摘要 二十年前,我们引入了历史友好型建模方法来正式研究产业动态。在本文中,我们回顾了历史友好型文献迄今为止取得的成果以及我们面临的挑战。我们说明了该方法的主要原理、方法和构建模块,然后通过两个应用对其进行了说明。第一个应用研究了进入计算机行业大型机领域的影响。第二个应用研究了不确定的技术环境中不同产业政策的影响。
摘要 二十年前,我们引入了历史友好型建模方法来正式研究产业动态。在本文中,我们回顾了历史友好型文献迄今为止取得的成果以及我们面临的挑战。我们阐述了该方法的主要原理、方法和构建模块,然后通过两个应用对其进行了说明。第一个应用研究了进入计算机行业大型机领域的影响。第二个应用研究了不确定的技术环境中不同产业政策的影响。
急性脑病是一种获得性的整体认知功能障碍,在 ICU 收治的危重患者中很常见。临床上,它表现为一系列的觉醒障碍,严重程度从活动减退、活动过度、谵妄到昏迷不等。这种疾病反映了由潜在病理生理过程引起的急性脑功能障碍 [1] 。急性脑病的病因往往是多因素的,包括药物(如镇静剂输注、止痛药)、非法药物使用、导致细胞因子释放和脑功能障碍的全身性疾病(如脓毒症、肝性脑病)和代谢紊乱(如肾衰竭、电解质紊乱)。癫痫,尤其是非惊厥性癫痫 (NCS),是脑病的常见原因,发生在高达 17.9% 的危重患者中 [2-4] 。急性脑损伤,如中风或颅内出血,也可能直接导致或加重脑病 [5]。
增强抵御经济冲击的韧性是最重要的优势之一。金融机构在动态环境中运营,其特点是周期性的经济变化、意外危机和系统性风险。先进的风险管理工具,如机器学习 (ML) 算法和预测分析,使机构能够有效地预测和减轻这些冲击。通过分析历史和实时数据,这些工具提供了预警系统并支持动态压力测试,使机构能够在漏洞升级为危机之前识别它们 [27]。例如,在 COVID-19 大流行期间,采用先进风险框架的机构能够主动调整投资组合和管理流动性,在前所未有的市场混乱中减少损失并保留资本 [28]。
* 通信地址:hazizah2103@gmail.com 摘要 人工智能 (AI) 的快速发展引发了人们对人工智能在模仿人类认知能力方面的局限性和潜力的质疑。这项研究旨在将 Al-Ghazali 思想中的 nafs(灵魂)概念与现代人工智能的发展联系起来。本研究采用比较方法和定性方法。使用内容分析技术分析数据,以确定 Al-Ghazali 的 nafs nathiqah(理性)概念与人工智能之间的异同。分析的重点包括这两个概念的潜力、局限性和伦理含义。Al-Ghazali 强调了理性在获取知识和发展技术方面的重要性。然而,Al-Ghazali 也意识到人类理性的局限性,即它无法完全理解现实的本质。人工智能虽然能够模仿 nafs nathiqah 的某些方面,但仍然存在根本差异。人工智能基于算法和数据运行,而 nafs nathiqah 涉及意识、直觉和理解意义的能力。人工智能具有改善人类生活质量的巨大潜力,但需要以合乎道德和负责任的方式开发和使用。Al-Ghazali 关于 nafs 的思想可以为理解人工智能的潜力和局限性以及其使用的道德影响提供见解。摘要
摘要 人工智能 (AI) 正在 (重新) 塑造商业领域,尤其是营销领域的战略、活动、互动和关系。人工智能系统和应用在营销领域提供的巨大机遇的缺点是道德争议。基于人工智能伦理文献,作者从多利益相关方的角度系统地审视了在营销中部署人工智能的道德挑战。通过揭示伦理原则之间的相互依赖和紧张关系,作者阐明了纯原则性、义务论方法在营销中对人工智能伦理的适用性。为了调和其中一些紧张关系并解释人工智能造福社会的观点,作者提出了如何利用营销中的人工智能来促进社会和环境福祉的建议。
准确鉴定植物物种对于各种应用至关重要,包括生态研究,农业和保护工作。统计数据表明,错误识别可能导致生物多样性管理和农业生产力的重大问题。传统的识别方法在很大程度上依赖于专家知识和手动比较,这可能是耗时的,并且容易出现不准确。手动识别植物物种通常需要广泛的植物知识和经验。此过程可能会很慢,并且会遭受人为错误,从而导致错误分类和结果不一致。手动方法无法扩展,尤其是在处理大型数据集或进行广泛的生物多样性评估时。此外,对视觉检查和比较的依赖限制了处理和对大量数据进行有效分类的能力。我们提出的解决方案利用机器学习算法根据叶子图像对植物物种进行分类。通过训练机学习(ML)模型在来自四个植物物种(Arjuna,Guvva,Chinar,Jatropha)的叶片图像数据集上,我们旨在开发一个可靠的分类系统。ML方法涉及特征提取,实现准确和自动化的物种识别。这种方法有望提高植物物种分类的效率和可靠性,并支持植物学,农业和环境管理中的各种应用。
摘要印度中枢神经系统(CNS)疾病的越来越多,包括阿尔茨海默氏症和帕金森氏病等神经退行性疾病,以及抑郁症和焦虑等心理健康问题,提出了重大的健康挑战。传统的印度药用植物,包括Bacopa Monnieri,Withania Somnifera,Centella Asiatica和Curcuma Longa,表现出有希望的神经保护性和认知增强作用,并由临床前和临床证据支持。然而,诸如溶解度差,血脑屏障的渗透性有限,快速代谢和稳定性问题等挑战所阻碍了他们的治疗应用。为了解决这些问题,正在研究包括纳米制剂和前药在内的创新配方策略,以提高生物利用度和功效。通过将传统知识与现代药品方法相结合,印度的植物药物有可能为中枢神经系统疾病提供有效,安全和负担得起的治疗方法,从而增强了受影响者的生活质量。
摘要。在数字技术中,人工智能 (AI) 和大数据 (BD) 已被证明能够支持不同的流程,主要是在离散制造中。尽管存在大量 AI 和 BD 文献综述,但尚无针对流程工业(即水泥、化工、钢铁和采矿)的全面综述。本文旨在全面回顾 AI 和 BD 文献,以深入了解它们在支持流程工业运营阶段方面的发展。结果允许定义 AI/BD 被证明具有更大影响的领域和存在差距的领域,例如过程控制(预测模型)领域、机器学习和信息物理系统技术。落后的行业是陶瓷、水泥和有色金属。未来要研究的领域包括智能系统之间的相互作用。人类与外部环境、AI 用于监测和优化不同操作参数的实施、道德和社会影响。
神经血管外科是一门复杂的外科亚专科,涉及使用血管内和显微外科技术诊断和治疗脑和脊髓的血管病变。在美国,神经血管疾病是一场公共卫生危机,造成巨额医疗费用,影响数百万人的生活 (1,2)。然而,在过去几十年里,美国的神经血管外科发生了巨大变化,这得益于血管内方法和成像方式的快速发展,可以精确有效地治疗各种疾病,例如中风、动脉瘤、动静脉畸形 (AVM) 和慢性硬膜下血肿 (cSDH) (3)。如今,美国的神经血管内手术队伍由神经外科医生、神经病学家和放射科医生组成,他们接受了广泛的培训,以应对日益加重的脑血管疾病负担 (4,5),而开放式神经血管外科仍然是血管神经外科医生的专长。目前,血管内手术约占血管神经外科医生执业的 75% (6),该领域正转向安全高效的微创神经血管内手术,以迎合患者对微创干预的偏好,将开放手术保留用于血管内手术不适合的复杂病例或血管内手术出现并发症的情况 (7)。尽管取得了这些进展,神经血管外科领域仍面临挑战,包括获得神经血管干预的地区差异以及开放手术技术的病例数量下降,这影响了开放和血管内技术之间的培训和技能转移。虽然许多评论探讨了神经血管外科的进展,但大多数都关注特定的创新或全球趋势,而没有强调美国医疗保健系统内独特的挑战和机遇。本评论旨在通过全面概述美国神经血管外科的发展来弥补这一差距,重点关注培训途径、劳动力趋势和关键技术进步。与以往文献不同的是,这篇评论还探讨了医疗服务可及性方面的区域差异以及开放手术病例数量下降所带来的挑战,并提出了维持神经血管手术人员平衡的策略。此外,它还对人工智能 (AI)、机器人系统和增强现实 (AR) 等新兴技术提供了前瞻性的视角,以及它们如何