XiaoMi-AI文件搜索系统
World File Search System中自
空中客车实现飞行中自主引导和控制...
“首次试飞活动的成功为开发自主和无人空中加油技术铺平了道路，”空中客车防务与航天公司军用航空系统负责人 Jean Brice Dumont 表示。“尽管我们还处于早期阶段，但我们仅在一年内就实现了这一目标，并且正朝着有人-无人协同和未来空军作战的正确方向前进，战斗机和任务飞机将与无人机群联合飞行。”
在线健康社区中自愿和强制疫苗讨论的比较：一种文本分析方法
摘要 疫苗是至关重要的健康干预措施。然而，疫苗存在争议，有些人支持，而另一些人拒绝。社交媒体讨论和大数据是了解人们对不同疫苗及其最关心的相关话题的看法的丰富来源。本研究旨在使用文本分析技术探索有关强制和自愿疫苗的在线讨论。Reddit 社交平台在在线健康讨论中很受欢迎，因此对 Reddit 的数据进行了分析。结果表明，对不同类型的疫苗讨论了不同的方面。强制疫苗的讨论更具互动性，重点是与之相关的风险。自愿疫苗的讨论集中在其有效性以及是否接种。这项研究对卫生机构和研究人员以及医疗保健提供者和护理人员都具有重要意义。
衡量人机协作中自由文本原理的人类效用
最近，人们对使用语言模型 (LM) 进行人机协作的兴趣日益浓厚。为了向人类解释其推理过程，最先进的 LM 已被证明能够流畅地用自然语言生成自由文本理由 (FTR)，例如通过思路链提示。尽管如此，这些生成的 FTR 能够多有效地为人机协作提供人类效用，即帮助人类解决 NLP 任务，仍不清楚。为了研究是什么让 FTR 对人类有用，本文分析了人类效用与各种 LM/FTR 属性之间的关系。首先，尽管 LM 通常会经过微调/提示以联合生成任务标签和 FTR，但我们发现 LM 的任务性能与人类效用几乎没有相关性，而 LM 大小是人类效用的正向预测指标。其次，我们观察到某些 FTR 属性对是人类效用的强正向预测因素，例如，高效用的 FTR 往往既简洁又包含新信息。第三，我们表明，给定任务实例的高效用 FTR 可以提供可迁移的知识，帮助人类推广到解决新实例。通过揭示 FTR 在实际环境中对人类效用的性质，我们的研究结果可以帮助指导未来设计 LM 和 FTR 生成策略的工作，以实现更强的人机协作。
使用 Inception U-Net 模型和 Grad-CAM 可视化实现印度道路上非结构化交通环境中自动驾驶汽车场景理解的可解释 AI
摘要：由于现代人工智能 (AI) 技术（尤其是深度神经学习）的大量工作，智能交通系统（尤其是自动驾驶汽车）引起了研究人员的极大兴趣。由于过去几十年来道路交通事故的增加，重要行业正在转向设计和开发自动驾驶汽车。了解周围环境对于了解附近车辆的行为至关重要，以确保自动驾驶汽车在拥挤的交通环境中安全行驶。目前有多个数据集可用于仅关注结构化驾驶环境的自动驾驶汽车。为了开发一种在本质上非结构化的真实交通环境中行驶的智能汽车，应该有一个专注于非结构化交通环境的自动驾驶汽车数据集。印度驾驶精简版数据集 (IDD-Lite) 专注于非结构化驾驶环境，于 2019 年 NCPPRIPG 作为一项线上竞赛发布。本研究提出了一种可解释的基于初始的 U-Net 模型，并结合 Grad-CAM 可视化进行语义分割，该模型结合基于初始的模块作为编码器以自动提取特征，并传递给解码器以重建分割特征图。深度神经网络的黑箱性质无法在消费者中建立信任。Grad-CAM 用于解释基于深度学习的初始 U-Net 模型，以增加消费者信任。提出的带有 Grad-CAM 模型的初始 U-Net 在印度驾驶数据集 (IDD-Lite) 上实现了 0.622 的交并比 (IoU)，优于最先进的 (SOTA) 基于深度神经网络的分割模型。
使用卷积自动编码器模型和 Interv 在 rs-fMRI 模式中自动诊断精神分裂症和注意力缺陷多动障碍
摘要 当今世界，许多人患有脑部疾病，他们的健康受到威胁。到目前为止，已经提出了许多诊断精神分裂症 (SZ) 和注意力缺陷多动障碍 (ADHD) 的方法，其中功能性磁共振成像 (fMRI) 模态是医生中流行的方法。本文提出了一种使用新深度学习方法的静息态 fMRI (rs-fMRI) 模态的 SZ 和 ADHD 智能检测方法。加州大学洛杉矶分校数据集包含 SZ 和 ADHD 患者的 rs-fMRI 模态，已用于实验。FMRIB 软件库工具箱首先对 rs-fMRI 数据进行预处理。然后，使用具有建议层数的卷积自动编码器模型从 rs-fMRI 数据中提取特征。在分类步骤中，引入了一种新的模糊方法，称为区间型2模糊回归（IT2FR），然后通过遗传算法、粒子群优化和灰狼优化（GWO）技术进行优化。此外，还将IT2FR方法的结果与多层感知器、k最近邻、支持向量机、随机森林和决策树以及自适应神经模糊推理系统方法进行了比较。实验结果表明，与其他分类器方法相比，采用GWO优化算法的IT2FR方法取得了令人满意的结果。最后，提出的分类技术能够提供72.71％的准确率。
使用基于深度学习的无标记跟踪在深脑刺激植入帕金森氏病的过程中自动提取上limb运动学活性：概念验证研究
最佳的深脑刺激（DBS）治疗治疗运动障碍通常依赖于术中运动测试来确定目标测定。但是，在当前的实践中，运动测试依赖于主观解释和电机信息的相关性。计算机视觉的最新进展可以提高评估准确性。我们描述了我们对基于深度学习的计算机视野的应用，以进行无标记的跟踪，以测量接受DBS手术的患者的运动行为，以治疗帕金森氏病。视频记录是在术中术中获得的（n = 5患者），作为精确植入DBS电极的护理标准的一部分。运动学数据。手动和自动化（精度为80.00％）的方法都用于从阈值衍生的运动学幻觉中提取运动学发作。通过对抛物线贴合拟合进行建模上肢挠度来压缩主动运动时期。半监督分类模型，支持向量机（SVM），对抛物线拟合拟合定义的参数进行了训练，可靠地预测运动类型。在所有情况下，跟踪均经过良好的校准（即，重新投影像素误差0.016-0.041;准确性> 95％）。SVM预测的分类表现出很高的精度（85.70％），包括两个常见的上肢运动，臂链拉力（92.30％）和手工夹（76.20％），并使用每位患者的剩余过程验证了精度。常规电机测试程序这些结果表明，对于评估DBS手术的最佳大脑目标至关重要的运动行为的成功捕获和分类。
论计算模型和人脑中自然音乐的编码
本文讨论了音乐神经科学的最新发展和进步，以了解音乐情感的本质。特别是，它强调了系统识别技术和音乐计算模型如何促进我们对人类大脑如何处理音乐的纹理和结构以及处理后的信息如何唤起情感的理解。音乐模型将刺激的物理属性与称为特征的内部表征联系起来，预测模型将特征与神经或行为反应联系起来，并根据独立的未见数据测试它们的预测。新框架不需要在受控实验中使用正交刺激来建立可重复的知识，这开启了自然神经科学的新浪潮。当前的评论重点关注这一趋势如何改变音乐神经科学领域。
当自我走神时：自发思维中自我生成概念的大脑表征和动态
自我相关概念是自发思维的主要构成要素，它们在自然思维流中的动态很可能揭示出对心理健康至关重要的内在状态。在这里，我们进行了一项功能性磁共振成像实验（n = 62），使用新开发的基于自由联想的思维采样任务检查自发思维背景下的自我生成概念的大脑表征和动态。概念联想的动态可以预测一般负面情感的个体差异，并在多个数据集中复制（n = 196）。反思自我生成的概念强烈调动了与自传体记忆、概念过程、情绪和自主调节相关的大脑区域，包括内侧前额叶和内侧颞叶皮层下结构。基于多变量模式的预测模型显示，随着感知到的自我相关性水平的提高，效价的神经表征变得更加因人而异。总的来说，这项研究揭示了自发思维中的自我生成概念如何构建内在情感状态和特质。
原发性免疫缺陷症中自身免疫性血细胞减少症的靶向治疗
原发性免疫缺陷 (PID) 是一组罕见的先天性免疫系统疾病。自身免疫性血细胞减少症 (AIC) 是 PID 患者中最常见的自身免疫表现。PID 患者的 AIC 治疗可能非常具有挑战性，因为它们通常是慢性、复发性且对一线疗法具有抵抗力，因此需要多种替代治疗方案。此外，考虑到这些患者对感染的易感性增加，免疫抑制应该得到很好的平衡。缺乏针对 PID 患者 AIC 的具体治疗指南。治疗选择应以潜在疾病为指导。对 PID 中 AIC 发生的致病机制的研究以及我们日益增强的确定免疫失调分子基础的能力为开发新的靶向治疗铺平了道路。理想情况下，靶向治疗针对过度表达或过度活跃的基因产物或替代有缺陷的蛋白质，恢复受损的途径。实际上，分子诊断或特定药物并不总是可行的。然而，确定 PID 的类别或免疫表型有助于选择针对可疑致病机制的半靶向疗法。在本综述中，我们根据不同的免疫靶点概述了 PID 患者中 AIC 的所有治疗干预措施。特别是，我们专注于 T 细胞和/或 B 细胞靶向疗法。为了支持未来的决策，需要进行前瞻性研究，以确定 AIC 和 PID 患者的治疗反应并预测/分层生物标志物。
推进空中自主性：商用无人机在英国节省资金并挽救生命
我们最近发布了《未来飞行路线》，其中列出了在未来 10 年内实现现代、创新和高效航空业愿景的关键优先事项。这承认了无人机发挥的重要作用以及新航空技术及其用途的潜力。我们致力于发布未来飞行计划，并将成立未来飞行行业小组，与行业和民航局合作制定和实施该计划。该计划将包括提供必要的监管框架，以使航空创新者蓬勃发展。政府还将通过实施空域现代化战略来支持该行业，以实现更快、更安静和更清洁的飞行，并确保所有新老空域用户都能在英国空域安全运营和共存。