XiaoMi-AI文件搜索系统
World File Search Systeminfer
设计具有主动推理的可解释人工智能：透明内省和决策的框架
本文探讨了基于主动推理和自由能原理开发人类可解释的人工智能 (AI) 系统的前景。我们首先简要概述主动推理，特别是它如何应用于决策、内省以及显性和隐性行为的生成。然后，我们讨论如何利用主动推理来设计可解释的 AI 系统，即通过允许我们建模“内省”过程的核心特征并生成有用的、人类可解释的决策过程模型。我们提出了一种使用主动推理的可解释 AI 系统架构。该架构突出了显式分层生成模型的作用，该模型的运行使 AI 系统能够跟踪和解释影响其自身决策的因素，其结构设计为可由人类用户解释和审核。我们概述了这种架构如何整合各种信息来源，以可审计的方式做出明智的决策，模仿或再现类似人类的意识和内省。最后，我们讨论了我们的研究结果对未来人工智能研究的影响，以及开发具有（出现）内省能力的人工智能系统的潜在伦理考虑。
线粒体DNA中氧化链的命运
增强子在基因调节中起着至关重要的作用，对于介导与复杂性状相关的非编码遗传变异的影响至关重要。增强子活性是由转录因子（TFS），表观遗传学机构和遗传变异的细胞类型特异性术。尽管TFS和增强剂之间存在牢固的机械联系，但我们目前缺乏在细胞类型的基因调节网（GRN）中共同分析它们的框架。同样重要的是，我们缺乏一种公正的方法来讲述推断GRN的生物学意义，因为没有完整的地面真理。为了解决这些差距，我们提出了Granie（基因调节网络推断，包括增强剂）和Granpa（基因调节网络绩效分析）。granie（https://git.embl.de/grp-zaugg/granie）基于跨样品的染色质可及性和RNA-Seq的协变（例如个体），而Granpa（https：//git.embl。de/grp-Zaugg/granpa）评估了GRNS的性能，以预测细胞类型的特异性差异表达。我们通过研究巨噬细胞对感染，癌症和包括自身免疫性疾病（自身免疫性疾病的常见遗传特征的反应的基因调节机制）的基因调节机制来揭示其能力。最后，我们的方法将TF PURA识别为炎性巨噬细胞极化的推定调节剂。
主动推理系统中的控制流第二部分 - UCL Discovery
摘要 — 生命系统既面临环境的复杂性，又面临自由能资源的有限获取。在这些条件下生存需要一个控制系统，该系统能够以特定于环境的方式激活或部署可用的感知和行动资源。在第一部分中，我们介绍了自由能原理 (FEP) 和主动推理作为贝叶斯预测误差最小化的思想，并展示了主动推理系统中控制问题的产生方式。然后，我们回顾了 FEP 的经典和量子公式，前者是后者的经典极限。在第二部分中，我们展示了当系统被描述为执行由 FEP 驱动的主动推理时，它们的控制流系统始终可以表示为张量网络 (TN)。我们展示了如何在量子拓扑神经网络的一般框架内实现 TN 作为控制系统，并讨论了这些结果对在多个尺度上建模生物系统的意义。
IFT74变体引起小鼠和人类的骨骼纤毛病和纤毛缺陷
摘要 - 生活系统既面临环境复杂性，又面临着有限的自由能资源的访问。在这些条件下的生存需要一个可以在上下文中激活或部署可用的感知和行动资源的控制系统。在本第I部分中，我们介绍了自由能原理（FEP）和主动推断作为贝叶斯预测的想法 - 最小化，并显示控制问题是如何在主动推理系统中产生的。然后，我们回顾FEP的经典和量子公式，前者是后者的经典限制。在随附的第二部分中，我们表明，当系统描述为执行由FEP驱动的主动推理时，它们的控制流系统总是可以表示为张量网络（TNS）。我们展示了如何在量子拓扑神经网络的一般框架内实现TNS作为控制系统，并讨论了这些结果对在多个尺度上对生物系统进行建模的含义。
横截面依赖项下的bootstrap推断
在本文中，我们引入了一种生成具有未知模式的横截面/空间依赖模式的引导样品的方法，我们称之为空间依赖性野生引导程序。此方法是Shao（2010）的野生式引导程序的空间对应物，并通过将独立和相同分布的外部变量的向量乘以引导程序内部的特征位置来生成数据。我们证明了在数据的线性阵列表示下，我们的方法对研究和未予以指导的统计数据的有效性。模拟实验记录了改善我们方法推断的潜力。我们使用独特的公司级别的销售增长与本地市场的进口活动之间的关系来说明我们的方法，并使用唯一的公司级别和加拿大进口数据。
从全基因组关联数据推断人类大脑形态的一般尺寸
图 1 典型脑网络定义。为了将人类脑形态测量的遗传结构支撑到脑的典型网络组织上，我们考虑了九个重叠的脑网络。被认为位于这些网络内的区域体积通过 83 个灰质体积（N = 36,778）的全基因组关联数据表示，该图表明不同体积被分配到哪些网络。网络定义采用 Madole 等人（2021 年）的定义，但并非无可争议。我们使用这些基于理论的网络定义来应用我们新颖的降维技术基因组 PCA，以获得明确标记的网络下的遗传 PC。使用这些遗传 PC1，我们测试了不同的网络甚至整个大脑是否与认知衰老有遗传关联。
flone：完全洛伦兹网络嵌入以推断新颖2
图1。DDT网络中层次结构的插图。以DTINET 116中的药物节点DB00050为例，它可以直接与两个靶点节点P30968和P22888结合，它也可以通过110个基于药物疾病的疾病节点和118
历史 - 不合时宜的 - 降解推理。 ...
锂离子电池（LIB）吸引了广泛的关注，作为电动汽车（EV）的有效储能设备，以实现无排放的迁移率。但是，Libs的性能随时间和使用而恶化，并且二手电池的健康状况很难量化，迄今为止，人们对此很了解。对电池在不同生活阶段的剩余寿命进行准确的估计将使维护，安全性受益，并用作用于二人应用的合格用过的电池的手段。由于电池的完整历史记录可能并不总是在下游应用程序中可用，因此在这项研究中，我们展示了一个深度学习框架，该框架可以使动态降解轨迹预测预测，同时仅需要最新的电池使用信息。具体来说，我们的模型采用了当前和电压时间序列输入的滚动窗口，并通过复发性神经网络预测了近期和长期容量的淡出。，我们通过评估在不同设置下重建排放能力概况时的误差来详尽地基准与天真的外推模型进行基准测试。我们表明，对于细胞循环历史及其当前的健康状况，我们的模型在准确推断电池的降解概况方面的性能不可知。这种方法可以为评估运行车辆的电池健康，增强电池诊断的电池健康提供有前途的途径，并确定具有未知循环历史记录的二手电池的健康状况。
使用生物信息学A
子宫内膜在人类物种的繁殖和延续中起重要作用。雌激素和孕激素水平调节子宫内膜，在整个月经周期中经历了动态功能变化（1,2）。但是，异常子宫内膜功能导致流产或不育症。例如，一个薄的子宫内膜是无法解释的不育症（UI），复发妊娠丧失（RPL）和胎盘异常的关键原因（3）。RPL定义为在怀孕20-24周之前，包括胚胎和胎儿丧失在内的两个或多个临床确认的怀孕失败，适合怀孕的女性的发病率约为2.5％（4,5）。UI is another pregnancy disorder and is defined as women with normal follicle-stimulating hormone (FSH), luteinizing hormone (LH), estradiol (E2), prolactin (PRL), and thyroid stimulating hormone (TSH) levels, normal uterine cavity shape and size, and bilateral tubal patency on a hysterosalpingogram, and their partners have normal spermiogram结果（6）。UI最多代表所有不孕症病例的30％（7）。当当前的诊断方法确实提供了解释，并且没有明确的原因， RPL和UI会被诊断出来。 这些疾病对妇女的身心健康以及社会经济有重大影响。RPL和UI会被诊断出来。这些疾病对妇女的身心健康以及社会经济有重大影响。