XiaoMi-AI文件搜索系统
World File Search Systemproactive
利用机器学习和深度学习模型，用于主动流失客户保留
抽象客户损耗尤其是诸如零售，银行和电信的行业中的一个问题，在零售，银行和电信中，客户获取成本大大高于保留重复客户的成本。现在，通过Ma-Chine学习模型可以预测客户缺乏兴趣，而深度学习已经在早期干预措施中发挥了重要作用。In order to assess the quality of churn prediction, the study tests six basic machine learning techniques: random forest, logistic regression, and the k-nearest neigh- bors method, as well as four deep learning techniques: long short term memory (LSTM), bidirectional LSTM, convolutional neural networks (CNN), and artificial neural networks (ANN).然后，通过评估矩阵评估模型的性能，包括从大型数据集中提取功能后，从客户的行为数据中的准确性，精度，回忆和F1得分进行评估。该研究表明，DL模型可改善对搅拌和非束缚客户分类以及随机森林以及其他ML模型可比精度的处理。这项研究可以得出结论，LSTM和ANN模型在实际世界的搅动预测情况下取消了模型，尤其是在需要长期消费者行为评估时。为了增强给定预测模型的当前结果，这项研究重点是数据预处理和引导，特征提取和多个模型组合的效果。该研究的含义为公司提供了特定的实用建议，以通过采用数据交易技术有效地管理客户流失并增加客户保留率。
为电池储能系统所有者和运营商提供主动急救服务
电池储能系统 (BESS) 在未来电网中发挥着重要作用，但前提是它们能够以环保、安全、可靠和经济的方式进行设计、运行和退役。BESS 及其相关技术的演变速度快于安全规范和标准的制定速度。尽管规范开发过程不断更新和变化，但仍有许多安全设计行动和应急计划流程可供选择。在 BESS 开发过程中考虑这些选项变得越来越重要，因为过去四年中，全球各地 30 多个设计和应用各异的大型 BESS 都经历了灾难性的故障 (EPRI 2021a)。安全评估的主观性以及所有权模式可以决定安全管理和责任的观察等问题也在强大的安全管理中发挥作用 (EPRI 2021c；EPRI 2021d)。因此，迫切需要洞察力、指导方针和最佳实践来创建安全有效的 BESS 设计和使用。同样需要向一系列必要的利益相关者清晰有效地传达这些信息，包括第一响应组织，他们必须做好准备，在发生故障时安全地缓解紧急事件（例如破坏性火灾）。
![对弹性光学网络中主动频谱碎片化的深度强化学习[邀请]](/simg/d\dae5a9716edac6e9b383f8d3fb9384a02f083f39.webp)
对弹性光学网络中主动频谱碎片化的深度强化学习[邀请]
互联网流量的巨大增长需要高级技术来实现光学网络的动态操作，有效利用光谱资源和自动化。在本文中，我们研究了弹性光学网络中的主动频谱碎片化（SD）问题，并提出了一种新型的基于深的增强学习的基于深的增强框架，以提高光谱使用效率。与传统的，通常基于阈值的启发式算法不同，该算法解决了相关任务的子集并具有有限的自动化功能，DeepDefrag共同解决了SD过程的三个主要方面：确定何时执行脱落的裂纹，以划分为偏差，以及对这些派别进行划分的连接。通过考虑服务属性，通过几个不同的碎片度指标表达的频谱占用状态以及重新配置成本，DeepDefrag能够在网络寿命上始终选择适当的重新配置动作并适应不断变化的条件。广泛的仿真结果揭示了所提出的方案的卓越性能，而不是详尽的碎片化和众所周知的文献基准启发式，从而在较小的碎片机开销时实现了较低的阻塞概率。
授权供应链弹性：LLMS驱动的BN主动供应链风险识别
摘要当今全球风险景观的动态和不可预测的性质呈现供应链（SCS）容易受到脆弱性的影响，如果未解决，可能会导致严重的业务中断。本文努力构建旨在增强SC弹性的主动风险识别模型。我们的方法结合了能够连续监测和预警建议的代理模型。为了使这些代理人具有智能，我们利用大语模型（LLMS）的能力来促进文本理解。具体来说，我们采用贝叶斯网络（BN）作为代理商，将新闻提要作为其主要信息来源。我们介绍了一种新颖的方法，利用风险经理和LLM的专业知识来确定被发现事件与目标SC风险的相关性。这项研究不仅努力为企业提供远见卓识来预测潜在的风险事件，而且还强调了对贡献事件的识别和分析。这些贡献事件是系统地评估的，以了解它们导致主要风险事件的潜力，从而对导致SC中断的因果关系链条提供了更细微的见解。我们的方法可以主动量化风险可能性，从而增强了SC管理中的预测能力。
终点的勒索软件缓解策略：通过主动安全措施加强网络防御
摘要勒索软件是一个主要的网络威胁，可对组织造成重大财务损失和运营损失。本文概述了为勒索软件增强端点安全性的主动策略。在深入分析后继续描述可能实用的缓解方法，并将其重点扩展到潜在用例。分析了问题声明，并提出了解决方案示例，以及对未来条件的预测，以帮助组织做出明智的决策，以解决高级威胁以提高端点安全性并减轻勒索软件的风险。以两种权威观点为基础，该论文将为加强网络防御和保护企业免受勒索软件的影响提供可行的建议。无所不包的方法肯定会更好地定位各种规模的组织，以采取积极措施来保护其资产免受全面的勒索软件威胁。
通过技术驱动的主动供应链风险管理实现竞争优势：一项实证研究
摘要虽然以前的工作重点是技术在增强供应链风险管理中的作用，并且通过这种增强，竞争优势提高了，但在理解外部机构处方与内部采用因素之间的联系方面存在研究差距。我们使用企业的制度理论（IT）和基于资源的观点（RBV）来解决这一差距，开发了一个框架，以表明积极的技术驱动的供应链风险管理方法如何将两种外部因素与内部因素相结合，从而可以带来竞争优势。我们通过对印度制造业和物流行业的218个公司的调查收集的定量数据来验证框架。我们专门关注轨道跟踪（T＆T）和大数据分析（BDA）的技术。我们的发现表明，投资于T＆T/BDA技术的公司可以从不间断的信息处理，减少时间中断和不间断的供应方面获得运营利益，这又为他们带来了竞争优势。，我们通过证明了对技术能力与运营益处之间关系的调节感以及对技术培养的影响和灵活性的影响，从而增加了新的新颖性。
更智能的标本物流。- UPS
UPS Proactive Response ® 和 UPS Proactive Response ® Secure。借助 UPS Proactive Response ®，UPS 可以端到端仔细监控您的关键货件。根据您预先确定的应急计划，专门的物流专家可以根据需要进行升级和货件救援。UPS Proactive Response ® Secure 为必要时加快货件的成本增加了一层保险保护。
算法透明度对演出工人的主动服务绩效的影响：调节链中介模型
算法技术作为管理员工的一种新形式。但是，这种方法改变了员工与雇主之间的互动形式，并导致了个人心理学和演出工人的工作的变化。研究算法对员工的影响对于企业优化员工管理，提高组织效率并优化数字人力资源管理实践至关重要。基于社会交流理论，这项研究开发了一种重新搜索模型，将江苏省数字演出平台的演出工人作为研究对象，并经验分析了收集的377个有效的问题。发现，算法透明度可以通过心理合同和组织认同的链中调解效应对主动的服务绩效产生积极影响，而技术复杂性对关系和交易合同的实现具有负面的调节作用。这项研究的发现理论上从算法人力资源管理中扩展了对算法的理解，并向数字平台公司提供有关如何更有效管理演出工人的实用建议。
主动欺诈防御：机器学习在保护在线欺诈中的作用不断发展
随着在线欺诈变得更加复杂和普遍，传统的欺诈检测方法正在努力与欺诈者采用的不断发展的策略保持同步。本文通过为欺诈检测和预防提供更高级，可扩展和适应性的解决方案来探讨机器学习在解决这些挑战中的变革作用。通过分析诸如随机森林，神经网络和梯度提升之类的关键模型，本文突出了机器学习在处理庞大数据集时的优势，确定了复杂的欺诈模式，并提供了实时预测，以实现积极的欺诈预防方法。与欺诈发生后反应的基于规则的系统不同，机器学习模型不断从新数据中学习，适应新兴的欺诈计划并减少误报，最终使财务损失最小化。这项研究强调了机器学习通过使它们更具动态，高效且能够处理各个行业欺诈日益增长的复杂性来彻底改变欺诈检测框架的潜力。机器学习中的未来发展，包括深度学习和混合模型，有望进一步提高这些系统的预测准确性和适用性，以确保面对新的和新兴的欺诈策略，组织保持韧性。
基于人工智能的自动化主动准备实时系统，用于准确预测 COVID-19 感染——性能评估
COVID-19 是一种传染病，已感染全球超过 5 亿人。由于病毒的迅速传播，各国面临着应对感染增长的挑战。特别是，医疗保健组织在有效配置医务人员、设备、病床和隔离中心方面面临困难。机器和深度学习模型已用于预测感染，但模型的选择对于数据分析师来说具有挑战性。本文提出了一种自动化的人工智能主动准备实时系统，该系统根据感染演变的时间分布选择学习模型。所提出的系统集成了一种确定合适学习模型的新方法，无需人工干预即可产生准确的预测算法。对我们提出的方法和最先进的方法进行了数值实验和比较分析。结果表明，与最先进的方法相比，所提出的系统预测感染的平均绝对百分比误差 (MAPE) 平均降低了 72.1%，均方根误差 (RMSE) 平均降低了 65.2%。