Cognitive decision-making in smart police industry

Ahanger, Tariq Ahamed; Alqahtani, Abdullah; Alharbi, Meshal; Algashami, Abdullah

doi:10.1007/s11227-022-04392-9

Cited by 3 publications

(4 citation statements)

References 40 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Очевидно, що чинник відкладання рішення у зв'язку з необхідністю його поглибленого аналізування пов'язаний із роллю когнітивної складової прийняття рішень у діяльності поліції. Вивчення цієї складової представлено в дослідженні T. Ahanger et al (2022), в якому система оцінювання компетентності поліцейських заснована на оцінці кількох дій для визначення загальної поведінки за допомогою моделі класифікації Байєса, що виражено у дворівневій моделі дерева рішень. Доведено ефективність даної методики стосовно класифікації, прогнозованої оцінки, стабільності та надійності.…”

Section: Discussionunclassified

“…It is obvious that the factor of delaying the decision due to the need for its in-depth analysis is related to the role of the cognitive component of decision-making in police activities. The study of this component is presented in the research of T. Ahanger et al (2022), in which the evaluation system of a police officer competency is based on the evaluation of multiple actions to determine general behavior using a Bayesian classification model expressed in a two-level decision tree model. The effectiveness of this technique in relation to the classification, predicted assessment, stability and reliability has been proven.…”

Section: Discussionmentioning

confidence: 99%

See 1 more Smart Citation

Детермінанти Прийняття Рішень Правоохоронцями

Masian,

Romanenko

2023

Insight

View full text Add to dashboard Cite

Стаття присвячена теоретико-емпіричномувивченню проблеми прийняття рішень у правоохоронній діяльності в сучасних умовах. Метою статтіє представлення та пояснення взаємодії зовнішніхта внутрішніх чинників прийняття рішень у професійній діяльності правоохоронців. Методи. Теоретичні: аналізування та узагальнення результатівприкладних досліджень у галузі прийняття рішень;емпіричні: комплексна авторська методика; методиобробки даних: методи первинної та статистичної обробки даних, кореляційний аналіз. Результати. На основі аналізу теоретичних і прикладнихдосліджень у галузі психології прийняття рішеньвизначено напрями проведення комплексногодослідження в сукупності вивчення різних компонентів структури прийняття рішень, впливу стресу на процес прийняття рішень та типових сценаріївприйняття рішень. Проведення емпіричного дослідження дало змогу виокремити значущі чинникиприйняття рішень; здійснено кореляційний аналіздля встановлення взаємозв’язку між ними. Інтерпретацію взаємозв’язку між змінними представлено на основі порівняльного аналізу з результатами прикладних зарубіжних досліджень. Дискусіяі висновки. Виявлено різноспрямовані тенденціїу прийнятті рішень в діяльності правоохоронців:готовність до дій поєднується зі схильністю довідкладання рішень в умовах стресу, що потребуєрозроблення спеціально розроблених алгоритмівприйняття рішень. Індивідуальна здатність до переформатування сценаріїв прийняття рішень безпосередньо пов’язана зі схильністю до збереження аборуйнації усталених установок. Прийняття рішеньодним процесом за рахунок ігнорування інших абоненалежне застосування інших сценаріїв прийняттярішень за певних обставин може призвести до зниження продуктивності діяльності. Гальмівний впливпри цьому має страх наслідків, який посилюєтьсяв умовах невизначеності та інституційні обмеженняв системі правоохоронних органів, що обумовлюєнеобхідність вивчення психологічних аспектів дискреційної поведінки поліцейських, а також застосування спеціальних програм для правоохоронцівна етапі професійної підготовки.

show abstract

Section: Discussionunclassified

Section: Discussionmentioning

confidence: 99%

Детермінанти Прийняття Рішень Правоохоронцями

Masian,

Romanenko

2023

Insight

View full text Add to dashboard Cite

show abstract

“…The structure of an LSTM is shown below, along with a mathematical representation of it. The memory blocks are separated into three categories [ 29 ]: (i) the initial loading gate (), (ii) the final output gate (), and (iii) the middle inspection gate (), with equation 3 representing the activation function.

…”

Section: Proposed Methodologymentioning

confidence: 99%

Analysis of Smart Lung Tumour Detector and Stage Classifier Using Deep Learning Techniques with Internet of Things

Joshi

Pandit²,

Shukla

et al. 2022

Computational Intelligence and Neuroscience

View full text Add to dashboard Cite

The use of artificial intelligence (AI) and the Internet of Things (IoT), which is a developing technology in medical applications that assists physicians in making more informed decisions regarding patients’ courses of treatment, has become increasingly widespread in recent years in the field of healthcare. On the other hand, the number of PET scans that are being performed is rising, and radiologists are getting significantly overworked as a result. As a direct result of this, a novel approach that goes by the name “computer-aided diagnostics” is now being investigated as a potential method for reducing the tremendous workloads. A Smart Lung Tumor Detector and Stage Classifier (SLD-SC) is presented in this study as a hybrid technique for PET scans. This detector can identify the stage of a lung tumour. Following the development of the modified LSTM for the detection of lung tumours, the proposed SLD-SC went on to develop a Multilayer Convolutional Neural Network (M-CNN) for the classification of the various stages of lung cancer. This network was then modelled and validated utilising standard benchmark images. The suggested SLD-SC is now being evaluated on lung cancer pictures taken from patients with the disease. We observed that our recommended method gave good results when compared to other tactics that are currently being used in the literature. These findings were outstanding in terms of the performance metrics accuracy, recall, and precision that were assessed. As can be shown by the much better outcomes that were achieved with each of the test images that were used, our proposed method excels its rivals in a variety of respects. In addition to this, it achieves an average accuracy of 97 percent in the categorization of lung tumours, which is much higher than the accuracy achieved by the other approaches.

show abstract

“…Some experts believed that big data has become an important strategic resource for countries, a new opportunity to reshape their competitive advantages, and a new way to improve social governance [3][4]. Some experts also pointed out that video patrol command and scheduling systems based on cloud architecture can not only improve the efficiency of police situation assessment, but also accelerate the decision-making of emergency commands [5][6]. In public security work, the issue of police strength is an important factor that cannot be ignored, and solving this problem naturally relies on information technology.…”

Section: Introductionmentioning

confidence: 99%

Research on Building Police Intelligent Patrol Command and Dispatch System under Big Data Technology

2023

cpcs

View full text Add to dashboard Cite

In recent years, public security safety has been one of the core issues of high concern to the whole society. Building a smart patrol command and dispatch system has become one of the development directions for public security organs in response to the increasingly complex and ever-changing public security situation. This article was based on big data technology, analyzing the characteristics and value of patrol data, and using methods such as machine learning and deep learning to construct a smart patrol command and scheduling system for public security, in order to improve the efficiency and level of public security work. By applying experimental testing methods and comparing with traditional methods, performance data of the public security intelligent patrol command and dispatch system can be obtained. Experimental data showed that the stability of the intelligent patrol command and scheduling system based on big data technology reached 86%, accuracy reached 88%, security reached 84%, and work efficiency reached 85%. After comprehensive testing, the performance, safety, and stability of the public security intelligent patrol command and dispatch system have been effectively verified.

show abstract

Cognitive decision-making in smart police industry

Cited by 3 publications

References 40 publications

Детермінанти Прийняття Рішень Правоохоронцями

Детермінанти Прийняття Рішень Правоохоронцями

Analysis of Smart Lung Tumour Detector and Stage Classifier Using Deep Learning Techniques with Internet of Things

Research on Building Police Intelligent Patrol Command and Dispatch System under Big Data Technology

Contact Info

Product

Resources

About