XiaoMi-AI文件搜索系统
World File Search System决策模型
解决空间和时间中核心物体识别的神经机制；一种计算方法
各种研究都对物体识别（大脑的基本能力）的潜在机制进行了研究。然而，对识别速度和准确度之间的平衡的探索较少。大多数物体识别的计算模型都无法解释识别时间，因此只关注识别准确度，原因有两个：缺乏感官处理的时间表征机制，以及使用非生物分类器进行决策处理。在这里，我们提出了一个物体识别的分层时间模型，使用脉冲深度神经网络与生物学上合理的决策模型相结合，以解释识别时间和准确度。我们表明，所提模型的响应动力学可以类似于大脑的响应动力学。首先，在物体识别任务中，该模型可以模拟人类和猴子的识别时间和准确度。其次，该模型可以复制文献中观察到的不同速度-准确度权衡机制。更重要的是，我们证明了所提模型中不同抽象级别（上级、中级和下级）的时间表征与先前研究中观察到的大脑表征动态相匹配。我们得出结论，由分层前馈脉冲结构产生的脉冲的积累可以很好地解释决策的动态，也可以解释不同抽象级别的表示动态。关键词：时间对象识别、速度-准确度权衡、深度脉冲卷积神经网络、积累到边界模型、动态表示相异矩阵
2019 年秋季生效的本科课程描述
ACC 2000 - 会计原则 I 介绍财务会计的基本原则、概念和理论框架，重点介绍经济理性决策者的使用。主题包括决策环境和会计周期、流程和报表。学分：3.0 讲座-录音-实验室：（3-0-0） 开设学期：秋季、春季 ACC 2100 - 会计原则 II 强调会计信息在公司中的作用。主题包括预算、责任会计、成本分配、成本行为、决策模型、资本预算以及制造业和服务业公司的产品成本介绍。学分：3.0 讲座-记录-实验室：（3-0-0） 开课学期：秋季、春季 先决条件：ACC 2000 ACC 3000 - 中级会计 I 研究财务报告和衡量背后的理论、概念和实践。主要关注收入衡量和资产估值，如现金、应收账款、库存和长期资产，以及跨国问题。学分：3.0 讲座-记录-实验室：（0-3-0） 开课学期：秋季 先决条件：ACC 2000 ACC 3100 - 中级会计 II ACC 3000 的延续，涉及财务衡量和报告背后的理论、概念和实践。重点关注负债和权益的衡量和报告，包括跨国问题。学分：3.0 讲座-录音-实验室：（0-3-0） 开课学期：春季 先决条件：ACC 3000 和 FIN 3000(C)
通过设计政府补贴机制来改善企业供应链的绿色：基于前景理论和进化游戏
通过绿色供应链促进可持续发展是至关重要的。政府补贴成为激励企业积极参与这种环保实践的成功战略。本研究采用前景理论和进化游戏模型来分析向碳峰值和中立性的过渡，同时促进高度可持续的业务的扩展。通过探索企业和政府对可持续性的决策过程，我们开发了一种基于进化的游戏的决策模型，以评估政府补贴对从事绿色供应链的企业的影响。通过通过MATLAB获得的数值模拟，我们研究了影响绿色供应链业务与政府之间游戏系统演变的各种因素。此外，我们研究了政府激励措施如何影响绿色供应链业务的决策行为。我们的发现表明，政府罚款可以有效鼓励采用绿色供应链。此外，温和的政府补贴激励企业选择可持续的供应链，从而使政府和企业受益。但是，提供高昂的政府补贴不仅没有鼓励采用绿色供应链，而且还会为政府造成成本，而不会产生任何企业方法的积极变化。通过纳入进化游戏理论和前景理论，这项研究有助于对政府支持的绿色供应链的知识体系，提供针对企业面临的现实世界条件量身定制的激励计划，同时证明实际应用价值。
人工智能对决策的影响......
1,2 学生，计算机科学系，Anil Neerukonda 理工学院。摘要：人工智能 (AI) 在决策过程中的使用已成为现代动态商业环境中组织发展的关键驱动力。本案例研究探讨了智能在企业决策中的广泛影响、困难和变革可能性。我们发现，应用数据分析、模式识别和人工智能如何通过综合战略提高决策能力和准确性。来自各个行业的真实案例展示了人工智能驱动的决策如何提高生产力、降低风险和鼓励创新。然而，随着企业充分利用人工智能，道德问题变得更加重要。如今，必须仔细考虑包括算法偏见、数据隐私担忧和对人类注意力的需求在内的因素。本文讨论了这种复杂性，并强调了整合道德人工智能的重要性。得到了 250 名使用 Google Docs 研究论文的工人的认可。结果说明了直接参与人工智能驱动决策的专业人士所经历的优势和困难。最后，本研究展示了人工智能如何超越效率，开发商业决策模型。通过了解人工智能的功能和道德规范，组织可以克服障碍，最大限度地发挥其潜力，迈向人工智能和人类在决策中共享共同智慧的时代。关键词：人工智能、决策、组织发展 1. 简介： • 由于技术的快速进步，当今的企业格局正在发生变化。
ai-hydra.pdf - 网络安全系统研究实验室
互联网的极度分散的架构使得恶意软件得以传播，对开发针对此类恶意软件传播的防御措施提出了重大挑战。虽然基于机器学习的恶意软件检测模型可以改进应对此问题的方法，但它们的检测率会根据其特征和分类方法而有所不同。尽管使用了适当的训练数据集，但用于恶意软件检测的单一机器学习方法的有效性会根据其分类器的适用性而有所不同。一些分类器在恶意训练数据集上的检测率很高，但在良性训练数据集上的检测率很低，并且误报率特别依赖于使用适当的分类器。在本文中，我们提出了一种基于机器学习的混合决策模型，该模型可以实现高检测率和低误报率。该混合模型结合了随机森林和深度学习模型，分别使用 12 个隐藏层来确定恶意软件和良性文件。该模型还包括某些拟议的投票规则以做出最终决策。在涉及 6,395 个非典型样本的实验中，该混合决策模型的检测率（85.1%，标准差为 0.006）高于没有投票规则的先前模型（65.5%）。2020 作者。由 Elsevier Inc. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（ http://creativecommons.org/licenses/by-nc-nd/4.0/ ）。
人工智能系统分类模型
设计和部署人工智能 (AI) 系统的组织越来越多地致力于高层次的道德原则。然而，人工智能伦理的原则和实践之间仍然存在差距。组织在尝试实施人工智能伦理时面临的一个主要障碍是缺乏明确定义的物质范围。换句话说，人工智能伦理原则应该适用于哪些系统和流程的问题仍未得到解答。当然，人工智能并没有普遍接受的定义，不同的系统带来不同的道德挑战。然而，务实的解决问题要求对事物进行分类，以便它们的分组能够促进某些特定目的的成功行动。在本文中，我们回顾并比较了以前为在实践中实施人工智能治理而对人工智能系统进行分类的尝试。我们发现，以前文献中对人工智能系统进行分类的尝试使用了以下三种心智模型之一：转换模型，即一种二元方法，根据系统的特征将系统视为或不视为人工智能系统；阶梯模型，即一种基于风险的方法，根据系统所带来的道德风险对其进行分类；矩阵，即多维系统分类，考虑了各种方面，例如上下文、数据输入和决策模型。这些用于对人工智能系统进行分类的模型各有优缺点。通过将对人工智能系统进行分类的不同方式概念化为简单的心理模型，我们希望为设计、部署或监管人工智能系统的组织提供在实践中实施人工智能治理所需的概念工具。
利用人工智能协助道德和...
为确保及时接种疫苗，许多国家和地方当局已制定了新冠疫苗分发计划，确定了优先接种人群和实施阶段 [ 2 ]。世界卫生组织 (WHO) 发布了由 SAGE (战略咨询专家组) 认可的新冠疫苗分配和优先排序价值框架和路线图，与确保所有国家迅速和公平获得新冠疫苗的全球倡议 COVAX 保持一致 [ 3 ]。然而，疫苗的实地分发面临着前所未有的技术难题，例如供应有限、持续时间不明确、双重注射、特殊物流要求等。[ 3 ]。尽管各国和国际组织认识到疫苗分配决策的核心因素是科学性和伦理性[2-4]，但传统的静态决策模型在应对这一复杂情况方面存在许多不足。首先，决策过程涉及多个维度，例如国际合作机制的目标和原则、国家和地方计划以及规划活动的范围（世卫组织列出了10项活动，包括规划和协调、预算、监管、优先排序、服务、培训等）[5]。其次，决策过程中存在不确定因素，例如有关病毒的一些关键问题仍不清楚，包括疫苗的有效性和持续时间，以及正在开发的候选疫苗将如何进展。第三，决策过程的整体流行病学背景 [ 4 ] 不断变化，因此尚未完全了解。此外，疫苗的部署及其对流行病学状况的影响是动态的，需要实时了解。
2024-2026 年战略警务计划
这一变化背后的驱动力在于当今全球化的技术、通信和金融世界。这些进步不仅助长了非法企业，还使各行各业的职业罪犯得逞。这一现实需要我们了解国际有组织犯罪和恐怖主义网络——这是警务界广泛接受的范式。世界各地的执法机构必须采用互联互通的网络结构来有效应对这些威胁。开曼协会对现代化警察服务不断变化的期望与我们减少犯罪和加强公共安全的承诺产生了强烈共鸣。将我们的社区视为核心利益相关者是改进我们警务服务的关键。我们必须以发现驱动的学习为基础，保持敏捷和创新。作为领导者，我们必须鼓励在符合我们国家决策模型 (NDM) 的地方做出决策，而不能让旧习惯破坏组织的创造力。这种敏捷、创新的思维方式需要扩大警民伙伴关系和磋商，同时不断评估公众对 RCIPS 的满意度。我们生活在一个犯罪被美化并经常被用作引诱年轻人的手段的世界。开曼群岛也未能幸免于此问题，因此，我们必须齐心协力实施应对青少年暴力挑战的战略。这是一种多学科方法，涉及加强和多样化我们的社区参与，以阻止我们的年轻人发展反社会行为。RCIPS 秉承关爱、合作和负责的原则，努力与我们的合作伙伴合作并实施卓有成效的战略，为我们的社区提供服务。我们认为，合作对于制止犯罪活动和遏制反社会行为至关重要，并将使开曼群岛成为犯罪分子的敌对环境。
富含血小板的血浆（PRP）与护理标准（SOC）
目的：糖尿病足患者的慢性皮肤溃疡是一个重大的健康问题。糖尿病足溃疡（DFUS）显着威胁糖尿病患者的健康和寿命，导致严重的并发症，例如感染和截肢，并导致高发病率和死亡率。鉴于严重的影响，预防和管理DFU的实用策略对于降低截肢率至关重要。富含血小板的血浆（PRP）已成为一种流行的治疗选择，因为它模仿了人体的自然愈合过程。该研究的目的是评估美国背景下PRPR与护理标准的成本效益。方法：决策分析模型用于合成临床和经济参数。详细使用Markov决策模型进行了CEA分析，以评估持续三周多的慢性DFU和骨科并发症的高风险。该研究评估了不同治疗方法的有效性，该治疗方法在质量调整后的寿命（QALYS）中测量，并使用微型固定方法以及临床试验报告了2023美元的成本。结果：研究得出的结论是，与其他治疗方法相比，PRP凝胶是对非治疗DFU的一种具有成本效益的治疗方法，一年内的护理成本较低，并节省了五年的成本。结论：因此，PRP治疗是一种有前途且实用的选择，改善了患者的预后并降低了医疗保健费用。对于医疗保健提供者和保险公司管理非治疗糖尿病足溃疡，这是一个有吸引力的选择。关键字：成本效益分析，伤口管理，富含血小板的血浆，DFU，糖尿病足溃疡，溃疡
![arxiv：2408.13890v1 [cs.cv] 2024年8月25日](/simg/g:\will\search\icon\source\e\ef4a8befce0fd9b4bff9d7ef7d93ee36f59b29ad.webp)
arxiv：2408.13890v1 [cs.cv] 2024年8月25日
摘要。自动驾驶（AD）的数据驱动方法在过去十年中已被广泛采用，但面临着数据集偏见和无法解释性。受到人类驾驶的知识驱动性质的启发，最近的方法探讨了大型语言模型（LLMS）的潜力，以改善交通情况中的理解和决策。他们发现，使用经过三通链（COT）推理过程的下游数据上LLM的预处理范式可以增强可解释性和场景的理解。，这种流行的策略被证明遭受了臭名昭著的概率，而精制的婴儿床与随之而来的决策不符，而这种决策仍未受到以前基于LLM的AD方法的影响。为了解决这个问题，我们激励了基于多模式的LLM的端到端决策模型，该模型同时执行COT推理并执行计划结果。fur-hoverore，我们提出了配对的婴儿床和计划结果之间的推理决策对准约束，并在推理和决策之间施加了对应关系。此外，我们重新设计了COTS，以使模型能够理解复杂的方案并增强决策绩效。我们将建议的大型语言规划师与推理决策对齐为RDA驱动器。对Nuscenes和Drivelm-Nuscenes基准的实验评估证明了我们的RDA驱动器在增强最终AD系统性能方面的有效性。具体来说，我们的RDA驱动程序在Nuscenes数据集上实现了最先进的计划性能，具有0.80 L2误差和0.32的碰撞率，并且在挑战Drivelm-nuscenes基准方面取得了领先的结果，具有0.82 L2 L2误差和0.38碰撞率。