XiaoMi-AI文件搜索系统
World File Search System理论框架
entaction的五个支柱是共同创造人工智能的理论框架
本文提出了ENACTION的认知科学范式，作为共同创造性艺术智能（AI）的理论框架。eNACTION描述了通过在感知过程中与环境的相互作用与环境的相互作用出现的含义。eNACTION与信息处理（IP）认知理论不同，因为它不采用计划，而是精通和定位的含义构建过程。本文认为，可以用作设计，评估和描述共同创造的AI系统的理论基础。描述了五个支柱：自治，感知，实施，出现和经验。每个类别都应用于共同创造的AI，以创建一个描述性框架，以分类和系统地描述共同创造的AI系统。通过文献进行了20个共同创造的AI系统，包括Chatgpt，稳定扩散和Google的双子座。为每个颁发类别提供了设计建议。
冥想与流浪思维：基本神经认知机制的理论框架
在冥想的实践中，自我生成和自发的思想的发生以及思想从冥想的预期目标中徘徊的倾向是无处不在的，并构成了冥想的基本教义：对我们的注意力的提高和我们注意的内容的认识，是我们注意力的内容的认识。挥舞着思维方式为个人提供了一个独特而亲密的机会，可以仔细研究流浪思维的本质，培养人们对正在进行的思维模式的认识，同时培养平等（偶数的脾气或性格），并培养对思想，解释和身体上的感觉的内容。在这篇综述中，我们提供了一个理论框架，强调了神经认知机制，通过这种框架，沉思实践影响了自发思想的神经和现象学过程。我们的理论模型集中于几种融合机制：元意识在促进自发思维过程的瞬间意识中的提高时刻的作用，冥想实践对自上而下的认知过程的关键结构的影响，以及在关注和情绪调节中均涉及跨越的认知过程，以及在跨越的效果中，以及在现代效果下的影响，并影响了现代性的效果。脱钩。
一个新的理论框架共同解释了执行灵活决策的受试者的行为和神经变异性
能够根据上下文信息灵活切换对外部刺激的反应的能力对于与复杂世界的成功互动至关重要。在许多领域1-3中必须进行上下文依赖性计算，但它们的神经实现仍然很少理解。在这里，我们在大鼠中开发了一项新颖的行为任务，以研究上下文依赖性的选择和决策证据的积累4-6。在猴子和大鼠数据支持的假设下，我们首先从数学上显示网络可以通过三个定义组件的组合来解决此问题。可以通过实验数据直接识别和测试这些组件。我们进一步表明，现有的电生理和建模数据与这些组件的各种可能组合兼容，这表明不同的个体可以使用不同的组件组合。为了研究各个受试者的变异性，我们开发了自动化的高通量方法来培训大鼠的任务，并在其上训练了许多受试者。与理论预测，神经和行为分析一致，尽管任务表现均匀，但大鼠均显示了跨大鼠的实质异质性。我们的理论进一步预测了行为和神经信号之间的特定联系，该签名在数据中得到了强有力的支持。总而言之，我们的结果提供了一个新的实验支持的理论框架，以分析执行灵活决策任务的生物学和人工系统中的个体变异性，它们为较高认知的个体变异性研究打开了大门，并提供了对情境依赖性计算的神经机制的见解。
社区微电网中公平成本分配的集成优化和游戏理论框架
摘要 - 社区微电网中的FAIR成本分配仍然是一个重大挑战，因为多个参与者之间具有不同负载概况，分布式能源资源和存储系统的复杂相互作用。传统的成本分配方法通常无法充分解决参与者贡献和收益的动态性质，从而导致成本分配不平等，并降低了参与者的满意度。本文提出了一个新颖的框架，将多目标优化与合作游戏理论整合在一起，以进行公平有效的微电网操作和成本分配。所提出的方法结合了混合组合线性编程，以最佳资源调度与沙普利价值分析，以进行公平的收益分配，从而确保系统效率和参与者满意度。在六个不同的操作场景中使用现实世界数据对该框架进行了验证，这表明技术和环保性能都有显着改善。结果表明，通过有效的储存集成，太阳能利用率从7.8％降低到62.6％，高峰降低到114.8％，并且每天的合作收益最高为$ 1,801.01。基于沙普利价值的分配实现了平衡的福利成本分配，净头寸在不同的负载类别的范围从-16.0％到 +14.2％，以确保可持续的参与者合作。
负责任的人工智能的综合理论框架
人工智能 (AI) 迅速融入各个领域，带来了显著的效益，例如提高了业务效率和客户满意度，同时也带来了挑战，包括隐私问题、算法偏见和对自主性的威胁。针对这些多方面的问题，本研究提出了一个负责任人工智能 (RAI) 的新型综合理论框架，该框架涉及四个关键维度：技术、可持续发展、负责任的创新管理和立法。负责任的创新管理和法律维度构成了该框架的基础层。前者将预期和反思等元素嵌入企业文化，后者研究了欧盟和美国的人工智能特定法律，为管理人工智能的法律框架提供了比较视角。这项研究的结果可能对寻求负责任地整合人工智能的企业、专注于创建负责任合规人工智能的开发人员以及希望提高认识和制定 RAI 指南的政策制定者有所帮助。
迈向上下文的信息理论框架 -
1。Lanqing Li，Rui Yang和Dijun Luo。焦点：通过距离度量学习和行为正则化的有效的全面隔行元提升学习。ICLR 2021。2。haoqi yuan和Zongqing lu。通过对比度学习，脱机元强化学习的强大任务表示。ICML 2022。3。Yunkai Gao等。 下文减少离线元强化学习。 神经2023。Yunkai Gao等。下文减少离线元强化学习。神经2023。
连接经典和量子领域：高级观察者模型的概念和理论框架
本文介绍了高级观察者模型 (AOM)，这是一个开创性的概念框架，旨在阐明量子力学复杂且往往神秘莫测的本质。AOM 就像一个隐喻镜头，通过将其固有的不确定性转化为连贯、结构化的“帧流”，使难以捉摸的量子领域更加清晰，有助于理解量子现象。虽然 AOM 提供了概念上的简单性和清晰度，但它认识到需要严格的理论基础来解决量子力学核心的基本不确定性。本文旨在阐明这些理论上的模糊性，弥合 AOM 的抽象见解与量子理论复杂的数学基础之间的差距。通过将 AOM 的概念清晰度与量子力学的理论复杂性相结合，这项工作旨在加深我们对这个迷人而难以捉摸的领域的理解。关键词
自动驾驶汽车的理论框架
自动驾驶汽车（AV）激发了人们对解决现有运输部门困难的极大兴趣，尤其是在最近的可持续运输方式中突破。但是，理论框架或模型有效地分析与AVS使用情况相关的威胁，挑战，机会和可持续性的应用程序仍然有限。本研究介绍了问题解决方案可持续性优势的问题劣势威胁机会（PC-SSADTO）概念框架，一种修改的强度弱点的形式将机会机遇威胁（SWOT）分析以将AVS分析为可持续的解决方案。该框架研究了在运输领域使用AV的困难，风险和可能性，以及其全球实施和整合如何有助于降低二氧化碳（CO2）排放，提高道路安全性，提高行动性和可及性，从而加速可持续发展目标（SDGS）的实现。一项调查确认了PC-SSADTO框架的要求，该调查收集了200多个公众答案，以解决AVS可能要解决的当前问题或挑战，例如降低交通拥堵，温室气体排放和气候变化，以改善生计。尽管人类对AVS系统的看法有一些不确定性，但完全自主操作的应用似乎对于有效的AV集成至关重要。因此，与公共交通和合作决策结构的高度整合将有利于实用的AVS实施，并积极使用。
童年和青春期认知需求发展的理论框架
摘要：广泛的研究强调了认知需求（NFC）在各种情况下的重要性，但是我们对其发展的理解仍然有限。尤其是当前的心理文献在影响NFC发展的因素上相对沉默。我们旨在通过基于认知适应特征理论（CATT）的原理提出NFC的发展模型来解决这一差距。通过对当前文献的全面综述，我们阐明了有助于童年和青春期NFC发展的潜在关键组成部分。此外，我们概述了基于模型的关键组成部分促进NFC开发的几种潜在策略。该模型旨在为未来研究NFC发展的可能机制进行研究。向前迈进，未来的研究应在现实世界中经验检验这些假设，以增强我们对NFC发展的理解，并验证建议的培养策略对其有效性。
培养井眼 - 理论框架...-伊利诺伊州DCFS
联邦政府于2018年颁布了《家庭第一预防服务法》（FFPSA）。ffpsa转移了儿童福利系统的重点，文化和财务支持，从基于机构的护理转移到全国范围内的预防性护理，早期干预和基于证据的原理（伊利诺伊州儿童和家庭服务部[伊利诺伊州DCFS]，2024a）。th是在儿童福利制度及其他地区的儿童，青年及其家人的福祉的优先级，并阐明了在触摸儿童福利制度之前改善生活的承诺。专注于幸福感的预防计划旨在通过专注于家庭的优势来积极主动和赋予儿童，青年和家庭的能力；创造一个支持家庭可以成长，有弹性和我们的支持环境；在与儿童福利等政府系统互动之前，应对家庭面临的挑战（儿童福利信息网关，2024年）。探索和实施预防计划对于为儿童，青年和家庭创造健康的环境至关重要；但是，对福祉的研究同样重要，即了解导致忽视和儿童福利涉及的根本因素。在过去的20年中，越来越多地研究了各种FI的研究（Bautista等，2023），包括推动改变儿童福利系统（Casey Family计划[CFP]，2020年）的推动。是“ 21世纪的儿童福祉系统”，要求统一对福祉，关键系统的一致性和协作的统一，以及解决策略以解决福祉领域的策略（CFP，2020年）。作为州和联邦机构以孤立和分散的方式衡量儿童和家庭的福祉。某些人认为，评估和衡量福祉为服务，而其他人则将福祉视为特定的结果，或者是建立和开发个人服务的方式。此外，福祉的衡量标准必须向联邦管理机构汇报实质性差异。机构对福祉的差异差异会导致对福祉及其跨机构的措施的解释。