XiaoMi-AI文件搜索系统
World File Search System工作负荷
认知工作负荷的综合评估滞后效应
技术的进步改变了安全关键任务中的工作动态。如今，许多系统都为操作员提供了通过将子任务转移给自动化技术来减轻复杂任务负担的选项。自适应自动化的目标是消除操作员启动/关闭自动化的需要，而是让子任务的自动控制实时适应操作员的需求。然而，自动化的每一次变化也会产生任务需求转变，这已被证明会对认知工作量指标产生意想不到的影响。自适应自动化系统需要准备好考虑操作员的工作量历史，以动态调整系统如何有效地帮助操作员。本研究的主要目的是研究认知工作量历史对最近经历的认知工作量感知的影响（即滞后）。本研究旨在通过任务控制的自动化交接来引发滞后效应，使用单-双-单任务呈现方法产生低-高-低任务需求序列。设计了两个可变需求计划序列来模拟高水平和低水平的认知需求条件。通过比较第一个和第二个低需求期，可以确定高需求期是否显著影响了第二个低需求期的认知工作量指标，表明存在滞后影响。本研究的结果表明，数据中没有出现滞后效应。多元分析表明，虽然高需求和低需求条件之间存在显著差异，但两个低需求期之间没有出现无法用其他因素解释的显著差异。这表明第二个低需求期没有受到前一个高需求期的显著影响。这些发现表明，滞后影响可能与动态自适应自动化任务卸载和重新加载条件不太相关。鉴于本研究的结果，对于滞后效应，资源耗竭假说或努力调节假说都无法提供显著的支持。需要做更多的工作来检查需求转变不太明显的任务中的滞后效应。
使用脑电图进行心理工作负荷估计...
E n i = [ e 1 i , e 2 i , ..., e C i ] ∈ R C 是时间戳 i 处的 EEG 信号，其中 i ∈ 1 , 2 , ..., W 。为了进行分析，我们将 EEG 转换为
关于人类认知工作负荷测量的调查......
作者地址：Thomas Kosch，柏林大学，德国柏林，thomas.kosch@hu-berlin.de； Jakob Karolus，德国人工智能研究中心，德国凯泽斯劳滕，jakob.karolus@dfki.de；约翰内斯·扎格曼 (Johannes Zagermann)，康斯坦茨大学，德国康斯坦茨，johannes.zagermann@ uni-konstanz.de； Harald Reiterer，康斯坦茨大学，德国康斯坦茨，harald.reiterer@uni-konstanz.de； Albrecht Schmidt，慕尼黑大学，德国慕尼黑，albrecht.schmidt@ifi.lmu.de； Paweł W. Woźniak，瑞典哥德堡查尔姆斯理工大学，pawel.wozniak@chalmers.se。
使用 EEG 分析飞行员心理工作负荷
增强认知是一种人机交互形式，其中利用对用户认知状态的生理感知在需要时精确调用系统自动化。本研究监测飞行员的飞行生理状态，以确定 EEG 指标的最佳组合，以预测工作量的变化或增强认知的机会。参与者是 10 名拥有 FAA 商业飞行员证书和当前医疗证书的大学航空学生。每位参与者都执行了统一的飞行场景，其中包括工作量需求不同的程序。所有操作都是在飞行中同时获取 EEG 数据的同时进行的。EEG 数据分为高工作量和低工作量时期。计算功率谱密度值并对其进行多种机器学习方法来区分高工作量和低工作量时期。结果表明，在区分低工作量和高工作量方面具有出色的分类准确性。目前的结果进一步证明了增强认知的潜力。
工作负荷的时间相关电迁移建模......
摘要 — 电迁移 (EM) 一直被认为是后端互连的可靠性威胁因素。自旋转移力矩磁性 RAM (STT-MRAM) 是一种新兴的非易失性存储器，近年来备受关注。然而，相对较大的工作电流幅度是这项技术的一大挑战，因此，EM 可能是一个潜在的可靠性问题，即使对于这种存储器的信号线也是如此。工作负载感知的 EM 建模需要捕获存储器信号线中随时间变化的电流密度，并能够预测 EM 现象对互连整个生命周期的影响。在这项工作中，我们提出了一些方法，可以在各种实际工作负载下有效地模拟典型 STT-MRAM 阵列中与工作负载相关的 EM 引起的平均故障时间 (MTTF)。这允许执行设计空间探索以共同优化可靠性和其他设计指标。
基于实时脑电图的认知工作负荷监测...
摘要 — 目标：认知工作负荷监控 (CWM) 可通过考虑操作员的认知状态来支持任务执行协助，从而增强人机交互。因此，我们提出了一种机器学习设计方法和数据处理策略，以在资源受限的可穿戴设备上实现 CWM。方法：我们的 CWM 解决方案基于边缘计算构建，该系统基于简单的可穿戴系统，只有四个脑电图 (EEG) 外围通道。我们根据来自 24 名志愿者的实验数据评估了我们的解决方案。此外，为了克服系统的内存限制，我们采用了一种优化策略来减小模型大小，并采用了多批次数据处理方案来优化 RAM 内存占用。最后，我们在最先进的可穿戴平台上实施了我们的数据处理策略，并评估了其执行情况和系统电池寿命。结果：我们对未见数据的 CWM 分类实现了 74.5% 的准确率和 74.0% 的灵敏度和特异性几何平均值。此外，与使用默认参数生成的模型相比，所提出的模型优化策略生成的模型小 27.5 倍，与单批数据处理相比，多批数据处理方案将 RAM 内存占用减少了 14 倍。最后，我们的算法仅使用 1.28% 的可用处理时间，从而使我们的系统实现了 28.5 小时的电池寿命。结论：我们提供了一种使用可穿戴设备的可靠且优化的 CWM 解决方案，
使用眼动监测设备监测空中交通管制员认知工作负荷的研究概述
空中交通管制员 (ATCO) 将成为对航空运输系统影响最大的部门。ATCO 的职责是防止地面管制员提供的空中飞机相撞并克服可能出现的混乱。ATCO 是高风险职业群体之一，因此，其极高的认知工作量对飞行安全至关重要。然而，据观察，文献中关于在不同任务难度下有经验和没有经验的 ATCO 之间可能出现的认知工作量差异的研究相当不足。本研究介绍了认知工作量测量方法和 ATCO 认知工作量的研究。在本研究中，解释了确定认知工作量及其测量方法的重要性。此外，还介绍了与 ATCO 认知工作量相关的文献研究，特别是使用眼动仪的研究。
利用眼动监测设备监测空中交通管制员认知工作负荷的研究概述
空中交通管制员（ATCO）将成为对航空运输系统影响最大的部门。ATCO 的职责是按照地面管制员的要求防止飞机在空中相撞并消除可能造成的混乱。作为高风险职业群体之一，ATCO 承担着非常高的认知工作量，这对飞行安全至关重要。然而，据观察，文献中对在不同任务难度下有经验和没有经验的 ATCO 之间可能出现的认知工作量差异的研究相当不足。本研究介绍了认知工作量测量方法和 ATCO 认知工作量的研究。在本研究中，解释了确定认知工作量及其测量方法的重要性。此外，还介绍了与 ATCO 认知工作量相关的文献研究，特别是使用眼动仪的研究。
用于评估制造操作中人体系统设计中的心理工作负荷资源的理论框架
我在此建议接受由 Sharon Claxton Bommer 指导准备的论文《用于评估制造运营的人体系统设计中的心理工作量资源的理论框架》，以部分满足工程哲学博士学位的要求。
通过深度学习框架中的转移动态自动编码器进行基于生理信号的心理工作负荷估计
通过神经生理信号评估人机系统中操作员的心理工作负荷 (MW) 对于防止操作员性能不可预测的下降至关重要。 然而，生理信号的特征与之前时间步骤的历史值相关，并且其统计特性因个体和心理任务类型而异。 在本研究中，我们提出了一种新的转移动态自动编码器 (TDAE) 来捕捉脑电图 (EEG) 特征的动态特性和个体差异。 TDAE 由三个连续连接的模块组成，称为特征过滤器、抽象过滤器和转移 MW 分类器。 特征和抽象过滤器引入动态深度网络，将相邻时间步骤的 EEG 特征抽象为显着的 MW 指标。 转移 MW 分类器利用在情绪刺激下记录的源域 EEG 数据库中的大量 EEG 数据来提高模型训练稳定性。 我们在两个目标 EEG 数据库上测试了我们的算法。分类性能表明 TDAE 明显优于现有的浅层和深层 MW 分类模型。我们还研究了如何选择 TDAE 超参数，并发现通过适当的过滤顺序可以实现其准确性优势。© 2019 Elsevier B.V. 保留所有权利。