现有研究表明,影响留守儿童问题行为的因素有很多,例如父亲参与(Torres等,2014;Qiao等,2024)、个人特质(Tan等,2023)、教养方式(Haslam等,2020)、师生关系(Bulotsky-Shearer等,2020)、教养压力(Mak等,2020)、数字媒体(Sundqvist等,2020)等。虽然现有研究成果为完善留守儿童关爱体系提供了基础性依据,但问题行为研究既要关注外部环境因素,也要关注内部心理因素。目前对留守儿童的研究主要侧重于通过外部环境因素来减少问题行为,忽视了其内部积极心理品质的作用。因此,本研究的首要目的是全面考察情绪能力对留守儿童问题行为的影响。儿童的情绪能力不仅与各种积极结果相关,如良好的社会关系、学业成功、良好的行为习惯和幸福感(Hachem等,2022),也与问题行为有关,如欺凌行为和退缩行为(Calzada等,2024;You等,2023)。情绪能力的发展有助于儿童理解和表达自己的情绪,理解他人的情绪,增强儿童的适应能力,降低问题行为的概率。因此,本研究提出假设1:情绪能力对问题行为有重要影响。
抽象的交通事故是年轻人中死亡的主要原因,这个问题今天造成了大量受害者。已经提出了几种技术来预防事故,是大脑计算机界面(BCIS)是最有前途的。在这种情况下,BCI被用来检测情绪状态,集中问题或压力很大的情况,这可能在道路上起着基本作用,因为它们与驾驶员的决定直接相关。但是,没有广泛的文献应用BCI来检测受试者在驾驶场景中的情绪。在这种情况下,需要解决一些挑战,例如(i)执行驾驶任务对情绪检测的影响以及(ii)在驾驶场景中哪些情绪更可检测到的情绪。为了改善这些挑战,这项工作提出了一个框架,该框架着重于使用机器学习和深度学习算法的脑电图来检测情绪。此外,已经设计了一个用例,其中有两种情况。第一种情况是聆听声音作为要执行的主要任务,而在第二种情况下,聆听声音成为次要任务,这是使用驾驶模拟器的主要任务。以这种方式,旨在证明BCI在这种驾驶方案中是否有用。结果改善了文献中现有的结果,可用于检测两种情绪(非刺激和愤怒)的准确性99%,三种情绪(非刺激性,愤怒和中性)的93%,四种情绪(非刺激性情绪(非刺激)(非刺激性,愤怒,中立和快乐)的精度为75%。
摘要 - 这项研究提议实施基于卷积神经网络的面部情感识别系统,以实时检测情绪,旨在优化工作场所环境并提高组织生产力。评估了六种深度学习模型:标准CNN,Alexnet,VGG16,InceptionV3,Resnet152和Densenet201,Densenet201实现了最佳性能,精度为87.7%,召回96.3%。该系统显示关键绩效指标(KPI)的显着改善,包括减少数据收集时间的72.59%,诊断时间降低了63.4%,工作满意度增加了66.59%。这些发现突出了深度学习技术对工作场所情感管理的潜力,实现了及时的干预措施,并促进了更健康,更有效的组织环境。
不平衡的数据集对神经科学、认知科学和医学诊断等领域构成了重大挑战,在这些领域中,准确检测少数类别对于稳健的模型性能至关重要。本研究以 DEAP 数据集中的“喜欢”标签为例,解决了类别不平衡问题。这种不平衡经常被先前的研究忽视,这些研究通常侧重于更平衡的唤醒和效价标签,并主要使用准确度指标来衡量模型性能。为了解决这个问题,我们采用了旨在最大化曲线下面积 (AUC) 的数值优化技术,从而增强了对代表性不足的类别的检测。我们的方法从线性分类器开始,与传统的线性分类器(包括逻辑回归和支持向量机 (SVM))进行了比较。我们的方法明显优于这些模型,召回率从 41.6% 提高到 79.7%,F1 分数从 0.506 提高到 0.632。这些结果强调了通过数值优化实现 AUC 最大化在管理不平衡数据集中的有效性,为提高在样本外数据集中检测少数但关键类别的预测准确性提供了有效的解决方案。
虽然文献表明,当感觉反馈与所考虑的病理相关时,神经反馈的表现会有所改善,但仍然很难表现出一种能代表我们情绪状态的适当反馈。在这项研究中,我们发起了神经科学家和艺术家之间的合作,以开发一种情绪的视觉表现。情绪被表示为根据价数和唤醒水平在白色球体中移动的粒子。探索了粒子控制的几种可能性:粒子的方向、它们在特定位置的浓度或它们的重力。参与者被要求在 0 到 5 的范围内评估这些可能性,评估不同表现的艺术性程度以及是否可以用作临床活动,他们是否认为他们在神经反馈练习期间成功控制了粒子,以及他们是否欣赏这种体验。我们发现控制粒子的方向和浓度被认为是最具艺术性的,平均得分约为 5 分中的 3 分,107 名参与者中有 47% 认为粒子的浓度是艺术性的。此外,我们发现参与者可以在此会话中显著控制粒子的方向。我们的方法是评估情绪神经反馈在多个疗程中的有效性之前的第一步。关键词:神经反馈;情绪;艺术
b“季度回顾 \xe2\x80\xa2 截至 2024 年 12 月 31 日的季度,摩根大通美国股票策略表现不及基准标准普尔 500 指数。 \xe2\x80\xa2 在医疗保健领域,我们对 Regeneron Pharmaceuticals 的增持导致业绩下滑。Regeneron 的股票表现下滑主要是由于对其眼药 Eylea 的竞争定位以及安进可能推出的生物仿制药的担忧。尽管报告了强劲的季度收入和收益增长,但 Eylea HD 的转换速度低于预期以及生物仿制药竞争的威胁带来了不确定性。该公司的财务业绩显示收入同比增长和收益增加,但这些积极的结果被市场对 Eylea 未来的担忧所掩盖。 \xe2\x80\xa2 在非必需消费品领域,我们对特斯拉汽车的减持导致业绩下滑。公司报告盈利稳健,由于成本降低和生产效率提高,毛利率和盈利能力有所改善。值得注意的是,特斯拉在其 Cybertruck 部门实现了盈利,并宣布了推出新款平价车型的计划。该公司推动对无人监管的全自动驾驶汽车进行国家监管,以及 2024 年美国总统大选对监管前景的影响进一步影响了股价表现。\xe2\x80\xa2 在金融方面,我们对富国银行的增持有助于提高业绩。由于投资者对放松管制和可能取消资产上限的乐观情绪,富国银行的股票表现有所改善。该公司报告的净收入和每股收益较上一季度增加,费用收入增长抵消了净利息收入的阻力。\xe2\x80\xa2 在信息技术领域,我们对 Marvell Technology 的增持有助于提高业绩。Marvell 的数据中心部门实现了显着增长,尤其是在定制人工智能 (AI) 硅片和光电方面。该公司报告称,收入同比和环比均大幅增长,每股收益显著提高。Marvell 与亚马逊网络服务 (Amazon Web Services) 的战略合作伙伴关系以及定制硅片项目的成功提升为其积极的财务业绩做出了贡献。由于产品组合,尤其是定制硅片的收入贡献增加,毛利率面临压力,但管理层已经充分传达了这种组合动态,因此投资者在很大程度上预料到了这一点。
通过基于对各种刺激进行盲测的协议,研究了触摸材料时产生的情感。人类对材料的情感反应通过以下方式进行评估:(i)使用问卷收集效价和强度的明确测量,以及(ii)通过瞳孔测量设备对自主神经系统活动的隐性测量。一组由 25 名大学生(13 名女性,12 名男性)组成的小组,年龄从 18 岁到 27 岁不等,盲测了 12 种材料,例如聚合物、砂纸、木材、天鹅绒和毛皮,这些材料是随机排列的。在测量初始瞳孔直径作为参考后,记录了其在触觉探索过程中的变化。每次触摸后,参与者都被要求量化材料的情感价值。结果表明,瞳孔大小的变化与情感强度有关。与中性材料相比,触摸令人愉悦或不愉快的材料时,瞳孔大小明显更大。此外,在刺激后约 0.5 秒的时间段内,结果显示愉快刺激和不愉快刺激之间存在显著差异,并且根据性别也存在差异,即女性的瞳孔扩张程度高于男性。这些结果表明 (i) 自主神经系统最初对高唤醒刺激敏感,并且 (ii) 经过一段时间后,瞳孔大小会根据诱发的认知兴趣和采用的情绪调节而变化。这项研究表明了材料情感特征对产品设计的兴趣。
• 租户面临着各种不断变化的运营挑战。当被问及影响其业务的关键因素时,至少 20% 的租户选择了九个问题(从成本上升到净零碳转型)。劳动力成本现在是最重要的因素,62% 的人强调了这一点(2023 年:41%);劳动力采购问题占 34%。 • 电力供应也已成为议程上的重点,因为租户越来越意识到需要获得充足、可靠的电力供应。36% 的人认为这是确保未来空间的障碍,而 2023 年这一比例为 11%,2022 年这一比例为 7%。这一增长反映了现有基础设施、持续的车队发展以及自动化和人工智能等耗能技术的日益普及所带来的挑战。 • 劳动力挑战可能会推动更高水平的技术和自动化采用——进一步增加电力需求和充足容量和可靠供应的关键性,以及对高质量现代物流设施的需求。
我们使用 Transformer [10] 来处理生理信号。Transformer 最初是为自然语言处理 (NLP) 任务开发的,目的是处理单词序列。鉴于生理信号是值序列,Transformer 可以适用于生理信号处理 [11]。Transformer 采用学习到的注意机制,根据上下文动态评分输入不同部分的相关性。基于注意的处理适合处理生理信号,因为根据任务和上下文,信号的某些部分可能比其他部分传达更多信息。使用 Transformer 的另一个好处是,我们可以从 BERT [12] 中描述的非常成功的预训练技术中受益,该技术是为 NLP 任务开发的,我们可以根据需要进行调整。这种预训练策略已成功应用于其他领域,如计算机视觉 [13]、语音处理 [14] 和情感计算 [15]。
了解内感受和情绪调节之间的相互作用对于推进自闭症儿童和青少年的职业治疗实践至关重要。这些人通常会遇到内感受处理困难,从而妨碍情绪管理、日常功能和社会参与。本综述研究了内感受和情绪调节之间的关系,并讨论了支持这些技能的相关干预措施。探索内感受和情绪调节之间的关系,并确定可以为自闭症患者职业治疗实践提供信息的有效干预措施。我们在三个中央电子数据库——PubMed、PsycINFO 和 Google Scholar 中进行了全面搜索,以确定研究自闭症患者内感受和情绪调节之间关系的研究。研究是在 2013 年至 2024 年间进行的。搜索结合了数据库特定的受控语言和与内感受、情绪调节、职业治疗和自闭症谱系障碍相关的关键词。共纳入 49 项符合纳入标准的研究。该评论强调了自闭症儿童内感受和情绪调节之间的错综复杂的联系,强调了诸如述情障碍和内感受意识降低等挑战。干预措施包括认知行为疗法、正念方法和专门的计划,如内感受体验的协调维度和内感受课程。这些策略可以潜在地增强情绪健康、自我调节和职业参与度。内感受和情绪调节是职业治疗师临床推理的基础要素。量身定制的神经多样性肯定干预措施可以促进自闭症患者的情绪恢复能力并提高其日常活动的参与度。需要进一步研究以开发包容性和符合道德的干预措施,以满足临床医生和自闭症患者的需求。这项研究强调了将基于内感受的干预措施整合到治疗实践中以解决自闭症儿童的情绪调节挑战、促进他们的全面发展和社会包容的重要性。