子开关的实现中已经通过实验观察到了这种现象 [7–12]。为了准确衡量量子理论为因果关系研究带来的新元素，可以将因果序的量子控制视为提供非经典通信优势的一种资源，即量子开关中的两个噪声信道可以比任何单个信道传输更多的信息 [13]。这种方法的好处是可以立即阐明量子开关的物理意义，但它依赖于一个目前尚未解决的问题，即任何局部方是否可以操作性地实施这种量子控制 [14]。在本文中，我们假设实证研究已经给出了一个积极的启发式方法：通过量子开关对因果序的量子控制已经通过实验获得。接下来，我们努力从理论上更好地理解此类设置所展示的优势。特别地，一个长期存在的问题涉及这种优势的起源：为了否认量子开关是一个独立的资源，有人认为，两个信道的单程量子叠加，在没有不确定因果顺序的情况下，已经导致了类似的结果[15，16]。在第二部分介绍基本的数学概念之后，我们探讨了这种非因果顺序的有争议的起源。
阿尔茨海默氏病与...
前列腺癌（PCA）代表了老年男性，尤其是西方国家的普遍恶性肿瘤，并且是男性人口中与癌症相关死亡率第二大的原因（1）。尽管PCA的治疗方法进步，但其发生的地理变异性存在很大的可变性，所有地区的年度均持续增长（2）。该疾病进展的变化归因于癌细胞中存在的病理多样性和异质性（3）。在PCA诊断时，近90％的受影响的个体表现出局部肿瘤的进展，这常常使他们无法接受手术干预措施（4）。确定的风险决定因素包括年龄，遗传易感性以及种族或种族的起源，而其他潜在的病因因素的重要性仍然是辩论的主题（5）。考虑到PCA对全球范围的重大影响，必须研究PCA的保护性和风险要素并实施及时的干预措施，旨在增强被诊断为疾病的人的预后。阿尔茨海默氏病（AD）是衰老人群中的主要神经退行性疾病，在临床上通过与记忆相关的认知下降和病理学来区分临床表现，其在病理上以B-淀粉样蛋白（A B）和细胞内神经纤维纤维性的细胞外plaques的存在来区分。AD的主要风险因素是高龄（6-8）。和，Sherzai等。这种发现突出了AD和PCA之间的潜在关联。最近的研究已经揭示了阿尔茨海默氏病与癌症发病率之间的相互负相关。研究表明，AD患者的癌症风险减半，而从癌症中或从癌症中恢复过来的个体中，AD的可能性降低了35％（9，10）。先前的观察性研究表明，AD AF流动的人可能患有前列腺癌的可能性降低（11）。观察到PCA患者的发展AD的可能性较低（12）。研究AD和PCA之间联系的大多数研究都利用了横截面或回顾性设计，并且进行了前瞻性研究的稀缺性。观察性研究无法彻底研究AD和PCA之间的因果关系。
肠道菌群与失眠之间的因果关系
失眠是指经常和持续的困难入睡或保持睡眠的特征，尽管睡眠机会和睡眠环境适当（Sutton，2021； Cunnington等，2013）。该疾病的特征主要是在入睡，梦幻，易于觉醒和早期觉醒方面很难，并且经常伴有身体症状（疼痛，神经和麻木）和精神障碍（抑郁，焦虑，焦虑和烦躁）。根据统计数据，超过30％的全球人口经历了一种或多种失眠症状（Madari等，2021），严重影响了患者的生活和工作。失眠的发病机理非常复杂。失眠的发生和发展与个体因素和各种环境因素密切相关。易感因素，诱导因素和维持因素起着非常重要的作用（Proserpio等，2020）。最近，越来越多的证据表明，肠道菌群的变化与宿主健康密切相关（Agus等，2018； Morrison和Preston，2016）。微生物群 - 肠道 - 脑轴已得到确定，与多系统疾病（如神经系统）有关，并参与许多精神疾病的发病机理（Forslund等，2017; Cox and Weiner，2018; Looo等，2020）。肠道菌群称为人体的“第二基因组”（Preethy等，2022）。现在认为细菌与人类细胞的比率接近1：1，其中所含的基因是人类编码基因的100倍。Thaiss等。肠道微生物群已被证明可以通过参与食物消化和分解来调节身体健康和大脑的功能（Burokas等，2017），调节胆汁酸代谢（Burokas等，2017），抵抗病原体，抵抗病原体的入侵（Cheng等，2019），并参与免疫反应，并参与免疫反应（Yang and Cong，Yang，20211）。目前，已经有关于失眠和肠道菌群的报道。（2016）发现，一方面，改变小鼠的睡眠模式可以改变其肠道微生物群的结构和多样性，另一方面，改变了
反事实理性：游戏理论的因果方法
在人类决策中的理性行为和非理性行为之间的紧张关系已在从哲学到心理学，神经科学再到行为经济学的广泛学科中得到认可。多代理相互作用的模型，例如冯·诺伊曼（Von Neumann）和摩根斯特恩（Morgenstern）的预期效用理论和纳什（Nash）的游戏理论，为代理在寻求理性时应如何行事提供了严格的数学框架。然而，理性假设受到了广泛的挑战，因为人类决策通常是非理性的，受偏见，情感和不确定性的影响，在某些情况下甚至可能会产生积极影响。行为生态学试图解释这种非理性行为，包括卡尼曼的双重过程理论和Thaler的裸露概念，并说明了与理性的偏差。在本文中，我们通过因果关系分析了这种张力，并开发了一个框架，该框架说明了理性和非理性的决策，我们将其称为因果游戏理论。然后，我们引入了一个称为反事实理性的新颖概念，该概念允许代理人做出选择，以利用其非理性倾向。我们将NASH均衡的概念扩展到反事实的行动，并表明，根据标准游戏理论，反事实行动之后的策略占据了策略。，当并非所有有关其他代理的信息都可用时，我们进一步开发了一种算法来学习此类策略。
AALBORG大学因果关系工具的原因...
为了实现这一目标，必须增加空间规划过程中环境评估工具的变革潜力。这是BioPolue项目中任务2.3的重点，该项目旨在“了解海洋和EIA中使用的空间规划和基础设施开发中的因果机制，以探索如何改进这些机制，以增强其在为生物多样性产生变革性行动中的作用中的作用”（生物生物生物项目描述）。任务2.3涉及注释和分析环境影响评估（EIA）和战略环境评估（SEA）报告中的因果关系，从而导致了与空间计划和管理工具相关的因果关系和生物多样性缓解层次结构的因果图工具。建立在这个基础上，系统思维方法提供了一种强大的方法，可以绘制和分析潜在空间变化涉及的因果关系，如因果环图（CLD）所示。这种方法不仅可以补充，而且通过确定互连和反馈产生的最关键要素，过程和动态来显着提高环境评估的有效性。这些因素在空间计划过程中的决策和使用中的使用至关重要。不仅了解直接影响，还了解空间规划的反馈机制，重点和工具可以解决自我生成过程，从而支持计划目标。因此，它增加了在空间规划过程中环境评估工具的变革潜力。此外，系统分析揭示了系统结构和产生的动态过程，这些过程是由正（增强）和负（平衡）反馈回路的相互作用产生的（Sterman，2000）。这两种机制对于理解在计划，计划和项目的影响下的要素之间的因果关系和非线性动态至关重要。它还促进了可行杠杆点的识别，这是系统中可能受到影响以获得更好结果的关键点。确定这些要点可能会导致有关避免，最小化或弥补潜在影响以及增强生物多样性标准的措施机会的知情建议（Meadows，1997）。因此，通过将这些改进的海洋和EIA工具整合到空间规划过程中，可以大大提高增强生物多样性和实现可持续发展目标的变革性潜力。这种对因果效应的理解的实际影响取决于实际的计划过程和应用程序的上下文。
因果效应识别的最佳实验设计
Pearl's Do Colculus是一种从观察数据中学习可识别的因果关系效应的完整公理方法。当这种效果无法识别时，有必要在系统中执行通常昂贵的干预措施的集合来学习因果关系。在这项工作中，我们考虑了设计一系列干预措施的问题，并以最低成本确定所需的效果。首先，我们证明了此问题是NP完整的，随后提出了一种可以找到最佳解决方案或对数的算法的算法。这是通过在我们的问题与最小击球设置问题之间建立联系来完成的。此外，我们提出了几种多项式启发式算法来解决问题的计算复杂性。尽管这些算法可能会偶然发现亚最佳解决方案，但我们的模拟表明它们在随机图上产生了小的遗憾。