XiaoMi-AI文件搜索系统
World File Search System决策类型
2024 年战略计划
1.7 创建一个框架，使长期计划能够实现其主要价值主张——为近期决策提供信息，包括工作计划、预算、绩效管理等。这可能包括一个常青社区愿景，以指导未来的计划发展、计划层次结构、每个计划应告知的决策类型、对计划更新时间表的承诺（即每 5 年制定一次一级计划，每年进行修订等）。
预测和健康管理中后预测决策的回顾
预测和健康管理 (PHM) 过程主要基于三个过程：数据采集和健康评估过程（其中采集和处理传感器信号）、诊断和预测过程（其中检测故障源并预测剩余使用寿命 (RUL)）以及最终决策过程（指预测和健康管理中的术语管理）。本文回顾了文献中关于 PHM 背景下决策的不同方面。选定的论文将接受内容评估并根据决策类型分组。此外，本文还对以前的研究进行了综合，有助于确定决策过程中的新趋势和不足之处。综合研究可以指导未来的工作。
预测和健康管理中后预测决策的回顾
预测和健康管理 (PHM) 过程主要基于三个过程：数据采集和健康评估过程（其中采集和处理传感器信号）、诊断和预测过程（其中检测故障源并预测剩余使用寿命 (RUL)）以及最终决策过程（指预测和健康管理中的术语管理）。本文回顾了文献中关于 PHM 背景下决策的不同方面。选定的论文将接受内容评估并根据决策类型分组。此外，本文还对以前的研究进行了综合，有助于确定决策过程中的新趋势和不足之处。综合研究可以指导未来的工作。
基于 AI 的系统中架构决策
摘要。构建基于 AI 的系统需要做出一些特定于此类系统的决策。因此，有必要收集所有必要的知识来为此类决策提供信息，并以促进不同 AI 项目之间知识转移的形式表达这些知识。在这篇探索性论文中，我们首先介绍该领域文献调查的主要结果，然后提出一个用于架构决策的初步本体，我们使用文献综述中选择的论文子集对其进行了举例说明。在讨论中，我们评论了决策类型和系统环境的多样性，强调需要进一步研究该领域的当前研究和实践状况。此外，我们总结了通过扩大文献综述并将更多与 AI 相关的概念纳入本体的第一个版本来推进这一研究领域的计划。
量子密码学中的单向性
单向函数的存在是经典加密策略中最基本的假设之一。在量子世界中，有些证据表明，即使单向函数不存在，也可以存在一些加密原语[Kretschmer，TQC 2021; Morimae和Yamakawa，Crypto 2022； Ananth，Qian和Yuen，Crypto 2022]。因此，我们在量子密码学中存在以下重要的开放问题：量子cryp- tography中最基本的假设是什么？In this direction, [Brakerski, Canetti, and Qian, ITCS 2023] recently defined a notion called EFI pairs, which are pairs of efficiently generatable states that are statistically distinguishable but com- putationally indistinguishable, and showed its equivalence with some cryptographic primitives including commitments, oblivious transfer, and general multi-party computations.但是，他们的工作着重于决策类型的基础，并且不涵盖搜索类型的原语，例如量子货币和数字签名。在本文中，我们研究了单向状态发生器（OWSG）的性质，这是Morimae和Yamakawa提出的单向函数的量子类似物。我们首先重新审视OWSG的定义，并通过允许混合的输出状态概括它。然后我们显示以下结果。
量子密码学中的单向性 - 滴
单向函数的存在是经典cryp-图表中最基本的假设之一。在量子世界中，有些证据表明，即使单向函数不存在，也可以存在一些加密原语[Kretschmer，TQC 2021; Morimae和Yamakawa，Crypto 2022； Ananth，Qian和Yuen，Crypto 2022]。因此，我们在量子密码学中存在以下重要的开放问题：量子密码学中最基本的假设是什么？In this direction, [Brakerski, Canetti, and Qian, ITCS 2023] recently defined a notion called EFI pairs, which are pairs of efficiently generatable states that are statistically distinguishable but computationally indistinguishable, and showed its equivalence with some cryptographic primitives including commitments, oblivious transfer, and general multi-party computations.但是，他们的工作着重于决策类型的基础，并且不涵盖搜索类型的原始图，例如量子货币和数字签名。在本文中，我们研究了单向状态发生器（OWSG）的性质，这是Morimae和Yamakawa提出的单向函数的量子类似物。我们首先重新访问OWSG的定义，并通过允许混合输出状态进行概括。然后我们显示以下结果。
随着人工智能 (AI) 在过去十年中取得了长足进步，机器学习 (ML) 支持的医疗设备越来越多地被使用在 h 中
随着人工智能 (AI) 在过去十年中取得了长足进步，机器学习 (ML) 支持的医疗设备在医疗保健领域的应用也日益广泛。在本文中，我们对 FDA 批准的人工智能和机器学习 (AI/ML) 支持的医疗设备进行了全面分析，并对审批途径、审批时间表、监管类型、医学专业、决策类型、召回历史等进行了深入分析。我们发现自 2018 年以来，审批数量大幅增加，其中放射学专业在机器学习工具的应用中占据明显主导地位，这归因于来自常规临床数据的丰富数据。该研究还揭示了对 510(k) 审批途径的依赖，强调其以实质等效性为基础，并且经常绕过新的临床试验的需要。此外，它还指出，以儿科为重点的设备和试验代表性不足，表明该人群有机会扩展。此外，临床试验的地理限制（主要在美国境内）表明需要进行更具全球包容性的试验，以涵盖不同的患者人群。这项分析不仅描绘了 AI/ML 支持的医疗设备的当前格局，还指出了趋势、潜在差距以及未来探索、临床试验实践和监管方法的领域。
entre 510：企业家策略
课程目标企业家精神是追求当前正在控制的资源之外的机会。在企业家环境中进行战略性行动通常需要解决不确定性，快速迭代和实验，并且承认游戏的“规则”尚未固定并开放塑造。本课程的目的是识别和理解影响企业家环境成功的基本战略原则。，该课程将强调企业家做出的战略意义的哪些决策类型 - 塑造其他决策的回报，将企业家吸引到具有不同类型的竞争对手的不同类型的“游戏”中，或者创造其他类型的路径依赖性。核心主题包括：业务模型设计，企业家实验，产品市场拟合，新生与既定的市场，资源和价值路径，扩展，竞争动态和最终游戏。教学方法本课程通过案例研究，讲座，活动和项目介绍了企业家策略和决策的基础，这些策略，活动和项目涵盖了各种行业的成长企业。通过积极地在课堂上做出贡献并完成每个作业，您将学习启动和发展创业企业所需的工具。您应该查看Canvas课程的网站，以便在每个课程之前进行的准备工作。您将如何在本课程中学习：
探索以人为本的人工智能解释对信任和依赖的影响
透明度被广泛认为对于人工智能 (AI) 在现实世界中的负责任部署至关重要，也是建立对 AI 的信任的必要先决条件。实现透明度的方法有很多种，其中一种很有前途的尝试是以人为本的解释。然而，很少有研究关注以人为本的解释对最终用户信任的有效性。现有实证研究的比较之所以复杂，是因为信任的衡量方式不同。一些研究人员使用问卷来衡量主观信任，而另一些研究人员则衡量客观的信任相关行为，如依赖。为了弥合这些差距，我们研究了两种有前途的以人为本的事后解释——特征重要性和反事实——对信任和依赖的影响。我们在决策实验 (N = 380) 中将这两种解释与控制条件进行了比较。结果表明，以人为本的解释可以显著增加依赖性，但决策类型（提高价格还是降低价格）的影响更大。这挑战了透明度在涉及人工智能的人类决策中相对于其他因素（例如潜在的启发式和偏见）的假定重要性。我们得出结论，信任并不一定等同于依赖，并强调了适当、经过验证和商定的指标对于设计和评估以人为本的人工智能的重要性。
文章 FDA 批准的人工智能和机器学习 (AI/ML) 医疗设备：最新情况
摘要：随着人工智能 (AI) 在过去十年中飞速发展，支持机器学习 (ML) 的医疗设备越来越多地应用于医疗保健领域。在本研究中，我们收集了截至 2023 年 10 月 19 日最新更新的美国 FDA 批准的 AI/ML 医疗设备的公开信息。我们对总共 691 种 FDA 批准的人工智能和机器学习 (AI/ML) 医疗设备进行了全面分析，并对审批途径、审批时间表、法规类型、医学专业、决策类型、召回历史等进行了深入分析。我们发现自 2018 年以来，审批数量大幅增加，放射科专业在机器学习工具的应用中占据明显主导地位，这归因于来自常规临床数据的丰富数据。该研究还揭示了对 510(k) 审批途径的依赖，强调其以实质等效性为基础，并且经常绕过新的临床试验的需要。此外，它还指出，针对儿科的设备和试验代表性不足，这表明该人群存在扩展机会。此外，临床试验的地理限制（主要是在美国境内）表明需要进行更多全球包容性试验以涵盖不同的患者人群。该分析不仅描绘了 AI/ML 支持的医疗设备的当前格局，还指出了趋势、潜在差距以及未来探索的领域、临床试验实践和监管方法。总之，我们的分析揭示了 FDA 批准的 AI/ML 支持的医疗设备的现状和流行趋势，有助于更广泛地理解。