{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,6,2]，“日期-时间”：“2024-06-02T01:49:56Z”，“时间戳”：1717292996206}，“参考-计数”：50，“出版商”：“Springer Science and Business Media LLC”我“：“2023-10-10T00:00:00Z”，“timestamp”：1696896000000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[[2023,10,10]]，“date-time”：“2023-10-10T00:00:00Z”，“timetamp”：696896000000neneneep，“content-version”：“vor”，“delay-in-days”：0,“URL”：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“资助者”：[{“DOI”：“10.13039\/501100013096”，“名称”：“国家电网科技项目”，“DOI-asserted-by”：“publisher”，“奖项”：[“No.5400-202355230A-1-1-ZN”]}]，”content-domain“：{”domain“:[”link.springer.com“]，”crossmark-restriction“：false}，”short-container-title“用法：[“Appl Intell”]，“published-print”：{“date-parts”：[[2023,12]]}，“DOI”：“10.1007\/s10489-023-04985-8”，“type”：“journal-article”，“created”：{“date-parts”：[2023,10,9]]，“date-time”：“2023-10-09T23:02:29Z”，“timestamp”：1696892549000}，”page“：”28655-28674“，”“update-policy”：”http://\/dx.DOI.org\/10.1007\/springer_crossmark_policy“，”源“：”Crossref“，“is-referenced-by-count”：1，“title”：[“用于多元时间序列异常检测的具有多分辨率分段一致性判别的对比自动编码器”]，“prefix”：“10.1007”，“volume”：“53”，“author”：[{“给定”：“Bing”，“family”：“Xue”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：，“authenticated-orcid”：false，“given”：“Xin”，“family”：“Gao”，“sequence”：“additional”，“affiliation”：[]}，“giving”：“Feng”，“家庭”：“Zhai”，“序列”：“additional”、“affidiation”：“[]}，{“givent”：“Baofeng”，“家族”：“Li”，“serquence”:“additionable”，“filiation“[]}，{”given：“Jiahao”，}，{“给定”：“世源”，“家庭”：“傅”，“序列”：“附加”，“从属”：[]}，{“给定”：“凌丽”，“家族”：“陈”，“顺序”：“额外”，“隶属”：[]}，}“给定的”：“直航”，“家庭”：“蒙”，“排序”：“添加”，“附属”：[[]}]，“成员”：“297”，“在线发布”：{“日期部分”：[2023,10]]}、“引用”：[{“密钥”：“4985_CR1”，“doi-asserted-by”：“publisher”，“unstructured”：“Zhu Z，Huang G，Deng J，Ye Y，Huang.J，Chen X，Zhu J，Yang T，Du D，Lu J et al（2022）Webface260M:百万级深度人脸识别的基准。IEEE模式分析与机器智能汇刊45（2）：2627\u20132644。https:\/\/doi.org\/10.48550\/arXiv.2204.1049“，”doi“：”10.48550\/arXiv.2204.10149“}，{“key”：“4985_CR2”，“doi-asserted-by”：“publisher”，“first page”：”10009“，“doi”：“10.1109\/JSEN.2023.3257867”，“volume”：：“23”，“author”：“Y Wang”，“year”：“2023”，“unstructured”：“Wang Y，Zhao Y（2023）基于单个惯性传感器的任意空间轨迹重构。IEEE传感器杂志23:10009\u201310022。https:\/\/doi.org\/10.109\/JSEN.2023.3257867“，”journal-title“：”IEEE Sensors journal“}，{”key“：”4985_CR3“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.knosys.2022.108687“，“volume”：“246”，“author”：“H Yang”，“year”：“2022”，“unstructured”：“Yang H，Li P，Li H（2022）基于模糊时间序列和多目标优化算法的石油进口依存度预测系统：中国案例。基于知识的系统246:108687。https:\/\/doi.org\/10.1016\/j.knosys.2022.108687“，”journal-title“：”Knowledge-Based Systems“}，{”key“：”4985_CR4“，”doi-asserted-by“：”publisher“，”unstructured“：”Mathur AP，Tippenhauer NO（2016）斯瓦特：一个水处理试验台，用于ics安全研究和培训。摘自：2016年智能水网网络物理系统国际研讨会（CySWater），第31\u201336页。https:\/\/doi.org\/10.109\/CySWater.2016.7469060“，”doi“：”10.1109\/CySWater.2016.7469060“}，{“key”：“4985_CR5”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.bspc.2021.103228”，“volume”：”71“，“author”：“P Liu”，“year”：“2022”，“unstructured”：“Liu P，Sun X，Han Y，He Z，Zhang W，Wu C（2022）基于时间序列异常检测的lstm自动编码器心律失常分类。生物医学信号处理与控制71:1003228。https:\/\/doi.org\/10.1016\/j.bspc.2021.103228“，”journal-title“：”生物医学信号处理和控制“}，{”key“：”4985_CR6“，”doi-asserted-by“：”publisher“，”first page“：“823”，”doi“：”10.1016\/j.sy.2020.127“，“volume”：“62”，“author”：“Y Wang”，“year”：“2022”，“unstructured”：“Wang Y，Perry M，Whitlock D，Sutherland JW（2022）使用递归神经网络检测来自制造系统的时间序列数据中的异常。制造系统杂志62:823\u2013834。https:\/\/doi.org\/10.1016\/j.jmsy.2020.12.007“，“journal-title”：“journal of Manufacturing Systems”}，{“key”：“4985_CR7”，“doi-asserted-by”：“publisher”，“unstructured”：“Zhang W，Zhang C，Tsung F（2022）格雷伦：从图关系学习的角度进行多元时间序列异常检测。摘自：《第三十一届国际人工智能联合会议论文集》，IJCAI-22，第2390\u20132397页。https:\/\/doi.org\/10.24963\/ijcai.2022\/332“，“doi”：“10.24963\/ijcai.022\/333”}，{“key”：“4985_CR8”，“doi-asserted-by”：“publisher”，“unstructured”：“Chen Z，Peng Z，Zou X，Sun H（2022）基于深度学习的多维时间序列异常检测：一项调查。摘自：《网络安全：第十八届中国年会》，CNCERT 2021，中国北京，201321年7月20日，2021年，修订论文集，第71\u201392页。https:\/\/doi.org\/10.1007\/978-981-16-9229-1_5“，”doi“：”10.1007\/978-881-16-929-1_5“}，{“key”：“4985_CR9”，“doi-asserted-by”：“publisher”，“unstructured”：“Breunig MM，Kriegel HP，Ng RT，Sander J（2000）Lof:识别基于密度的本地离群值。摘自：2000年ACM SIGMOD国际数据管理会议论文集，第93\u2013104页。https:\/\/doi.org\/10.1145\/335191.335388“，”doi“：”10.1145\/33591.335388.“}，{”key“：”4985_CR10“，”doi-asserted-by“：”publisher“，”unstructured“：”Gu X，Akoglu L，Rinaldo A（2019）异常检测的最近邻方法统计分析。神经信息处理系统进展32。https:\/\/doi.org\/10.48550\/arXiv.1907.03813“，”doi“：”10.48550\/arXiv.1907.0813“}，{“key”：“4985_CR11”，“doi-asserted-by”：“publisher”，“unstructured”：“Jiang J，Yasakethu L（2013）通过一类支持向量机进行异常检测，以保护scada系统。摘自：2013年网络支持分布式计算和知识发现国际会议，第82\u201388页。https:\/\/doi.org/10.1109\/CyberC.2013.22”，“doi”：“10.1109\/CyberC.2013.22”}，｛“key”：“4985_CR12”，“doi断言者”：“publisher”，“非结构化”：“Chevrot A，Vernotte A，Legeard B（2022）Cae:用于航空运输中多变量时间序列异常检测的上下文自动编码器。计算机与安全116:102652。https:\/\/doi.org\/10.1016\/j.cose.2022.102652“，“doi”：“10.1016\/j.cose.2022.102652”}，{“key”：“4985_CR13”，“doi-asserted-by”：“publisher”，“unstructured”：“Li G，Jung JJ（2022）多元时间序列中异常检测的深度学习：方法、应用和挑战。Inf.Fusion 91:93\u2013102。https:\/\/doi.org\/10.1016\/j.inffus.2022.10.008“，”doi“：”10.1016\/j.inffus.2020“}，{“key”：“4985_CR14”，“doi-asserted-by”：“publisher”，“unstructured”：“张G，高X，王L，薛B，付S，于j，黄Z，黄X（2022）具有多尺度特征提取的概率自动编码器用于多元时间序列异常检测。应用智能1 \u201318。https:\/\/doi.org\/10.1007\/s10489-022-04324-3“，”doi“：”10.1007\/s10489-022-0423-4-3“}，{“key”：“4985_CR15”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.knosys.2021.107757”，“volume”：”236“，“author”：“Y Yao”，“year”：“2022”，“unstructured”：“Yao Y，Ma j，Ye Y（2022）Kfreqgan：利用对抗性学习和频域信息对序列异常进行无监督检测。基于知识的系统236:107757。https:\/\/doi.org\/10.1016\/j.knosys.2021.107757“，”journal-title“：”Knowledge-Based Systems“}，{”key“：”4985_CR16“，”doi-asserted-by“：”publisher“，”first-page“：”4027“，”doi“：”10.1609\/aaaai.v35i5.16523“，”volume“：“35”，”author“：”A Deng“，”year“：”2021“，”unstructured“：”Deng A，Hooi B（2021）基于图神经网络的多元时间序列异常检测。AAAI人工智能会议记录35:4027\u20134035。https:\/\/doi.org\/10.10609\/aaai.v35i5.16523“，”journal-title“：”aaai人工智能会议论文集“}，{“issue”：“12”，“key”：“4985_CR17”，“doi-asserted-by”：“publisher”，“first page”：”9179“，”doi“：”10.1109\/JIOT.2021.3100509“，”volume“：”9“，”author“：”Z Chen“，”“year”：“2021”，“unstructured”：“”Chen Z，Chen D，Zhang X，袁Z，Cheng X（2021）使用变压器学习图结构，用于物联网中的多元时间序列异常检测。IEEE物联网期刊9（12）：9179\u20139189。https:\/\/doi.org\/10.109\/JIOT.2021.3100509“，“journal-title”：“IEEE物联网杂志”}，{“key”：“4985_CR18”，“doi-asserted-by”：“publisher”，“unstructured”：“He K，Fan H，Wu Y，Xie S，Girshick R（2020）无监督视觉表征学习的动量对比。摘自：IEEE计算机视觉和模式识别会议记录，第9729\u20139738页。https:\/\/doi.org\/10.109\/CVPR42600.2020.00975“，”doi“：”10.1109\/CVPRS2600.2020.00975“}，{“key”：“4985_CR19”，“doi-asserted-by”：“publisher”，“unstructured”：“Chen T，Kornblith S，Norouzi M，Hinton G（2020）视觉表征对比学习的简单框架。摘自：国际机器学习会议，第1597\u20131607页。https:\/\/doi.org\/10.48550\/arXiv.2002.05709“，”doi“：”10.48550\/arX iv.2002.5709“}，{“key”：“4985_CR20”，“doi-asserted-by”：“publisher”，“unstructured”：“Shi J，Liang C，Hou L，Li JZ，Liu Z，Zhang H（2018）深度通道：通过对比学习对提取文档摘要进行显著性评估。参见：AAAI人工智能会议，第33卷，第6999\u20137006页。https:\/\/doi.org\/10.48550\/arXiv.1811.02394“，”doi“：”10.48550\/arX iv.181.02394“}，{“key”：“4985_CR21”，“doi-asserted-by”：“publisher”，“unstructured”：“Saeed A，Grangier D，Zeghidour N（2021）通用音频表示的对比学习。在：ICASSP 2021-2021 IEEE声学、语音和信号处理国际会议（ICASSP），第3875\u20133879页。https:\/\/doi.org\/10.109\/ICASPSP39728.2021.9413528“，”doi“：”10.1109\/ICASSP39728.2021.94135.28“}，{“问题”：“1”，“密钥”：“4985_CR22”，“doi-asserted-by”：“发布者”，“首页”：“2”，“doi”：“10.3390\/technologies9010002”，”卷“：“9”，“作者”：“贾斯瓦尔”，“年份”：“2020”，“非结构化”：“贾斯瓦尔”A、Babu AR、Zadeh MZ、Banerjee D、Makedon F（2020年）关于对比性自主学习的调查。技术9（1）：2。https:\/\/doi.org\/10.3390\/technologies9010002“，”journal-title“：”Technologies“}，{“key”：“4985_CR23”，“doi-asserted-by”：“publisher”，“first page”：”8980“，”doi“：”10.1609\/aaaai.v36i8.20881“，”volume“：”36“，”author“：”Z Yue“，”year“：”2022“unstructured”：“Yue Z，Wang Y，Duan J，Yang T，Huang C，Tong Y，Xu B（2022）Ts2vec：走向时间序列的普遍表示。AAAI人工智能会议记录36:8980\u20138987。https:\/\/doi.org\/10.10609\/aaai.v36i8.20881“，”journal-title“：”aaai人工智能会议记录“}，{“key”：“4985_CR24”，“doi-asserted-by”：“publisher”，“first page”：”1409“，“doi”：“10.1609\/aaai.v33i01.33011409”，“volume”：：“33”，“author”：“C Zhang”，“year”：“2019”，”非结构化“：”Zhang C，Song D，Chen Y，Feng X，Lumezanu C，Cheng W，Ni J，Zong B，Chen H，Chawla NV（2019）用于多元时间序列数据中非监督异常检测和诊断的深度神经网络。AAAI人工智能会议记录33:1409\u20131416。https:\/\/doi.org\/10.1609\/aaai.v33i01.33011409“，“journal-title”：“aaai人工智能会议论文集”}，{“key”：“4985_CR25”，“doi-asserted-by”：“publisher”，“unstructured”：“周B，刘S，胡B，程X，叶J（2019）Beagan：使用对手生成的时间序列检测异常节律。收录于：IJCAI，第2019卷，第4433\u20134439页。https:\/\/doi.org\/10.24963\/ijcai.2019\/616“，”doi“：”10.24963\/ijcai.2012\/616”}，{“key”：“4985_CR26”，“doi-asserted-by”：“publisher”，“unstructured”：“Audibert J，Michiardi P，Guyard F，Marti S，Zuluaga MA（2020）Usad：多变量时间序列的无监督异常检测。在：第26届ACM SIGKDD知识发现与数据挖掘国际会议论文集，第3395\u20133404页。https:\/\/doi.org\/10.1145\/3394486.3403392“，”doi“：”10.1145\/339486.3403392“}，{”key“：”4985_CR27“，”doi-asserted-by“：”publisher“，”unstructured“：”Li，Z.，Zhao，Y.，Han，J.，Su，Y..，Jiao，R.，Wen，X.，Pei，D.：使用分层时间嵌入和时间嵌入的多变量时间序列异常检测和解释。参见：第27届ACM SIGKDD知识发现和数据挖掘会议记录，第3220\u20133230页（2021）。https:\/\/doi.org\/10.1145\/3447548.3467075“，”doi“：”10.1145\/3445548.346775“}，{”key“：”4985_CR28“，”doi-asserted-by“：”publisher“，”unstructured“：”Tuli S，Casale G，Jennings N（2022）Tranad:用于多元时间序列数据异常检测的深度变换器网络。VLDB Endowment会议记录15:1201\u20131214。https:\/\/doi.org\/10.14778\/351061.3514067“，”doi“：”10.14778\/3514061.351067“}，{”key“：”4985_CR29“，”doi-asserted-by“：”publisher“，”unstructured“：”Xu J，Wu H，Wang J，Long M（2022）异常变压器：具有关联差异的时间序列异常检测。参加：学习代表国际会议。https:\/\/doi.org\/10.48550\/arXiv.2110.02642“，”doi“：”10.48550\/arXiv.2110.03642“}，{“key”：“4985_CR30”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.knosys.2022.18606”，“volume”：”245“，”author“：”X Yang“，”year“2022”，“unstructured”：“Yang X，Zhang，Cui R（2022）”Timeclr：一个用于单变量时间序列表示的自我监督对比学习框架。基于知识的系统245:108606。https:\/\/doi.org\/10.1016\/j.knosys.2022.108606“，”journal-title“：”Knowledge-Based Systems“}，{”key“：”4985_CR31“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/TNSE.2022.3163144“，“author”：“H Gao”，“year”：“2022”，“unstructured”：“Gao H，Qiu B，Barroso RJD，Hussain W，Xu Y，Wang X（2022）Tsmae：一种新的物联网时间序列数据异常检测方法，使用内存增强型自动编码器。IEEE网络科学与工程汇刊。https:\/\/doi.org/10.1109\/TNSE.2022.3163144”，“期刊标题”：“IEEE网络科学与工程汇刊”}，｛“密钥”：“4985_CR32”，“doi断言者”：“出版商”，“首页”：“266”，“doi”：“10.1016\/j.in.2022.07.179”，“卷”：“610”，“作者”：“H Zhou”，“年份”：“2022”，“非结构化”：“周H，于K，张X，吴G，Yazidi A（2022）多元时间序列异常检测的对比自动编码器。信息科学610:266\u2013280。https:\/\/doi.org\/10.1016\/j.ins.2022.07.179“，”journal-title“：”Information Sciences“}，{”key“：”4985_CR33“，”doi-asserted-by“：”publisher“，”unstructured“：”Eldele E，Ragab M，Chen Z，Wu M，Kwoh C，Li X，Guan C（2021）通过时间和语境对比进行时间序列表征学习。参加：国际人工智能联合会议。https:\/\/doi.org\/10.48550\/arXiv.2106.14112“，”doi“：”10.48550\/arX iv.2106.1112“}，{“key”：“4985_CR34”，“doi-asserted-by”：“publisher”，“unstructured”：“Su Y，Zhao Y，Niu C，Liu R，Sun W，Pei D（2019）基于随机递归神经网络的多元时间序列稳健异常检测。摘自：第25届ACM SIGKDD知识发现与数据挖掘国际会议论文集，第2828\u20132837页。https:\/\/doi.org\/10.1145\/3292500.3330672“，”doi“：”10.1145\/3292500.3330672”}，{“key”：“4985_CR35”，“doi-asserted-by”：“publisher”，“unstructured”：“欧阳L，Wu J，Jiang X，Almeida D，Wainwright C，Mishkin P，Zhang C，Agarwal S，Slama K，Ray A等人（2022）训练语言模型，使其遵循带有人类反馈的指令。神经信息处理系统的进展35:27730\u201327744。https:\/\/doi.org\/10.48550\/arXiv.2203.02155“，”doi“：”10.48550\/arX iv.2203.2155“}，{“问题”：“8”，“密钥”：“4985_CR36”，“doi-asserted-by”：“发布者”，“首页”：“9334”，“doi”：“10.1007\/s10489-021-03083-x”，“卷”：“52”，“作者”：“J Wang”，“年份”：“2022”，“非结构化”：“Wang J（2022 2）基于小波包分解和随机深度学习模型的新型金属期货预测系统。应用情报52（8）：9334\u20139352。https:\/\/doi.org\/10.1007\/s10489-021-03083-x“，”journal-title“：”Applied Intelligence“}，{”key“：”4985_CR37“，”doi-asserted-by“：”publisher“，”unstructured“：”Wang J，Wang J（2021）基于SW-LSTM和小波包分解的新型混合预测模型：石油期货价格案例研究。计算智能与神经科学2021。https:\/\/doi.org\/10.1155\/2021\/7653091“，”doi“：”10.1155\/2021//7653091“}，{“key”：“4985_CR38”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.asoc.2022.109003”，”volume“：”132“，”author“：”C Sun“，”year“：”2023“unstructured”：“Sun C，He Z，Lin H，Cai L，Cai H，Gao M（2023）基于可变自动编码器的门控递归单元的动力电池组异常检测。应用软计算132:109903。https:\/\/doi.org\/10.1016\/j.asoc.2022.109003“，”journal-title“：”Applied Soft Computing“}，{”key“：”4985_CR39“，”unstructured“：”Grill JB，Strub F，Altch\u00e9 F，Tallec C，Richemond P，Buchatskaya E，Doersch C，Avila Pires B，Guo Z，Gheshlaghi Azar M等人（2020）引导自己的潜能——一种新的自主学习方法。神经信息处理系统进展33:21271\u201321284。arXiv:2006.07733“}，{“issue”：“6”，“key”：“4985_CR40”，“doi-asserted-by”：“publisher”，“first-pages”：“2508”，“doi”：“10.1109\/TNNLS.2021.3105827”，“volume”：”33“，“author”：“A Garg”，“year”：“2021”，“unstructured”：“Garg A，Zhang W，Samaran J，Savitha R，Foo CS（2021）多元时间序列中异常检测和诊断的评估。IEEE神经网络和学习系统汇刊33（6）：2508\u20132517。https:\/\/doi.org\/10.109\/TNNLS.2021.3105827“，“journal-title”：“IEEE神经网络和学习系统事务”}，{“key”：“4985_CR41”，“doi-asserted-by”：“publisher”，“unstructured”：“Hundman K，Constantinou V，Laporte C，Colwell I，Soderstrom T（2018）使用lstm和非参数动态阈值检测航天器异常。摘自：第24届ACM SIGKDD知识发现与数据挖掘国际会议论文集，第387\u2013395页。https:\/\/doi.org\/10.1145\/3219819.3219845“，”doi“：”10.1145\/3219919.3219845“}，{“key”：“4985_CR42”，“doi-asserted-by”：“publisher”，“unstructured”：“Abdulaal A，Liu Z，Lancewicki T（2021）异步多元时间序列异常检测和定位的实用方法。摘自：第27届ACM SIGKDD知识发现与数据挖掘会议记录，第2485\u20132494页。https:\/\/doi.org\/10.1145\/3447548.3467174“，”doi“：”10.1145\/34457548.3467174一级网络。神经信息处理系统进展33:13016\u201313026。https:\/\/doi.org\/10.5555\/3495724.3496816“，“journal-title”：“神经信息处理系统的进展”}，{“key”：“4985_CR44”，“doi-asserted-by”：“publisher”，“unstructured”：“Xu H，Chen W，Zhao N，Li Z，Bu J，Li Z，Liu Y，Zhaoy，Pei D，Feng Y et al（2018）通过可变自动编码器对web应用程序中季节性kpi进行无监督异常检测。摘自：《2018年万维网会议记录》，第187\u2013196页。https:\/\/doi.org\/10.1145\/3178876.3185996“，”doi“：”10.1145\/31788876.3185996“}，{”key“：”4985_CR45“，”doi-asserted-by“：”publisher“，“首页”：“7194”，“doi”：“10.1609\/aaaai.v36i7.20680”，“卷”：“36”，“作者”：“S Kim”，“年份”：“2022”，“非结构化”：“Kim S，Choi K，Choi-HS，Lee B，Yoon S（2022年）对时间序列异常检测进行严格评估。AAAI人工智能会议记录36:7194\u20137201。https:\/\/doi.org/10.1609\/aai.v36i7.20680”，“期刊标题”：“aaai人工智能会议论文集”}，｛“key”：“4985_CR46”，“doi asserted by”：“publisher”，“unstructured”：“Liu FT，Ting KM，Zhou ZH（2008）Isolation forest。In：2008第八届国际数据挖掘大会，第413页\u2013422。https:\/\/doi.org\/10.109\/ICDM.2008.17“，”doi“：”10.1109\/ICDM/2008.17“}，{“key”：“4985_CR47”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.ymssp.2021.107967”，“volume”：”161“，”author“：”D You“，“year”：“2021”，“unstructured”：“You D，Shen X，Liu G，Wang G（2021）基于贝叶斯推理的核动力机械信号异常识别策略。机械系统和信号处理161:107967。https:\/\/doi.org\/10.1016\/j.ymssp.2021.107967“，”journal-title“：”Mechanical Systems and Signal Processing“}，{”key“：”4985_CR48“，”doi-asserted-by“：”publisher“，”first page“：“243”，“doi”：“10.1016\/j.inffus.2021.05.008”，“volume”：“76”，“author”：“M Abdar”，“year”：“2021”，“unstructured”：“”Abdar M、Pourpanah F、Hussain S、Rezazadegan D、Liu L、Ghavamzadeh M、Fieguth P、Cao X、Khosravi A、Acharya UR等人（2021）《深度学习中不确定性量化的回顾：技术、应用和挑战》。信息融合76:243\u2013297。https:\/\/doi.org\/10.1016\/j.inffus.2021.05.008“，”journal-title“：”信息融合“}，{“key”：“4985_CR49”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.inffus.2023.101813”，“volume”：”97“，”author“：”M Abdar“，”year“：”2023“，”非结构化“：”Abdar M、Mehrzadi A、Goudarzi M、Masoudkabir F、Rundo L、Mamouei M、Sala E、Khosravi A、Makarenkov V、Acharya UR等（2023）用于心脏X综合征诊断的贝叶斯专家的二值化多门混合：一种临床医生在操作场景中的信念-不确定性融合范式。信息融合97:101813。https:\/\/doi.org/10.1016\/j.infus.2023101813”，“期刊标题”：“信息融合”}，｛“密钥”：“4985_CR50”，“doi断言者”：“出版商”，“非结构化”：“Abdar M，Khosravi A，Islam SMS，Acharya UR，Vasilakos AV（2022）需要量化临床数据分析人工智能中的不确定性：提高决策过程中的信任水平。IEEE系统、人与控制论杂志8（3）：28\u201340。https:\/\/doi.org\/10.109\/MSMC.2022.3150144“，”doi“：”10.1109\/MMSC.2022.3150“}]，”container-title“：[”Applied Intelligence“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\//link.springer.com\/content\/pdf\/10007\/s10489-023-04985-8.pdf“，“content-type”：“application\/pdf”，“content-version”：“vor”“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/link.springer.com/article\/10.1007\/s10489-023-04985-8\/fulltext.html”，“内容类型”：“text\/html”，“content-version”：“vor”，“intended-application”：“text-mining”}，{”URL“：”https:\//link.springer\com/content\/pdf\/10007\/s10489-023-0485-8.pdf“，”内容类型“：”application\/pdf“，”content-versiion“：”vor“，”预期应用程序“：“相似性检查”}]，“存放”：{“日期部分”：[[2023,11,29]]，“日期时间”：“2023-11-29T14:19:12Z”，“时间戳”：1701267552000}，“分数”：1，“资源”：{primary“：{”URL“：”https:\/\/link.springer.com\/10.1007\/s10489-023-04985-8“}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[2023,10,10 0]]}，“references-count”：50，“journal-issue”：{“issue”：“23”，“published-print”：{“date-parts”：[[2023,12]]}}，“alternative-id”：[“4985”]，“URL”：“http://\/dx.doi.org\/10.1007\/s10489-023-04985-8”，“relationship”：{}，”ISSN“：[“0924-669X”，“1573-7497”]，”ISSN-type“：[{”value“：”0924-669“X”，”type“:”print“}”，{“value”：“1573-4497”，“”键入“：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2023,10,10]]}，“assertion”：[{“value”：“2023年8月25日”，“订单”：1，“名称”：“接受”，“标签”：“接收”，“组”：{“名称”:“文章历史”，“label”：“文章历史记录”}}，{“值”：“2023October”，“订购”：2，“名称“：”first_online“，”label“：”first online“，csHeading“，”label“：”声明“}}，{“value”：“作者没有要声明的与本文内容相关的竞争性利益。”，“order”：2，“name”：“Ethics”，“group”：{“name”:“EthicsHeading”，“label”：“Competiting interestions”}}，{”value“：“Not applicable”，“订单”：3，“name“：”Ethics“，”group“：，“order”：4，“name”：“Ethics”，“group”：{“name”:“EthicsHeading”，“label”：“同意参与”}}，{“value”：“不适用”，“orders”：5，“name“：”Ethics