XiaoMi-AI文件搜索系统
World File Search System不一致性
人工智能中的文化不一致
人工智能 (AI) 系统试图模仿人类行为。它们模仿得有多好通常被用来评估它们的效用，并将类人 (或人工智能) 归因于它们。然而，大多数关于人工智能的研究都提到并依赖于人类智能，而没有考虑到人类行为本质上是由他们所处的文化背景、他们所持有的价值观和信仰以及他们所遵循的社会实践所塑造的。此外，由于人工智能技术大多是在少数几个国家构思和开发的，它们嵌入了这些国家的文化价值观和实践。同样，用于训练模型的数据也无法公平地代表全球文化多样性。因此，当这些技术与具有不同价值观和解释实践的全球多样化社会和文化互动时，就会出现问题。在这篇立场文件中，我们描述了基于人工智能的语言和视觉技术背景下的一系列文化依赖性和不一致性，并反思了解决这些不一致的可能性和潜在策略。
用于验证质量的语义模型驱动框架...
物联网的兴起为反应式服务和智慧城市创新提供了主要由实时数据驱动服务增强的平台。然而，众所周知，物联网流数据会受到质量问题的损害，从而影响基于物联网的反应式服务或智能应用程序的性能和准确性。本研究调查了语义方法对物联网流数据质量问题的运行时验证的适用性。为了实现这一目标，提出了语义物联网流数据验证及其框架 (SISDaV)。这种新方法涉及语义查询和推理技术，语义规则是在与外部数据源的既定关系上定义的，并考虑到可能影响流质量的特定运行时事件。这项工作专门针对与物联网流数据中的不一致性、合理性和不完整性有关的质量问题。
拉丁美洲可再生能源发电进展和潜力回顾
由于拉丁美洲对石油市场的依赖以及 COVID-19 大流行造成的破坏，可持续能源经济在该地区已变得至关重要。本文对该地区十大经济体的国内生产总值进行了系统审查。我们主要分析水电、风电和太阳能的生产绩效，包括总发电量、当前在能源矩阵中的参与水平以及总装机容量。本文还讨论了每种技术和国家的当前和未来趋势以及法律框架。我们的分析表明，鉴于拉丁美洲和加勒比地区拥有丰富的自然资源、有利的地理和气候条件，以及现有的大型水电设施来抵消风能和太阳能项目的不一致性，该地区可以增加可再生能源的使用。因此，该地区的政府必须彻底改革可持续政策，以提高认识并减少对外国能源的依赖。
噪声标签下的基于多通道脑电图的情绪识别
摘要 大量基于脑电图（EEG）的情绪识别任务的深度学习分类方法取得了优异的表现，并且隐含地假设所有标签都是正确的。然而，人类在判断时具有天然的偏见、主观性和不一致性，这会导致脑电图情绪状态的标签带有噪声。为此，我们提出了一种在有噪声标签的情况下基于多通道EEG的情绪识别框架。所提出的噪声标签分类方法基于胶囊网络使用联合优化策略（JO-CapsNet）直至收敛。具体而言，基于胶囊网络的损失函数更新网络参数，通过基于胶囊网络的输出预测类标签的存在可能性来更新伪标签。这样，交替的更新策略可以互相促进以纠正噪声标签。实验结果证明了我们方法的优势。
挪威的制造业 – 环境
本文是一系列试点研究中的第一篇，旨在探索数据可用性和衡量实体经济投资与气候变化缓解目标一致性的方法。分析重点关注 2010 年至 2017 年挪威制造业有形固定资产投资，估计平均每年 25 亿美元。然后，它根据两个参考点衡量这些投资在子行业层面的一致性或不一致性：欧盟可持续活动分类法草案和国际能源署为北欧地区制定的 2°C 情景。该分析进一步确定了这些子行业的融资来源，并讨论了未来潜在的投资和融资挑战。最后，该研究得出了方法论结论，并确定了需要进一步开展国家和行业层面的试点研究，以改进和扩大国际层面的此类分析。
欺骗性人工智能解释：创造与检测
摘要：人工智能 (AI) 带来了巨大的机遇，但也可能带来重大风险。自动生成的决策解释可以提高透明度并增进信任，尤其是对于基于 AI 模型自动预测的系统。但是，考虑到创建不诚实 AI 的经济激励，我们在多大程度上可以信任解释？为了解决这个问题，我们的工作研究了如何使用 AI 模型（即深度学习和现有的提高 AI 决策透明度的工具）来创建和检测欺骗性解释。作为一项实证评估，我们专注于文本分类并改变由 GradCAM（一种成熟的神经网络解释技术）生成的解释。然后，我们在一项有 200 名参与者的实验中评估了欺骗性解释对用户的影响。我们的研究结果证实，欺骗性解释确实可以欺骗人类。但是，如果有足够的领域知识，可以部署机器学习 (ML) 方法来检测看似微不足道的欺骗企图，准确率超过 80%。即使没有领域知识，只要具备所审查预测模型的基本知识，人们仍然能够以无监督的方式推断出解释中的不一致性。
Katherine Mims Crocker
+由卡普里斯·罗伯茨（Caprice Roberts）在乔特威尔（Jotwell）中介绍（“法律学者可以去识别，庆祝和讨论与法律相关的最佳新奖学金的空间”） + [摘要]本文涉及联邦法院应在多大程度上提供类似的机会来获得离散宪法错误的救济。它探讨了对普遍性和中立价值的承诺如何转化为范式促进宪法补救措施的跨性基础的范式，以及最高法院如何选择替代路径。本文提出了一个新颖的框架，该框架显示了非跨性别的，根据教义上的不一致性的明确性，如何透明，半透明或不透明，它研究了该框架如何帮助改善宪法修正的司法方法。除其他贡献外，通过提供创新的工具，以将跨基础作为重要的（但不是绝对）的宪法法律，该项目提供了潜在的一步，以降低对法院在政治上的普遍看法，从而在这种情况下加强其合法性。
间隔有价值的次级K范围对称Quadri分区的中性粒细胞模糊矩阵
间隔价值的二级K范围对称Quadri分区的中性粒细胞模糊矩阵是一个高级数学框架，它扩展了传统的矩阵理论，以处理复杂系统中的不确定性，不确定性和不一致性。该模型从中性粒子逻辑，间隔值模糊集和矩阵理论中整合了多个数学概念，以提供一种多功能工具，用于在不确定的环境中表示和处理数据。中性粒子逻辑是模糊逻辑的扩展，它引入了三个成员资格功能 - truth（t），虚假（f）和不确定性（i）。与传统的模糊逻辑不同，中性粒子逻辑可以同时在给定的命题或元素中在不同程度上同时存在真理，虚假和不确定性。中性粒细胞模糊基质代表一个基质，其元素是中性粒细胞模糊集。矩阵中的每个元素的特征是有序的三重（t，i，f），其中：
飞轮储能系统及其应用
摘要 - 本研究对飞轮储能系统及其在各种应用中的可行性进行了严格的审查。飞轮储能系统作为一种环保的储能方法越来越受欢迎。飞轮以机械旋转能的形式储存能量，然后在需要时将其转换成所需的电力形式。储能是任何电力系统的重要组成部分，因为储存的能量可用于抵消电力输送系统中的不一致性。能源危机，主要是在发展中国家，对各个部门产生了不利影响，导致人们诉诸各种储能系统来应对所经历的停电。太阳能系统一直是首选的备用系统。然而，太阳能电池的高昂购买和维护成本一直是一大障碍。当需要频繁充电和放电循环时，飞轮储能系统是合适且经济的。此外，飞轮电池具有高功率密度和低环境足迹。人们正在采用各种技术来提高飞轮的效率，包括使用复合材料。本评论论文将讨论飞轮技术的应用领域，例如电动汽车、太阳能和风能发电存储系统以及不间断电源系统。
通过有条件介绍红外图像中多级对象检测的生成数据增强
红外图像中的多级对象检测对于军事和平民使用很重要。深度学习方法可以获得高精度，但需要大规模数据集。我们提出了一个生成数据增强框架文档，用于使用有限数据的红外多级对象检测。本文的贡献是四倍。首先，Doci-Gan被设计为有条件的图像介绍框架，得出配对的红外多级对象图像和注释。其次，为文本到图像转换器配制了将文本格式对象注释转换为边界框掩码映像，从而导致增强是掩盖图像 - 图像 - 绘制图像图像翻译。第三，产生了基于多形态侵蚀的损失，以减轻对本地背景和全球背景的涂料不一致的不一致性。最后，为了生成各种图像，人工多级对象注释在增强过程中与真实的对象注释集成在一起。实验结果表明，具有高质量红外多级对象图像的文档增强数据集，从而提高了对象检测基准的准确性。