XiaoMi-AI文件搜索系统
World File Search System因果分析
人工智能中的“快思考”与“慢思考”：元认知的作用
近年来，人工智能系统取得了长足进步，带来了许多渗透到我们日常生活的应用。然而，我们看到的仍然主要是狭义人工智能的例子：许多近期发展通常集中在非常有限的能力和目标上，例如图像解释、自然语言处理、分类、预测等等。此外，虽然这些成功可以归功于算法和技术的改进，但它们也与海量数据集和计算能力的可用性密切相关 [ 21 ]。最先进的人工智能仍然缺乏许多自然包含在（人类）智能概念中的能力。这些能力的例子有普遍性、适应性、鲁棒性、可解释性、因果分析、抽象、常识推理、道德推理 [ 28 ]，以及由隐性和显性知识支持的复杂而无缝的学习与推理集成 [ 20 ]。
《特内里费岛事故分析科学杂志》 - DergiPark
航空运输被认为是最安全的运输方式。然而，如果发生事故，往往会以灾难告终。因此，人们付出了巨大的努力来维持航空业的成功运营。已经进行了多项研究来了解事故的根本原因。本研究使用故障树分析 (FTA)、故障模式和影响分析 (FMEA) 和基于系统理论的因果分析 (CAST) 方法来分析特内里费飞机事故，并比较不同方法的结果。研究结果表明，虽然这三种方法都提供了一些重叠的结果，但 CAST 方法可以识别出其他方法识别出的所有原因。考虑到因果因素的性质，FMEA 提供的与组织和技术相关的因果因素比 FTA 更多。这项研究表明，CAST 对于识别所有可以通过传统方法识别的原因具有重要价值。
UPS 1354 航班 CFIT 事故 - Nancy Leveson
提出了一些建议，但很少有被广泛使用的。本案例研究展示了一种结构化流程 CAST（基于系统理论的因果分析），该流程基于更强大的事故因果模型，可以改善事故调查结果。所用的案例研究是 2013 年 8 月 14 日一架 UPS A300-600 飞机在伯明翰-沙特尔斯沃思国际机场降落时发生的 CFIT（受控飞行撞地）事故。将结果与 NTSB 官方事故报告进行了比较。NTSB 流程通常被认为是事故调查的“黄金标准”，事实上，他们做得非常出色。因此，对结果进行比较可以说明如何改进事故调查和分析，超越 NTSB 和大多数其他机构使用的标准方法。
分析外国直接投资，材料足迹和ICT对撒哈拉以南非洲国家的负载能力因素的影响
本研究探讨了外国直接投资（FDI），材料足迹，经济增长以及信息与通信技术（ICT）如何影响37个撒哈拉以南非洲（SSA）国家的负载能力因子（LCF）。分析利用了1970年至2019年的数据，并采用了一系列强大的计量经济学技术（FM-ols，d-ols，dsur）。发现发现物质足迹与LCF之间存在令人惊讶但显着的正相关。相反，经济增长，外国直接投资和ICT都与LCF表现出负面关系。有趣的是，因果分析表明，这些变量（ICT，材料足迹和经济增长）对LCF具有双向影响，这意味着它们既影响又受其影响。这些见解突出了经济发展，物质足迹和技术进步之间在塑造SSA的LCF方面的复杂相互作用。这项研究结束了，为SSA国家提供明确的政策建议，以优化其LCF。
经验的生物嵌入：表观遗传学的底漆
生物嵌入会发生时，生活经历会改变生物学过程以影响以后的生活健康和福祉。尽管存在广泛的相关数据，但仍支持表观遗传机制（例如DNA甲基化基础生物学嵌入）的观念，但缺乏因果数据。我们描述了特定的表观遗传机制及其在经验生物嵌入中的潜在作用。我们还考虑了基因组，表观基因组和基因表达之间的细微关系。我们将生物学嵌入到其复杂性中的生物学嵌入到表观遗传景观的能力受到了多种因素的影响而具有挑战性和复杂性。这些包括细胞类型，年龄，经验时机，性别和DNA序列。分子分析和表观基因组编辑的最新进展，再加上比较动物和人类纵向研究，应使该领域能够从相关性分析过渡到因果分析。
多任务环境中的人为错误 - IEOM
多任务处理对人类行为和绩效有严重影响。如果执行得当，它可能有助于降低成本并提高整个组织的绩效 [4]。但是，如果一个人不能执行多任务处理，则可能会发生错误，这可能导致职业健康和安全风险、事故、基础设施损坏和绩效下降。近年来，人类的多任务处理受到了广泛关注 [5]。特别是，错误管理已成为多项研究工作的重点。不幸的是，作者并不知道最近对该领域发展的调查。本文旨在通过回顾最新研究并强调该领域的挑战来填补这一空白。首先，我们介绍人类的多任务处理并概述该领域的研究主题。然后，我们介绍多任务处理中的错误，并重点介绍因果分析。接下来，我们讨论错误建模、分析方法和测量技术。然后，我们重点介绍错误管理策略。最后，我们讨论现有的努力并强调未来的研究方向。
微处理和机器学习
Sommersester/2025夏季学期，本课程将微观学技术与现代机器学习方法结合在一起，为学生提供高级工具来处理大型数据集并进行严格的因果分析。研讨会分为教学部分和研讨会部分。在教学部分中，学生将参加四个半天的课程。该课程将涵盖基本技术，例如可变选择和交叉验证，以及山脊，套索和弹性网等收缩方法。我们还将探索分类方法，包括Logit和K-Nearest邻居（K-NN）。此外，该课程将解决在因果推理环境中使用许多控件和仪器变量的方法，从而为学生提供工具，以提供更强大的因果关系估计。在第二部分中，学生将撰写有关理论主题的研讨会论文，课程中讨论的方法的应用或其他相关的机器学习方法。Studiiengang：程序：
通过...提高性能和电力生产
苏加诺-哈达国际机场是 PT Angkasa Pura II 作为机场运营商管理的机场之一。苏加诺-哈达机场有几座 PLTS（太阳能发电厂），其中一个位于机场 3 号航站楼。3 号航站楼有 2 个 PLTS，分别是国内 3 号航站楼容量为 2×60 KWp 的 PLTS 和国际 3 号航站楼容量为 2×60 KWp 的 PLTS。从技术上讲，根据活动报告，2020 年 PLTS 的产值在性能和产量上有所下降。本文的目的是计算 OEE 值，识别六大损失，并分析维护和维修数据，以实施 TPM（全面生产维护）概念，提高光伏微电网的性能和产量。本文使用的方法是计算 OEE 值、六大损失并使用鱼骨图进行因果分析。根据计算结果，国际航站楼 3 的 OEE 值为 95.59%，国内航站楼 3 的 OEE 值为 94.56%。机场的预期可用性值高于 99.18%，但国内航站楼 3 的可用性值为 96.93%。关于六大损失值的计算，百分比最大的是减少速度损失，其中国际航站楼 3 的值为 95.71%，国内航站楼 3 的值为 94.35%。减少速度损失与 PLTS 的运行功能运行不畅有关，从而影响性能和效率
人工智能中的“快思考”与“慢思考”
动机和总体愿景 近年来，人工智能系统取得了长足进步，带来了许多成功的应用，这些应用渗透到了我们的日常生活中。然而，我们看到的仍然是狭义人工智能的例子：这些发展通常都集中在一组非常有限的能力和目标上，例如图像解释、自然语言处理、标签分类、预测等等。此外，虽然这些成功可以归功于改进的算法和技术，但它们也与海量数据集和计算能力的可用性密切相关（Marcus 2020）。最先进的人工智能仍然缺乏许多自然包含在智能概念中的能力，例如，如果我们将这些人工智能技术与人类能够做的事情进行比较。这些能力的例子包括可概括性、鲁棒性、可解释性、因果分析、抽象、常识推理、道德推理，以及由隐性和显性知识支持的复杂而无缝的学习和推理集成。目前，人工智能社区的大多数人正在尝试解决人工智能的当前局限性，并使用各种方法创建能够显示更多类似人类特质的系统。主要争论之一是端到端神经网络方法是否可以实现这一目标？或者我们是否需要将机器学习与符号和基于逻辑的人工智能技术相结合？我们认为集成路线是最有前途的，并且
![arXiv:2010.06002v2 [cs.AI] 2020 年 12 月 15 日](/simg/g:\will\search\icon\source\0\099814195c1c883b96a2d64fc475677cebd2004d.png)
arXiv:2010.06002v2 [cs.AI] 2020 年 12 月 15 日
动机和总体愿景 近年来，人工智能系统取得了长足进步，带来了许多成功的应用，这些应用渗透到了我们的日常生活中。然而，我们看到的仍然是狭义人工智能的例子：这些发展通常都集中在一组非常有限的能力和目标上，例如图像解释、自然语言处理、标签分类、预测等等。此外，虽然这些成功可以归功于改进的算法和技术，但它们也与海量数据集和计算能力的可用性密切相关（Marcus 2020）。最先进的人工智能仍然缺乏许多自然包含在智能概念中的能力，例如，如果我们将这些人工智能技术与人类能够做的事情进行比较。这些能力的例子包括可概括性、鲁棒性、可解释性、因果分析、抽象、常识推理、道德推理，以及由隐性和显性知识支持的复杂而无缝的学习和推理集成。目前，人工智能社区的大多数人正在尝试解决人工智能的当前局限性，并使用各种方法创建能够显示更多类似人类品质的系统。主要争论之一是端到端神经网络方法是否可以实现这一目标？或者我们是否需要将机器学习与符号和基于逻辑的人工智能技术相结合？我们认为集成路线是最有前途的，