,天津技术大学,天津300384,中国b电气工程与自动化学院,天津技术大学,天津300384,C计算电力网络和信息安全性的主要实验室中国的Jinan 250014,D山东省级计算机网络主要实验室,山东基础计算机科学研究中心,Jinan 250014,中国E土耳其人土耳其大国民议会,国家教育,文化,青年和体育委员会,安卡拉,安卡拉,Turkiye F turkiye f人工智能学院,田琴大学,蒂安吉大学,蒂亚吉大学,天然300387,哥伦比马里波尔(Maribor),马里波尔(Maribor),2000年,斯洛文尼亚H社区医疗保健中心Adolf Drolc Maribor博士,Maribor,2000年,斯洛文尼亚I复杂性科学枢纽维也纳,维也纳,维也纳1080,奥地利J kyung heung hee University,Kyungheedae-Ro,26 Kyungheedae-Ro,Donggdaemun-gu,divagdaeemun-gu
集体判断形成提议者日将在 Microsoft Teams 上以虚拟方式举行。活动将于 2024 年 9 月 4 日美国东部时间 11:00 至 13:00 举行。日期或时间的任何更改都将在 grants.gov 和 SAM.gov 上发布。需要注册才能参加。要注册,请发送电子邮件至 cjf-cra-baa@army.mil,主题为:“CJF 提议者日注册”。在您的电子邮件中包括每个参与者的全名、大学/组织和电子邮件地址。每位指定参与者都将收到一封电子邮件,其中包含参加现场活动的链接。有关此 BAA 的问题可以在提议者日之前提交。请发送电子邮件至 cjf-cra-baa@army.mil,主题为:“CJF 提议者问题”。问题不会收到单独的电子邮件回复。相反,这些问题将在会议期间得到解答,并发布到 grants.gov 和 SAM.gov 上的问答部分。参与者可以在活动期间通过 Teams 的聊天功能提交问题。(部分结束)
机会 - 地质和地球物理特性在全球范围内的地质机器学习,我们对地球特性的集体理解受到直接观察地质的观察(例如,井原木,核心等)或间接通过遥感(例如地球物理或卫星观测)。这一事实导致在高空间分辨率(至sub-km量表)处的地球特性的稀疏数据集,或者从卫星观测值中产生了一个连续但低分辨率的数据集。因此,需要自动插值(例如Kriging)和/或人类知情轮廓,以在高分辨率下持续了解这些属性。在这项工作中,我们致力于改进这些方法。利用机器学习,深度学习和/或物理知情神经网络(PINN)的新发展,我们可以在空间和深度上智能插入或预测地球参数。这项工作利用了地质观察的各种数据源(即“大数据”),例如:科学钻孔,挖出和疏ed和地球物理观察,例如由乘员船(例如,船舶),自主平台(例如,AUV)(例如,AUV)和Satellites和Satellites和Satellites和Satellites和Satellites。我们将这些数据集与基于物理学的地质过程模型(例如压实)和数据驱动方法(例如机器学习)结合使用,以产生对地球特性的连续且准确的估计。这些方法的示例包括从稀疏的船板观测值中预测连续的重力场,或使用核心数据预测沉积物岩性与深度。鼓励基本的地质理解,但不需要。我们寻求具有地质/地球物理学经验的合格申请人,遥感/地理位置,机器学习/数据科学和/或运输/摇滚物理建模。申请人将有一些计算经验,并且在基本的编程/脚本中保持舒适(不需要特定语言)。实验室地点:海洋科学部海军研究实验室Stennis Space Center,MS POC:Benjamin Phrampus海军研究实验室,代码7352建筑物1005 Stennis Space Center,MS 39529电话:228-688-4899电子邮件:Benjamin.phrampus.civ@us.civ@us.navy.mil
我们对部署机器学习算法的数字平台上的算法集体行动进行了原则性研究。我们提出了与公司学习算法相互作用的集体互动的简单理论模型。集体池通过指示参与者如何修改自己的数据以实现集体目标,从而执行参与个人的数据并执行算法策略。我们在三个基本学习理论环境中研究了该模型的后果:非参数最佳学习,参数风险最小化和基于梯度的优化。在每种情况下,我们提出了协调的算法策略,并将自然成功标准描述为集体规模的函数。与我们的理论相辅相成,我们对一项技能分类任务进行了系统的实验,该任务涉及自由职业者的演出平台中成千上万的简历。通过超过两千种类似伯特语言模型的模型培训运行,我们看到了我们的经验观察和我们理论的预测之间出现了惊人的对应关系。综上所述,我们的理论和实验广泛支持这样的结论:分数大小的算法集体可以对平台的学习算法产生重大控制。
对单个粒子进行随机测量的概念已被证明可用于分析量子系统,并且是量子态阴影层析成像等方法的核心。我们引入集体随机测量作为量子信息处理的工具。我们的想法是对量子系统进行集体角动量测量,并使用同时多边幺正主动旋转方向。基于所得概率分布的矩,我们提出了系统的方法,以集体参考系独立的方式表征量子纠缠。首先,我们表明现有的自旋压缩不等式在这种情况下是可以访问的。接下来,我们提出一种基于三体关联的纠缠标准,超越了具有二体关联的自旋压缩不等式。最后,我们应用我们的方法来表征空间分离的两个集合之间的纠缠。
实践支柱:适应和创新的HIV服务HIV Cascade是全球HIV反应中广泛使用的框架,概述了实现病毒抑制所需的顺序步骤。但是,现在解决气候行动以改善和维持级联成果并增强艾滋病毒服务和系统的韧性和可持续性至关重要。 在FHI 360上,我们开发了实用的考虑因素,将气候适应,缓解和弹性策略整合到我们的HIV计划中,并采取紧急响应措施,以解决急性与气候有关的事件和多刺激。但是,现在解决气候行动以改善和维持级联成果并增强艾滋病毒服务和系统的韧性和可持续性至关重要。在FHI 360上,我们开发了实用的考虑因素,将气候适应,缓解和弹性策略整合到我们的HIV计划中,并采取紧急响应措施,以解决急性与气候有关的事件和多刺激。
[ 执行摘要 ] 为了协调和吸引社区参与核聚变能源的巨大潜力,广泛的利益相关者聚集在一起,组成了一个由学术界、工业界(成熟和初创)、国家实验室和社区组织组成的联盟,致力于将核聚变变为现实。我们赞赏美国能源部为核聚变技术建立公私联盟框架 (PPCF) 的努力,我们很高兴能为这一协调一致的响应做出贡献。我们对 PPCF 的愿景是建立区域核聚变技术园区,这些园区最初将容纳越来越多的中小型试验台,然后逐步建立更大规模、更综合的设施。这种方法将利用现有的核聚变设施和资源,同时积极促进劳动力发展和创造就业机会。
ychen200@ua.edu Uzma Raja 奥本大学 uraja@auburn.edu 摘要 AI 推荐系统越来越多地应用于各种情境中,通过提供个性化推荐来促进集体利益,这些推荐有利于用户群体而不是个人。然而,追求集体利益有时可能会与个人偏好相冲突,导致用户认为推荐与他们的最佳利益背道而驰。这种现象涉及交通管理、环境保护、社会服务分配和医疗保健建议等各个领域。当用户不了解底层算法时,他们可能会遇到与他们的期望不一致的结果,从而导致怀疑并削弱对 AI 工具及其不透明决策过程的信任。因此,实现服务集体利益的总体目标成为一项挑战。这凸显了 AI 系统对可解释性的迫切需求。可解释人工智能 (XAI) 是一组过程和方法,允许人类用户理解和信任机器学习算法创建的结果和输出 (Arrieta 等人2020)。尽管在研究、实践和监管话语中受到越来越多的关注,但可解释性对基于集体利益的人工智能系统的影响仍有待探索。本文以锚定效应和计划行为理论的理论基础为基础,探讨了可解释性在培养信任和采用基于集体利益的人工智能系统中的关键作用,特别是在面对与个人最佳利益不同的建议时。具体来说,我们研究哪些特征或变量可以帮助解释人工智能推荐系统,从而促进采用基于集体利益的人工智能建议。此外,我们探讨了用户的人口统计特征和与推荐相关的感知成本如何影响可解释性对他们的信任和采用此类人工智能系统的意图的影响。
8拿铁:8260346552971921 9拿铁:7240976903259355摘要巴西黑人人口具有流行病学和社会脆弱性,例如,在获得卫生服务方面的困难。目前的工作旨在从对文献的系统审查,即黑人人口获得卫生服务有关的方面。据观察,卫生系统对黑人人口的访问和遵守性具有几个限制因素,这些因素会汇聚在服务供应不足的情况下,例如结构性障碍,社会和经济因素,专业人士的绩效,不尊重文化,种族和种族多样性。关键字:进入健康。公共政策。黑人人口。摘要巴西黑人人口表现出流行病学和社会脆弱性,例如,在获得卫生服务方面遇到困难。目前的工作旨在基于对文献的系统评价,即黑人人口获得卫生服务有关的方面。可以看出,对黑人人口的卫生系统的访问和统治具有限制因素,这些因素不足以提供服务,例如结构性障碍,社会和经济因素,专业表现,对文化和种族多样性以及种族的看法。关键字:进入健康。公共政策。黑人人口。
报名截止日期为 10 月 1 日。日期:2024 年 10 月 4 日时间:0800-1700 集会地点:Baumholder,PX 停车场。安全简报将在街对面的消防站举行。请勿将车停在消防站。