62、高风险人工智能系统相关方的义务解读

高风险人工智能系统相关方的义务解读

1. 非欧盟提供商指定授权代表的义务

非欧盟的高风险人工智能系统提供商,在将系统投放欧盟市场前,需通过书面授权指定一名欧盟境内的授权代表,且不论是否能识别进口商,这一义务都适用。这一规定旨在为运营商创造公平竞争环境,确保责任可追溯,因为在任何情况下,欧盟境内的相关人员都能向当局提供人工智能系统合规的必要信息。

2. 其他方被视为提供商的条件

根据相关提案,以下情况的分销商、进口商、用户或其他第三方将被视为高风险人工智能系统的提供商,并承担与提供商相同的义务:
- 以自身名义投放市场或投入使用 :以自己的名称或商标将高风险人工智能系统投放市场或投入使用(除非合同对义务分配另有约定)。
- 修改高风险系统的预期用途 :对已投放市场或投入使用的高风险人工智能系统的预期用途进行修改。
- 进行重大修改 :对已投放市场或投入使用的高风险人工智能系统进行重大修改。“重大修改”指的是系统投放市场或投入使用后,影响其符合相关法规要求或导致其预期用途发生改变的变更。
- 使非高风险系统变为高风险系统 :对已投放市场或投入使用的非高风险人工智能系统进行修改,使其变为高风险人工智能系统。
- 满足特定通用人工智能系统条件 :满足某些通用人工智能系统相关条件。

当出现上述(2) - (5)的情况时,最初将高风险人工智能系统投放市场或投入使用的提供商将不再被视为该提案下的提供商。

以下是相关

【电能质量扰动】基于ML和DWT的电能质量扰动分类法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类法,并提供了Matlab实现案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该法充分发挥DWT在信号去噪与特征提取面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值