XiaoMi-AI文件搜索系统
World File Search System决策规则
文章：Thakker, D.、Mishra, BK、Abdullatif, A. 等人（另外 2 位作者）（2020 年）可解释的人工智能用于开发智能城市解决方案。《智能城市》，3 (4)。第 1353-1382 页。ISSN 2624-6511
摘要：用于开发智能城市解决方案的传统人工智能 (AI) 技术，机器学习 (ML) 和最近的深度学习 (DL)，更多地依赖于利用最具代表性的训练数据集和特征工程，而不是可用的领域专业知识。我们认为，这种解决方案开发方法使得解决方案的结果更难解释，即通常无法解释模型的结果。城市决策者越来越担心人工智能解决方案缺乏可解释性，这被认为是此类基于人工智能的解决方案获得更广泛接受和信任的主要障碍。在这项工作中，我们调查了“可解释深度学习”作为“可解释人工智能”问题的一个子集的概念，并提出了一种使用语义网技术的新解决方案，并在欧盟委员会资助的项目中通过智能城市洪水监测应用程序进行了演示。监测易受洪水问题影响的关键地理区域的沟渠和排水系统是任何洪水监测解决方案的重要方面。该问题的典型解决方案包括使用摄像机实时捕捉受影响区域的图像，其中包含不同的物体，例如树叶、塑料瓶等，并构建基于深度学习的分类器来检测这些物体，并根据图像中这些物体的存在和覆盖范围对堵塞进行分类。在这项工作中，我们独特地提出了一种可解释的人工智能解决方案，使用深度学习和语义网技术构建了一个混合分类器。在这个混合分类器中，深度学习组件检测物体的存在和覆盖程度，并使用与专家密切协商后设计的语义规则进行分类。通过利用洪水环境中的专家知识，我们的混合分类器可以灵活地使用物体及其覆盖关系对图像进行分类。通过实际用例展示的实验结果表明，与仅使用深度学习的分类器相比，这种混合图像分类方法的图像分类性能平均提高了 11%（F 测量）。它还具有独特的优势，即整合专家的知识来定义决策规则来表示复杂的情况，并利用这些知识来解释结果。
一位数字生活方式教练来支持 2 型糖尿病患者 - ...
背景：健康的生活方式，包括定期的体育锻炼和健康的饮食，在慢性病的治疗中变得越来越重要。结合行为改变技术 (BCT) 和动态定制策略的电子健康干预可以有效地支持健康的生活方式。E-Supporter 1.0 是一款电子教练，旨在支持 2 型糖尿病 (T2D) 患者进行体育锻炼和健康饮食。目标：本文旨在描述 E-Supporter 1.0 的系统开发。方法：我们的系统设计过程包括 3 个阶段。定义阶段包括选择目标群体和制定干预目标，以及确定行为决定因素，根据这些因素选择 BCT 应用于干预。在开发阶段，通过指定定制变量、干预选项和决策规则来开发干预内容。在最后阶段，使用可用性测试对 9 名 T2D 患者评估了 Diameter 应用程序中集成的 E-Supporter 1.0，以评估干预的使用情况和可接受性。结果：主要干预目标是刺激 2 型糖尿病患者进行轻度至中度剧烈的体育活动或遵守荷兰饮食指南。行为决定因素的选择由健康行动过程方法和解释行为维持的理论决定。BCT 被纳入以解决相关的行为决定因素（例如，行动控制、自我效能和应对计划）。干预的发展产生了 3 种类型的干预选项，包括激励信息、行为反馈和量身定制的支持性练习。根据 IF-THEN 规则，干预选项可以根据行为目标类型和目标实现（障碍）等进行量身定制。可以使用应用程序数据、活动跟踪器数据和每日生态瞬时评估收集有关这些变量的数据。可用性测试表明，尽管在固定内容交付方面存在一些问题，但用户体验主要是积极的。结论：系统开发方法产生了基于理论和动态定制的 eCoach。未来的工作应侧重于将干预内容扩展到其他慢性疾病和生活方式行为，提高个性化程度并评估干预效果的可接受性、使用性和成本效益。
通过量子电路表示具有二元特征的二元分类树
决策树是众所周知的预测模型，常用于数据挖掘和机器学习的广泛应用 [1-3]。一般来说，决策树可以看作是一种流程图结构，可用于查询数据。从根开始，每个内部节点代表对查询数据的测试，每个传出分支代表此测试的可能结果。对于二叉树，测试结果是一个布尔值，因此可以是真也可以是假（即每个内部节点有两个分支）。树的每个叶子都可以与一个决策相关联。因此，从根到叶子的路径意味着一组针对查询数据的决策规则，就像一个顺序决策过程。具体来说，我们考虑二叉分类树，其中叶子的决策决定了数据点对预定义的离散类集的成员资格。从给定数据集推断决策树是一项监督机器学习任务，也称为决策树归纳（或决策树学习）。然而，寻找全局最优解是 NP 难问题 [4, 5]，因此启发式递归算法在实践中更受青睐 [6]。此类算法通常以贪婪的自上而下的方式工作 [7]：从根开始，通过最小化数据不纯度函数来估计每个内部节点的最佳测试。相应地，沿着两个传出分支将数据集分成两个子集。对每个内部节点递归重复此过程，直到停止标准终止树的遍历并产生一个叶子节点，该叶子节点的分类决策基于节点内数据子集中存在的多数类。当所有路径都通向叶子节点时，算法结束。启发式创建的决策树并不能保证全局最优，但可能仍然适合实际用途。在量子计算的背景下，决策树可以被分配到量子机器学习领域 [8]。之前的几篇论文考虑了决策树和量子计算之间的相互作用。在 [9] 中，研究了决策树的遍历速度，并比较了经典方法和量子方法。作者发现两者之间没有优势。[10] 提出了一种启发式算法来诱导量子分类树，其中数据点被编码为量子态，并使用测量来找到最佳分割。然而，部分算法
战略管理说明-CA Sri Lanka
战略管理记录策略和策略的过程概念术语策略术语源自希腊语策略，这意味着将军。计划或行动方案或一组决策规则制定模式或创建共同线程。公司的策略是一项全面的总体计划，指出公司将如何实现其使命和目标。它可以最大化竞争优势并最大程度地减少竞争不利地位。典型的商业公司通常会考虑三种类型的策略：公司，业务和职能。战略管理的定义：战略管理被定义为对实现组织战略意图的战略的制定，实施，评估和控制的动态过程。 战略管理是决定公司长期绩效的一系列管理决策和行动。 它包括环境扫描（外部和内部），战略制定（战略或远距离计划），策略实施以及评估和控制。 因此，战略管理的研究强调了公司优势和劣势中对外部机会和威胁的监控和评估。 对战略管理的需求1。 战略管理是管理人员可用的主要手段，以应对组织内部和外部组织的变化范围的提高。 这是由于企业运营的技术，社会和经济环境所致，这些环境越来越波动且不可预测2。。 3。 4。战略管理的定义：战略管理被定义为对实现组织战略意图的战略的制定，实施，评估和控制的动态过程。战略管理是决定公司长期绩效的一系列管理决策和行动。它包括环境扫描（外部和内部），战略制定（战略或远距离计划），策略实施以及评估和控制。因此，战略管理的研究强调了公司优势和劣势中对外部机会和威胁的监控和评估。对战略管理的需求1。战略管理是管理人员可用的主要手段，以应对组织内部和外部组织的变化范围的提高。这是由于企业运营的技术，社会和经济环境所致，这些环境越来越波动且不可预测2。3。4。信息，通信和操作技术的进步不仅显着改变了现有组织的运作方式，而且创造了一个全新的业务活动领域。客户也变得更加受过教育，知情和要求，同时又变得不那么忠诚。这需要更有效的方法来服务它们，同时保持在竞争边缘。除了外部挑战之外，现在，组织本身处于动荡状态的挑战中，管理层还面临着进一步的面临。一些组织变得如此大而复杂，以至于它们扩展了传统管理理论的可行性，而其他组织则经历了大量的缩小和重新调整其活动。所有经理必须了解其活动如何为组织的运营增值。战略管理是所有经理的责任
对整个疾病模型进行系统评价，为医疗资源分配决策提供参考
卫生经济模型通常用于世界许多国家医疗资源分配决策[1-5]。模型提供了一种明确的方法来构建决策问题并综合所有相关证据来估计给定健康状况（通常为终生健康状况）下替代医疗干预措施的预期成本和后果。传统的卫生经济模型是“分段的”，因为它们通常解决护理路径中特定决策点的单个决策问题。分段模型代表了英国国家健康与临床优化研究所 (NICE) 和其他类似机构用于指导有关卫生技术可用性的决策的标准分析方法[6-8]，但它们受到一些局限性[9]。其中第一个局限性与未能捕捉不同干预措施之间的系统相互依赖性有关。任何新干预措施的成本效益不仅取决于新干预措施本身的成本和有效性，还取决于现行系统的配置，即现有干预措施的可用性、成本和有效性[9,10]。例如，针对某种癌症类型的新检测的成本效益可能取决于目前对确诊疾病患者的推荐治疗方案，以及对无症状个体的筛查计划的可用性。由于分段模型的范围有限，这种用于同一病症的干预措施之间的系统级相互依赖性很少能被充分捕捉。其次，分段模型通常采用简单的分段成本/质量调整生命年 (QALY) 阈值规则，该规则不明确考虑预算约束 [11,12]。然而，有充分的证据表明，反复应用基于阈值的决策规则可能会导致医疗保健支出不受控制地增长 [13-18]。第三，大多数模型的开发目的都是为了为更广泛医疗途径中的单个决策问题提供信息。这意味着，在整个疾病领域，报销和覆盖范围决策基于许多异步开发的离散经济模型，这些模型往往应用不同的模型结构、假设和证据。这可能导致两个解决同一决策问题的模型得出不一致的结论，有可能导致次优的采用决策[19-25]。系统级模型涵盖整个疾病领域的重要事件、健康结果和成本，是解决传统分段模型局限性的潜在方法。三个著名的系统级模型包括美国阿基米德糖尿病模型[26]、美国冠心病 (CHD) 政策模型[27]和英国 CHD 模型[28]。虽然这种建模方法可以追溯到 1977 年 [ 29 ]，但直到 2012 年 Tappenden 等人提出了全疾病模型 (WDM) 的方法框架 [ 9 ]，它才得到很好的定义。简而言之，WDM 是一个系统级的通用疾病模型，可以对整个疾病和治疗途径（包括预防、检测、诊断和治疗）中的选项进行一致的经济分析 [ 9 ]。由于这些模型的范围更广，它们侧重于整个疾病和治疗途径，而不是
对整个疾病模型的系统评价，用于告知医疗资源分配决策
健康经济模型通常用于为全球许多国家的医疗保健资源分配决策提供信息[1-5]。模型提供了构建决策问题并综合所有相关证据的明确手段，以估算给定健康状况（通常在一生中）内的替代卫生保健干预措施的预期成本和后果。常规健康经济模型是“分段”，因为它们典型地在护理途径的特定决策点上解决了一个决策问题。“零件”模型代表了国家卫生与护理研究所（NICE）和其他地方的类似机构提供有关健康技术可用性的决策的标准分析方法[6-8]，但它们受到了一些局限性[9]。其中的第一个涉及不同干预措施之间的系统相互依存关系。任何新干预措施的成本效益不仅取决于新干预本身的成本和有效性，还取决于预批次系统的配置，即现有干预措施的可用性，成本和有效性[9，10]。例如，针对给定癌症类型的新测试的成本效益可能取决于针对诊断疾病的患者的适当建议的治疗选择，以及无症状患者筛查计划的可用性。这种类型的系统级相互依赖性在用于同一条件的干预措施之间，由于其有限的范围，很少会被分段模型充分限制。第二，分段模型通常采用每个质量调整的生命年（QALY）阈值规则的简单分段成本，该规则不明确考虑预算限制[11，12]。但是，已经有充分的文献证明，基于阈值的决策规则的重复应用可能导致医疗保健支出的不受控制[13-18]。第三，大多数模型都是为了在更广泛的护理途径中告知单个决策问题。这意味着在整个疾病领域，报销和覆盖范围决策基于许多倾向于采用不同模型结构，假设和证据的Asyn-Gronen-Grone-Gronaper of Spections Intronaper开发的经济模型。这可能导致这样一种情况，即两个解决同一决策问题的模型会产生不一致的结论，并有可能导致最佳采用决策[19-25]。系统级模型包括重要事件，整个疾病领域的健康成果和成本，代表了解决常规分段模型局限性的潜在手段。系统级模型的三个众所周知的例子包括美国档案糖尿病模型[26]，美国冠心病（CHD）政策模型[27]和英国CHD模型[28]。尽管这种建模方法可以追溯到1977年[29]，但直到2012年Tappenden等到2012年。为全疾病模型（WDM）设置了方法学框架[9]。由于这些模型的更广泛范围，该模型的重点是整个疾病和治疗途径简而言之，WDM是一种系统级通用疾病模型，可以对整个疾病和治疗途径的期权进行一致的经济分析，包括预防，检测，诊断和治疗[9]。