XiaoMi-AI文件搜索系统
World File Search Systemtextual
针对战略买家的重复关联拍卖的二分法定价
我们对学习算法感兴趣，该算法可在单个卖家面对单个策略性买家的重复情境标价拍卖中优化收益。在我们的设定中，买家最大化其预期累积折现盈余，并且假设他对商品的估价是 ad 维情境（特征）向量的固定函数。我们引入了一种新颖的确定性学习算法，该算法基于二分法的思想，策略遗憾上界为 O（log 2 T）。与之前的研究不同，我们的算法不需要对情境信息的分布做出任何假设，并且遗憾保证适用于任何特征向量的实现（对抗性上界）。为了构建我们的算法，我们非平凡地采用了积分几何技术来对抗买家策略性，并改进了惩罚技巧以在情境拍卖中发挥作用。
绅士化混乱的背景：第五个...的崛起
绅士化，即社区的社会经济地位提升，在过去十年中已成为城市学术研究的核心。一些学者声称“绅士化无处不在”，但关于绅士化是什么、是什么推动了绅士化以及这种社区变化会带来什么结果，仍然存在争议。由于没有标准定义，一些人声称绅士化是一个“混乱”的概念。我们试图通过概述自 1964 年格拉斯首次提出绅士化概念以来，绅士化概念如何随着时间的推移而发生变化，为绅士化一词带来一些概念上的清晰度。我们以历史为导向的方法有助于通过了解绅士化的定义如何随着城市化的变化而变化，最大限度地减少混乱。虽然有一些重要的历史著作对绅士化浪潮进行了分期，但我们通过关注绅士化随时间变化的驱动因素，以及通过澄清第五波绅士化，将其与 2007-2009 年大衰退的情况和后果联系起来，为这项理论研究做出了贡献。如今，绅士化以及与之相关的流离失所恐惧更多地与租赁市场的房地产投机有关，而不是中等收入人群的涌入。本文通过将与大衰退相关的宏观金融住房力量与社区变化的微观过程联系起来，推进了绅士化文献的发展。有了这种历史视角，学者们将能够更好地分析当代绅士化
患有神经系统疾病的青少年过渡护理中的情境化自主性：儿科神经科医生的作用
摘要 患有神经系统疾病的青少年会经历多重人生转变。从儿科到成人医疗保健系统的转变就是这样一种复杂而多方面的转变，它与发展、法律和社会变化同时发生，这些变化可能会影响青少年及其护理人员的角色和责任。因此，过渡护理中可能会出现儿科神经科医生可能面临的道德状况、问题和挑战。在本文中，我们将重点讨论儿科神经病学背景下的自主权和过渡护理中可能出现的情况。从临床病例出发，我们提出了情境化自主权的概念来解决病例中出现的问题，并提出了在过渡护理中思考这些具有挑战性的情况的方法。
机器人情境意识的神经生物学模式模型
摘要 — 在多种环境下运行的机器人必须开发稳定且灵活的任务和环境相关表示。从神经生物学中汲取灵感，我们应用了图式和记忆巩固的神经网络模型来训练丰田人类支持机器人在室内环境中查找和检索物体。我们将图式定义为由共同上下文绑定在一起的物体集合。在这种情况下，机器人必须根据通常在这些房间中发现的物体来学习与学校房间相关的图式。由于该模型为每个房间开发了图式表示，因此机器人可以快速执行与熟悉图式相关的物体检索任务，并根据上下文消除任务歧义。我们的实验探索了该模型在具体环境中的效果，并展示了将记忆巩固研究应用于机器人情境感知的好处。索引词 — 记忆巩固、学习情境、认知机器人、神经调节、神经机器人、图式
广义量子测量中的异常值、Fisher 信息和语境性
对自旋为 1/2 的粒子进行测量，结果可能为 100 [ 1 , 2 ] 。自从引入后选择值概念以来，人们一直在争论这些过程中究竟测量了什么以及这是否具有物理意义 [ 3 – 7 ] 。当通过间接程序测量可观测量时，就会出现这些异常，即通过将自旋与辅助探测系统耦合并仅访问后者来推断其值。第二个系统的状态不需要进行优化以在每次测量时提供完整信息，因为期望值可以从大量事件中准确地恢复出来。每个单独的事件都不会提供有关可观测量的明确信息 [ 8 ] ，因此对自旋状态的扰动会成比例减少。当测量引入的扰动影响可忽略不计时，这些值本身被称为弱值。该框架在平等处理量子态的前选择和后选择方面完全一致，从而使描述更加时间对称，但这种方法的某些结果似乎使量子力学比看起来更加令人费解[13-15]。在某些情况下，一切都可以与经典波中也会发生的干涉效应相协调[16]，并且有人认为异常值的出现纯粹由于后选择而产生的假象，在经典概率中也可以观察到[17]。然而，这一论点引发了长期的争议[18-22]。异常值位于可观测量范围之外，不仅限于弱值区域，还可以在任意扰动下出现。值得注意的是，存在需要满足的一致性条件才能允许异常值[23]。在单个自旋为 1/2 的粒子这种简单情况下——如今这种粒子通常被称为量子比特——这种特殊效应可用来标记宏观现实描述的失败，正如 Leggett-Gard 不等式所捕捉到的[24-27]；然而，这种联系在一般条件下并不成立[28]。
重新思考连通性作为重新语境化问题...
摘要：本文解释了为什么一旦将工作经验联结类型学（Griffiths/Guile，2004）的一系列显性和隐性特征概念化为知识的再情境化，就可以看到跨越边界是职业和专业教育的普遍特征，而不是学习者跨越教育与工作界限的问题。本文通过以下方式实现这一目标。首先，它简要解释了工作经验联结类型学的发展。接下来，它解释了为什么工作经验联结类型学中的“重返”概念是一种早期但有限的表达再情境化概念的尝试。然后，它解释了再情境化概念的起源和发展，以及这一概念为初始和持续职业形成提供了统一的视角。本文最后确定了 a) 重新语境化概念对能力/能力发展的实际意义，以及 b) 职业教育与培训未来的研究挑战，尤其是与第四代技术的出现相关的挑战。
通过机器学习方法识别关键情境设计线索
承担安全关键功能的自主技术的发展，例如无人驾驶汽车或手术机器人，可以潜在地减少事故和错误并提高生产力。然而，尽管自主系统有望提高安全性和生产力，但之前的人机交互研究表明，增加自动化并不一定能保证提高系统效率或安全性。通常，在大型系统内实现任务自动化会通过将操作员的工作量从一种物理或认知资源转移到另一种物理或认知资源来修改任务，从而改变任务而不是改进任务。操作员无法理解的设计不良的自动化通常会导致人为错误，并因实施不便而降低系统效率（Lee and Morgan 1994）。
AFIS 上下文信息的偏差效应 - ePrints Soton
机器。在本文中，我们研究了使用自动指纹识别系统 (AFIS) 对人类决策者的影响。我们向 23 名潜在指纹检查员提供了 3680 份 AFIS 列表（共 55,200 次比较），作为他们正常案件工作的一部分。我们操纵了 AFIS 列表中匹配指纹的位置。数据显示，潜在指纹检查员在错误排除和错误不确定方面受到匹配指纹位置的影响。此外，数据显示，错误识别错误更有可能出现在列表顶部，即使正确匹配出现在列表的更下方，也会发生此类错误。需要仔细研究和考虑这些影响，以便在使用 AFIS 等技术时优化人类决策。
对 AFIS 背景信息进行量化评估，以判断后续检查结论的准确性和可靠性
技术报告最终稿 技术报告最终稿 对 AFIS 背景信息对后续审查员结论的准确性和可靠性的量化评估 DoJ/NIJ 授权号 #2009-DN-BX-K224 Itiel Dror 和 Kasey Wertheim 摘要 即使将认知任务分担给人与机器，专家在法医决策中仍然发挥着关键作用。这在模式和印象证据中尤为明显，因为自动指纹识别系统 (AFIS) 等技术引入了认知技术，从而创建了这种协作环境。在本文中，我们研究了使用 AFIS 对人类决策者的影响，特别是研究了 AFIS 背景信息对人类专家的潜在偏见影响。作为他们正常办案工作的一部分，我们向 23 名潜在指纹审查员提供了数千份 AFIS 列表。我们将匹配的指纹纳入一些列表中，并操纵匹配候选图像在 AFIS 列表中的位置（将其放在最顶部、靠近顶部、靠近底部或最底部），操纵分数（增加或减少指纹之间的范围），或将这两种操纵结合在一起。我们观察了错误决策（错误的不确定或错误的排除）是否与列表中的位置或分数有关。数据显示，潜指纹检查员受位置的影响，尤其是在比较时间较短的情况下，但他们并不