该项目研究了人们支持在刑事法庭中使用人工智能的程度以及与这种支持相关的因素。2022 年 9 月进行的网络调查显示,支持率平均得分较低(1-5 分制中为 2.64 分),表明在刑事法庭中使用人工智能被认为是负面的。它还表明,人工智能被认为越“不人性化”和“不透明”,它得到的支持就越少。相反,它被认为越“公平”,它得到的支持就越多。我们打算跟进这次调查并计划其余的实验。
a 爱丁堡大学,Usher 研究所,爱丁堡,英国 b 基尔大学,社会、政治和全球研究学院及初级、社区和社会保健学院,基尔,英国 c 麦考瑞大学,澳大利亚健康创新研究所,悉尼,澳大利亚 d 威尔士三一圣大卫大学,斯旺西,英国 e 奥尔堡大学健康科学与技术系,奥尔堡,丹麦 f 德克萨斯大学圣安东尼奥健康科学中心,德克萨斯州圣安东尼奥,美国 g 圣卢克国际大学,公共卫生研究生院,东京,日本 h 犹他大学生物医学信息学系,美国 i UMIT TIROL,私立健康科学与健康信息学大学,医学信息学研究所,蒂罗尔霍尔,奥地利 j 阿姆斯特丹 UMC 所在地 阿姆斯特丹大学,医学信息学系,梅伯格德雷夫 9,阿姆斯特丹,荷兰 k 阿姆斯特丹公共卫生研究所,数字健康与护理质量,荷兰阿姆斯特丹 l 坦佩雷大学,信息技术与芬兰传播科学 m 澳大利亚悉尼麦考瑞大学医学、健康与人文科学学院 n 英国爱丁堡大学科学、技术与创新研究所
NASA-STD-3001 第 2 卷,修订版 C [V2 4015] 有氧能力 [V2 6001] 环境数据趋势分析 [V2 6002] 惰性稀释气体 [V2 6003] 机组人员暴露的 O2 分压范围 [V2 6004] 标称车辆/栖息地二氧化碳水平 [V2 6006] 无限期机组人员暴露的总压力耐受范围 [V2 6007] 压力变化率 [V2 6150] 气压伤预防 [V2 6008] 减压病 (DCS) 风险识别 [V2 6009] 减压病治疗能力 [V2 6011] 着陆后相对湿度 (RH) [V2 6012] 机组人员健康环境限值 [V2 6013] 机组人员表现环境区 [V2 6151] 温度可选性 [V2 6152] 温度可调性 [V2 7041] 环境控制 [V2 6017] 大气控制 [V2 6020] 大气数据记录 [V2 6021] 大气数据显示 [V2 6022] 大气监测和报警参数
人工智能 (AI) 是一种使计算机能够解决问题并执行传统上需要人类智能的任务的技术。来自电子病历和功能强大的现代微型计算机的大量医疗数据的可用性促进了医学领域 AI 的发展。AI 已证明其适用于许多不同的医学领域,例如药物发现、诊断放射学和病理学,以及心脏病学和外科手术中的介入应用。然而,直到今天,AI 很少用于麻醉学的临床实践。尽管文献中已经发表了大量关于 AI 在麻醉学中的应用的研究,但已开发的用于商业用途或准备进行临床试验的机器人系统数量仍然有限。本文确定并讨论了 AI 系统的局限性,包括不正确的医疗数据格式、个体患者差异、当前 AI 系统能力不足、麻醉师缺乏使用 AI 的经验、系统不可靠、无法解释的 AI 结论和严格的规定。为了确保麻醉师对人工智能系统的信任并改善其在日常实践中的应用,应对系统和算法进行严格的质量控制。此外,麻醉学人员应该在人工智能系统的开发中发挥不可或缺的作用,然后我们才能看到更多的人工智能融入临床麻醉学。关键词
收到:2023年1月9日接受:2023年5月10日,摘要增加的竞争导致企业在简化供应链流程,尤其是在制造业领域中相互竞争。供应链管理(SCM)决定了工业业务流程的成功,因为它调节了产品流量的整合,性能和信息。然而,供应链过程中出现了一些问题,例如生产队列中缺乏协调,预测趋势产品中的分支以及次优的生产能力。为了解决这些问题,信息技术的作用对于实施决策支持系统(DSS)至关重要。本研究旨在开发DSS以改善供应链流程。使用的研究方法是通过问卷调查的定性方法的极端编程(XP)。研究过程涉及收集数据,定义边界和概率以及设计,编码和测试系统。作为最终步骤,通过分发调查以获得有效的满意结果来进行评估。这项研究生产的DSS在营销,会计和生产过程中具有适用性。DSS在家具制造业中的应用可以帮助管理资源的运输,优化战略网络并协助供应链过程中的决策。
近地轨道以外的载人探索任务,例如 NASA 的阿尔特弥斯计划,对航天器系统设计和可支持性提出了重大挑战。一个特别具有挑战性的领域是环境控制和生命支持系统 (ECLSS),该系统为机组人员维持适宜居住和维持生命的环境。NASA 正在利用其当前和以前的航天计划中获得的经验来完善深空探索任务的生命支持技术。其目的是建立一套具有经过验证的性能和可靠性的生命支持系统功能组合,以支持载人探索任务并降低这些任务成功的风险。作为一个在微重力下完全运行的载人平台,国际空间站 (ISS) 提供了一个独特的机会来充当探索级 ECLSS 的试验台,以便这些系统可以经过测试、验证和改进,最终部署在深空载人探索任务中。本文将提供试验台开发的最新状态,包括迄今为止的硬件和国际空间站飞行器集成进展,以及在国际空间站上设计、选择、建造、测试和飞行探索 ECLSS 的未来计划。
(1,2,3,4,5,6,7,8)Hydro-泰国曼谷信息学院,泰国电子邮件watin@hii.or.th摘要洪水是泰国的主要灾难之一。尤其是在2011年,泰国遇到了半个世纪后最严重的洪水。洪水在泰国造成了1.43万亿泰铢的经济损失。灾难准备和响应措施高度取决于准确,及时的预测可用性。Hydro-信息学研究所(HII)和DHI丹麦开发了泰国洪水预测的决策支持系统,覆盖了该国大约73%的地区。系统每天运行运行,并提前7天提供洪水预测信息。The flood forecasting system is an integrated real-time multifunctional forecasting system including data import and linkage with web API that can easily be linked any data to the system, data processing and quality control is an automated process to ensure reliable input data for models, flood forecast models (hydrological model, 1D and 2D hydrodynamic models) has been integrated seamlessly with the forecast system and applied data assimilation (DA) using observed从水位或排放站的数据,以提高基于Web的模拟应用程序的准确性,用于模型的交互式可视化,以图形,时间序列,表格,地图和能力的形式比较基于云的解决方案上的任何仿真。决策支持系统为整合数据和模型提供了有希望的机会,以评估洪水影响,支持决策,提高洪水管理的效率并减轻洪水损失。简介洪水管理变得更加可管理和有效。关键字:决策支持系统;洪水预测;洪水管理;泰国1。
摘要:研究人员已经提出了几种基于机器学习和数据挖掘技术的自动诊断系统来预测心力衰竭。然而,研究人员并没有密切关注预测心脏病患者的死亡率。为了解决这个问题,我们开发了一个用于预测心脏病患者死亡率的临床决策支持系统。为所提模型的实验目的收集的数据集包含 55 个特征,总共 368 个样本。我们发现数据集中的类别高度不平衡。为了避免机器学习模型中的偏差问题,我们使用了合成少数过采样技术 (SMOTE)。在平衡数据集中的类别后,新提出的系统采用 χ2 统计模型对数据集中的特征进行排序。排名最高的特征被输入到优化的随机森林 (RF) 模型中进行分类。使用网格搜索算法优化 RF 分类器的超参数。使用多种评估指标验证了新提出的模型 ( χ 2 _RF) 的性能,包括准确度、灵敏度、特异性、F1 分数和受试者工作特征 (ROC) 曲线。仅使用数据集中的 10 个特征,提出的模型 χ 2 _RF 就实现了 94.59% 的最高准确度。提出的模型 χ 2 _RF 将标准 RF 模型的性能提高了 5.5%。此外,还将提出的模型 χ 2 _RF 与其他最先进的机器学习模型进行了比较。实验结果表明,新提出的决策支持系统优于使用相同特征选择模块 ( χ 2 ) 的其他机器学习系统。
摘要:近年来,自动虚假信息检测方法备受关注,因为虚假信息会对社会凝聚力产生严重影响。虚假信息会影响选举结果、疾病传播(阻止采取适当的对策)和盟友的形成,正如俄罗斯入侵乌克兰所表明的那样。因此,不仅要考虑文本作为媒介,还要考虑录音、视频内容和图像以打击虚假新闻。然而,自动事实核查工具无法同时处理所有模态,并且在嵌入信息背景、讽刺、反讽以及没有明确真值的情况下面临困难。最近的研究表明,协作的人机系统比单独的人类或机器学习方法更能成功地识别虚假信息。因此,在本文中,我们简要而全面地介绍了当前针对文本、音频、视频、图像、多模态组合的自动虚假信息检测方法,它们在智能决策支持系统 (IDSS) 中的扩展以及人类协作的形式和角色。在现实生活中,此类系统越来越多地被记者应用,根据两种最突出的用例类型,即每日新闻档案和调查性新闻,为人类角色设定规范。
Laura Wingfield博士通用外科手术与移植手术Nuffield手术科学系牛津大学6607室,6级John Radcliffe医院Headington Headington Oxford,Ox3 9du United Kressement of United Kembore:Laura.wingfield@nds.ac.ac.ac.ac.ac.ac.uk