XiaoMi-AI文件搜索系统
World File Search System偏差
偏差的正常化：事故为何会发生...
摘要 – 1986 年 1 月 28 日，世界目睹了一场事故，这是当时航天史上最严重的灾难。载有七名宇航员的挑战者号航天飞机在发射后仅 73 秒就爆炸了。对挑战者号灾难的调查揭示了 NASA 运营中的文化和系统缺陷；因此，提出了“偏差正常化”的概念。偏差正常化是指将不可接受的做法变成可接受的行为。虽然这个过程的结果通常非常明显，但检测和识别这种现象可能极其困难。挑战者号事故、2003 年哥伦比亚号航天飞机失事以及其他灾难令人震惊地提醒我们，看似无害的细节在复杂系统和组织的相互作用中发挥着至关重要的作用。本文不是关于 NASA 和航天飞机的。在任何安全关键流程或任务中规范偏差都可能是灾难性的；允许操作、检查和维护中的偏差
在大脑发育的大型自动MRI分析中发现和减轻偏差
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本于2023年3月1日发布。 https://doi.org/10.1101/2023.02.28.530498 doi：Biorxiv Preprint
RIPK1激酶的抑制不影响糖尿病的发育：β细胞生存RIPK1激活 质量量化蛋白质 - 的偏差定量 液体活检进入诊所 - 实施问题和未来挑战 神经科学和生物行为评论 通过剂量调整确保重症患者的抗生素靶浓度 共同靶向PARP-1和C-MET对野生型BRAF黑色素瘤的疗效的好处 caspase-4二聚体和D289自动加工引起白介素-1β-转化酶
目标：1型糖尿病（T1D）是由促进的免疫介导的产生胰岛素的B细胞丧失引起的。炎症症对B细胞功能和生存有害，此外，凋亡和坏死都被认为是T1D中B细胞损失的机制。受体相互作用的丝氨酸/苏氨酸蛋白激酶1（RIPK1）通过用作NF-K B和MAPK激活的支架，或通过充当触发凋亡或坏死性的激酶来促进炎症。目前尚不清楚RIPK1激酶活性是否参与T1D病理学。在本研究中，我们研究了不存在RIPK1激活是否会影响对免疫介导的糖尿病或饮食诱导肥胖症（DIO）的敏感性。方法：含有模仿丝氨酸25磷酸化的突变的RIPK1敲击小鼠系（RIPK1 S25D/S25D），它废除了RIPK1激酶活性，用于评估RIPK1在免疫介绍的糖尿病或饮食诱发的肥胖症中的体内作用（DIO）。在已知诱导RIPK1依赖性细胞凋亡/坏死性的条件下，分析了体外，B细胞死亡和RIPK1激酶活性。结果：我们证明RIPK1 S25D/S25D小鼠呈现出正常的葡萄糖代谢和B细胞功能。此外，RIPK1 S25D / S25D和RIPK1 h和Ripk1 h和Ripk1 h和Ripk1 hime介导的糖尿病和DIO没有差异。尽管RIPK1激酶和其他坏死作用效应子（RIPK3和MLKL）的强烈激活，而TNFbv6ÞZVAD却没有观察到小鼠胰岛或人类B细胞中的细胞死亡。结论：我们的结果对比最近的文献表明，大多数细胞类型在RIPK1激活后发生坏死。这种特殊性可能会反映出B细胞无力增殖和自我更新的适应。2023作者。由Elsevier GmbH出版。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
实质性偏差和重大修正或修改的定义
phas必须定义并采用自己的标准，从5年计划和年度和五年计划的重大修正案中进行实质性偏差。重大修正案的定义很重要，因为它定义了PHA何时将对年度和五年计划中描述的政策或活动进行更改，以便在实施之前进行全面的公开听证会和HUD审查[24 CFR第§903.7（r）]。
用于分布式电池储能系统的快速分层协调控制器，以缓解电压和频率偏差
本文提出了一种新型分层最优控制框架，用于支持多区域输电系统中的频率和电压，并集成电池储能系统 (BESS)。该设计基于来自 BESS 的协调有功和无功功率注入，而不是传统的基于同步发电机的控制，以快速及时地缓解电压和频率偏差。这个新想法的原理是使用两个分层方案，一个是物理的，一个是逻辑的。第一个方案的目标是优先从发生意外事件的区域安装的 BESS 注入功率，从而减少对邻近区域的动态干扰。在第二个方案中，每个方案中都纳入了聚合 BESS 的运行规则，从而提高了资产的安全性。所提出的方法利用了时间同步测量、特征系统实现算法 (ERA) 识别技术、最优线性二次高斯 (LQG) 控制器和新的聚合代理的优势，该聚合代理以分层和可扩展的方案协调 BESS 的功率注入，以精确调节现代输电网的频率和电压，提高其可靠性和稳定性。使用模拟场景证明了该提案的可行性和稳健性，该场景具有显著的负载变化和三相、三周期故障，改进的 Kundur 系统具有四个互连区域，可在不到 450 毫秒的时间内缓解频率和电压突发事件。
用于药物低偏差评估的层次聚类分割......
摘要 — 药物-靶标相互作用 (DTI) 预测在药物发现和化学基因组学研究中非常重要。机器学习，尤其是深度学习，在过去几年中极大地推动了这一领域的发展。然而，学术论文中报告的性能与实际药物发现环境中的性能之间存在显著差距，例如基于随机分割的评估策略在估计现实环境中的预测性能时往往过于乐观。这种性能差距主要是由于实验数据集中隐藏的数据偏差和不适当的数据分割。在本文中，我们构建了一个低偏差 DTI 数据集，并研究了更具挑战性的数据分割策略，以改进现实设置的性能评估。具体而言，我们研究了流行的 DTI 数据集 BindingDB 中的数据偏差，并使用五种不同的数据分割策略重新评估了三种最先进的深度学习模型的预测性能：随机分割、冷药分割、支架分割和两种基于层次聚类的分割。此外，我们全面检查了六个性能指标。我们的实验结果证实了流行的随机分割的过度乐观，并表明基于层次聚类的分割更具挑战性，并且可以在现实世界的 DTI 预测设置中提供对模型通用性的更有用的评估。索引术语——药物-靶标相互作用、数据偏差、数据分割策略、性能评估
自动驾驶边缘人工智能算法中的偏差检测与泛化
摘要 — 机器学习模型在对未知数据集进行推理时，通常会对熟悉的组或相似的类集产生有偏差的输出。人们已经研究了神经网络的泛化以解决偏差，这也表明准确度和性能指标（例如精确度和召回率）有所提高，并改进了数据集的验证集。测试和验证集中包含的数据分布和实例在提高神经网络的泛化方面起着重要作用。为了生成无偏的 AI 模型，不仅应对其进行训练以实现高精度并尽量减少误报。目标应该是在计算权重时防止一个类/特征对另一个类/特征占主导地位。本文使用选择性得分和余弦相似度等指标研究了 AI 模型上最先进的对象检测/分类。我们专注于车辆边缘场景的感知任务，这些任务通常包括协作任务和基于权重的模型更新。分析是使用包括数据多样性差异、输入类的视点和组合的案例进行的。我们的结果表明，使用余弦相似度、选择性得分和不变性来衡量训练偏差具有潜力，这为开发未来车辆边缘服务的无偏 AI 模型提供了启示。索引术语 — 偏差、数据多样性、特征相似度、泛化、选择性得分
研究论文 新育种技术案例中的科学信息和认知偏差：探索意大利千禧一代的行为
摘要。本文探讨了消费者对农业食品领域新育种技术 (NBT) 的接受程度。我们的主要研究问题是信息在塑造消费者对转基因食品和农业生产新育种技术的态度方面所起的作用。为此，我们使用多项 Logit 模型来分析在提供科学信息后，人们对食品安全问题和现代生物技术相关的环境风险的先前看法的变化或确认。我们的研究结果证实了贝叶斯假设，根据该假设，在食品安全方面，人们将先前的信念与新信息结合起来，以融合科学信息。我们还发现，当涉及环境风险时，确认偏差的可能性更高，人们不太愿意改变先前的信念。
中立的多新闻摘要可减轻框架偏差
媒体新闻框架偏见会加剧政治两极分化，破坏公民社会。因此，对自动缓解方法的需求日益增长。我们提出了一项新任务，即从具有不同政治倾向的多篇新闻文章中生成中立摘要，以促进平衡和无偏见的新闻阅读。在本文中，我们首先收集一个新的数据集，通过案例研究阐明关于框架偏见的见解，并为该任务提出一个新的有效指标和模型（N EU S-T ITLE）。根据我们发现标题为框架偏见提供了良好的信号，我们提出了 N EU S-T ITLE，它可以学习从标题到文章按层次顺序中和新闻内容。我们的分层多任务学习是通过使用标识符标记（“TI-TLE=>”、“ARTICLE=>”）按顺序格式化我们的分层数据对（标题、文章），并使用标准负对数似然目标微调自回归解码器来实现的。然后，我们分析并指出剩余的挑战和未来方向。最有趣的观察之一是神经 NLG 模型不仅可以产生事实上不准确或无法验证的内容，还可以产生政治偏见的内容。