XiaoMi-AI文件搜索系统
World File Search Systempte
第 11 章 AI 完备性：利用深度学习消除人为因素
摘要 计算复杂性是计算机科学和数学的一门学科，它根据计算问题的固有难度对其进行分类，即根据算法的性能对其进行分类，并将这些类别相互关联。P 问题是一类可以使用确定性图灵机在多项式时间内解决的计算问题，而 NP 问题的解可以在多项式时间内验证，但我们仍然不知道它们是否也可以在多项式时间内解决。所谓 NP 完全问题的解也将是任何其他此类问题的解。它的人工智能类似物是 AI 完全问题类，对于该类问题仍然没有完整的数学形式化。在本章中，我们将重点分析计算类，以更好地理解 AI 完全问题的可能形式化，并查看是否存在适用于所有 AI 完全问题的通用算法（例如图灵测试）。为了更好地观察现代计算机科学如何尝试解决计算复杂性问题，我们提出了几种涉及优化方法的不同深度学习策略，以表明无法精确解决高阶计算类问题并不意味着使用最先进的机器学习技术无法获得令人满意的解决方案。这些方法与人类解决类似 NP 完全问题的能力的哲学问题和心理学研究进行了比较，以强化我们不需要精确和正确解决 AI 完全问题的方法就可以实现强 AI 的概念的说法。
2022 年 9 月 19 日 180 天冻结期......
为保持 12.7 GHz 频段授权运营的现状，以方便委员会考虑频谱管理和规划方案，各局宣布自 2022 年 9 月 19 日起，在 12.7 GHz 频段内，除非本文另有说明，否则，对为位于美国的地面站提供服务的固定卫星服务 (FSS) 空间站、FSS 地面站、广播辅助服务、有线电视中继服务和固定微波服务站提交新的或修改申请，实行为期 180 天的冻结。实施此暂时冻结的决定是程序性的，因此冻结不受《行政程序法》的通知和评论以及生效日期要求的约束。3 此外，作为替代方案，我们有充分理由得出结论，事先通知和评论或延迟生效是不切实际、不必要的，并且违背公众利益，因为它们会破坏冻结的目的。 4 各局认为，这一暂时冻结将有助于保留委员会考虑该频段其他用途的选项，同时限制可能在委员会未来可能采取行动之前提出的投机性申请。委员会或各局可延长冻结期限，如果这样做被认为有必要，以避免损害该频段的目的。
MSCI EUR IG SRI可持续化石燃料（1-3Y）公司债券指数于2022年9月1日启动。发布日期之前的数据是Back-T
MSCI EUR IG SRI可持续化石燃料（1-3Y）公司债券指数是由MSCI EUR IG 500定制公司债券指数构建的，旨在代表与基于特定价值的业务参与标准一致的公司的绩效，同时又具有更好的整体环境环境，社会和政府的状况，社会和政府（ESG）。该索引包括具有MSCI ESG的发行人，其BBB或更高且负面的发行人会筛选出参与危险信号争议的发行人，或者在酒精，平民枪支，赌博，赌博，核武器，有争议的武器，常规武器，核电，核电，烟草，烟草，成人娱乐，成人娱乐，基因工程，材料煤炭和福利夫人的商业活动中。此外，该指数仅包括从发行到五年和时间到重新平衡时一到三年的时间的时间。该指数以每月频率重新平衡。
SAFE-AI 研究议程（2024 年 9 月）
1. 形式保证：思考人工智能系统保证的最佳方式是什么？统计学、理论计算机科学或计量科学中是否有方法可以帮助我们开发测量方法，从而为我们提供可量化的保证水平？哪些形式置信度或概率度量是合适的，如何计算和解释它们？目前，我们可以保证人工智能系统的简单属性（Cohen 等人，2019 年），但复杂的安全属性目前仍然遥不可及。（注意：虽然形式验证目前超出了该计划的范围，但经过认证的稳健性是形式验证的一个特殊情况，它很有前景，我们希望支持其研究。）
具有同态加密数据空间的统一防御
联合学习（FL）促进了客户在培训共享的机器学习模型的情况下合作，而无需公开各个私人数据。尽管如此，FL仍然容易受到效用和隐私攻击的影响，特别是逃避数据中毒和建模反演攻击，从而损害了系统的效率和数据隐私。现有的范围通常专门针对特定的单一攻击，缺乏普遍性和全面的防守者的观点。为了应对这些挑战，我们介绍了f ederpography d efense（FCD），这是一个统一的单框架，与辩护人的观点保持一致。FCD采用基于行的转座密码加密，并使用秘密钥匙来对抗逃避黑框数据中毒和模型反转攻击。FCD的症结在于将整个学习过程转移到加密的数据空间中，并使用由Kullback-Leibler（KL）差异引导的新型蒸馏损失。此措施比较了本地预审最终的教师模型对正常数据的预测以及本地学生模型对FCD加密形式相同数据的预测的概率分布。通过在此加密空间中工作，FCD消除了服务器上的解密需求，从而导致了计算复杂性。我们证明了FCD的实践可行性，并将其应用于对基准数据集（GTSRB，KBTS，CIFAR10和EMNIST）上的Evasion实用程序攻击。我们进一步扩展了FCD，以抵御CI-FAR100数据集中的Split FL中的模型反转攻击。与第二最佳方法相比，我们在各种攻击和FL设置中进行的实验表明了对效用逃避（影响> 30）和隐私攻击（MSE> 73）的实际可行性和巨大性。
本文已被接受以进行出版和接受完整的同行评审，但尚未通过复制，排版，分页和PR
21922659，JA，从https://onlinelibrary.wiley.com/doi/10.1002/adhm.202304118下载，由Wiley在线图书馆，wiley在线图书馆[28/02/2024]。 有关使用规则，请参见Wiley Online Library上的条款和条件（https://onlinelibrary.wiley.com/terms-and-conditions）； OA文章由适用的Creative Commons许可管辖21922659，JA，从https://onlinelibrary.wiley.com/doi/10.1002/adhm.202304118下载，由Wiley在线图书馆，wiley在线图书馆[28/02/2024]。有关使用规则，请参见Wiley Online Library上的条款和条件（https://onlinelibrary.wiley.com/terms-and-conditions）； OA文章由适用的Creative Commons许可
机械系统预测和健康管理 (PHM) 中采用的人工智能 (AI) 算法的性能指标
摘要。近年来，人工智能 (AI) 算法在预测和健康管理 (PHM) 领域的应用研究，特别是用于预测受状态监测的机械系统的剩余使用寿命 (RUL) 的研究，引起了广泛关注。为 RUL 预测建立置信度非常重要，这样可以帮助运营商和监管机构就维护和资产生命周期规划做出明智的决策。在过去十年中，许多研究人员设计了指标或指标来确定 AI 算法在 RUL 预测中的性能。虽然大多数常用的指标（如平均绝对误差 (MAE)、均方根误差 (RMSE) 等）都是从其他应用程序中改编而来的，但一些定制指标是专门为 PHM 研究而设计和使用的。本研究概述了应用于机械系统 AI 驱动的 PHM 技术的关键绩效指标 (KPI)。它介绍了应用场景的详细信息、在不同场景中使用特定指标的适用性、每个指标的优缺点、在选择一个指标而不是另一个指标时可能需要做出的权衡，以及工程师在应用指标时应该考虑的一些其他因素。
第三章 披露例外
PIA 授予的一般记录访问权受到众多披露要求例外的限制。鉴于 PIA 的政策有利于公众访问，并且要求 PIA 通常“被解释为允许检查记录”，这些例外应被狭义地解释，除非会导致“无理侵犯”个人隐私。GP § 4-103(b)。另见 Glenn v. Maryland Dep't of Health & Mental Hygiene, 446 Md. 378, 386-87 (2016)（解释称，尽管这些例外“反驳了有利于披露的推定”，但通常应被狭义地解释）；Police Patrol Sec. Sys., Inc. v. Prince George's County, 378 Md. 702, 717 (2003)（尽管没有针对个人隐私的“一般性”豁免，但现在的 GP § 4-103(b) 的措辞规定“当涉及隐私问题时，[PIA] 应作更狭义的解释，而其豁免则应作更广义的解释”）；Office of the Governor v. Washington Post Co., 360 Md. 520, 544-45 (2000)。
