XiaoMi-AI文件搜索系统
World File Search System领域专家
设计可解释审计人工智能的榜样
摘要：由于可用的方法和应用不断增长，人工智能 (AI) 正在成为大多数行业的创新驱动力。在审计领域，人工智能的初步方法已经在科学论述中进行了讨论，但实际应用仍然落后。由于受到高度监管的环境，人工智能的可解释性尤为重要。通过半结构化专家访谈，我们确定了利益相关者对审计中可解释人工智能 (XAI) 的具体要求。为了满足所有相关利益相关者的需求，我们基于系统的文献综述设计了人工智能系统的理论角色模型。该角色模型已在财务报表审计领域使用领域专家焦点小组进行了实例化和评估。生成的模型为开发具有个性化解释和优化现有 XAI 方法使用的人工智能系统奠定了基础。
数据驱动的智能能源评估的数据一致性
在智能电网时代，可用于不同应用程序的数据数量已大大增加。但是，数据不能完美地表示分析的现象或过程，因此它们的可用性需要特定领域专家进行的初步验证。必须验证数据收集和传输的数据收集和传输过程，以确保以有用的格式提供数据，并且对要接收的正确数据没有影响。必须适当确保和管理来自不同来源的数据的一致性（就时间和数据解决方面而言）。以有效的方式将数据转换为知识需要合适的程序。这项贡献通过突出许多潜在问题以及在不同的功率和能源系统中（包括生成，网格和用户方面）中的解决方案来解决以前的方面。最近的参考文献以及选定的历史参考文献被列出，以支持概念方面的例证。
RDF知识图上的机器学习有关药物安全：Reactome Data
我们的研究旨在使用应用于使用Reactome数据库构建的KG的ML技术来发现信号通路中的新节点和/或链接。目的是在不良药物反应的机制中进行互联，并确定潜在的新相关途径。这种方法增强了我们对途径动态的理解。我们的初步发现显示了与ADR相关的途径的有希望的提示。我们提出的方法是基于使用基于描述的推理的使用，并通过MOWL库嵌入生成。解释我们的发现强调了ML在公斤药物安全研究中的潜力。与药理学家和生物学家等领域专家的合作对于进一步的验证和研究至关重要。需要解决诸如数据异质性和模型性能优化之类的挑战。可以在我们的github存储库2上找到一个详细的描述，图形摘要和可执行的笔记本。
自然语言过程的定量描述
摘要 - 在本文中，我们在自动生成过程的定量和定性自然语言描述的框架中提出了一系列模糊的时间原型。该模型包括从过程和属性中的时间和因果信息，在过程中的时间范围内定量属性，并回顾事件之间的因果关系和事件之间的因果关系以及其他特征之间的时间距离。通过在常用的数据到领位体系结构中通过进一步的过程采矿技术和模糊集，我们的框架能够从过程中提取相关的定量时间和结构信息，并以自然语言中的自然语言描述它，涉及不确定的术语。提出了心脏病学领域中的真正用例，显示了我们模型提供向领域专家提供的自然语言解释的潜力。索引术语 - 进程采矿，原型，语言描述数据，自然语言生成
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
汽车价格预测一直是一个重要且智力上要求的研究主题，需要该领域专家的大量专业知识和努力。分析了大量的不同属性，以提供可靠和精确的预测。为了构建一个预测模型，用于确定波斯尼亚和黑塞哥维那的二手车成本，我们利用了三种不同的机器学习方法：人工神经网络，支持向量机和随机森林。但是，上述策略用于集体作为一个组。使用基于PHP的Web Scraper从在线Portal Autopijaca.ba获得的预测使用的数据。随后，评估了几种算法的性能，以确定最有效匹配给定数据集的算法。最终的预测模型包含在Java程序中。此外，该模型利用测试数据进行了评估，导致精度为87.38％[1]。
通过表征学习实现因果推理
导师 Dehan Kong 多伦多大学统计科学系副教授 dehan.kong@utoronto.ca 联合导师 Quan Long 卡尔加里大学生物化学与分子生物学系副教授 quan.long@ucalgary.ca 摘要 在这个项目中，候选人将参与一个关于大规模生物和医学数据中的因果推断的研究项目。关键创新在于进行表征学习以形成解开的潜变量（或分布），以减少噪音和非必要因素，从而为有效的因果推断铺平道路。将对脑部疾病的大规模组学数据进行分析，将统计方法转化为实际应用。这个跨学科项目将由 Dehan Kong 博士（多伦多大学）和 Quan Long 博士（卡尔加里大学）共同指导，Dehan Kong 博士是一位擅长因果推断、神经影像学和基因组学的统计学家，Quan Long 博士是一位医学院的计算机科学家，对脑部疾病感兴趣，可以接触到数据和领域专家。跨学科/应用经验 博士后研究员将在多伦多大学的 Kong 博士实验室和卡尔加里大学的 Long 博士团队之间分配时间。Kong 博士和 Long 博士在各种方法和应用统计研究领域拥有丰富的经验，涵盖因果推断、遗传和基因组学、神经成像和机器学习。他们的综合专业知识为研究员的培训和研究奠定了坚实的基础。 成功的候选人将沉浸在统计学和计算机科学的高度跨学科环境中。此外，候选人将与领域专家合作，他们可以从生物学和医学的角度提供解释。导师在相关领域有着长期的努力，并可以访问脑部疾病的大规模组学数据，包括阿尔茨海默氏症、帕金森氏症、自闭症、精神分裂症、双相情感障碍和抑郁症。研究小组可以使用最先进的计算设施，包括一台包含 800 个 CPU 的 CFI 支持的 HPC 服务器
在...使用可再生能源的可行性研究
本文讨论了可再生能源使用不同方法的优先次序和权重，以及在东阿塞拜疆省水电行业体育场馆管理中使用可再生能源的可行性。D 数理论方法已用于对不同的可再生能源方法进行优先排序。从该领域专家那里收集的信息表明，太阳能（权重 0.5345）是体育和福利场所生产电能的最佳方法。风能（权重 0.5183）和水能（权重 0.5126）位居其后。排名因素中使用的指标包括总成本、能源效率和与环境条件的兼容性。根据可行性研究结果和现有调查结果，可以看出，东阿塞拜疆省体育和福利场所使用可再生能源的总成本为 100.934 亿里亚尔。此外，投资的利息回报率为 19.43%。因此，利用太阳能作为发电来源具有技术和经济合理性。
推荐引用 推荐引用 AHMED, NIZAR ABDULAZIZ MAHYOUB 和 ALPKOÇAK, AD İ L (2022) “使用决策树深度对可解释的 AI 方法进行定量评估”，土耳其电气工程与计算机科学杂志：第 29 卷：第 3 期，第 3 篇文章。 30：第 6 号，第 4 条。https://doi.org/10.55730/1300-0632.3924 可从以下网址获取：https://journals.tubitak.gov.tr/elektrik/vol30/iss6/4
必须对 XAI 系统进行评估，尤其是在尝试将新创建的系统与文献中的其他系统进行比较时。因此，主观评估 XAI 系统的质量取决于最终用户的理解。这里的目标是满足人类的理解并允许他们判断您的 XAI 方法的有效性。因此，有两种依赖于定性评估的评估方法。第一种被称为以人为本的评估，它需要与最终用户直接互动，而不管他或她对手头系统的了解程度如何。第二种更实用，因为它选择了更多的领域专家来判断您的 XAI 方法的可解释性。然而，这两种技术都耗费时间和精力，可能采用其他实用且耗时较少的选项，因此，使用定量评估方法更为实用和高效。功能基础是一种不需要人类互动来识别的评估技术
不列颠哥伦比亚省 RAS 鲑鱼养殖
Edwin Blewett 拥有经济学博士学位（UBC 1982），专攻公共财政、计量经济学和微观经济理论。20 世纪 80 年代，他与渔业和海洋部太平洋地区联合被任命为资源经济学主管和鲑鱼增产计划 (SEP) 经济顾问。自 1987 年以来，他一直担任咨询经济学家，完成了 280 多个项目，涉及自然资源 - 渔业、林业、采矿 - 交通、医疗保健、市政规划、非营利组织、能源、本土企业、土地利用规划、体育和娱乐以及北部发展等不同领域。他曾担任不列颠哥伦比亚省最高法院的渔业领域专家和诉讼团队的证人，并被不列颠哥伦比亚省最高法院和加拿大特定索赔法庭认定为渔业经济学专家。
循环经济：绩效评估视角
循环经济是近年来兴起的一种工业模式，它重新思考产品和商品的整个设计和生产周期，以将环境影响降至最低并最大限度地提高能源效率。这种模式创造了产品转换周期，允许重复使用零件和再生能源，从而定义了循环经济生态系统。从绩效评估的角度来看，这样的循环是非常有趣的系统：在本文中，我们给出了循环经济的有色 Petri 网视角。特别是，我们关注文献中考虑汽车制造的一个例子，并展示了如何使用标准绩效评估技术来处理该问题。案例研究的绩效分析结果允许我们关注新的有趣指标和绩效指标，而这些指标和指标可能无法通过经济领域专家应用的传统技术得到充分研究。