XiaoMi-AI文件搜索系统
World File Search System交互
定量流线纤维束成像：方法与交互...
半全局纤维束图优化算法的最新发展为在扩散磁共振成像 (MRI) 领域进行结构纤维“连接性”的定量评估提供了可能性。然而，由于缺乏对这些方法的后果的认识、理解或认识，这些方法在神经科学研究中的正确应用受到了限制；此外，尚未描述以适当方式使用这些工具以充分利用其定量属性所需的具体步骤。因此，本文有三个目的：提高人们对现有工具试图解决众所周知的流线计数非定量性质的认识；说明为什么这些算法以这种方式工作以产生白质“连接性”的定量估计值（以轴突内总横截面积的形式：“纤维束容量 (FBC)”）；并解释如何正确利用这些结果进行跨受试者的定量纤维束成像分析。
在线IPC培训，交互聚合物色谱
•收到您的注册后，我们将向您发送注册确认。•我们将与您联系，以了解您并确定您的课程目标。我们很乐意帮助您检查PC/笔记本电脑的适用性。•大约课程前一周，您将收到带有印刷课程文档的PSS的包裹。•活动发生前一天，您将收到带有访问链接的电子邮件。•培训本身是互动的，您有时间和机会在演讲和实践会议期间提出问题。请确保您有一个麦克风，以便您可以与我们交谈。•您将在培训后一天获得出席证书。
机上娱乐地图应用中的用户交互
地图应用程序，乘客可以在此接收有关当前航线的信息。重点是探索移动增强现实在乘客自己的设备上运行的地图应用程序中的适用性。为了提供评估基础，开发了同一原型的三个版本，以测试不同类型的用户输入，以获得最简单、最舒适的用户体验。此外，根据测试对象对最积极的感知用户交互类型的反应，开发了一个完整的原型，模仿机上地图应用程序的真实功能。在此过程中，在原型的每次迭代中都实践了以用户为中心的设计方法，该方法基于以用户为中心的设计，包括用户性能测试和访谈。此外，采用了迭代过程，以进一步改进原型的每次迭代。
深度学习图解：人工智能的视觉交互指南
保留所有权利。本出版物受版权保护，任何禁止复制、存储在检索系统中或以任何形式或任何手段（电子、机械、影印、录制或类似方式）传输之前，必须获得出版商的许可。有关许可、申请表和 Pearson Education 全球权利与许可部门内相关联系人的信息，请访问 www.pearsoned.com/permissions/。
开发自适应人与计算机交互游戏以评估注意力
摘要在本文中，将介绍几种基于体育活动的人 - 计算机相互作用（HCI）游戏，这些游戏将提出，以提高注意力，情感和感官 - 运动协调。这些游戏的界面和困难级别是专门设计的，用于使用不同年龄段和残疾人的人。游戏涉及体育活动，以完成一些基本的HCI任务，这些任务需要手动和手臂的控制，例如水果采摘和空气曲棍球，并根据游戏和人类表现的各种参数，具有自适应的工作水平。在水果采摘游戏中，几个水果图像从屏幕的顶部移到底部。目标是在避免梨的同时收集苹果。玩家的手将控制收集水果的篮子。在空中曲棍球比赛中，玩家将尝试对计算机控制的对手打入进球。球员的手将控制桨，以击中冰球以得分或捍卫自己的进球区域。在两款游戏中，Kinect RGB-D传感器都认可了玩家的手。基于自适应的系统的目标是使玩家参与游戏。作为一个正在进行的项目的一部分，与一群聋哑儿童（3。5-5岁）一起测试了游戏，1减轻了孩子的压力，并在听力学测试之前增加了他们的积极情绪，注意力和感觉 - 运动的协调。游戏表演和对治疗师的评估表明，游戏对孩子有积极的影响。游戏还通过一组成年人作为对照组进行了测试，其中采用移动EEG设备来检测注意力水平。为此，成年人还参加了第三场比赛，其中包括迷宫，并通过Myo传感器进行了控制。
与交通信号灯和标志的自动驾驶汽车的交互数据集
本文介绍了一个综合数据集的开发，该数据集捕获了自动驾驶汽车（AV）和交通控制设备之间的相互作用，特别是交通信号灯和停车标志。源自Waymo Motion数据集，我们的工作通过提供有关AVS如何导航这些流量控制设备的现实轨迹数据来解决现有文献中的关键差距。我们提出了一种从Waymo Motion数据集中识别和提取相关交互轨迹数据的方法，该数据集并入了37,000多个实例，并带有交通信号灯和44,000个带有停车标志的实例。我们的方法包括定义规则以识别各种相互作用类型，提取轨迹数据，并应用基于小波的DeNoising方法来平滑加速度和速度概况并消除异常值，从而提高轨迹质量。质量评估指标表明，在所有相互作用类别中，这项研究中获得的轨迹在加速度上具有异常比例，而混蛋轮廓降低到接近零水平。通过公开提供此数据集，我们旨在解决包含带有交通信号灯和标志的AV交互行为的数据集中的当前差距。基于有组织和发布的数据集，我们可以在与交通信号灯和标志互动时对AVS行为有更深入的了解。这将促进对现有运输基础架构和网络的AV集成的研究，从而支持开发更准确的行为模型和仿真工具。
类比设计中人与人工智能的交互协同创造力
简介 十一年前，马希尔 (Maher) 问道：“谁在创造？” (Maher 2012)，并提出了几个创造性应用的分析空间，包括构思和互动两个维度。马希尔的问题引出了乔丹诺斯 (Jordanous) 的 PPP 视角框架，其中创造行为可以由人类或人工智能 (Jordanous 2016) 执行，以及坎托萨洛 (Kantosalo) 和塔卡拉 (Takala) 的 5C 框架，其中创造行为由人类和人工智能共同组成的集体执行 (Kantosalo and Takala 2020)。1然而，对于人与人工智能互动中创造力的位置，人们的共识较少。混合主动性创造性界面方法提出了一组基本的细粒度活动，这些活动可以由人类或人工智能以某种结构化对话的形式执行（Deterding 等人，2017 年；Spoto 和 Oleynik，2017 年），随后扩展到生成应用（Muller、Weisz 和 Geyer，2020 年），针对特定算法方法进行了改进（Grabe、Duque 和 Zhu，2022 年），并针对其他算法方法进行了批评（Zheng，2023 年）。虽然这些方法生成了重叠的分析动作词汇，但它们并没有解决创造力在何处发生（以及由谁或什么通过这些动作发生）的问题。在这篇短文中，我们提供了对该问题的一个答案的几个例子。我们重新利用 Kantosalo 和 Takala (2020) 的 5C 中的集体概念，提出一种类型的创造力可能会在以下互动空间中不对称地出现 (Rezwana and Maher 2022)
电子纹身：实现与人体皮肤的无感交互
摘要：人体从头到脚不断发出生理和心理信息。可穿戴电子设备能够以非侵入方式准确地数字化这些信息，而不会影响用户的舒适度或移动性，有可能彻底改变远程医疗、移动医疗以及人机或人与元宇宙的交互。然而，由于传统刚性平面电子设备与柔软、弯曲的人体皮肤表面之间的机械不兼容性，最先进的可穿戴电子设备在可穿戴性和功能性方面面临限制。电子纹身是一种独特的可穿戴电子设备，其特点是超薄和皮肤柔软，可在人体皮肤表面进行非侵入性和舒适的贴合，不会造成阻碍甚至机械感知。这篇评论文章对电子纹身进行了详尽的探讨，介绍了它们的材料、结构、制造工艺、特性、功能、应用和剩余挑战。我们首先总结了人体皮肤的特性及其对电子纹身-皮肤界面信号传输的影响。接下来，我们讨论了电子纹身的材料、结构设计、制造和皮肤附着过程。我们将电子纹身的功能分为电气、机械、光学、热和化学传感，以及伤口愈合和其他治疗。在讨论了能量收集和存储功能后，我们概述了无线电子纹身系统集成的策略。最后，我们对该领域剩余的挑战和未来机遇提出了个人观点。
折叠是否会提高交互界面的可用性...
近年来，许多飞机制造商都提出了基于触摸屏的创新驾驶舱概念。尽管具有大量优势，但此类解决方案在操作使用方面受到严重限制，特别是几乎不可能实现无需注视的交互，而且在湍流条件下使用触摸屏非常复杂。我们通过引入一种形状可变的触摸屏来研究物理特性对克服这些弱点的贡献，这种触摸屏提供了可供用户手部休息的褶皱。在模拟器中，在湍流和脑力负荷各不相同的驾驶条件下，对该表面进行了评估。结果表明，褶皱有助于通过稳定手臂和手部来减少体力消耗。这种物理特性还与驾驶任务中的更好表现以及对飞机系统状态的更好态势感知有关，这肯定是因为折叠提供的形状具有更好的视觉特性（显著性），使得对它们的监控在注意力资源方面成本更低。