abtract:税收管理是最利用AI技术的州机器人之一。AI系统已经导致丑闻和开创性法学,例如Syri,Ekasa或SS SIA。最引人注目的例子是荷兰toeslagenaffaire,其中使用AI模型,税务管理局根据其种族歧视并剖析了纳税人,造成了不可侵害的危害。对AI的扩散的越来越多的认识引发了委员会提出欧盟人工智能法规提案(EU AI法案),作为控制这些外部性的监管。然而,混乱仍然围绕着《 AI法案》中税务管理杠杆的AI系统处理。没有自己的类别,尚不清楚税务管理使用的AI系统是否符合高风险系统的资格。该提案的当前版本中的这种不确定性提出了以下问题:“基于对欧盟AI法案提案草案的目的论解释,税务管理部门使用的AI系统是否应该被视为高风险系统?”这个问题分为两个部分。第1节介绍了整个欧盟税务管理的AI系统使用状态以及这些系统执行的功能的类型。第2节研究了欧盟AI法案的当前文本以及欧盟机构的不同立场是否应视为高风险系统。
摘要 - 在事件相关的电位(ERP)信号分类中,在特定时间范围内识别相关的局部峰对于特征提取和随后的分类任务至关重要,尤其是在有关精神分裂症等精神疾病的研究中。但是,精神分裂症研究中的ERP数据通常包含许多对分类过程贡献的小峰。因此,至关重要的是,仅辨别和保留为改进分类结果传达特定特征的显着峰值。最近,基于高档和降尺度表示(UDR)技术的基于视觉的平滑算法已经证明了其在保留突出峰的特征时的有效性,同时从信号波形中滤除了非平衡峰。在UDR的操作下,输入信号在图像域中可视化。输入形状受到稀疏算法的影响,并将所得骨骼投射回信号域。此过程类似于神经科医生对信号的目视检查,在该信号中标记了突出的峰,而无关的峰被忽略了特征提取。这项研究将UDR应用于两个精神分裂症和匹配对照患者中记录的ERP的数据集,以评估其在信号分类中的有效性。此外,当使用较少的ERP通道时,我们分析了UDR对分类准确性的影响。我们使用多个分类器测试了这些效果。索引项 - 与事件相关电位(ERP),精神分裂症,平滑过滤器,信号处理,UDR,高档和下限表示实验结果表明,当在所有通道上应用UDR时,EEGNET表现出最显着的增强,精度增加了2.55%。此外,当信号时期的数量减半时,UDR在7个模型中有4个促进了增强,浅孔convnet的提高最高2.4%。值得注意的是,在仅FZ,CZ和PZ电极位置的信号形成的子数据集中使用UDR时,可以在更多模型上观察到精度增强。这些发现强调了UDR在增强精神分裂症分类准确性方面的有希望的潜力,尤其是应用于关注关键通道的数据集时。
1电气工程,自动控制和信息学的学院,奥波尔技术大学,波兰45-758; natalia.browarska@gmail.com(n.b。); j.zygarlicki@po.edu.pl(J.Z.); michal.podpora@gmail.com(M.P.); m.podpora@po.edu.pl(M.P.)2计算机和信息系统系,格林威治大学,伦敦SE10 9LS,英国3号控制论与生物医学工程系,FEECS,VSB-Technical University Ostrava,708 00 00 00 Ostrava-Porruba,捷克共和国; radek.martinek@vsb.cz 4生物医学科学与医学信息学理论系,尼古拉斯·哥白尼大学,Collegium Medicum,85-067 Bydgoszcz,波兰; Medsystem@medsystem.com.pl 5哲学研究所,Kazimierz Wielki大学,85-092 Bydgoszcz,Poland 6 6门诊成瘾治疗,Babinski专业精神病医疗保健中心,91-229 Lodz,Poland,波兰 *通信:Kawala84@gmail.com