对本网络研讨会中有关高级微电子研究和开发计划的问题的陈述和回答:•本质上是信息性的,确定的和初步的。•不构成承诺,也不对NIST或商务部具有约束力。•全力以赴地遵守NIST或商务部的任何最终行动。
使用图像,视频片段和其他是版权保护主题的材料,将专门用于教育和信息性目的,必须引用他通过提及作者或作者获得的来源。 div>任何不同的用途,例如利润,复制,版本或修改,都将受到相应版权持有人的迫害和批准。 div>
使用图像,视频片段和其他是版权保护主题的材料,将专门用于教育和信息性目的,必须引用他通过提及作者或作者获得的来源。 div>任何不同的用途,例如利润,复制,版本或修改,都将受到相应版权持有人的迫害和批准。 div>
使用图像,视频片段和其他是版权保护主题的材料,将专门用于教育和信息性目的,必须引用他通过提及作者或作者获得的来源。 div>任何不同的用途,例如利润,复制,版本或修改,都将受到相应版权持有人的迫害和批准。 div>
使用图像,视频片段和其他是版权保护主题的材料,将专门用于教育和信息性目的,必须引用他通过提及作者或作者获得的来源。 div>任何不同的用途,例如利润,复制,版本或修改,都将受到相应版权持有人的迫害和批准。 div>
工作原理 • 提前与我们的编辑团队讨论会议主题。旨在以教育性和信息性内容为主导 • 形式可以包括小组讨论,由商定的合作伙伴参与或 PowerPoint 演示 • 分享调查结果和参与者的问题 • 在数字杂志/网站上发表社论文章,重点介绍会议成果 • 分享注册数据
[C2] Jesse Zhang,Jack Sullivan,Vasudev Venkatesh PB,Kyle Tse,Andy Yan,John Leyden,Kalya-Naraman Shankari和Randy H Katz。“ Tripaware:通过移动应用鼓励可持续运输的情感和信息性方法”,第六届ACM节能建筑,城市和运输系统系统会议论文集,2019年
人工智能(AI)的最新进展强调了需要解释的AI(XAI)来支持人类对AI系统的理解。考虑影响解释功效的人为因素,例如心理工作量和人类理解,对于有效的XAI设计至关重要。XAI中的现有工作已经取决于不同类型的解释引起的理解和工作量之间的权衡。通过抽象来解释复杂的概念(相关问题特征的手工制作的分组)已被证明可以有效地解决和平衡这种工作负载的权衡。在这项工作中,我们通过信息瓶颈方法来表征工作负载 - 理解的平衡:一种信息理论方法,该方法自动生成了最大化信息性和微型复杂性的抽象。尤其是,我们通过人类受试者实验建立了工作量与复杂性之间以及理解和信息性之间的经验联系。人为因素与信息理论概念之间的这种经验联系提供了对工作负载实现权衡的重要数学表征,从而实现了用户泰式XAI设计。