XiaoMi-AI文件搜索系统
World File Search Systemplease
建议：购买任何产品前请咨询课程讲师
Bayarri, MJ 等人 (2015) 风险的概率量化，国际不确定性量化杂志，5 (4) 297-325 Berger, JO 和 LA Smith (2018) 论不确定性量化的统计形式，统计及其应用年鉴，DOI：10.1146/annurev-statistics-030718-105232。Good, IJ (1959) “概率的种类”，科学，第 129 卷，第 443-447 页。Hagedorn, R. 和 LA Smith (2009) 用天气轮盘传达概率预报的价值，Meteorol. Appl.，16 (2): 143-155。 Judd, K.、CA Reynolds、TE Rosmond 和 LA Smith (2008) 模型误差的几何学，J. Atmos. Sci., 65 (6): 1749-1772。Judd, K. 和 LA Smith (2004) 不可区分状态 II：不完美模型场景，Physica D, 196: 224-242。Thompson, EL 和 Smith, LA (2019) 逃离模型世界。经济学讨论论文，第 2019-23 号，基尔世界经济研究所。http://www.economics-ejournal.org/economics/discussionpapers/2019-23。
推荐引用推荐引用 Milne-Ives, M., de, C., Lim, E., Shehadeh, M., de, P., Mole, G., 和 Meinert, E. (2020)《人工智能对话代理在医疗保健中的有效性：系统评价》，医学互联网研究杂志，22(10)。可在以下网址获取：https://doi.org/10.2196/20346 本文由 PEARL 健康学院免费提供给您并开放获取。它已被 PEARL 的授权管理员接受纳入护理和助产学院。有关更多信息，请联系 openresearch@plymouth.ac.uk。
背景：对医疗服务的高需求和人工智能不断增强的能力导致了对话代理的发展，旨在支持各种与健康相关的活动 - 包括行为改变、治疗支持、健康监测、培训、分类和筛查支持。这些任务的自动化可以让临床医生专注于更复杂的工作，并增加公众获得医疗服务的可及性。需要对这些代理在医疗保健领域的可接受性、可用性和有效性进行总体评估，以收集证据，以便未来的发展可以针对需要改进的领域和可持续采用的潜力。目的：本系统评价旨在评估对话代理在医疗保健领域的有效性和可用性，并确定用户喜欢和不喜欢的元素，为这些代理的未来研究和开发提供信息。方法：系统地搜索了 PubMed、Medline（Ovid）、EMBASE、CINAHL、Web of Science 和 ACM 数字图书馆，查找自 2008 年以来发表的评估医疗保健中使用的不受约束的自然语言处理对话代理的文章。使用 Endnote（X9 版；Clarivate Analytics）参考文献管理软件进行初步筛选，然后由一名审阅者进行全文筛选。提取数据并由一名审阅者评估偏倚风险，由另一名审阅者验证。结果：共选定了 31 项研究，包括各种对话代理——14 个聊天机器人（其中两个是语音聊天机器人）、6 个具体对话代理、3 个交互式语音应答电话、3 个虚拟患者和 3 个语音识别筛选系统，以及一个上下文问答代理和一个语音识别分类系统。总体而言，报告的证据大多是正面的或混合的。可用性和满意度表现良好（27/30 和 26/31），四分之三的研究（23/30）发现了积极或混合的有效性，但在具体的定性反馈中强调了代理的几个局限性。结论：研究通常报告了对所研究的对话代理的有效性、可用性和满意度的积极或混合证据，但定性用户感知更加复杂。许多研究的质量有限，需要改进研究设计和报告，以更准确地评估这些药物在医疗保健中的实用性并确定需要改进的关键领域。进一步的研究还应分析这些药物的成本效益、隐私和安全性。
推荐引用 推荐引用 Duell, J., Fan, X., Burnett, B., Aarts, G., & Zhou, S. (2021) ‘可解释的人工智能方法对电子健康记录分析的解释比较’，2021 年 IEEE EMBS 国际生物医学和健康信息学会议 (BHI)，。网址为：https://doi.org/10.1109/bhi50953.2021.9508618 本文由 PEARL 健康学院免费提供给您，可供开放获取。它已被 PEARL 的授权管理员接受纳入护理和助产学院。有关更多信息，请联系 openresearch@plymouth.ac.uk。
摘要 —可解释人工智能 (XAI) 旨在为用户提供可理解的解释。SHAP、LIME 和 Scoped Rules 等 XAI 算法计算机器学习预测的特征重要性。尽管 XAI 引起了广泛研究关注，但将 XAI 技术应用于医疗保健以指导临床决策具有挑战性。在本文中，我们对 XAI 方法给出的解释进行了比较，作为分析复杂电子健康记录 (EHR) 的第三级扩展。利用大规模 EHR 数据集，我们根据 XAI 模型估计的预测重要性比较 EHR 的特征。我们的实验结果表明，所研究的 XAI 方法会根据具体情况生成不同的顶级特征；它们在共享特征重要性方面的差异值得领域专家进一步探索，以评估人类对 XAI 的信任。索引词 —可解释的人工智能、黑盒、玻璃盒、机器学习、电子健康记录
推荐引用 推荐引用 Koutsouvelis, V., Shiaeles, S., Ghita, B., & Bendiab, G. (2021) '使用人工智能和可视化检测内部威胁'，网址：https://doi.org/10.48550/arxiv.2109.02417 本文由 PEARL 科学与工程学院免费提供给您，供您开放访问。它已被 PEARL 授权管理员接受纳入工程、计算和数学学院。有关更多信息，请联系 openresearch@plymouth.ac.uk 。
摘要 — 内部威胁是公司或组织 IT 系统和基础设施最具破坏性的风险因素之一；识别内部威胁引起了全球学术研究界的关注，并提出了多种解决方案来减轻其潜在影响。为了实施本研究中描述的实验阶段，使用卷积神经网络 (CNN) 算法并通过 Google TensorFlow 程序实施，该程序经过训练可以从可用数据集生成的图像中识别潜在威胁。通过检查生成的图像并借助机器学习，可以回答每个用户的活动是否被信息系统归类为“恶意”的问题。
如果引用本文，请使用 DSD 参考文献：Leandro Lanzieri、Lukasz Butkowski、Jiri Kral、Goerschwin Fey、Holger Schlarb 和 Thomas C. Sch
摘要 — 越来越多的未加固的商用现货嵌入式设备部署在恶劣的操作条件下和高度可靠的系统中。由于影响这些设备的硬件退化的机制，老化检测和监控对于防止严重故障至关重要。在本文中，我们通过实证研究了部署在欧洲 XFEL 粒子加速器中的 298 个自然老化的 FPGA 设备的传播延迟。根据现场测量，我们发现运行设备的开关频率明显慢于未使用的芯片，并且伽马和中子辐射剂量的增加与硬件退化的增加相关。此外，我们证明了开发机器学习模型的可行性，该模型基于历史和环境数据估计设备的开关频率。索引术语 — 嵌入式硬件、硬件退化、FPGA
NPS 关于披露学术工作中生成式 AI 使用的指导国防部关于使用生成式 AI 的临时指导强调了透明度和引用的必要性，希望学生和作者标记在生成式 AI 的帮助下生成的文档。同样，在学术研究、出版、作者和学习环境中正在建立标准，以承认 AI 在准备手稿和完成课程作业中的作用。如果您计划使用或已经使用生成式 AI 作为编写课程作业或论文作业的工具，请首先确保您的使用符合教授或顾问的政策。如果您不确定您的使用是否符合教职员工的政策，请不要想当然。直接询问您的教授或顾问，向他们提供您计划如何使用或已经使用生成式 AI 的具体示例。当您使用生成式 AI 可能会引入您未创建的元素（例如，措辞、图像、代码）时，您需要向您的读者和利益相关者（例如，教授、顾问、出版商、赞助商）披露 AI 的使用情况。即使您已获得使用 AI 的许可，也要包含简短的描述性披露声明。有关更多背景信息，请查看 NPS 学术荣誉准则和 NPS 关于使用生成式 AI 的临时指导。披露声明
NPS 关于在学术工作中披露生成式 AI 使用的指导 DoD 关于使用生成式 AI 的临时指导强调了透明度和引用的必要性，期望学生和作者对在生成式 AI 帮助下生成的文档进行标记。同样，在学术研究、出版、作者和学习环境中也正在建立标准，以承认 AI 在准备手稿和完成课程作业中的作用。如果您计划使用或已经使用生成式 AI 作为编写课程作业或论文作业的工具，请首先确保您的使用符合教授或顾问的政策。如果您不确定您的使用是否符合教职员工的政策，请不要想当然。直接询问您的教授或顾问，向他们提供您计划如何使用或已经使用生成式 AI 的具体示例。当您使用生成式 AI 可能会引入您未创建的元素（例如，措辞、图像、代码）时，您需要向读者和利益相关者（例如，教授、顾问、出版商、赞助商）披露 AI 的使用情况。即使您已获得使用 AI 的许可，也请包含简短、描述性的披露声明。有关更多背景信息，请查看 NPS 学术荣誉准则和 NPS 关于使用生成式 AI 的临时指导。披露声明
在周末、联邦假日或机场关闭期间，请致电 (315) 804-4417 联系待命预报员。
025 025 025 015 008 008 040 025 020 008 008 008 040 040 020 020 008 008 3 7 7 7 7 4 7 7 7 7 4 7 7 7 7 7 7 GOOD * * * * * GOOD * * * * GOOD * * * * * 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015 29015
在周末、联邦假日或机场关闭期间，请拨打 (315) 804-4417 联系备用预报员。
070 025 020 020 025 025 090 035 030 030 030 030 090 035 030 030 030 030 7 6 6 6 6 7 7 6 7 7 7 7 7 7 6 7 7 7 * RA RA RA RA RA * RA * * * * RA * * * 10015 10015 12015 12012 12012 12012 VRB06 VRB06 VRB06 VRB06 VRB06 VRB06 VRB06 VRB06 VRB06 VRB06 VRB06 VRB06
此标签可能不是FDA批准的最新标签。有关当前标签信息，请访问https://www.fda.gov/drugsatfda
---------------------------------------------------------------------------------•CYP3A4相互作用：Aprepitant是一种底物，弱至中度（剂量依赖）抑制剂和CYP3A4的诱导剂；有关禁忌症，不良反应风险以及Cinvanti和伴随药物的剂量调整的建议，请参见完整的处方信息。（4，5.1，7.1，7.2）•超敏反应（包括过敏反应）：可能在给药后或不久发生。如果出现症状，请停止Cinvanti，并且不要重新启动。（4，5.2）•华法林（CYP2C9底物）：降低凝血酶原INR的风险；在cinvanti启动后，在2周内监测INR，尤其是在7至10天的时间。（5.3，7.1）•激素避孕药：在给药后，避孕药的功效可能会降低28天。使用非荷尔蒙避孕方法的有效替代或备用方法。（5.4，7.1，8.3）
