XiaoMi-AI文件搜索系统
World File Search System信息流
主题的定量信息流分析API
第三方Cookies自1990年代中期首次开发Cookie以来一直是隐私问题，但更严格的Cookie政策仅在2010年代初由Internet浏览器供应商引入。最近，由于法规变化，浏览器供应商已经开始完全阻止第三方饼干，而Firefox和Safari已经符合综合。在即将到来的第三方Cookie弃用之后，Google提出了API作为基于兴趣的广告（IBA）的附加且侵入性较低的信息来源。Google发布的初始结果估计，在仍支持IBA的同时，正确重新识别随机人的正确识别的可能性将低于3％。在本文中，我们从定量信息流（QIF）（信息和决策理论框架的角度）分析了主题API引入的单个互联网用户的重新识别风险。我们的模型允许对API的隐私和实用性方面进行理论分析及其权衡，我们证明APIS API确实比第三方Cookie具有更好的隐私性。我们将公用事业分析用于将来的工作。
供应链中信息流的跨学科调查
Jan Pennekamp, RWTH Aachen University, Germany Roman Matzutt, RWTH Aachen University, Germany Christopher Klinkmüller, BPMotion, Australia Lennart Bader, Fraunhofer Fkie, Germany Martin Serror, Fraunhofer Fkie, Germany Eric Wagner, Fraunhofer Fkie, Germany and RWTH Aachen University, Germany Sodra Malik，Data61 CSIRO，澳大利亚玛丽亚·斯皮斯（Maria Spiss），德国RWTH亚兴大学的工业管理研究所，杰西卡·拉恩（Jessica Rahn），德国亚兴大学的工业管理研究所，德国tangürpinar，fraunhofer iml，德国德国Eduard vlad vlad vlad vlad vlad vlad vlad vlad vlad vlth Aachen University，Rwth Aachen University，rwth Aachen University，Germany Sandery J.J. Leemans，Rwth Aachen University，德国Salil S. Kanhere，新南威尔士大学，澳大利亚沃尔克·史蒂奇，德国rwth Aachen University的工业管理学院，德国Klaus WehrleJan Pennekamp, RWTH Aachen University, Germany Roman Matzutt, RWTH Aachen University, Germany Christopher Klinkmüller, BPMotion, Australia Lennart Bader, Fraunhofer Fkie, Germany Martin Serror, Fraunhofer Fkie, Germany Eric Wagner, Fraunhofer Fkie, Germany and RWTH Aachen University, Germany Sodra Malik，Data61 CSIRO，澳大利亚玛丽亚·斯皮斯（Maria Spiss），德国RWTH亚兴大学的工业管理研究所，杰西卡·拉恩（Jessica Rahn），德国亚兴大学的工业管理研究所，德国tangürpinar，fraunhofer iml，德国德国Eduard vlad vlad vlad vlad vlad vlad vlad vlad vlad vlth Aachen University，Rwth Aachen University，rwth Aachen University，Germany Sandery J.J. Leemans，Rwth Aachen University，德国Salil S. Kanhere，新南威尔士大学，澳大利亚沃尔克·史蒂奇，德国rwth Aachen University的工业管理学院，德国Klaus Wehrle
使用深度学习工具对 Twitter 上的空气质量信息流进行分类
摘要。环境健康是一个新兴且备受争议的话题，涵盖多个研究领域，例如城市或农村环境污染及其对健康人群的影响。在这个跨部门力量领域，利益相关者逻辑的复杂性体现在空气质量数据和信息的生产、使用和交流中。Twitter 平台是一个“部分公共空间”，可以阐明所涉及的不同类型的利益相关者、讨论的信息和问题以及这些不同方面之间的表达动态。本文介绍了一种方法，旨在描述和表示一方面该社交媒体上消息流的流通和分发模式，另一方面描述和表示利益相关者之间交换的内容。为此，我们开发了一个基于深度学习方法的分类器，以便从头开始对消息进行分类。所提出的概念和工具方法是基于定量和定性方法的更广泛的跨学科方法的一部分，用于研究环境健康中的沟通。
基于转移熵的方法从临床角度分析睁眼和闭眼条件下的信息流
研究正常或病理条件下的大脑动态已被证明是一项具有挑战性的任务，因为对于最佳方法没有统一的共识。在本文中，我们提出了一种基于传递熵的方法来研究健康受试者在睁眼（EO）和闭眼（EC）静息状态下不同大脑半球之间的信息流。我们使用了一个模拟临床环境中技术条件的实验装置，并从 65 Hz 采样率的 24 通道脑电图（EEG）短记录中收集数据集。我们的方法考虑了两种条件下的半球间和半球内信息流分析，并依赖于从 EEG 通道之间的传递熵估计计算出的 4 个指标。这些指标提供有关活动连接的数量、强度和方向性的信息。我们的结果表明，在 EC 条件下，alpha、beta1 和 beta2 频带的信息传递有所增加，但在任何一种条件下，半球间信息移动都没有优先的方向。这些结果与之前报道的以更高采样率进行更密集的 EEG 记录的研究一致。总之，我们的方法表明，在 EO 和 EC 静息状态下，大脑信息传递的动态存在显著差异，这也可以应用于常规临床治疗。
自主系统中的能量和信息流
多组分分子机器在生物学中无处不在。我们回顾了使用自主二分马尔可夫动力学描述其热力学性质的最新进展。第一和第二定律可以拆分为适用于双组分系统每个子系统的独立版本，说明我们不仅可以解决子系统之间的能量流，还可以解决信息流，量化每个子系统的动态如何影响联合系统的熵平衡。将该框架应用于分子级传感器可以推导出更严格的能量需求界限。可以从统一的角度研究双组分强耦合机器，量化它们在多大程度上通过转换功率进行常规运行，或者像信息引擎一样通过生成信息流将热波动整流为输出功率。
信息流和认知相互影响
在学习系统的背景下，确定向用户提供的信息之间的因果关系，其行为和认知能力所需的/施加以理解和执行任务是建立有效的学习经验，并保持在学习过程中的参与度的关键。一个未开发的问题是，我们与提出的信息的互动是否影响我们的认知能力（以及行为），或反之亦然。我们研究了在两项单独的研究（n = 40，n = 98）的背景下，提出的信息与认知能力（和行为）之间的因果关系，并研究教学的影响（主动/被动任务）。我们利用屏幕记录和吸引人的数据来研究这些变量之间的关系。为了研究不同测量结果之间的因果关系，我们使用了格兰杰的因果关系。此外，我们提出了一种新方法，将来自多个参与者的两个时间序列结合起来，以检测因果关系。我们的结果表明，信息表示驱动用户焦点大小（行为），并且认知负载（对所施加的认知效果的量度）驱动信息表示。这种关系还通过指令类型和性能级（高/低）进行了调节。我们对教育材料和学习技术的设计有影响。
探索视觉空间工作记忆中后内侧皮层的信息流：一项脑磁图研究
后内侧皮质 (PMC) 是大脑默认模式网络的主要中枢，与多种内部驱动认知有关，包括视觉空间工作记忆。然而，它对这些认知过程的确切贡献仍不清楚。使用 MEG，我们测量了健康人类参与者（男女青年）在执行视觉空间工作记忆任务时的 PMC 活动。多元模式分类分析揭示了在编码和检索过程中在一组先验定义的皮质 ROI 中与刺激相关的信息，除了 PMC 之外，还包括前额叶、枕叶和腹颞叶皮质。我们在信息流分析中测量了这些刺激信息在区域之间交换的程度，从而测量了区域间随时间的格兰杰因果关系。与任务的视觉性质一致，来自枕叶皮质的信息在大多数时期内塑造了其他区域。然而，PMC 在视觉空间工作记忆中塑造了枕叶和前额叶皮质中的物体表征，在检索过程中影响枕叶皮质，并在所有任务时期影响 PFC。我们的研究结果与 PMC 在表征内部内容（包括记忆信息）以及将外部刺激与记忆材料进行比较方面所发挥的作用相一致。
脑肿瘤信息流行病学：全球在线健康...
健康信息学的趋势是通过搜索词“大数据”来处理互联网使用情况，大数据越来越多地被用于近似疾病流行病学、医疗保健研究、公共知识和患者健康寻求行为的实时统计数据 (1、2)。医疗保健和医学领域的大数据分析是指处理来自数千份患者记录的信息以推断可能的相关性以及使用数据挖掘技术开发预测模型 (3)。从更大范围来看，“大数据”包含以互联网等开放获取格式发布的可用信息，这些信息加起来可能多达数百万个数据点。这导致了一门名为信息流行病学 (4) 的新兴研究学科的诞生。这个术语是信息和流行病学的组合，艾森巴赫将其定义为“研究电子媒体（特别是互联网）或人群中信息分布和决定因素的科学，最终目的是为公共卫生和公共政策提供信息”(5)。根据 2019 年的一篇评论文章，Google Trends 是使用从互联网中提取的数据解决健康问题和主题的最常用工具之一 ( 2 )。Google Trends 是 Google Inc. 的一项免费公共在线功能，可分析用户的搜索查询并生成用户特定术语搜索量的地理空间和时间模式 ( 1 , 2 )。Google Trends 存在某些高估和低估的缺陷，因此需要从 Wikipedia 等免费在线百科全书服务中补充大数据 ( 4 , 6 )。互联网在塑造公众意识和神经系统医疗保健服务方面的影响开始发生范式转变 ( 7 )。关于癫痫 (8-12)、中风 (13)、多发性硬化症 (14,15)、脊髓灰质炎 (16)、脑膜炎 (17)、阿尔茨海默病 (18)、运动障碍 (19)，甚至远程康复 (20) 和远程神经病学 (21) 的信息人口学研究表明，实际发病率与患病率之间并没有实质性的联系，但初步趋势反映了越来越多的人使用互联网在线寻找有关这些神经系统疾病的健康信息。根据 2019 年的最新数据，尽管脑和脊髓肿瘤的全球发病率相对其他神经系统疾病要低，但因地区和经济状况而异，东部和中低收入国家的发病率较低 (22)。然而，根据 2020 年全球互联网使用情况的统计数据，亚洲和非洲的份额最大，分别为 55.1% 和 17.2%，其中东亚的互联网用户数量最多，为 11 亿（23、24）。此外，“癌症”是与健康相关的三大互联网搜索之一，也是患者了解其疾病的最常见信息来源（25、26）。综合起来，大数据分析在评估脑肿瘤统计数据方面理论上很有用，部分由于脑肿瘤的流行病学程度相对较低而导致的数据收集空白可以通过评估在线数据来解决。因此，我们的研究使用 Google Trends 和维基百科文章浏览量评估和解释了与脑肿瘤相关的术语的互联网搜索查询。
空间导航和空间言语记忆形成过程中海马体和前额叶皮质之间因果信息流的可复制模式
海马体和前额叶皮层 (PFC) 之间的相互作用在人类空间导航和情景记忆中都发挥着重要作用，但这些区域之间跨任务域的潜在信息因果流尚不清楚。在这里，我们使用颅内脑电图记录和光谱分辨相位转移熵来研究两种不同的虚拟空间导航和记忆编码/回忆任务中的信息流，并检查信息流模式在空间和言语记忆域中的可复制性。信息理论分析表明，从海马体到侧 PFC 的因果信息流比反向更高。至关重要的是，在两种空间导航任务的记忆编码和回忆期间观察到了不对称的信息流模式。进一步的分析揭示了相互作用的频率特异性，其特征是在 delta-theta 波段 (0.5-8 Hz) 中，从海马体到 PFC 的自下而上的信息流更大；相反，在 beta 波段 (12-30 Hz) 中，从 PFC 到海马体的自上而下的信息流更强。贝叶斯分析表明，两个空间导航任务（贝叶斯因子 > 5.46e + 3）以及跨空间和言语记忆域的任务（贝叶斯因子 > 7.32e + 8）之间具有高度的可重复性。我们的研究结果确定了人类大脑在记忆形成过程中参与的独立于域且可复制的频率相关反馈回路。
基于人工智能的提高电子健康素养和抗击信息流行病的方法框架
全球新冠疫情使每个人都迫切需要在线获取和理解健康信息。同时，互联网，尤其是社交媒体平台上产生了大量信息/错误信息/虚假信息，从而引发了信息疫情。新冠疫情这场公共卫生危机对每个人和整个社会都进行了考验：在疫情期间，需要什么样的电子健康素养才能从在线资源中获取准确的健康信息并抗击信息疫情？本文旨在总结提高传染性疾病（如 COVID-19）和非传染性疾病（如癌症、阿尔茨海默病和心血管疾病 (CVD)）的电子健康素养的意义和挑战。此外，本文将提出基于人工智能的提高电子健康素养和抗击信息疫情的总体框架建议，包括人工智能增强的终身学习、人工智能辅助翻译、简化和总结以及基于人工智能的内容过滤。这种基于人工智能的提高电子健康素养和抗击信息流行病的方法的总体框架具有将正确的在线健康信息匹配给正确的人的优势。