XiaoMi-AI文件搜索系统
World File Search Systemduan
理性与直觉：人工智能决策工具在管理实践中的融合
认知技术被称为新型人工智能，根据 Davenport 和 Ronanki (2018) 的说法，它将彻底改变商业世界。根据 Davenport 和 Ronanki 的研究，35% 的受访经理认为人工智能将使他们能够做出更好的决策。“有必要对工作流程进行系统性重新设计，以确保人类和机器能够增强彼此的优势并弥补弱点”（Davenport & Ronanki，2018，第 9 页）。然而，作者并未说明这一切将如何实现，以及管理者如何将这些工具融入到他们的工作中。事实上，许多研究人员和管理人员都承认技术为组织决策过程的质量带来了好处，以及信息和通信技术 (ICT) 提供的支持，这尤其要归功于近年来人工智能的进步。有些人甚至希望很快看到人工智能为管理者自己做决策（Davenport & Ronanki，2018；Duan 等人，2019）。鉴于 Ackoff 提出的一些要素，人们可能会认为，管理者的决策将得到越来越多的支持，甚至有一天，管理者可能会被人工智能“取代”在组织中执行决策任务。相反，其他作者建议，我们应该寻求利用基于人工智能的 BI 工具来表达管理者的独特能力，例如他们的直觉。对他们来说，这将允许将人类思维、认知偏见和启发式方法带回来（Gigerenzer & Gaissmaier，2011），可能在决策算法本身中，或者至少通过互补的决策过程（Gilboa 等人，2018 年）。
史密斯学院常春藤节计划2024
基于Anka Arifin '26，Maddy Grace Allred '26，Grace Anderson '26，Kathle Rose Bacigalupi '26，Alice Bae '2，Alty Grace Allred '26，Alice Allred'26，Alice Bae '2 '26，Lena Catherine Baker '26，Maddy Jane Beer '26，Elliot Burroughs '26，ChloéIsabelle Marie Chauvot deBeauchêne'26，Abigail Fallon Fallon Fallier '26，Meredith Converse Clowse '26 Amelia Joelle Colbdorf '26，Sandra Adrinna Constantino '26，Kokwe Boo dadzie '26，Ilana Cecelia Heiser Diddams '26，Maya Martinez dirs '26，Haoran Duan '26 Meghan Kay Gram-Dinger '26，Yasmin Iroma Grant '26，Catherine Guo '26，Raia Gutman '26，Hannah Walworth Laker '26，Maggie Ray Hollis '26，Yawen Jie '26，Aviva Jotzke '26，Aviva Jotzke '26，Jessica Klurfeld '26，Jessica Klurfeld '26，'26，26，26，，26，，26，，'26，，'26，，26，，'26，，'26，，'26，，'26，，'26，，'26，，'26，，'26，26，，地琼·科比亚西（Joan Kobobyashi '26 '26，Olivia Anne Petty '26，Patrizia Picado '26，代表团Rose Da Costa Pinto '26，Vivian Ishbel Pittard '26，Xinyu Ashley Qian '26，
了解影响管理者对人工智能看法的因素
段延庆 1、曹光明 2、徐马克 3、Vincent Ong 4 和 Christian Dietzmann 5，1 英国贝德福德大学，卢顿，英国 2 阿治曼大学，阿治曼，阿联酋 3 朴茨茅斯大学，朴茨茅斯，英国 4 伦敦摄政大学，伦敦，英国 5 德国莱比锡大学和瑞士圣加仑商业工程学院 Yanqing.Duan@beds.ac.uk g.cao@ajman.ac.ae ongv@regents.ac.uk mark.xu@port.ac.uk christian.dietzmann@bei-sg.ch 摘要：人工智能 (AI) 在支持和/或取代管理者的信息处理活动方面具有巨大潜力，但只有组织管理者愿意使用 AI 进行信息处理，才能实现 AI 的好处。学术文献中关于理解人工智能在管理者个人信息处理中的接受度和应用的理论和实证研究非常有限。为了解决这一知识空白，这篇正在进行的论文旨在开发一个概念框架，以研究影响管理者对人工智能在其信息处理中的作用的感知以及他们使用人工智能的意图的因素。在信息处理相关理论的支持下，该研究框架可用于检查信息系统 (IS) 的情境、个人和表现因素是否以及在多大程度上影响管理者对基于人工智能的应用程序的看法，包括首选的人机协作模式和信息处理活动中的人工智能输入水平。所提出的框架从最终用户的角度提供了对信息处理背景下基于人工智能的应用程序的理论理解和开发。关键词：人工智能、信息处理、人工智能与人类协作、大数据。
基于密度矩阵凸分解的方差和量子 Fisher 信息的不确定性关系
我们提出了几个与罗伯逊-薛定谔不确定关系相关的不等式。在所有这些不等式中，我们考虑将密度矩阵分解为混合状态，并利用罗伯逊-薛定谔不确定关系对所有这些成分都有效的事实。通过考虑边界的凸顶部，我们获得了 Fröwis 等人在 [ Phys. Rev. A 92 , 012102 (2015) ] 中的关系的另一种推导，并且我们还可以列出使关系饱和所需的许多条件。我们给出了涉及方差凸顶部的 Cramér-Rao 边界的公式。通过考虑罗伯逊-薛定谔不确定关系中混合状态分解的边界的凹顶部，我们获得了罗伯逊-薛定谔不确定关系的改进。我们考虑对具有三个方差的不确定性关系使用类似的技术。最后，我们提出了进一步的不确定性关系，这些关系基于双模连续变量系统的标准位置和动量算符的方差，为二分量子态的计量实用性提供了下限。我们表明，在 Duan 等人 [ Phys. Rev. Lett. 84 , 2722 (2000) ] 和 Simon [ Phys. Rev. Lett. 84 , 2726 (2000) ] 的论文中讨论了这些系统中众所周知的纠缠条件的违反，这意味着该状态在计量学上比某些相关的可分离状态子集更有用。我们给出了有关自旋系统具有角动量算符的纠缠条件的类似结果。
博士Nadine Mengis -CV div>
- Martin，M。A.，Sendra，O.，Basts，A. M.，Ebi，K。L.，Edwards，C.M，Engel，A. H.，R。和J. Woodcock。在2021年有了新的见解：通过Horizon Scan，全球可持续性
非交换图的 Haemers 界
其中 α(G) 表示 G 的独立数，⊠ 表示强图积 [Sha56]。Θ(G) 的对数表示在零误差下通过经典通信信道传输的信息量，其中我们允许任意次数使用该信道，并测量每次使用该信道传输的平均信息量。（图 G 是与信道相关的所谓混淆图，参见第 2.1 节。）香农容量是不可计算的：尽管计算独立数是 NP 完全的 [Kar72]，但存在一些图，其香农容量不是通过有限次将强图与自身相乘来实现的 [GW90]。为了确定香农容量的上限，Lovász 引入了著名的 theta 函数 [Lov79]，它可以转换为半正定程序，并可用于计算例如 Θ(C5)。Lovász 提出了香农容量是否等于一般的 theta 函数的问题，这一问题遭到 Haemers 的反驳：他引入了香农容量的另一个上限，现称为 Haemers 界限，在某些图上该界限可能严格小于 theta 函数 [Hae78, Hae79]。除了经典通信信道，我们还可以考虑量子通信信道。这样做会引出上述问题的量子信息类似物，其研究由 Duan、Severini 和 Winter [DSW13] 系统地发起。在第 2.1 节中，我们展示了量子设置如何推广经典设置，这也促使了下面的定义。对于 (Choi-Kraus 表示的) 量子信道 Φ( A ) = P mk =1 E k AE † k ( ∀ A ∈
E2ENNet：用于情感脑机接口的端到端神经网络
情绪的反映有两种，包括外部反应和内部反应：外部反应包括人的面部表情、手势或言语等；内部反应包括皮肤电反应、心率、血压、呼吸频率、脑电图（EEG）、脑电图（EOG）（Yu et al., 2019）、脑磁图（MEG）（Christian et al., 2014）。从神经科学的角度（Lotfiand Akbarzadeh-T., 2014）发现，大脑皮层的主要区域与人的情绪密切相关（Britton et al., 2006; Etkin et al., 2011; Lindquist and Barrett, 2012），这启发我们通过在头皮上放置脑电电极来收集脑电信号，记录大脑的神经活动，从而识别人的情绪。脑电信号蕴含着情绪信息，近年来在情绪识别领域得到了广泛的应用（Soroush et al.，2017；Sulthan et al.，2018；Alarcao and Fonseca，2019）。在传统的脑电情绪识别过程中，特征提取是至关重要的步骤。如图1所示，在对脑电信号进行预处理后，通常需要从原始脑电信号中提取特征，然后输入到网络进行分类识别（Duan et al.，2013；Chen et al.，2021；Ma et al.，2021）。Duan等（2013）提出了五频带的差分熵（DE）特征，并利用DE特征获得了满意的分类结果。Li et al. (2019) 利用短时傅里叶变换提取时频特征，计算 theta、alpha、beta、gamma 波段的功率谱密度 (PSD) 特征，并使用 LSTM 进行情绪判别，取得了显著的分类结果。马等 (2021) 提出了一种甲虫天线搜索 (BAS) 算法，该算法在三个不同波段和六个通道中提取三个不同的特征，并采用 SVM 分类器进行分类。与传统 SVM 方法相比，BAS-SVM 方法的分类准确率提高了 12.89%。近年来，深度学习方法被广泛应用于情绪识别 (Jia et al.，2020a；Li et al.，2020；Zhou et al.，2021)。宋等 (2021) (2018) 根据电极位置设计 DE 特征，并使用图卷积神经网络 (GCNN) 作为分类器。张等 (2019) 创新性地将从脑电数据集中提取的 DE 特征与从面部表情数据集中提取的特征相结合，构建了时空循环神经网络 (STRNN) 用于情绪识别。李等 (2018) 提出了一种双半球域对抗神经网络 (BiDANN)，以 DE 作为输入特征，在 SEED 数据集上进行了受试者相关和受试者独立的实验，取得了相对最佳的性能。郝等 (2021) 提出了一种提取 PSD 特征作为输入的轻量级卷积神经网络，并在 DEAP 数据集上进行了实验，分别取得了 82.33 和 75 的成绩。Valance 和 Arousal 分别为 46%。Chen 等人 (2021) 提出了一种集成胶囊卷积神经网络 (CapsNet)，该网络使用小波包变换 (WPT) 进行特征提取。平均
个性化脑电图e-tattoos
Luze Scalco de Vascincelos，1,9 Yichen Yan，2,9 Putkar Maharjan，1,8 Sayam Karar，3分钟Zhang，3 Bowen Yao，2 Hongbian li，1 Sidi，1 Sidi 2，1 Sidi 2，1 Eric Williams，1 Sandhy of The Sandhy of the Sandhy Solorzano-vargas，4是Hong，2 Yingjie du，2 Zixao Liu，2 Fumiaki Iwane，Charles Block 3，Andrew T. Repetski 1，1 Philip Tan，1 Anopan Wang，1MartıMartıMartır，1MartıMartır，́R。 Ximin H， *和Nanshu Lu 1,3,7,10， * 1航空航天工程与工程学系，得克萨斯大学和奥斯汀大学，奥斯汀，德克萨斯州奥斯汀，美国德克萨斯州78712，美国2美国2材料科学与工程系，洛杉矶，洛杉矶，洛杉矶，洛杉矶美国德克萨斯州奥斯汀大学奥斯汀分校电气和计算机工程，美国4戴维·盖芬医学院，医学院，洛杉矶，洛杉矶，加利福尼亚州洛杉矶，加利福尼亚州90095，美国5德克萨斯大学奥斯汀大学奥斯汀分校，美国德克萨斯州奥斯汀分校同样10铅联系 *紧随其后：jose.millan@austin.unexas.edu（J.D.D.R.M.），xinhe@ucla.edu（X.H.），nanshulu@utexas.edu（n.l。）https://doi.org/10.1016/j.celbio.2024.100004https://doi.org/10.1016/j.celbio.2024.100004
气候变化对中亚的影响：趋势，极端和未来的预测
水的供应，水力和粮食安全是中亚社会在人类时代的主要关注点（Jalilov等，2016； Reyer等，2017）。与工业前级别相比，在本世纪末2 C以下2 C以下的全球变暖限制了全球变暖（Meinshausen等，2020）。然而，CA的温度趋势上升已经显着高于全球平均值（Yao等，2021）。因此，如果越过这个阈值，则假定社会和经济影响是严重的（Reyer等，2017）。CA的气候主要由干旱，半干旱，温带和半渗透区域主导（Duan等，2019; Jalilov等，2016; Yao等，2021）。此外，这些地区在苏联崩溃后经历了极端的非校园和经济状况（Lioubimtseva＆Henebry，2009年）。根据Pekel等人。（2016年），在1984年至2015年之间，CA和中东发生了超过70％的全球永久性地表水损失。地下水在全球范围内提供超过36％的饮酒和42％的农业水（Ashraf等，2021）。但是，其可用性受蒸发和人类戒断的增加影响。大约33％的地球人口生活在封装地中海，亚洲，中东和北非的半干旱和干旱地区，被归类为水压力区域（Vörösmarty等，2010）。全球综合综合（Vörösmarty等，2010）得出的结论是，世界上约80％的人口遭受了高水平的水安全性。山是加利福尼亚州当地河流的最重要水源。他们在冬季和秋季中通过冰川，多年冻土和雪保持前态（Chen等，2016）。在CA的更快的全球变暖趋势下，降水量和融雪/冰川比和降水
标量量子场的相对熵不确定关系
其中 S(f)=−Rdxf(x)lnf(x) 是微分熵。如今，许多熵不确定性关系已得到证明和研究，例如用 Shannon 熵表示的具有离散谱可观测量的 Maassen-Uffink 熵不确定性关系[11-14]，用互信息表示的信息排斥原理[15-17]，Rényi 熵[13,18]，Wehrl 熵[19,20]，在存在(量子)记忆的情况下用条件熵表示的不确定性[14,21-24]，以量化能量和时间之间的不确定性[25]，或在更一般的互补算子代数设置中[26-28]。此外，离散变量和连续变量两种不同情况已在 [29, 30] 中统一。在本文中，我们将熵不确定性的概念扩展到标量量子场论，我们的动机有三方面。首先，信息论的观点已导致对量子场论的许多见解，最突出的是在纠缠[31-33]、热化[34-36]和黑洞物理[37-39]的背景下。由于不确定性原理是每个自然界量子理论的核心，因此严格的量子场的熵公式对于更深入地理解量子场论至关重要。其次，不确定性关系对于见证纠缠起着重要作用，特别是对于连续变量量子系统。除了 Simon [40] 和 Duan 等人提出的著名的二阶不可分离性标准之外。 [41] ，存在基于熵不确定关系的更强的熵标准 [42–44] 。此外，熵不确定关系可用于制定转向不等式 [45,46] ，或者通过包括（量子）记忆 [24] ，可以推导出纠缠度量的界限 [47] 。有关熵标准的实验应用，请参见 [45,47] 。