XiaoMi-AI文件搜索系统
World File Search Systemfeasibility
Wainman-Lefley，J.，Goudie，N.，Richardson，M。和Evans，J。（2020）一项使用
Wainman-Lefley，J.，Goudie，N.，Richardson，M。和Evans，J。（2020），一项针对目标设定的随机对照试验的试验可行性研究，使用脑损伤后的强度库存中的值。神经心理康复。（早期在线出版）
![通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。](/simg/d/dd5abf0752fcc9f891dc4a96743f916f96f28350.png)
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
超出新的正常：评估基于疫苗的SARS-COV-2
随着19009大流行病的第二年，人们以SARS-COV-2-2疫苗的形式拖到了希望，该疫苗会抑制疾病，并恢复到预先的正常状态。在这项研究中，我们使用流行病学建模框架进行了批判性检查希望的基础，以建立疫苗特征与有效性之间的联系，以结束这一前所未有的公共卫生危机。我们的调查结果表明，在没有完全抑制SARS-COV-2的情况下重返大流行的社会和经济状况将导致广泛的病毒蔓延，即使在降低感染风险和死亡率的疫苗的情况下，也会导致较高的疾病负担。我们的建模指出，具有较高人群水平的完全SARS-COV-2抑制和疫苗在减少SARS-COV-2感染方面具有非常有效的疫苗的可行性。值得注意的是，疫苗介导的传播的减少对于病毒抑制至关重要，为了使部分有效的疫苗在SARS-COV-2抑制中发挥积极作用，必须同时部署互补的生物医疗干预措施和公共卫生措施。
展示多模式的可行性 - NTNU Open
摘要 我们开发了一种可穿戴实验传感器装置，其特点是多模态 EEG+fNIRS 神经成像，适用于人类行为与技术交互的现场实验。低成本脑电图 (EEG) 与可穿戴功能性近红外光谱 (fNIRS) 系统相结合，我们将其分为两部分进行介绍。论文 A 详尽描述了设置基础设施、数据同步过程、使用程序（包括传感器应用）以及如何确保高信号质量。本文（论文 B）展示了该装置在三个不同用例中的可用性：传统的人机交互实验、参与者在城市和高速公路上驾驶汽车的现场驾驶实验以及现场阿斯汤加瑜伽练习。我们展示了来自高度生态有效的实验装置的认知负荷数据，并讨论了经验教训。这些包括可接受和不可接受的人工制品、数据质量以及可以使用该装置进行调查的构造。关键词：EEG+fNIRS、现场实验、设计中的人类行为、以用户为中心的设计、研究方法和方法联系人：Dybvik，Henrikke 挪威科技大学机械与工业工程系挪威 henrikke.dybvik@ntnu.no
展示了莫尔多达尔 - neuroImaging- ...
摘要我们开发了一种可穿戴的实验传感器设置，该设置具有多模式EEG+FNIRS神经影像学，适用于与技术相互作用时人类行为的原位实验。低成本脑电图（EEG）与可穿戴的功能近红外光谱（FNIRS）系统集成在一起，我们分为两部分。论文A提供了详尽的设置基础架构，数据同步过程，使用传感器应用程序以及确保高信号质量的过程。本文（纸B）在三种不同的用例中演示了设置的可用性：一种常规的人类计算机互动实验，一种现场驾驶实验，参与者在城市和高速公路上驾驶汽车，以及Ashtanga Vinyasa Yoga Yoga实践。提供了来自高度生态有效的实验设置的认知负载数据，我们讨论了经验教训。 这些包括可接受和不可接受的人工制品，数据质量以及可以通过设置进行调查的构造。 关键字：EEG+FNIRS，原位实验，设计中的人类行为，用户以设计，研究方法和方法联系联系：Dybvik，Henrikke Norwegian诺维吉亚大学机械与工业工程系机械与工程系挪威Henrikke.dybvik@ntnu.no.no.no.no no提供了来自高度生态有效的实验设置的认知负载数据，我们讨论了经验教训。这些包括可接受和不可接受的人工制品，数据质量以及可以通过设置进行调查的构造。关键字：EEG+FNIRS，原位实验，设计中的人类行为，用户以设计，研究方法和方法联系联系：Dybvik，Henrikke Norwegian诺维吉亚大学机械与工业工程系机械与工程系挪威Henrikke.dybvik@ntnu.no.no.no.no
用于出血性中风检测和成像的颅内涡流阻尼传感器：台式实验的可行性
目的 据估计，约 10% 的中风患者会发生自发性脑内出血，且相关死亡率很高。可快速无创检测出血性中风的便携式诊断技术可避免不必要的患者护理延误，并有助于快速对缺血性中风和出血性中风患者进行分类。因此，作者旨在开发一种快速便携式涡流阻尼 (ECD) 出血性中风传感器，用于现场诊断出血性中风。方法 构建了一种具有微特斯拉级磁场强度的三线圈 ECD 传感器。开发了 16 个与活体脑组织电特性相同的明胶脑模型，并将其放置在幻影头骨复制品内，将盐水稀释至血液电导率并放置在脑内以模拟出血。ECD 传感器用于检测台式模型上的模拟出血。数据被保存并绘制为过滤热图以表示病变位置。进行扫描的人员不知道出血位置，传感器围绕头骨模型切向旋转以定位血液。数据还用于使用 MATLAB 软件创建热图图像。结果该传感器便携（最大直径 11.4 厘米）、紧凑，制造成本约为 100 美元。扫描时间为 2.43 分钟，病变的热图图像几乎实时生成。ECD 传感器在所有（n = 16）台式实验中准确预测了模拟出血的位置，并具有出色的空间分辨率。结论台式实验证明了 ECD 传感器用于快速颅内出血性中风诊断的概念验证。未来有必要对活体人类参与者进行研究，以充分确定从本研究中得出的可行性结果。
电网储备、技术可行性和经济性
国际上，人们越来越担心能源解决方案在应对气候变化方面缺乏有效性。迄今为止最常见的方法是部署间歇性可再生能源和天然气作为备用。本文介绍了 GridReserve® 热能存储与稳定盐反应堆 (SSR) 结合使用的技术可行性和经济性。GridReserve® 可实现千兆瓦时的热存储，因此可以在长时间无风或无阳光的情况下发电。安装容量成本可以低至燃气发电厂的水平，这最终可以降低可再生能源的总“全部”成本并减少纳税人的账单。大多数小型模块化反应堆 (SMR) 会降低电力输出以提供灵活的电力，而 GridReserve® 则允许 SSR 继续以满功率运行，同时在较短的时间内向电网输送数倍的电力。
联合化学链可行性分析
电转甲烷代表了将电能转化为化学能的一种创新方法。这种技术只有在将经济高效的电能来源与纯 CO 2 流相结合时才能真正成功。从这个角度来看，本文通过数值研究了一种创新工艺布局，该布局集成了用于燃烧固体燃料的流化床化学循环系统和基于可再生能源的电转甲烷系统。通过考虑一种煤和三种含水量不同的污水污泥作为燃料、以氧化锆为载体的 CuO 作为氧载体、通过水电解生产氢气以及以氧化铝为载体的 Ni 作为甲烷化催化剂来评估工艺性能。通过考虑部分产生的 CH 4 最终可以燃烧以干燥高水分含量的燃料来评估该工艺的自热可行性。最后，通过考虑仅使用来自可再生能源的电能，评估了所提出的工艺用作储能系统的能力。关键词：火力发电厂、化学循环燃烧、
秘鲁农村电气化混合可再生能源系统的经济可行性分析与优化
摘要 发展中国家（如秘鲁）的大多数农村社区尚未接入电网。利用可用的可再生资源（如风能和太阳能）和柴油发动机的混合能源生产被视为这些地区电气化的一种经济可行且环境友好的替代方案。由于缺乏针对秘鲁离网电气化混合系统（光伏-风能-柴油）的技术经济分析的全面调查，本研究重点是确定这些系统在秘鲁偏远村庄的最佳配置。因此，我们选定了三个无法接入电网的小社区（Campo serio、El potrero 和 Silicucho），它们位于秘鲁的不同气候区，作为案例研究。研究考虑了七种不同的配置，包括单一组件系统（太阳能、风能和柴油）和混合系统。在考虑社区的气象数据和负荷特性以及柴油价格和零部件成本的同时，HOMER 软件用于确定系统的最佳规模 [从而实现最低净现值 (NPC)]，同时考虑不同的情景。然后，考虑其他最先进的经济指标 [初始资本成本、年度总运营成本和能源成本 (COE)]、发电分数和由此产生的二氧化碳排放量，比较所获得的配置。所得结果表明，对于所有被调查的社区，混合太阳能-风能-柴油系统是最经济可行的方案。考虑后一种情形，获得的最佳配置导致 Campo serio 的 NPC 为 227,335 美元（COE：0.478 美元/千瓦时），El potrero 的 NPC 为 183,851 美元（COE：0.460 美元/千瓦时），Silicucho 的 NPC 为 146,583 美元（COE：0.504 美元/千瓦时）。此外，采用最佳配置，Campo serio 和 Silicucho 的可再生部分（相对于总发电量）为 94%，而 El potrero 的可再生部分为 97%。此外，对于 Campo serio，获得的最佳系统的 CO 2 排放量确定为纯柴油机组的 6.1%，而后者比率确定为 El potrero 的 2.7% 和 Silicucho 的 9.9%。本文获得并提出的最佳配置可作为针对所考虑的社区和具有相似特征（人口和气候条件）的其他村庄设计电气化系统（以最小化成本）的指南。