XiaoMi-AI文件搜索系统
World File Search System信度
利用人工智能提高生物多样性评估的可信度
物种和生物系统内的生物多样性价值是物种和生态系统生存能力的主要指标之一。近几十年来，生物多样性保护问题已成为考虑全球、国家和地方环境和经济变化的核心问题之一，因为维持生命和经济活动的潜力正在下降。在地方层面保护某些类型的生物资源会对其他地区的情况产生影响。尽管在经济活动与自然环境保护之间关系的研究中发生了重大转变，但生态状况在过去二十年中仍在恶化，导致生物多样性退化。在这种情况下，有必要提高现有的生态系统生物多样性定量评估的可信度并引入新的定量评估，以便对当前生物系统的状态得出客观结论，并预测生物系统的发展，同时考虑外部影响。这将允许调整经济活动，考虑到保护物种丰富度的需要。到目前为止，可以定量评估生态系统生物多样性的定量指标有香农多样性指数、皮耶卢指数和辛普森指数 [1]。这些指数是根据离散度和熵公式计算得出的，这些公式以个体对之间所有关系的数量为参数，无论它们属于哪个特定分类单元。在生物多样性的定量评估中，我们还可以列举 Theil、Berger-Parker、Gini 和 McIntosh 指数。这些指标以及变化预测可以使用目前广泛使用的基于神经网络的人工智能方法获得。神经网络将提高这些评估的客观性，因为它们的使用允许考虑外部因素对生物多样性定量评估的影响，并且神经网络输出的结果不依赖于提供给其输入的数据的分布类型，这与大多数机器学习算法不同，其中的工作基于所研究数据的正态分布假设，但在实践中并非总是如此。使用神经网络对生物多样性进行定量评估基于以下描述的方法：
白皮书：临床手术中人工智能的伦理与可信度
1 意大利帕多瓦大学外科、肿瘤和胃肠科学系 (DiSCOG)，帕多瓦 35122，意大利。2 意大利贝加莫东塞里亚特 (贝加莫) 24068 ASST 外科系。3 意大利米拉诺医院外科系，米拉诺 (威尼斯) 30035，意大利。4 意大利佩斯基耶拉 37019 佩德佐利医院肝胆胰外科系。5 比利时根特大学医院普通外科、HPB 外科和肝移植系，根特 109000。6 意大利帕多瓦大学心脏、胸腔、血管科学和公共卫生系，帕多瓦 35128，意大利。7 美国新墨西哥大学电气与计算机工程系研究教授，新墨西哥州阿尔伯克基 87131。 8 “Associazione Donne 4.0”主席，意大利利沃诺 57123。 9 外科部，普瓦西/圣日耳曼昂莱地区医院中心医院，普瓦西 78300，法国。 # 作者贡献均等。
基于多标准聚合辅助的人工智能可信度评估整体方法 ⋆
摘要 基于人工智能的系统可信度评估是一个具有挑战性的过程，因为该主题的复杂性涉及定性和可量化的概念、属性的广泛异质性和粒度，在某些情况下甚至后者的不可比性。评估人工智能系统的可信度在安全关键领域尤其具有决定性，因为人工智能预计主要会自主运行。为了克服这些问题，Confiance.ai 程序 [ 1 ] 提出了一种基于多标准决策分析的创新解决方案。该方法包含几个阶段：将可信度构建为一组定义明确的属性，探索属性以确定相关的性能指标（或指标），选择评估方法或控制点，以及构建多标准聚合方法来估计对信任的全局评估。该方法通过将一些性能指标应用于数据驱动的 AI 环境来说明，而对聚合方法的关注则作为 Confiance.ai 里程碑的近期视角。
解释计算机为何说“不”：算法透明度影响自动决策的可信度
摘要 基于人工智能技术的算法正在慢慢改变街头官僚机构，然而算法缺乏透明度可能会危及公民的信任。基于程序公平理论，本文假设算法透明度的两个核心要素（可访问性和可解释性）对于增强街头决策的可信度至关重要。本文在一个自由裁量权较低的场景（签证申请被拒绝）和一个自由裁量权较高的场景（福利欺诈嫌疑）中对这一假设进行了测试。结果表明：（1）可解释性对信任的影响比算法的可访问性更明显；（2）算法透明度的影响不仅涉及对算法本身的信任，而且部分涉及对人类决策者的信任；（3）算法透明度的影响在决策环境中并不稳健。这些发现意味着透明度作为可访问性不足以培养公民信任。必须解决算法的可解释性问题，以维持和培养算法决策的可信度。
数字孪生体可信度评估过程及指标研究
[9] 郭东升 , 鲍劲松 , 史恭威 , 等 . 基于数字孪生的航天结构 件制造车间建模研究 [J]. 东华大学学报 ( 自然科学版 ), 2018, 44(4): 578-585, 607. Guo Dongsheng, Bao Jinsong, Shi Gongwei, et al. Research on Modeling of Aerospace Structural Parts Manufacturing Workshop Based on Digital Twin[J]. Journal of Donghua University(Natural Science), 2018, 44(4): 578-585, 607.
可信度经济
可信度经济是一种批判性和分析性的启发式方法，本书以此为框架，探讨通过媒体文化进行的性别和种族可信度斗争。在二十一世纪，媒体对性暴力的描述因大众女权主义的可见度提高而得到强化，因此大众女权主义干预越来越多地通过媒体表达出来（Banet-Weiser，2018 年；Rottenberg，2018 年；Orgad 和 Gill，2022 年）。在关于大众女权主义和大众厌女症的文章中，Banet-Weiser（2018 年）认为，可见度经济是当代背景下的一种大众女权主义形象、表达和实践，这种形式在很大程度上是肯定性的和个人赋权的。在这种经济中，大众女权主义往往始于可见度，也终于可见度；可见度本身就是一种目的，而不是实现其他目的（如社会变革）的手段。事实上，在当代，存在着媒体学者赫尔曼·格雷（Herman Gray，2013）所说的“对可见性的煽动”。他问道，当最初产生认可必要性的社会结构发生转变时，这种对可见性的追求能产生什么结果。例如，当媒体对有色人种的报道越来越多，但日常生活中种族主义行为却越来越露骨时，可见性的提高意味着什么？因此，格雷问道，“对认可的渴望”是否会用对个人立场的认可取代结构性变化。可见性经济在#MeToo全球运动中以惊人的方式体现出来。依靠大众女权主义蓬勃发展的可见性回路，#MeToo
人工智能的可信度分类
近年来，大量研究和指导表明，提高人工智能 (AI) 系统的可信度是私营和公共部门的共同优先事项。1,2,3 然而，可信人工智能的含义以及实现它的潜在方法仍然存在争议。4,5,6 利益相关者往往缺乏共同的词汇或一组需要考虑的问题，而且很少有针对人工智能开发者和政策制定者的指导。现有的可信人工智能框架还倾向于关注一组相对狭窄的人工智能模型和直接与人互动的应用程序。7 自 2021 年以来，美国国家标准与技术研究所 (NIST) 一直在与不同的利益相关者合作，开发旨在促进可信人工智能的人工智能风险管理框架 (RMF)。在本文中，我们分析了可信人工智能的前景，并介绍了一种人工智能可信度分类法，旨在补充和支持 NIST AI RMF 的使用。
通过具有可信度信息的图神经网络改进目标-疾病关联预测
识别有效的靶点-疾病关联（TDA）可以减轻药物开发临床失败所造成的巨大成本。尽管已经提出了许多机器学习模型来快速预测潜在的新型 TDA，但它们的可信度并不能保证，因此需要大量的实验验证。此外，当前的模型通常很难为信息较少的实体预测有意义的关联，因此限制了这些模型在指导未来研究中的应用潜力。基于利用图神经网络从异构生物数据中提取特征的最新进展，我们开发了 CreaTDA，这是一个基于端到端深度学习的框架，可以有效地学习靶点和疾病的潜在特征表示，以促进 TDA 预测。我们还提出了一种对从文献中获得的可信度信息进行编码的新方法，以提高 TDA 预测的性能，并根据先前研究的真实证据支持预测更多新型 TDA。与最先进的基线方法相比，CreaTDA 在整个 TDA 网络及其包含与少数已知疾病相关的蛋白质的稀疏子网络上实现了更好的预测性能。我们的结果表明，CreaTDA 可以为识别新的靶标-疾病关联提供强大而有用的工具，从而促进药物发现。
儿童前庭诱发肌源性电位 (VEMP) 重测信度
前庭诱发肌源性电位 (VEMP) 通常用于评估前庭神经和耳石器官的两个部分 (1–5)。在成人中，可以通过气导或骨导刺激可靠地诱发 VEMP (6)；然而，尚未发表评估儿童 VEMP 可靠性的类似研究。VEMP 是对高强度刺激作出反应而诱发的肌肉电位 (1)。颈部 VEMP (cVEMP) 是从收缩的胸锁乳突肌 (SCM) 同侧记录的短潜伏期抑制反应，可提供有关囊和下前庭神经功能的信息 (1)。眼部 VEMP (oVEMP) 是从下斜肌对侧记录的兴奋反应，可提供有关椭圆囊和上前庭神经功能的信息 (7)。
研究不同的能源存储模式对可再生能源置信度的影响
摘要。可再生能源具有典型的间歇性特征，产出的强大随机波动以及峰值负载下的支撑能力不足。因此，高比例可再生能源能源系统的电源保证正面临严重的挑战。可再生能源分配和能源存储可以在一定程度上解决可再生能源的随机波动问题。在这种情况下，基于电化学能源存储的运行机理，本文考虑了电化学能源存储的操作安全特性，建立了可再生能源 +能源存储操作优化模型。为了为相关企业的规划和建设提供技术支持，本文探讨了电化学能源存储的大规模可再生能源配置的有效性，并分析了CPELX解决的不同储能操作模式的影响。结果表明，可再生能源配置能量存储可以提高其置信能力并降低净负载的峰值山谷差异率，但是特定效果与储能的操作模式密切相关。