XiaoMi-AI文件搜索系统
World File Search System支持系统
利用人工智能（AI）的大坝运行支持系统
事实证明，浅层神经网络可以高精度地预测以前经历过的洪水模式下的大坝流量。另一方面，正如御所水坝的情况一样，当洪水史无前例时，准确度就会很低。基于AI的大坝运营支持系统通过让AI学习经验丰富的大坝管理者进行的理想大坝运营及其决策标准，即时显示建议的大坝排放量。通过实施该系统，可以最大限度地利用大坝的蓄水能力，同时有助于减少对下游河流的破坏并做出有关高级运营的决策。 希望该系统将来能够用于更高效、更有效的大坝运行。
驾驶舱中的神经科学工具：迈向有意义的疲劳风险管理决策支持系统
摘要。疲劳的飞行员容易出现认知障碍，从而降低他们的表现和对高安全标准的遵守。鉴于当前航空业面临的挑战，我们报告了我们正在进行的关于重新评估机组人员人为因素研究的项目的早期阶段。我们的动机源于航空组织需要为运营航空环境开发决策支持系统，能够为组织的疲劳风险管理工作提供信息。为此，关键标准是需要尽可能减少干扰并为安全系统增加信息价值。摆脱合规性疲劳风险管理中的问题和临床研究的侵入性，我们报告了一种神经科学方法，能够产生可以轻松集成到运营层面决策支持系统中的标记。报告我们实时项目的初步阶段，我们评估了适合开发跟踪细微飞行员状态（例如困倦和微睡眠事件）的系统的工具。
基于临床的决策支持系统
摘要 在极其复杂和困难的过程和情况下做出正确的决策一直是一项关键任务，也是临床上的一项挑战，并导致了大量的临床、法律和道德惯例、协议和反思，以保证临床决策的公平、参与和最新途径。然而，过程和物理现象的复杂性、时间和经济限制，以及医学和医疗保健领域的进一步努力和成就，不断提高了评估和改进临床决策的必要性。本文探讨了所谓的人工智能驱动的决策支持系统 (AI-DSS) 的兴起是否以及如何挑战临床决策过程。首先，本文分析了 AI-DSS 的兴起将如何影响和改变临床中不同代理之间的交互模式。第二步，我们指出这些不断变化的互动模式也意味着信任条件的变化、透明度方面的认知挑战、代理的基本规范概念及其在具体部署环境中的嵌入，以及最终对（可能的）责任归属的影响。第三，我们得出关于临床 AI-DSS 的“有意义的人为控制”的进一步步骤的初步结论。
基于人工智能的医疗保健决策支持系统中的固有偏见
现有文献表明，医疗保健中使用的基于人工智能的系统存在缺陷，会对其达到预期水平的能力产生不利影响 [1]。这主要是由于这些系统存在固有偏见。因此，迫切需要理解与这种偏见相关的一些关键概念。为了分析这种偏见，将基于人工智能的系统视为信息系统非常重要。因此，分析与信息偏见相关的一些关键概念非常重要。Althubaiti [2] 将医疗保健中的信息偏见定义为“研究设计、实施或分析中的任何系统性错误”。这揭示了两种重要的偏见类型：（a）信息偏见和（b）选择偏见。关于实验设计偏差，Althubaiti [ 2 ] 认为，这种形式的偏差很多时候本质上是无意的。在本文中，作者还提出了自我报告系统可能由于抽样方法（尤其是使用便利抽样时）、回忆期和选择性回忆而产生偏差的观点。值得注意的是，基于人工智能的决策支持系统使用来自现有文献和其他可用形式的实验结果的知识。在这种情况下，讨论中的偏差可以被认为是实验方法及其相关选择过程的结果。关于这个问题，Gurupur 等人[ 3 ] 解释了用于分析的方法如何影响结果的准确性。在他们的实验中，研究人员更加强调计算能力更强的技术，这些技术在分析医疗保健数据时会消耗更多的计算能力。值得注意的是，分析的准确性还取决于用于此目的的输入数据的准确性。基于这一论点，我们现在有三个导致推荐系统知识库出现整体偏差的基本参数：（a）由于不准确的数据分析而导致的偏差，（b）由于来自可靠资源的虚假信息而发生的偏差，以及（c）由于实验设计和实施而发生的偏差。参与决策支持系统综合的数据和知识工程师在开发系统时必须考虑这些偏差类别 [ 4 ]。Henriksen 和 Kaplan [ 5 ]
使用模拟中心评估人工智能驱动的抑郁症治疗临床决策支持系统对医患互动的影响
通讯作者：David Benrimoh，david.benrimoh@mail.mcgill.ca 致谢：我们要感谢斯坦伯格模拟和互动学习中心的工作人员在协助执行这项研究方面提供的帮助，以及参与研究的标准化病人 (SP) 的卓越表现和反馈质量。遵守道德标准和道德考虑：本研究已获得道格拉斯心理健康大学研究所研究伦理委员会的批准。所有参与者，包括标准化病人，均提供了书面知情同意书。本研究是根据三委员会关于研究伦理的声明进行的。披露：David Benrimoh、Myriam Tanguay-Sela、Kelly Perlman、Sonia Israel、Joseph Mehltretter、Caitrin Armstrong、Robert Fratila、Colleen Rollins 和 Marc Miresco 是 Aifred Health 的股东、员工或董事。Christina Popescu、Eryn Lundrigan、Emily Snook、Marina Wakid、Jérôme Williams、Ghassen Soufi、Tamara Perez 和 Katherine Rosenfeld 是 Aifred Health 支付薪水的研究助理。Sagar Parikh、Jordan Karp 和 Katherine Heller 是 Aifred Health 科学顾问委员会的成员，他们已经或可能在不久的将来获得该公司的股份。Howard Margolese 因参与演讲局、咨询、顾问委员会会议和临床研究而获得 Acadia、Amgen、HLS Therapeutics、Janssen-Ortho、Mylan、Otsuka-Lundbeck、Perdue、Pfizer、Shire 和 SyneuRx International 的酬金、赞助或资助。所有其他作者均未报告相关冲突。资金来源：模拟中心和 SP 的工作是麦吉尔大学和斯坦伯格模拟与互动学习中心举办的临床创新竞赛奖金的一部分，得到了 Hakim 家族的慷慨支持。研究助理、软件和参与者报酬由 Aifred Health 提供。加拿大联邦政府的青年就业计划也提供了一笔资助来支持这项工作。
可解释知识支持系统的方向
摘要。几十年来，人们对可解释人工智能领域的兴趣一直在增长，最近更是加速增长。随着人工智能模型变得越来越复杂，而且往往越来越不透明，并结合了复杂的机器学习技术，可解释性变得更加重要。最近，研究人员一直在以用户为中心研究和解决可解释性问题，寻找考虑可信度、可理解性、明确出处和情境感知的解释。在本章中，我们利用对人工智能和密切相关领域的解释文献的调查，并利用过去的努力来生成一组解释类型，我们认为这些解释类型反映了当今人工智能应用对解释的扩展需求。我们定义了每种类型，并提供了一个示例问题来激发对这种解释风格的需求。我们相信这组解释类型将有助于未来的系统设计师生成和确定需求的优先级，并进一步帮助生成更符合用户和情境需求的解释。
基于CART决策树和SMO算法概括规则的桥梁管理实时决策支持系统
摘要：在桥梁的动态条件下，我们需要实时管理。为此，本文提出了一种基于规则的决策支持系统，该系统从 Aimsun 交通微观模拟软件的模拟结果中提取必要的规则。然后，借助模糊规则生成算法对这些规则进行泛化。然后，通过一组监督和非监督学习算法对它们进行训练，以获得在实际情况下做出决策的能力。作为一项试点案例研究，在 Aimsun 中模拟了德黑兰的 Nasr 桥，并使用 WEKA 数据挖掘软件执行学习算法。根据这项实验，监督算法泛化规则的准确率大于 80%。此外，CART 决策树和顺序最小优化 (SMO) 为正常数据提供了 100% 的准确率，这些算法对于桥梁危机管理非常可靠。这意味着，可以使用此类机器学习方法在实时条件下管理桥梁。
可解释的人工智能决策支持系统，用于自动化贷款承保
由于计算能力的显著进步和优化算法（尤其是机器学习 (ML)）的改进，人工智能 (AI) 的自动决策得到了广泛采用。复杂的 ML 模型提供了良好的预测准确性；然而，ML 模型的不透明性并不能为它们在贷款决策自动化中的应用提供足够的保证。本文提出了一个可解释的人工智能决策支持系统，通过信念规则库 (BRB) 实现贷款承保流程的自动化。该系统可以容纳人类知识，也可以通过监督学习从历史数据中学习。BRB 的层次结构可以容纳事实规则和启发式规则。该系统可以通过激活规则的重要性和规则中先行属性的贡献来解释导致贷款申请决策的事件链。抵押贷款承保自动化的商业案例研究表明，BRB 系统可以在准确性和可解释性之间提供良好的权衡。规则激活产生的文本解释可以作为拒绝贷款的理由。申请的决策过程可以通过规则在提供决策中的重要性及其先行属性的贡献来理解。
供应链风险管理中的决策支持系统和人工智能
过去二十年，发生了多起事件，对全球供应链产生了重大影响，风险管理的必要性也因此成为人们关注的焦点。从 9/11 恐怖袭击和 2008 年经济危机，到 2011 年日本地震和海啸（Pettit 等人，2013 年）和泰国洪水（Chopra 和 Sodhi，2014 年），再到最近的例子，例如 2016 年英国决定退出欧盟（Matthews，2017 年）或 2018 年初肯德基鸡肉供应危机（Green，2018 年），全球供应链受到多种战略、环境、金融或政治原因的干扰。正如 Snyder 等人（2016 年）和 Behzadi 等人（2017 年）所讨论的那样，由于采用精益管理和即时生产和物流的供应链的脆弱性增加，以及垂直整合的减少增加了供应链的复杂性，风险也变得越来越普遍。
维护支持系统的图形用户界面设计：使用原型设计和以用户为中心的设计
除非特殊情况，出版商将在互联网上保留本文档（或其可能的替代品），自出版之日起保留 25 年。文档的在线可用性意味着永久允许任何人阅读、下载或打印单份副本供自己使用，并将其不加修改地用于非商业研究和教育目的。后续版权转让不能撤销此许可。文档的所有其他用途均需征得版权所有者的同意。出版商已采取技术和行政措施来确保真实性、安全性和可访问性。根据知识产权法，作者有权在其作品被访问时被提及，如上所述，并受到保护以防止侵权。有关林雪平大学电子出版社及其出版程序和文档完整性保证的更多信息，请参阅其 www 主页：http://www.ep.liu.se/。© Daniel Axelsson