XiaoMi-AI文件搜索系统
World File Search Systemdigitalcommons
达特茅斯数字共享引文 达特茅斯数字共享引文 Lekkas, Damien 和 Jacobson, Nicholas C.，“使用人工智能和纵向位置数据区分童年创伤后患上创伤后应激障碍的人”（2021 年）。达特茅斯奖学金。4165。https://digitalcommons.dartmouth.edu/facoa/4165
创伤后应激障碍 (PTSD) 的特点是症状复杂多样，因此在传统临床环境之外很难检测。幸运的是，移动技术、被动传感和分析技术的进步为研究和开发提供了有希望的途径。本研究考察了利用全球定位系统 (GPS) 数据（七天内从智能手机被动获取）检测一组高风险、曾受过创伤的女性 (N = 185) 的 PTSD 诊断状态的能力。使用每日外出时间和离家最大距离作为模型特征工程的基础，结果表明可以高性能地预测诊断组状态（AUC = 0.816，平衡灵敏度 = 0.743，平衡特异性 = 0.8，平衡准确度 = 0.771）。结果进一步表明 GPS 信息作为 PTSD 行为库的数字生物标记物的潜在效用。未来的 PTSD 研究将受益于在更大、更多样化的人群中应用 GPS 数据。
推荐引用 推荐引用 Antes, Alison L; Burrous, Sara; Sisk, Bryan A; Schuelke, Matthew J; Keune, Jason D; 和 DuBois, James M，“探索人工智能支持的医疗技术的看法：一项基于场景的在线调查。” BMC 医学信息学和决策。21，1。221 (2021)。https://digitalcommons.wustl.edu/oa_4/840
摘要背景：医疗保健预计将越来越多地将人工智能 (AI) 技术融入患者护理。了解对这些工具的看法对于成功开发和采用至关重要。这项探索性研究衡量了参与者对人工智能驱动的医疗保健技术的开放程度、关注程度和感知到的益处。我们还探讨了这些看法的社会人口、健康相关和社会心理相关性。方法：我们开发了一个测量方法，描述了六种人工智能驱动的技术，这些技术可以诊断、预测或建议治疗。我们使用众包平台 MTurk 对美国成年人 (N = 936) 进行了在线调查，并实施了该测量。参与者表明了他们对在医疗保健场景中使用人工智能技术的开放程度。场景中附有反映每种技术的潜在担忧和好处的项目。参与者评估了担忧和好处的陈述对他们对该技术的好感程度的影响程度。参与者完成了社会人口、健康变量和心理社会变量（如对医疗保健系统的信任和对技术的信任）的测量。对关注和收益项目的探索性和验证性因素分析确定了两个代表总体关注水平和感知收益的因素。描述性分析考察了开放性、关注度和感知收益的水平。相关性分析探讨了社会人口、健康和社会心理变量与开放性、关注度和收益分数之间的关联，而多变量回归模型则同时考察了这些关系。结果：参与者对人工智能驱动的医疗技术持中等开放态度（M = 3.1/5.0 ± 0.9），但根据应用类型的不同而有所不同，关注点和收益的陈述影响了观点。对医疗保健系统的信任和对技术的信任是开放性、关注度和感知收益最强、最一致的相关因素。大多数其他社会人口、健康相关和社会心理变量的关联性较弱或没有关联，但多变量模型表明某些人格特征（例如，尽责性和宜人性）和社会人口统计学（例如，全职工作、年龄、性别和种族）与感知略有相关。结论：参与者的开放程度似乎很脆弱，这表明早期推广策略和使用新型人工智能技术的经验可能会对观点产生重大影响，尤其是当人工智能技术的实施增加或削弱信任时。这些发现的探索性质值得进一步研究。
推荐引用 推荐引用 Shen, Natalie (2023) “医疗保健领域的人工智能监管：华盛顿州如何征服人工智能监管的新领域”，《西雅图技术、环境与创新法杂志》：第 13 卷：第 1 期，第 5 篇文章。网址：https://digitalcommons.law.seattleu.edu/sjteil/vol13/iss1/5
1 人工智能，B UILT IN ，https://builtin.com/artificial-intelligence [https://perma.cc/HN7V- RVGF] [以下简称“人工智能”]。2 Christopher Manning，人工智能，斯坦福大学（2020 年 9 月），https://hai.stanford.edu/sites/default/files/2020-09/AI-Definitions-HAI.pdf [https://perma.cc/U6KC- 9F4E]。3 同上；参见 Thomas Davenport 和 Ravi Kalakota，《人工智能在医疗保健中的潜力》，6(2) F UTURE H EALTH C ARE J. 94 (2019)。4 参见 Adam Bohr 和 Kaveh Memarzadeh，《人工智能在医疗保健应用中的兴起》，《人工智能在医疗保健中的应用》25 (2020)。 5 Vivek Kaul 等人，医学领域人工智能史，92 G ASTROINTESTINAL ENDOSCOPY JOURNAL 807, 809 (2020)。6 同上。7 同上。8 Davenport & Kalakota，上文注 3，第 94 页。9 同上。第 95 页。10 同上。第 96 页。
推荐引用 推荐引用 Bardis, Michelle D; Houshyar, Roozbeh; Chang, Peter D; Ushinsky, Alexander; Glavis-Bloom, Justin; Chahine, Chantal; Bui, Thanh-Lan; Rupasinghe, Mark; Filippi, Christopher G; 和 Chow, Daniel S，“人工智能在前列腺多参数 MRI (mpMRI) 中的应用：当前和新兴趋势。”《癌症》（巴塞尔）。12，5。1204 (2020)。https://digitalcommons.wustl.edu/open_access_pubs/9270
摘要：前列腺癌是全球最常见的癌症之一。多参数磁共振成像 (mpMRI) 是一种非侵入性工具，可以改善前列腺病变的检测、分类和体积量化。机器学习 (ML) 是人工智能的一个分支，可以快速准确地分析 mpMRI 图像。ML 可以提供更好的标准化和一致性来识别前列腺病变并增强前列腺癌管理。本综述总结了 ML 在前列腺 mpMRI 中的应用，并重点关注前列腺器官分割、病变检测和分割以及病变表征。进行了文献检索，以查找将 ML 方法应用于前列腺 mpMRI 的研究。迄今为止，前列腺器官分割和体积近似已经使用各种 ML 技术很好地执行。前列腺病变检测和分割对于 ML 来说是更具挑战性的任务，并在多项研究中进行了尝试。由于数据稀缺和当前 ML 算法的局限性，它们在很大程度上仍未解决。相比之下，由于数据可用性更高，前列腺病变表征已在多项研究中成功完成。总体而言，ML 完全有能力成为一种提高放射科医生准确性和速度的工具。
推荐引用 推荐引用 Barber, Don E.; Bobo, T. Alan; 和 Sturm, Kevin P. (2016) “网络空间作战规划：在动能领域之外运营技术军事力量”，军事网络事务：第 1 卷：Iss。 1，第 3 条。http://dx.doi.org/10.5038/2378-0789.1.1.1003 可从以下网址获取：https://digitalcommons.usf.edu/mca/vol1/iss1/3
传统的军事规划经过几个世纪的成熟，为实现特定目标提供了可靠的基础。然而，网络空间作战规划超出了“动能”军事行动规划通常需要的范围，即使用弹药打击物理目标。为了捕捉开展网络作战所需的令人难以置信的细微差别，有必要概念化更深层次、更技术层面的战争规划，以阐明支持战术规划的技术实施的作用。对规划人员和指挥官来说，与网络空间作战相关的技术细节并不像坦克、舰船和飞机的能力和局限性那样直观。在网络空间规划中，需要这个额外的技术层面将对非直观组件的影响转化为对对手作战的易于理解的影响。尽管技术网络规划非常重要，但确保重点技术行动继续明确地与指挥官的作战效果要求和国家战略目标挂钩仍然至关重要。本文试图捕捉美国联合军事理论的亮点，并结合商业领域的最佳实践，概述国防部新网络任务部队可以采用的流程。
推荐引用 推荐引用 Gittens，Lester G.。“Casitas 对巴哈马龙虾生物学和渔业可持续性的影响”（2017 年）。哲学博士 (PhD)，论文，生物科学，Old Dominion 大学，DOI：10.25777/2pc4-3t27 https://digitalcommons.odu.edu/biology_etds/18
II.CASITAS 对巴哈马 Panulirus ARGUS 死亡率、生长和疾病易感性的影响 ................................................................................................11 简介 ................................................................................................................................11 方法 ................................................................................................................................16 结果 ................................................................................................................................24 讨论 ......................................................................................................................................34 III.与巴哈马龙虾渔业陷阱相比，Casitas 中龙虾和其他分类群的尺寸选择性和兼捕死亡率 ................................................................................................................................41 简介 ......................................................................................................................................41 方法 ......................................................................................................................................46 结果 ......................................................................................................................................50 讨论 ......................................................................................................................................58 IV.使用遥感技术探测巴哈马加勒比海刺龙虾 ( Panulirus ARGUS ) 渔业中利用的 casitas 的可行性 ................................................................................................................69 简介 ......................................................................................................................................69 方法 ......................................................................................................................................75 结果 ......................................................................................................................................78 讨论 ......................................................................................................................................91 V. 结论 ......................................................................................................................................101
推荐引用 推荐引用 Wennagel, Robert, DARK SYSTEMS: 重新编程人工智能法规以促进公平和就业不歧视, 39 SANTA C LARA H IGH T ECH . LJ 1 (). 网址：https://digitalcommons.law.scu.edu/chtlj/vol39/iss1/1
自动决策系统（“ADM”），无论是采用人工智能、机器学习还是其他算法过程，在现代生活中都已无处不在，但它们的使用通常不为社会所注意或看不见。目前，没有联邦法律要求在使用 ADM 收集个人数据、评估个人数据或对其生活做出决定时向个人发出通知或披露信息。这对于雇佣关系来说尤其令人担忧，因为通知和透明度对于个人隐私至关重要，而秘密使用 ADM 系统会使申请人和雇员无法了解雇主的决策过程并根据适用的反歧视法寻求补救。一些州和地方政府已经认识到这种危险，并已采取初步措施保护申请人和雇员，而欧盟已提出一项全面的人工智能法规，将管理此类系统在那里开发的所有阶段。本文提出了一种基于通知和透明度的监管体系，该体系考虑到管理雇佣关系的现有法律并对这些法律进行补充，以建立一个促进申请人和雇员权利的法律框架，同时也允许灵活地开发有利于雇员、雇主和社会的 ADM 系统。
推荐引用 推荐引用 Leslie Abbott，《失衡：根据《联邦证据规则》403 排除 EEOC 裁定》，24 Loy. L.A. L. Rev. 707 (1991)。可从以下网址获取：https://digitalcommons.lmu.edu/llr/vol24/iss3/12
即使其他证据规则表明证据具有可采性，规则 403 也赋予法院排除证据的自由裁量权。建立这种自由裁量权隐含着这样的假设：真理和正义不能仅靠语言来捕捉，而需要人类情感的介入。在更世俗的层面上，规则 403 承认，基于过去情况的明确规则有时在新的和意想不到的环境中不起作用。因此，规则 403 的目的是通过司法灵活性来提高准确性和公平性。30 可采性规则本身要求证据结果不灵活，因此未能考虑到案件具体情况引起的任何问题。3 1 此外，希望排除 EEOC 裁定的当事人可能认为，本身规则剥夺了他们就陪审团决策中可能至关重要的问题发表意见的机会。32
推荐引用 推荐引用 Grigoryan, Gayane 和 Collins, Andrew J.，“可解释性总是必要的吗？关于可解释人工智能的讨论”（2022 年）。建模、仿真和可视化学生顶点会议。2. DOI：10.25776/2ta8-8058 https://digitalcommons.odu.edu/msvcapstone/2022/scienceengineering/2
模型的可解释性一直是一个争论话题。一些研究指出，可解释性是不必要的，一些“白盒”模型，如回归模型或决策树，本质上是可解释的。本文对具有高度相关特征的多元回归模型进行分析，以说明模型在处理复杂数据时可解释性如何失效。在这种情况下，信任模型解释可能会有问题。Shapley 净效应技术有助于确定特征的边际贡献，可用于提高模型的可解释性并揭示有关预测的更多信息。该研究得出的结论是，在所有情况下，包括简单模型甚至更明显的情况，可解释性都是避免得出有偏见和错误结论的必要条件。
Das, Rajesh Kumar 和 Islam, Mohammad Sharif Ul，“人工智能和机器学习在图书馆中的应用：系统评价”(2021 年)。图书馆哲学与实践 (电子期刊)。6762。https://digitalcommons.unl.edu/libphilprac/6762
简介在过去的几十年里，人工智能 (AI) 和机器学习 (ML) 已经成为重塑我们的世界以及我们思维、行为和决策方式的主要催化剂 (Vysakh & Babu, 2020)。最近，许多领先的组织（如谷歌、IBM、亚马逊、Netflix、Expedia 等）采用了机器学习和人工智能的许多不同属性来改进他们的产品和服务。几乎所有主要行业，如卫生、教育、气象、商业、股票、农业、不同国家的政府和非政府机构也表现出兴趣并使用这些技术来简化和减轻工作量，提高和加快生产力，减少人机交互，最重要的是，以智能和复杂的方式引领数字世界。