XiaoMi-AI文件搜索系统
World File Search System界面的
基于心理状态的自适应界面的案例
跨多个领域（例如航空、汽车和核电行业）的复杂系统操作员需要长时间连续地执行任务。长时间连续使用会导致精神疲劳以及认知灵活性、注意力和情境意识的下降，从而危及复杂操作的安全性和效率。基于心理状态的自适应系统可能是解决此问题的方法。这些系统根据一系列指标推断操作员的当前心理状态，这些指标包括操作员独立测量（例如天气和一天中的时间）、行为（例如反应时间和车道偏差）以及生理标记（例如脑电图和心脏活动）。然后可以以多种方式之一调整操作员与系统之间的交互，以减轻任何检测到的认知状态下降，从而确保持续的安全性和效率。根据手头的任务及其具体问题，可能的调整（通常基于机器学习估计）例如包括修改信息、呈现方式或刺激显着性以及任务调度。自适应系统研究涉及多个领域，包括神经工效学、人为因素以及应用和生态背景下的人机交互，因此需要仔细考虑上述每个方面。本文概述了研究人员在设计基于心理状态的自适应系统时需要考虑的一些关键问题和方面，同时也促进了它们在长期连续使用过程中的应用，为更安全、更高效的人机交互铺平了道路。
人工智能的图形用户界面的设计...
微电网作为一种结构，随着能源损失率的降低，可再生能源的有效利用，使用储能系统自动运行的可能性以及其提供的盈利能力，它每天都变得更加重要。此外，这种有助于减少碳足迹的结构将在不久的将来使用纳米格里德和智能电网而变得至关重要。创新的动态能源管理系统将使微电网提供的这些优势更容易访问，同时促进电动汽车的整合和有效贡献。另一方面，由于机器学习和深度学习中的有前途且有用的发展和算法，基于人工智能（AI）的控制方法和应用程序不断增加。因此，强化学习的概念（RL）对系统的控制提供了非常规的观点。这项研究是创建基于AI的能源管理系统的最后一步，根据所有这些要求和发展，介绍了图形界面设计。在这项研究中，用于确定管理措施的深度RL代理以及为做出必要预测的预测模型所收集的预测模型都聚集在一个屋顶下。索引术语 - 强化学习，GUI设计，微电网，深度学习，能量管理，人工智能
驾驶员-车辆界面的人为因素设计指南
免责声明 本出版物由美国运输部国家公路交通安全管理局分发，以方便信息交流。本出版物中表达的观点、发现和结论均为作者的观点，并不一定代表运输部或国家公路交通安全管理局的观点。美国政府对其内容或使用不承担任何责任。如果提及贸易或制造商的名称或产品，则因为它们被视为出版物内容所必需的，不应被视为认可。美国政府不认可产品或制造商。建议的 APA 格式引用：Campbell, J. L., Brown. J. L., Graving, J. S., Richard, C. M., Lichty, M. G., Sanquist, T., … & Morgan, J. L.. (2016 年 12 月)。人为因素设计指南，用于驾驶员-车辆界面 (报告编号 DOT HS 812 360)。华盛顿特区：国家公路交通安全管理局。
关于氧化铝 - 格拉烯界面的理论案例研究
神经形态计算模仿大脑的架构，以创建能量良好的设备。可重新发现的突触对于神经形态计算至关重要，这可以通过抵抗记忆（memristive）切换来实现。基于石墨烯的回忆录已显示出具有理想耐力的非挥发性多重电阻开关。通过第一个原理计算，我们研究了石墨烯与超薄氧化铝覆盖层接触的石墨烯的结构和电子特性，并证明了如何使用电荷掺杂来直接控制其界面共价，从而可逆地控制了在乙烯层中的电导率和分离性之间的切换。我们进一步表明，该提出的机制可以通过石墨烯的p型掺杂来稳定，例如，通过自然出现的缺陷，悬空键或缺陷工程的钝化。
蛋白质 - 蛋白质相互作用界面的多重映射
*这些作者对这项工作的贡献同样贡献：jingxuan he（juh709@psu.edu），ling-nan zou（lxz7@psu.edu）摘要我们描述了通过sp绘制的肽映射的肽映射，这是一个替代性c（sparc-map），一个方法可以识别两个互动互动的互动蛋白。我们的方法基于细菌宿主内的体内亲和力选择，并使用高吞吐量DNA测序结果来推断蛋白质 - 蛋白质相互作用（PPI）接口的位置。SPARC-MAP仅使用常规微生物技术，而不依赖专门的仪器或重新建立蛋白质复合物的体外；它可以调节以检测PPI在广泛的亲和力上。它可以多路复用以并联探测多个PPI。它的非特异性背景可以精确测量，从而使PPI的敏感检测能够检测。使用SPARC-MAP，我们在（p21-PCNA复合物中恢复已知接口。我们还使用SPARC-MAP来探测嘌呤体，这是六种嘌呤生物合成酶的弱结合的复合物，在那里尚无PPI接口。在那里，我们确定满足底物渠道结构要求的接口；我们还确定了参与多种不同相互作用的蛋白质表面，我们使用现场人体细胞中特定于位点的光叠链链接来验证。最后，我们表明SPARC-MAP结果可以对基于机器学习的结构预测对输出施加严格的约束。
脑对脑界面的系统性Prisma评论
本文旨在回顾脑对脑界面（B2BI）技术的当前状态及其潜力。B2BIS功能通过脑计算机界面（BCI）读取发件人的大脑活动和计算机 - 脑接口（CBI），以将模式写入接收大脑，并传输信息。我们使用首选的报告项目进行系统的审查和荟萃分析（PRISMA）来系统地检查与B2BI有关的当前文献，从而产生15个相关出版物。实验论文主要使用了B2BI的CBI部分的经颅磁刺激（TMS）。最靶向的视觉皮层产生磷酸。在研究设计方面，73.3％（11）是单向的，而86.7％（13）仅使用1：1协作模型（受试者为主题）。限制很明显，因为CBI方法之间的差异很大，这表明未达成共识的神经刺激方法来传输信息。此外，只有12.4％（2）个研究比1：1模型更为复杂，很少有研究人员研究直接双向B2BI。这些研究表明，B2BI可以在人类交流和协作方面提供进步，但是需要更多的设计和实验来证明潜力。B2BI可以允许康复治疗师在心理上传递信息，激活患者的大脑以帮助中风恢复并增加更复杂的双向性，这可能会使用户之间的行为同步增加。该领域很年轻，但是B2BI技术在神经工程学和人为因素上的应用显然需要更多的研究。
使用有机界面的 MIL-STD-1553 设备特性
车辆、飞机和卫星通常使用控制总线来实现设备和微控制器之间的有效通信。例如汽车中的控制器局域网 (CAN) 总线、商用飞机中使用的航空无线电公司 429 (ARINC 429) 标准以及军用飞机中使用的 MIL-STD-1553。这些总线标准是在大约 40 年前开发和实施的，当时人们认为系统固有的气隙特性可以提供足够的安全性。随着时间的推移，这一假设已被证明是错误的，气隙系统 (例如 Stuxnet) 中发生了大量漏洞。车辆和飞机的一个问题可能是安装恶意设备的可能性 (可能是通过维修技术人员)，这反过来可能会破坏车辆数据总线的正常运行。先前的研究已经调查了通过 MIL-STD-1553 总线模拟波形的细微变化来使用设备指纹识别，但需要额外的硬件和软件来收集和处理传输的消息。在本文中，我们探讨了利用商用现成航空电子数据总线接口卡的有机功能来确定新设备是否已安装或是否伪装成其他设备的可行性。由于飞机上已有的设备正在使用，因此可以轻松实现此附加安全功能，而不会影响尺寸、重量或功率要求。
折叠是否能提高交互式界面的可用性...
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。
评论文章增强现实界面的复杂性...
随着医疗信息系统、电子记录、智能、可穿戴设备和手持设备的使用不断增强，医疗系统正面临着变革。中枢神经系统的功能是控制思维和人体的活动。现代医学和中枢神经系统领域计算能力的快速发展使从业者和研究人员能够从这些系统中提取和可视化洞察力。增强现实的功能是将虚拟和现实对象结合起来，在实时和真实环境中交互运行。增强现实在中枢神经系统中的作用成为一项发人深省的任务。基于手势交互方法的中枢神经系统中的增强现实对于降低护理成本、改善护理质量、减少浪费和错误有着巨大的潜力。为了使这个过程顺利进行，提供一份关于现有最先进工作的综合研究报告将是有效的，以便医生和从业者能够在决策过程中轻松地使用它。这项综合研究最终将总结与中枢神经系统中基于手势交互的增强现实方法相关的已发表材料的输出。这项研究采用了系统文献的协议，系统地收集、分析和从收集的论文中得出事实。收集的数据范围来自 10 年来已发表的材料。78 篇论文