XiaoMi-AI文件搜索系统
World File Search System解释能力
![arxiv：2501.16346v1 [cs.lg] 2025年1月18日](/simg/g:\will\search\icon\source\1\10c0964b0368b2f7aecdd616acbf1ae8f0dbaacb.webp)
arxiv：2501.16346v1 [cs.lg] 2025年1月18日
抽象功能磁共振成像（fMRI）在任务或休息期间对大脑功能提供了有用的见解。使用相关矩阵代表fMRI数据是分析静止状态和活动状态中大脑固有连接性的一种可靠方法。图形神经网络（GNN）由于其固有的解释能力而被广泛用于大脑网络分析。在这项工作中，我们使用对比度自我监督的学习图变压器引入了一个新颖的框架，并将大脑网络变压器编码器与随机图更改结合在一起。所提出的网络利用对比度学习和图形变化，以有效地训练图形变压器以进行自闭症检测。我们的方法对自闭症脑成像数据交换（ABIDE）数据进行了测试，证明了自闭症检测，其AUROC为82。6和74％的精度超过了当前的最新方法。
斑马鱼胚胎中DNA纳米摄取的时空动力学用于靶向组织生物成像应用
制造机器（替代模型）通过利用样本数据（也称为培训数据）来改善自己的表现。1在过去的几十年中，ML在各个工程领域都逐渐成为有前途的工具。尤其是，由ML训练的基于人工智能（AI）的替代模型可以为未知输入配置提供快速，准确的输出预测，从而取代劳动力强度的实验或模拟计算，要求高计算成本。2–14此外，基于ML的模型也可以从人类无法掌握的给定复杂数据表中得出有意义的推论。例如，Alphafold 15和Alphago 16证明了ML在执行基于规则的计算机程序中无法想象的杰出任务中的能力。近年来，大量的研究集中在ML模型的进一步增强上。例如，在可解释的人工智力（XAI）的领域取得了很大的进步，目的是通过阐明其决策来增强ML模型的解释能力 -
人工智能对化学发现逻辑的解释权衡
摘要：解释是精确科学的一个基本目标。除了当代对“描述”、“分类”和“预测”的考虑之外，我们经常在人工智能 (AI) 在化学假设生成中的蓬勃发展的应用中看到这些术语。除了描述“世界上的事物”之外，这些应用程序还可以从理论或拓扑描述符中进行准确的数值属性计算。这种关联为化学发现的逻辑提供了一个有趣的例子：这些归纳主导的尝试是否表明化学家如何将研究问题问题化？在本文中，我提出了一个关于当前化学发现背景的新视角。我讨论了如何将化学中数据驱动的统计预测解释为生成化学理论的准逻辑过程，超越了有机化学和理论化学的经典例子。通过我对科学解释的形式模型的立场，我展示了人工智能的曙光如何为科学探索的解释能力提供新颖的见解。
对具有可解释AI（XAI）的网络中的集中和联合学习的异常检测进行了全面分析
摘要 - 机器学习的许多形式（ML）和人工智能（AI）技术在通信网络中采用以执行所有优化，安全管理和决策任务。而不是使用常规的黑框模型，而是使用可解释的ML模型来提供透明度和问责制。此外，由于网络的分布性和安全隐私问题，联合学习（FL）类型ML模型比典型的集中学习（CL）模型变得越来越流行。因此，研究如何使用可解释的AI（XAI）在不同的ML模型中找到解释能力是非常及时的。本文在网络中使用XAI在CL和FL的异常检测中进行了全面分析。我们将深层神经网络用作黑框模型，其中两个数据集，即UNSW-NB15和NSL-KDD，以及Shapley添加说明（SHAP）作为XAI模型。我们证明，FL的解释与客户端异常百分比不同。索引术语-6G，安全性，隐私，可解释的AI，中央学习，联合学习。
Liebig的基于限制因素的原则单...
在这项贡献中，我们提出了一种单个物种人口增长模型，该模型是使用利比格（Liebig）限制因素原则提出的思想提出的。固有的自然出生率通过人口规模和人口依赖于寄托的资源的最小值决定。模仿不受限制的人口增长假设，我们假设自然死亡率与人口的规模成正比。我们还认为，外部喂养资源的消费率直接与人口的自然增长速率成正比。在这种交付中，我们对相关的轨迹和基于人群的构成构成构成的构成研究，基于人群的生长或天然构成的构成。可能的相结构包括具有稳定平衡，乙状结肠生长，消光或平稳性的机制。所有研究案例都证实，所提供的模型需要在提供明显的解释能力的同时观察到的变化模式的高可重复性。所提出的模型还允许同时识别人口大小轨迹和资源减少功能。
ai
摘要这项工作认为，在大型语言模型（LLMS）的背景下，可信赖的社会方面根据两种一致的阴影。的确，第一段是从G. W. F. Hegel的《逻辑科学》通过的经文中汲取了帮助，提出了对LLMS所谓的“新兴能力”的起源的定性和语义解释，这被认为是比小欺骗更复杂的东西。第二段从伦理和现象学的角度涉及LLM的可信赖性和责任的话题，提出了扩展思维问题与生成变压器问题之间的平行性，作为认知扩展。重点在于对密集利用的影响，这可以总结在认知耗尽和数字痴呆症的概念中，从而导致对宝贵人类品质的贬低 - 创造力，注意力，解释能力。我们的建议首先，首先是信任（因为我们必须信任）人类用户的批判意识是针对AI的某种伦理，以在K-12类别中引入。我们的目标仍然是设计太平洋共存的希望。
开发和评估专家与机器之间的道德合作的框架
摘要 精准医疗是一种有前途的方法，可用于诊断冠状动脉疾病 (CAD)、耐药性癫痫 (DRE) 和 1 型糖尿病 (T1D) 等高死亡率疾病，并制定个性化干预计划。通过利用人工智能 (AI)，精准医疗通过明确建模病理生理学的差异，为个体患者量身定制诊断和治疗方案。然而，人工智能在医疗应用中的应用面临着重大挑战，包括跨中心、人口统计学和合并症的通用性差、临床解释能力有限以及对伦理决策缺乏信任。本文提出了一个框架来开发和伦理评估专家指导的多模态人工智能，以解决人工智能在精准医疗中的集成挑战。我们通过 T1D 胰岛素管理案例研究说明了这个框架。为了确保道德考虑和临床医生的参与，我们采用了一种共同设计方法，其中人工智能起到辅助作用，最终诊断或治疗计划来自临床医生和人工智能的合作。
解释自治：通过与大语言模型的解释生成增强人类机器人互动
本文介绍了一个系统，旨在为人类机器人相互作用（HRI）中的自主机器人执行的动作产生解释。机器人技术中的解释性封装在可解释的自主机器人（XAR）的概念中，是一个不断增长的研究领域。本文所描述的工作旨在利用大型语言模型（LLMS）执行自然语言处理任务的功能。这项研究重点是使用此类模型与检索增强生成（RAG）方法结合使用的可能性，以解释从自主系统日志中收集的数据。此外，这项工作还提出了拟议的解释系统的形式化。已通过欧洲机器人联盟（ERL）的导航测试进行了评估，欧洲机器人联盟（ERL）是一项欧洲范围内的社会机器人竞赛。关于获得的结果，已经进行了验证问卷，以从技术用户的角度衡量解释的质量。实验期间获得的结果突出了LLM在实现机器人中的解释能力方面的潜在效用。
法学考试（JE）信息指南
不列颠哥伦比亚省药剂师学院 (“学院”) 是 BC 省的药房监管机构，通过为药剂师和药剂技术人员颁发执照并进行监管，以及他们在该省执业的药房，保护公众。法学考试 (JE) 由测试服务提供商 Prometric 代表学院管理。JE 基于联邦和省级法案、其法规、附例和已发布的学院专业实践政策中的立法，这些立法涉及药房运营和注册人 (药剂师或药剂技术人员) 在药房实践中的责任。JE 旨在评估考生对所有影响 BC 省药房实践的法律 (包括道德规范) 的了解和解释能力。由于考生不需要记住药物时间表，因此将为 JE 提供药物时间表的电子副本。但是，他们应该准备好识别、解释和应用要遵循的相关法律要求和程序。除了本文档中提供的信息外，所有考生还必须阅读并遵守注册委员会政策 3：法学考试，以及 Prometric 的规定和政策。