XiaoMi-AI文件搜索系统
World File Search System其实
![通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。](/simg/d/dd5abf0752fcc9f891dc4a96743f916f96f28350.png)
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
DTIT及其实体在刺激中的作用...
家禽总体规划是在2019年11月的总统投资会议上启动的。南非家禽协会（SAPA）的投资承诺已获得17亿兰特的价值，以投资于家禽生产能力。南非家禽协会（SAPA）的投资承诺已获得17亿兰特的价值，以投资于家禽生产能力。
主题遵守共和国法案第 11285 号或“能源效率和保护法案”及其实施细则和条例 (IRR)
共和国法案 (RA) 11285，即“一项使能源效率和节约制度化、提高能源使用效率并为能源效率和节约项目提供奖励的法案”，也称为“能源效率和节约法案”（EEC 法案）于 2019 年 4 月 12 日签署成为法律。RA 11285 的主要目标是建立一个框架，以引入和制度化有关能源效率和节约的基本政策，包括促进高效和合理的能源利用，增加能源效率和可再生能源技术的利用，以及划分各政府机构和私营部门之间的职责。
运营技术消息总线如何帮助运营商扩展其实时网络
智能电网部署和大规模分布式能源 (DER) 集成非常复杂，因为需要将来自不同代技术的不同设备和软件应用程序互连。 智能电网集成面临着诸多挑战，需要将数据从一个系统转换到另一个系统，并转换为满足运营和业务要求的形式。 工程师尝试将 IT 和 OT 系统整合到智能电网部署中时，它们会面临困难。 无法存储和筛选来自公用事业应用程序（如 SCADA、AMI 和 OMS）的大量原始运营数据，这使得发现有用且可操作的情报变得困难。本白皮书讨论了这些挑战，并提供了可使复杂架构进行通信以管理、路由和交换实时数据的解决方案：
智慧城市战略及其实施障碍：捷克
kunc@econ.muni.cz 摘要 本文旨在识别、分析和评估捷克共和国公共行政代表在制定和实施智慧城市战略（现代可持续城市发展原则之一）期间面临的障碍。该目标将通过理论假设、可持续和智能城市环境分析以及定性研究来实现，特别是通过对负责实施智慧城市战略的利益相关者进行结构化访谈。访谈将在三个捷克城市进行，即首都布拉格、2018 年 ITAPA 奖 V4 地区类别获奖者布尔诺和“正在实施”城市的典范兹林，目前尚未实施智慧城市战略，但正在城市生态系统内运行许多智能项目。障碍将分为两类 - 外部和内部。基于国外良好实践的例子，将提出措施，以防止这些障碍从一开始就出现，或者至少在根源上缓解它们。发现的主要问题是智慧城市领域专家短缺、政治动荡、与现有立法的互联互通性差以及官僚主义过度。因此，建议的措施主要侧重于市政府之间最佳实践的交流、立法变革和提高公众意识。关键词：可持续城市发展、智慧城市战略、实施障碍、捷克共和国
俄罗斯工业微电网：其实施的区域系统效应
交叉补贴问题以及批发电力市场引入各种融资机制，例如 DPM RES，工业消费者的能源效率电价每年的增长速度远高于通货膨胀率，这导致小型火电厂和非法发电厂无节制地增加。此外，俄罗斯计划引入网络容量储备费，这将导致大型消费者从 2020 年中期开始每年额外支出 3420 亿卢布。这种不平等的市场条件，当没有自己的发电设施的消费者的电价为 5 卢布/千瓦时及以上，而发电设施的消费者的电价约为 2-2.5 卢布/千瓦时时，使越来越多的消费者离开能源系统，将成本转嫁给剩下的消费者。
基因组编辑：概述及其实践
免疫。Science 337 ：816-821, 2012 7） Ohmura S, Mizuno S, Oishi H 等：谱系相关转录因子结合 Gata3 Tce1 增强子介导谱系特异性程序。J Clin Invest 126 ：865- 878, 2016 8） Mizuno S, Dinh TT, Kato K 等：通过CRISPR/Cas9系统简单生成酪氨酸酶基因 G291T 突变的白化 C57BL/6J 小鼠。Mamm Genome 25 ：327-334, 2014 9） Sato Y, Tsukaguchi H, Morita H 等：转录因子MAFB 突变导致局灶性节段性肾小球硬化症和 Duane 回缩综合征。 Kidney Int 94 ：396-407, 2018 10） Jamieson RV, Perveen R, Kerr B 等：bZIP 转录因子 MAF 的结构域破坏和突变与白内障、眼前节发育不全和眼缺损有关。Hum Mol Genet 11 ：33-42, 2002 11） Niceta M, Stellacci E, Gripp KW 等：GSK3 介导的 MAF 磷酸化的突变导致白内障、耳聋、智力障碍、癫痫和唐氏综合症样面容。Am J Hum Genet 96 ：816-825, 2015
现代科学研究及其实际应用
编辑委员会： Alexandr G. Shibaev – 技术科学博士，教授 Alexandr V. Yatsenko – 副教授，创业与创新学院院长 Sergiy M. Goncharuk – 技术科学博士，教授，俄罗斯交通科学院和国际信息化学院院士，俄罗斯交通荣誉工作者 Denis V. Lomotko – 技术科学博士，乌克兰国家铁道运输学院副校长，乌克兰交通科学院副院长 Inna A. Lapkina – 经济学博士，教授。 Sergiy I. Rylov – 经济学博士，教授。 Julia L. Kantarovich – 艺术史科学博士 Elena V. Kirillova – 博士，副教授 Petrov I – 博士，副教授。 Demidova V - 教育学博士 Stovpets A. - 哲学博士，副教授 Stovpets V. - 语言学博士，副教授 Alexandra D. Markova 出版者：Kupriyenko SV 关于 SWorld 项目 P.O. Box 38, Odessa, 65001Ukraine 电话：+380667901205 电子邮件：orgcom@sworld.com.ua 网站：www.sworld.com.ua