- 一种利用机器学习和数据挖掘方法进行有效软件风险预测管理分析的研究
利用 CIA 方法和改进的软件风险评估算法(ECSA)进行软件项目风险评估,使用深度学习和模糊技术,在评估软件项目风险方面表现更准确和有效。
- 探索长期船舶事故风险预测的关键因素
通过因子分析预测海事安全事故风险,筛选关键因素并提供管理策略。
- 通过 Riskman 本体与形状对医疗设备进行风险管理
我们引入了 Riskman 本体和形状,来表示和分析有关医疗设备风险管理的信息。我们的方法有潜力为制造商和通知机构节省大量的人工工时,从而为医疗保健和整个社会带来巨大好处。
- 先进人工智能的社会适应
存在的管理高级人工智能系统风险的策略通常关注于影响开发什么样的人工智能系统以及它们如何扩散。然而,随着高级人工智能开发者数量的增加,这种方法变得越来越不可行,并且阻碍了有益的和有害的用例。我们呼吁采用一种补充方法:提高社会对高级人工智能的适 - 危险风险管理的潜在范式转变:基于人工智能的热带气旋灾害天气预报
通过使用人工智能驱动模型,该研究在气象灾害的风险管理策略中创造了一个转变。研究采用了热带气旋作为一个重点示例,工程设计了一种基于干扰的方法,使用先进的 Pangu AI 气象模型来产生集合预测。研究结果显示,AI 生成的集合预测在登陆前的七 - 肯定安全:高风险人工智能的风险管理方法
AI 专家建议在高风险的人工智能系统开发或部署之前,公司应该要求展示这些系统的安全性。本文旨在扩展这个想法并探讨其对风险管理的影响。我们认为开发或部署高风险人工智能系统的实体应该提供积极安全的证据,并确保其活动将风险保持在可接受的阈值以下。
- 模拟假设的商业模式
如果我们生活在一个模拟宇宙中,这篇文章从商业的角度探讨了模拟假说。文章提出了模拟宇宙的概念,并探讨了不同的商业模式、路径以及风险管理问题,为模拟假说文献提供了商业模式的视角。此外,文章还讨论了理论和实践的影响,并指出了与可持续性、数字转型和 - NIST AI 风险管理框架在监控技术中的应用
在监控技术领域,特别是人脸识别技术中,本研究对国家标准与技术研究院的人工智能风险管理框架(NIST AI RMF)的应用和影响进行了深入分析。通过案例研究,论文展示了 NIST AI RMF 在识别和减轻这些技术中可能被忽视的风险方面的实用 - FUELVISION: 多模态数据融合和多模型集成算法用于野火燃料映射
使用多个数据源和方法,通过 Landsat-8 光学图像、Sentinel-1 合成孔径雷达(SAR)图像、PALSAR SAR 图像和地形特征,预测和映射火灾燃料类型和分布。
- AI 风险管理:针对 AI 风险的根本原因的系统化管理框架
人工智能领域的最新进展建立了解决具有挑战性任务的基础,然而,与人工智能的集成带来了新的风险,因此为了从其优势中受益,必须充分应对与人工智能相关的风险。本文介绍了 AI 危害管理(AIHM)框架,提供了一个结构化的过程,以系统地识别、评估和处 - 从深度滤波到深度计量经济学
利用混合神经网络和粒子滤波器架构的 SV-PF-RNN,改进粒子滤波器的性能,并实现了随机波动率估计。
- 风险感知强化学习基于最优输运理论
该论文以最优传输理论(OT)为基础,通过修改目标函数,提出了一种风险感知的强化学习框架,以确保决策的可靠性,并且在最大化预期回报的同时,尊重通过状态访问分布和期望风险配置之间的 OT 距离所规定的风险约束。通过利用 OT 的数学精度,论文提 - 谨防不确定性:风险意识和积极探索模型的基于强化学习
我们引入了一种简单而有效的方法来管理基于模型的强化学习中的风险,该方法使用了概率安全约束、在确知不确定性面前的乐观和在事件性不确定性面前的悲观以及一组随机神经网络的平衡。各种实验证明,不确定性的分离对于在不确定和安全关键的控制环境中使用数据 - 欧洲提议的 AI 法案中可接受的风险:关于决定进行多少风险管理的合理性和其他原则
欧洲委员会提议的 AI 法案对高风险 AI 系统的风险管理和风险可接受性的方法进行了批判性评估,认为议会的最新草案在风险管理方面更具可行性,更好地平衡了比例原则和可信度。
- 基于 Pix2Pix 的人工智能火山灰划定
利用 Pix2Pix 模型,通过多光谱卫星图像生成黑白灰云图像,为准确划定灰云提供了一种有效且可应用于全球各地的管理风险工具。
- AAAI开放世界中的预见性思维挑战:风险管理
文章提出了两种针对 AI “感知挑战” 和 “认知挑战” 的开放世界风险管理挑战,以促进研究这些挑战的解决方案,评估和提高 AI 代理人管理开放世界风险所需的预测性思维,从而管理现实世界风险。
- 无需强鲁棒机器学习来管理对抗攻击风险
本文综述了关于机器学习鲁棒性的现状,并探讨了对抗性攻击的实际威胁以及如何管理这些风险,指出许多情况下不需要在模型的准确性和鲁棒性之间做出抉择。
- CVPR推断过去:一个结合 CNN-LSTM 深度学习框架的卫星数据融合历史淹没区域制图方法
本文介绍一种结合卫星图像数据和深度学习模型的方法,来预测氾水面积。该方法在孟加拉国的历史氾水数据中进行测试,结果表明该方法比传统算法(如 CNN 和阈值算法)效果更好。
- 基于几何分离的不确定性估计
本文提出了一种基于几何的方法来改善机器学习模型中的不确定性(或置信度)估计,结果表明相比于最近提出的方法更准确,并且可优化其实现以适用于需实时响应的大数据集应用的关键词是 “机器学习”、“不确定性估计”、“风险管理”、“基于几何的方法” 和 - 一种用于医疗设备风险评估和管理的混合贝叶斯网络
本文利用混合贝叶斯网络(BN)提出一种新的医疗器械风险管理方法,解决了传统方法的限制,包括可靠性差和缺乏历史数据等问题,并在除产线和售后维护等环节应用到一种除颤器设备上进行实际验证。