XiaoMi-AI文件搜索系统
World File Search Systemexplain
对在入侵检测系统中可解释的人工智能整合的系统综述，以增强网络安全的透明度和可解释性
复杂的网络威胁的兴起刺激了入侵检测系统（IDS）的进步，这对于实时识别和减轻安全漏洞至关重要。传统ID通常依赖于复杂的机器学习算法，尽管其精确度很高，这些算法仍缺乏透明度，从而产生了“黑匣子”效应，从而阻碍了分析师对他们决策过程的理解。可解释的人工智能（XAI）通过提供可解释性和透明度，提供了一个有希望的解决方案，使安全专业人员能够更好地理解IDS模型。本文对XAI在ID中的集成进行了系统的综述，重点是提高网络安全的透明度和可解释性。通过对最近的研究的全面分析，本综述确定了常用的XAI技术，评估了它们在IDS框架中的有效性，并检查了它们的收益和局限性。的发现表明，基于规则和基于树的XAI模型是其可解释性的首选，尽管具有检测准确性的权衡仍然具有挑战性。此外，该评论突出了标准化和可扩展性中的关键差距，强调了对混合模型和实时解释性的需求。本文以未来研究方向的建议结束，提出了针对ID，标准化评估指标以及优先级安全和透明度的道德框架量身定制的XAI技术的改进。本评论旨在告知研究人员和从业者当前的趋势和未来利用XAI提高ID的有效性，促进更透明，更弹性的网络安全景观方面的机会。
用大语言模型解释建议：评论
大语言模型（LLM）的兴起，例如Llama和Chatgpt，通过改善解释性为增强推荐系统提供了新的机会。本文提供了一份系统的文献综述，旨在利用LLMS生成建议的解释，这是促进透明度和用户信任的关键方面。我们在ACM计算文献指南中进行了全面搜索，涵盖了从Chatgpt（2022年11月）到现在（2024年11月）的出版物。我们的搜索产生了232篇文章，但是在应用纳入标准后，只有6篇文章被确定为直接解决LLMS在解释建议中的使用。这种稀缺性强调，尽管LLMS的增加，但它们在可解释的推荐系统中的应用仍处于早期阶段。我们分析了这些精选研究，以了解当前的方法，确定挑战并提出未来研究的方向。我们的发现强调了LLM的潜力改善了推荐系统的解释，并鼓励开发更透明和以用户为中心的建议解释解决方案。
考虑免疫力减弱来更好地解释登革热动态
感染登革热病毒后，终生血清型特异性免疫可能并非总是会发生，但这种影响的真实程度尚不清楚。对法属波利尼西亚孤立岛屿上 20 多年的单型流行病的分析表明，虽然有症状的登革热感染风险确实符合同型免疫和异型继发感染疾病风险增加的经典范式，但将免疫力减弱纳入其中可提高流行病学模型捕捉观察到的流行病动态的能力。这不仅表明将免疫力减弱纳入经典模型可以揭示对自然登革热病毒感染的免疫反应的重要方面，而且对登革热流行地区的疫苗开发和实施也具有重大影响。
机器学习中的可解释人工智能
本文介绍了可解释人工智能 (XAI)，这是提高 ML 系统可解释性和可信度的必要解决方案。本文通过两个关键领域的案例研究探讨了 XAI 的重要性：制造业和医疗保健。第一个案例涉及预测性维护应用程序，该应用程序使用 XAI 通过梯度提升决策树预测机器故障的可能性，从而为优化生产力提供详细建议。第二个案例研究基于医疗保健部门。用于 AI 模型解释的 LIME 和 SHAP 工具增强了人们对 AI 辅助医疗诊断的糖尿病预测有效性的信任。这两个案例都证明 XAI 有助于更好地理解所展示的机器学习模型的工作原理，并符合道德决策和监管要求。因此，在本文的最后一部分，作者讨论了当前形式的 XAI 的一些缺点以及该领域的潜在进步，包括水平性和更好地融入使用 AI 的系统。这一发现支持使用 XAI 在众多行业中促进更透明、更负责任和更值得信赖的 AI 应用。
乌克兰 - 俄罗斯战争解析：美国如何利用内部裂痕
摘要 本文探讨了乌克兰与俄罗斯战争的深层原因。认为这场战争既有内部原因，也有外部原因。内部原因的根源在于苏联解体的方式。外部原因与美国如何利用后苏联秩序的裂痕来推进其旨在建立美国全球霸权的新保守主义议程有关。战争摧毁了乌克兰。极端民族主义者控制了乌克兰政局，阻碍了针对后苏联乌克兰政治和人口现实的妥协。这样一来，民族主义者就把乌克兰变成了美国寻求全球霸权计划中的牺牲品，其后果可能还会进一步恶化。格鲁吉亚与俄罗斯的僵持冲突在结构上有一些相似之处。话虽如此，格鲁吉亚可以通过选择不结盟道路来避免乌克兰的命运。这并不容易，因为美国可能会试图破坏这条道路，因为不结盟暗中挑战了美国的霸权。关键词：乌克兰、俄罗斯、美国、苏联、格鲁吉亚、新保守主义、全球霸权、不结盟。
更好地解释 AI 的好处？分析解释 AI 支持选拔的好处对申请人反应的影响
这是一篇根据知识共享署名 - 非商业许可条款开放获取的文章，允许在任何媒体中使用、分发和复制，前提是正确引用原始作品且不用于商业目的。© 2022 作者。《国际选择与评估杂志》由 John Wiley & Sons Ltd. 出版。
建议引用：Gramegna, Alex；Guidici, Paolo (2020)：为什么要买保险？一种可解释的人工智能方法，Risks，ISSN 2227-9091，MDPI，巴塞尔，第 8 卷，Iss。4，第 1-9 页，https://doi.org/10.3390/risks8040137
摘要：我们提出了一个可解释的人工智能模型，该模型可用于解释客户购买或放弃非寿险的原因。该方法包括将相似性聚类应用于从高精度 XGBoost 预测分类算法获得的 Shapley 值。我们提出的方法可以嵌入到基于技术的保险服务 (Insurtech) 中，从而可以实时了解对客户决策影响最大的因素，从而主动洞察他们的需求。我们通过对保险微保单购买数据进行的实证分析证明了我们模型的有效性。研究了两个方面：购买保险单的倾向和现有客户流失的风险。分析结果表明，可以根据一组相似的特征有效、快速地对客户进行分组，这可以很好地预测他们的购买或流失行为。
面向可解释的增强智能（AI）进行裂缝表征
摘要：裂纹表征是工业部件和结构的 NDT&E（无损检测与评估）的核心任务之一。如今，执行此任务所需的数据通常使用超声相控阵收集。许多超声相控阵检查都是自动化的，但对其产生的数据的解释却不是。本文提供了一种设计可解释的 AI（增强智能）以应对这一挑战的方法。它描述了一个名为 AutoNDE 的 C 代码，它包括一个基于改进的全聚焦方法的信号处理模块，该方法可创建被评估样本的一系列二维图像；一个图像处理模块，用于过滤和增强这些图像；以及一个可解释的 AI 模块 - 决策树，它选择可能存在裂纹的图像，将那些看起来代表相同裂纹的图像分组，并为每个组生成一份可能的检查报告，供人工检查员审阅。AutoNDE 已在实验室收集的 16 个数据集上进行了训练，这些数据集通过对带有大型光滑平面缺口（包括嵌入式和表面破损）的钢样本进行成像而收集。它已在另外两个类似的数据集上进行了测试。本文介绍了此次训练和测试的结果，并详细描述了一种处理超声波数据中主要误差源（样本表面的起伏）的方法。
nr_jynneos loa添加BN解释有效期并在报告时间表上具有灵活性
2024年12月23日，约翰·贝格尔（John Beigel），医学博士微生物学和感染疾病临床研究部副主任国家过敏和传染病研究所（NIAID）亲爱的贝格尔博士：2022年8月9日，第564（b）（b）（1）（c）法案，该法案是卫生和公共服务部的强大（HHS），或者是一项重要的公共服务部门，或者是一项重要的公共服务（HHS），或者是一项重要的一项，或者是一项公共服务（HHS），或者是A的一项公共服务，或者是一项公共服务。居住在国外的美国公民（美国）公民的影响，国家安全或健康与安全的重要潜力，其中涉及Monkeypox病毒。根据这种决定，HHS秘书宣布，根据该法令第564条，授权紧急使用疫苗用于对Monkeypox病毒的授权是合理的，但要遵守该条款下颁发的任何授权条款。1，2022年8月9日，根据该法第564条。the FDA issued an EUA for the emergency use of Jynneos to prevent monkeypox infection in 1) individuals less than 18 years of age determined to be at high risk of monkeypox infection when two 0.5 mL doses are administered subcutaneously 4 weeks apart, and individuals 18 years of age and older determined to be at high risk of monkeypox infection when two 0.1 mL doses are administered intradermally 4 weeks apart.s ub随后在2022年8月16日进行了审查，以支持延长jynneos批次的持有时间，以使疫苗在解冻后将疫苗储存在2-8C，持续8周。在2024年12月23日得出结论，根据该法案第564（g）（2）条的规定，修订本EUA适合保护公共卫生或安全，FDA正在重新发行2022年8月9日的全部授权书，并修订为：1），以消除易于何种措施的要求，以消除易用的策略（以供应）限制了（限制）（供应量）（解冻后，某些大量的jynneos疫苗保持在 +2°C至 +8°C（ +36°F至 +46°F）； 3）修改条件J，以提供灵活性，以确定适当的定期安全报告的不同报告间隔。
Exergy International解释了为什么水泥行业必须采用新的废热
能源效率是降低水泥过程和遏制碳排放的最有效措施之一。提高能源效率的干预区域与热能收集有关。水泥制造工艺需要大量的热量，但由于能量转化的效率低下，几乎40％的它变成了排气热，但没有开发。这代表了废热恢复（WHR）的重要机会，可以极大地提高整体效率。根据Persson等人的分析。在KC ORC关于欧洲能源密集型行业的研究中，热能仅用于总能量输入的25％，这意味着目前浪费了从初级燃料中获得的热能的75％。1分析确定了1175个欧洲工业地点，其废热电位超过50 mW。通过在本研究中映射的水泥厂中恢复估计的废热，可以使用有机兰金循环（ORC）技术产生大约447.3 MW的电力。