XiaoMi-AI文件搜索系统
World File Search System社会群体
JRDB-Social：一个多方面的机器人数据集，用于理解社会群体内人类互动的上下文和动态
了解人类的社会行为对于综合愿景和机器人技术至关重要。微观的观察（例如，分裂行动）不足，需要采取一种全面的方法来考虑个人行为，组内动态和社会群体层次，以彻底理解。要解决数据集限制，本文引入了JRDB-Social，JRDB的扩展[2]。旨在填补跨室内和室外社会环境的人类理解的空白，JRDB-Social提供了三个层次的注释：个体属性，组内侵入和社会群体环境。该数据集旨在增强我们对机器人应用的人类社会动态的理解。利用最近的尖端多模式大型语言模型，我们评估了我们的基准，以表达其破译社会人类行为的能力。
基于改进的社会群体优化的深度学习技术，用于脑肿瘤自动检测——医疗保健 4.0 应用
如今，只要有图像处理的空间，分割对于诊断严重疾病至关重要。在这项工作中，提出了将最流行的元启发式算法与传统神经网络 (CNN) 相结合的方法。作为研究的一部分，使用了水母和改进的社会群体优化算法 (MSGOA)。借助算法各自的元启发式方法，修改或设计了 CNN 权重和相应的超参数。这无疑提高了分割的效率，分割的效率以生物医学图像处理的几个指标来衡量。准确度、损失、交并比 (IoU) 是本研究采用的一些指标，以便更好地理解算法的有效性。此外，在任一算法中，检测过程都进行了模拟，均匀地消耗了 100 次迭代。所提出的方法有效地分割了肿瘤部分。模拟已在 MATLAB 中进行，结果以计算指标、收敛图和分割图像的形式呈现。
迈向社会群体的计算理论：在 conf 上下文中表示任何和所有社会群体的一组有限的认知原语
目前，我们尚无完善的理论来解释当人类思维表征一个社会群体时，它所表征的是什么。更糟糕的是，许多人认为我们知道。这种错误观念是由当前情况造成的：到目前为止，研究人员一直依靠自己的直觉将社会群体概念与特定研究或模型的结果联系起来。这种对直觉的依赖虽然有必要，但却付出了相当大的代价。冷静来看，现有的社会群体理论要么是 (i) 字面意义上的，但远远不够（比如建立在经济博弈之上的模型），要么是 (ii) 仅仅是隐喻性的（通常是包含或包含隐喻）。直觉填补了明确理论的空白。本文提出了一种计算理论，解释冲突背景下的群体表征的字面含义：它是将代理分配给少数三元交互类型中的特定角色。这种群体的“心理定义”为社会群体的计算理论铺平了道路——因为它提供了一种理论，说明表示和推理群体的信息处理问题究竟是什么。对于心理学家来说，本文提供了一种概念化和研究群体的不同方法，并表明非同义反复的社会群体定义是可能的。对于认知科学家来说，本文提供了一个计算基准，可以以此为标准衡量自然智能和人工智能。