XiaoMi-AI文件搜索系统
World File Search System行为模型
计算意义是有益认知偏差的来源
人类大脑已经进化到能够解决在多种环境中遇到的问题。在解决这些挑战时，它会形成关于世界多维信息的心理模拟。这些过程会产生与环境相关的行为。大脑作为过度参数化的建模器官，是产生复杂世界中行为的进化解决方案。生物最基本的特征之一是它们计算从外部和内部环境中接收的信息的价值。通过这种计算，生物可以在每种环境中以最佳方式行事。大多数其他生物几乎只计算生物学价值（例如如何获取食物），而人类作为一种文化生物，则从一个人的活动角度计算意义。计算意义是指人类大脑的过程，借助这个过程，个人试图使自己理解相应的情况，以了解如何以最佳方式行事。本文通过探索计算意义所开辟的不同可能性，并深入了解更广泛的视角，挑战了行为经济学的偏见中心方法。我们专注于确认偏见和框架效应作为认知偏见的行为经济学例子。我们得出结论，从大脑的计算意义的角度来看，这些偏见的使用是人类大脑优化设计的计算系统不可或缺的特性。从这个角度来看，认知偏见在某些情况下可能是合理的。以偏见为中心的方法依赖于仅包含少数解释变量的小规模可解释模型，而计算意义的观点则强调行为模型，这些模型允许多个变量。人们习惯于在多维和多变的环境中工作。人类大脑在这样的环境中处于最佳状态，科学研究应该越来越多地在模拟真实环境的情况下进行。通过使用自然刺激（例如视频和虚拟现实），我们可以为研究目的创建更逼真、更逼真的环境，并使用机器学习算法分析结果数据。通过这种方式，我们可以更好地解释、理解和预测人类在不同情况下的行为和选择。
AI-In-Orbit-Factory – 用于自适应机器人在轨制造模块化卫星的 AI 方法
模块化卫星架构的持续发展，加上自适应制造工艺的改进，为太空制造创新乃至在轨服务铺平了道路。目前，卫星在轨制造面临的挑战包括高度可靠、精确和自适应的制造和检查过程、解决地球上意外问题的远程操作方法，以及对所有相关活动和条件进行数字化表示以保持完全控制的手段。AI-In-Orbit-Factory 项目使用各种 AI 方法解决了每个挑战。对于在轨工厂和所有正在进行的过程的必要数字化表示，使用了基于知识的方法和数字孪生方法，从而实现了自适应、灵活和易于理解的制造过程。特别是可以描述不同制造机器之间复杂的信息流、协调生产过程的数字过程孪生和生产中卫星的数字孪生。此外，可以通过推理识别冲突和可能的错误来源。利用上述知识库和标准化模块化组件，可以根据所需的任务要求自动规划特定任务卫星的组成。在机器人操纵器的帮助下，使用高分辨率相机和参考图像对每个模块进行光学生产错误检查，然后将其集成到卫星结构中。集成后，子模块将以学习到的标称子系统行为模型作为输入，进行优化测试和异常检测程序。此外，每个操作步骤都使用力反馈和基于视觉的异常检测器进行监督。对于自动组装失败的情况，开发了具有力反馈的双边遥控系统。为了提高遥控组装的精度并减少精神和身体负荷，人类操作员需要借助自适应虚拟固定装置（触觉约束）。自适应夹具从演示和模拟中学习，并根据操作阶段进行参数化，在整个接近、定位和触觉操作阶段提供从粗到细的支持。仲裁组件检测当前操作阶段以选择合适的支撑夹具并确保平稳过渡。关键词：数字孪生、AIT、遥操作、人工智能、机器人制造本文概述了人工智能方法和我们实现可靠、自适应的在轨制造的方法，并介绍了初步结果。
连贯的机器人行为和实施方案在人类机器人相互作用期间情绪感知和识别中的作用：实验研究
背景：作为我们日常生活中的同伴，社会机器人变得越来越重要。因此，人类希望使用应用于人类相互作用的相同的心理模型，包括使用相互作用的手势。研究工作已致力于了解用户的需求，并开发机器人的行为模型，这些模型可以感知用户状态并正确地计划反应。尽管做出了努力，但关于机器人体现和行为对情绪感知的影响的挑战仍然开放。目的：这项研究的目的是双重的。首先，它的目的是评估机器人的声音手势和体现在用户感知情绪（刺激愉悦），唤醒（唤起情绪强度）和优势（刺激施加的控制程度）方面的作用。第二，它旨在评估机器人通过使用3种监督的机器学习算法进行交互的正面，负面和中性情绪的准确性：支持向量机器，随机森林和K-Neareart邻居。方法：使用从标准化数据库中检索到的60张图像的集合，使用胡椒机器人来引起人类的3个情绪。特别是，用胡椒机器人进行了2种情感启发的实验条件：具有静态行为或用表达连贯（COH）同时行为的机器人。此外，为了评估机器人实施例的作用，通过要求参与者与PC相互作用，在图形界面显示相同的图像来进行第三个启发。要求每个参与者仅接受3个实验条件中的1个。结果：这项研究总共招募了60名参与者，每种实验条件共有20个参与者，共有3600个相互作用。当用与PC条件相对于PC条件的COH刺激的刺激性机器人时，结果显示出显着差异（P <.05），从而在机器人的非语言通信和实施方案的重要性上进行了差异。相对于PC的机器人（具有静态行为的COH和机器人）的启发获得了较高的价分数。为了识别情绪，最近的邻居分类器取得了最佳的准确性结果。特别是，与静态行为和PC诱导相比，COH模式达到了最高的准确性（0.97）（分别为0.88和0.94）。
分类规划中使用的人工智能回顾
快时尚市场生命周期短、需求变化大，给零售商的供应链管理流程带来各种挑战。当前的基本任务是在正确的时间和正确的地点提供正确的产品。由于这种固有的困难，牛鞭效应是时尚供应链中的一个主要问题。为了提高客户满意度并提高供应和市场需求之间的一致性，公司已开始利用大数据、供应链分析和人工智能技术来做出更好的业务决策。一个关键但本质上复杂的决策是开发未来的服装组合；特别是确定其最佳广度和深度。本论文研究如何应用此类人工智能技术来开发符合未来客户需求和选择行为的新组合。这项研究首先通过对一家快时尚零售商进行定性案例研究来进行。本文探讨了在缺乏 AI 支持的供应链中，关键业务决策如何做出。研究结果表明，产品组合规划流程是其中一个关键领域，并指导了论文的第二部分：系统性文献综述，探讨零售和时尚行业在此过程中使用的 AI 技术。开发了一个适用于快时尚行业静态服装产品组合规划的框架，并在整个研究过程中将其用作指导。本文发现，在应用 AI 技术生成和整合有关未来产品组合规划过程中消费者需求和选择行为的知识方面，存在大量研究。此过程中要考虑的主要组成部分是 a) 时尚预测、b) 预测中期需求和 c) 预测产品选择，始终考虑替代和互补的影响。这被认为可以增加供应和市场需求之间的一致性，从而减少牛鞭效应。未来研究的关键领域是如何将发现的模型集成到一个模型中。即同时利用消费者选择行为模型和时尚预测来预测新产品的未来需求。因此，可以减轻次优化的风险。关键词：快时尚、供应链管理、品类销售规划、分类规划、人工智能、供应链分析
机械工程系教职人员和实验室...
u-tokyo.ac.jp 神崎高桥实验室 研究领域： 我们的研究目的是通过结合信息学、工程学和生物学的跨学科方法阐明产生适应性行为（或智力）的基本神经机制。作为模型系统，我们使用培养的神经元、昆虫大脑和老鼠大脑。我们的研究涉及调查生物机器混合系统，同时也建立了通过外部命令控制大脑功能行为的基本技术。 研究示例： 了解大脑、向大脑学习 ■用昆虫传感器和神经回路实现的自适应机器人 实现对各种环境的适应性是构建自主系统的基本目标之一。昆虫通过其简单的神经系统表现出一系列复杂的适应性行为来响应其环境，因此，它们是理解适应性的良好模型。我们已经开发了昆虫机器混合系统，使我们能够通过操纵机器人（身体）、昆虫（大脑）和其环境（A，B）之间的相互作用来分析和评估昆虫的适应性。通过使用混合系统分析适应性，我们可以建立行为模型并将其应用于移动机器人。（2）大脑改造 ■大脑重新布线 大脑是一种可重写的设备。对学习和微刺激引起的可塑性以及神经处理的理解将为工程和医学创新铺平道路（C）。为此，我们还对工程和信息科学方法感兴趣，包括开发神经接口以及实施多变量统计分析和信息论。 ■通过分子遗传学修改昆虫大脑中的神经回路 基因包含动物身体的蓝图，包括传感器和神经回路。我们可以通过对神经元特性的基因改造来了解昆虫大脑中神经回路的功能（D）。这些方法的一个重要应用是开发出能够报告几乎任何感兴趣的刺激的“传感器昆虫”。 （3）大脑重建 ■利用数学模型重建昆虫大脑 我们利用分子遗传学、形态学、生理学、生物化学和行为学（E）等各种技术对昆虫大脑进行分析，建立了神经元数据库。通过将数据库中的信息整合到数学模型中，我们可以了解昆虫适应行为背后的机制。 ■利用分离培养神经元的神经计算芯片 在培养皿中培养的神经元会形成自组织网络。通过控制自组织，我们开发出可用作计算设备的培养网络。 助理教授 Hirokazu TAKAHASHI
基于导电 MXene 的微型 3D 打印......
附属机构：¹爱尔兰皇家外科医学院 (RCSI) 解剖与再生医学系组织工程研究组，123 St. Stephen's Green，都柏林 2，D02YN77，爱尔兰²先进材料与生物工程研究 (AMBER) 中心，RCSI 123 St Stephen's Green，都柏林 2，D02YN77，爱尔兰。 3 都柏林圣三一学院化学学院、自适应纳米结构和纳米器件研究中心（CRANN）和先进材料生物工程研究中心（AMBER），都柏林 2，爱尔兰 4 都柏林大学物理学院，都柏林圣三一学院（TCD），爱尔兰 5 都柏林圣三一学院（TCD）三一生物医学工程中心，爱尔兰*通讯作者：电子邮件：fjobrien@rcsi.ie 摘要：目前尚无针对中枢神经系统神经创伤的有效治疗方法，但电刺激方面的最新进展表明其在神经组织修复方面有一定前景。我们假设，将导电生物材料结构化整合到组织工程支架中可以增强神经再生的电活性信号传导。导电 2D Ti 3 C 2 T x MXene 纳米片由 MAX 相粉末合成，表现出与神经元、星形胶质细胞和小胶质细胞的优异的生物相容性。为了实现这些 MXenes 的空间控制分布，采用熔融电写技术 3D 打印出具有不同纤维间距（低、中、高密度）的高度有序的 PCL 微网，并用 MXenes 对其进行功能化，以提供高度可调的导电性能（0.081±0.053-18.87±2.94 S/m）。将这些导电微网嵌入神经营养、免疫调节透明质酸基细胞外基质 (ECM) 中，可产生柔软、支持生长的 MXene-ECM 复合支架。在这些支架上接种的神经元受到电刺激，促进神经突生长，受微网中纤维间距的影响。在多细胞细胞行为模型中，与低密度支架和不含 MXene 的对照相比，在高密度 MXene-ECM 支架上刺激 7 天的神经球表现出显著增加的轴突延伸和神经元分化。结果表明，神经营养支架中导电材料的空间组织可以增强对电刺激的修复关键反应，并且这些仿生 MXene-ECM 支架为神经创伤修复提供了一种有前途的新方法。关键词：组织工程、3D 打印、导电、生物材料、MXene、支架、神经。
引文 Abouzed M, Salama B, Gabr A, Elag KA, Soliman M, Elsaadouni N 和 Elzahab NA (2024) 智能技术使用对个人睡眠质量的影响
自闭症谱系障碍 (ASD) 是一种神经发育疾病，其特征是持续存在社交沟通和互动障碍，以及行为、兴趣或活动模式受限且重复 (1)。ASD 患者面临的常见并发问题之一是睡眠障碍，表现为入睡困难、夜间频繁醒来和睡眠质量差 (2,3)。ASD 患者的睡眠问题与一系列负面后果有关，包括核心自闭症症状加剧、白天功能受损以及患者及其家人的生活质量下降 (4,5)。近年来，智能手机、平板电脑和电脑等智能技术的普及在日常生活中越来越普遍，包括 ASD 患者。虽然这些设备可以提供教育和娱乐价值，但人们担心它们的使用可能会影响睡眠质量，尤其是蓝光发射和刺激内容 (6-8)。初步研究表明，睡前过度看屏幕和接触蓝光可能会扰乱自然的睡眠-觉醒周期和褪黑激素的产生，导致入睡困难和睡眠片段化（9-11）。我们可以通过时间生物学和认知行为框架的视角来理解智能技术对睡眠质量的影响。根据时间生物学理论，接触电子设备屏幕发出的蓝光会阻碍褪黑激素的分泌，扰乱调节睡眠-觉醒周期的昼夜节律（9）。褪黑激素是由松果体产生的一种激素，在启动睡眠和确保睡眠质量方面起着至关重要的作用。接触蓝光，尤其是在晚上，会延缓褪黑激素水平的上升，使入睡变得更加困难（11-17）。此外，失眠的认知行为模型 (18) 表明，睡前从事刺激或唤醒活动（如玩游戏或浏览社交媒体内容）可增强认知和生理唤醒，从而使入睡更加困难。该模型提出，失眠症患者会形成与睡眠相关的不良习惯和思维模式，从而使睡眠障碍持续存在 (19)。对于患有自闭症谱系障碍 (ASD) 的人来说，智能科技对睡眠质量的影响可能尤其显著。许多 ASD 患者在感觉处理方面面临挑战 (20)，这可能使他们对蓝光和电子内容的刺激作用更加敏感。此外，当科技扰乱睡前常规时，ASD 的核心症状（如过渡困难和坚持常规）可能会加剧 (2)。事实上，初步研究表明，自闭症儿童和青少年的屏幕时间增加与睡眠质量较差之间存在关联（12、13）。尽管自闭症患者的睡眠障碍患病率很高，且影响深远，但关于智能技术对这一人群睡眠质量的具体作用的研究却很少。虽然有少数研究发现了儿童屏幕时间增加与睡眠质量较差之间的关联，但
调整开始使用甲氨蝶呤患者的抗风湿药物
背景：抗风湿药物 (DMARD) 的进展扩大了类风湿关节炎 (RA) 的治疗前景。指南建议在甲氨蝶呤 (MTX) 中添加常规合成 (cs)、生物 (b) 或靶向合成 (ts) DMARD 来治疗 RA。关于在 MTX 方案中添加 DMARD 药物的因素，目前的证据有限。本研究探讨了在开始使用 MTX 的 RA 患者中添加第一种 DMARD 的相关因素。方法：这项回顾性队列研究利用了 MarketScan 数据（2012 - 2014 年），涉及 2012 年 7 月 1 日至 2013 年 12 月 30 日期间开始使用 MTX（指数日期）的 RA 成年人（年龄 ≥ 18 岁），并在指数前 6 个月持续招募。联合疗法使用者在一年内从指数 MTX 后第 30 天开始首次接受 DMARD 治疗。该研究重点关注 csDMARD、肿瘤坏死因子抑制剂 (TNFi) bDMARD、非 TNFi bDMARD 或 tsDMARD 的添加。在 6 个月前指数中测量基线协变量并按照安德森行为模型分为易感因素、促成因素和需求因素。多变量逻辑回归研究了与添加 csDMARD 相比添加 TNFi 相关的因素。额外的回归模型评估了与添加任何生物制剂（结合 TNFi 和非 TNFi 生物制剂）相关的因素。结果：在 8350 名开始使用 MTX 的 RA 患者中，31.92%（n = 2665）在指数后 1 年内开始使用任何 DMARD。在开始使用 MTX 后开始使用 DMARD 处方的 RA 患者中，945 人（11.32%）接受了联合治疗，即在 MTX 方案中添加 DMARD；大多数患者添加了 TNFi（550，58%），其次是 csDMARD（352，37%）；非 TNF 生物制剂（40，4%）或 tsDMARD（3，0.3%）。tsDMARD 组有限，未纳入进一步分析。多变量模型发现，首选医疗机构保险覆盖（比值比 [OR]，1.43；95% 置信区间 (CI)，1.06 – 1.93）、慢性肺部疾病（OR，1.98；95% CI，1.14 – 3.44）、肝脏疾病（OR，5.24；95% CI，1.77 – 15.49）和 Elixhauser 评分（OR，0.91；95% CI，0.86 – 0.97）与添加 TNF-α 抑制剂显着相关。单独的多变量模型还发现，来自大都市地区（OR，1.50；95% CI，1.04 – 2.16）的患者与添加任何生物制剂呈正相关。结论：TNFi 通常添加到 MTX 中以治疗 RA。促成因素和需求因素促成了在 RA 中开出 TNFi 附加疗法。未来的研究应探讨这些联合疗法对 RA 管理的影响。
三重态对自旋极化的分子控制及其光电磁共振探测
CONSPECTUS：在分子系统中制备和操纵纯磁态是利用合成化学的力量来推动实用量子传感和计算技术的关键初始要求。在有机系统中实现所需的更高自旋态的一种途径是利用单重态裂变现象，该现象从具有多个发色团的分子组装中最初光激发的单重态产生成对的三重态激发态。由此产生的自旋态的特征是总自旋（五重态、三重态或单重态）及其在特定分子或磁场轴上的投影。这些激发态通常高度极化，但表现出不纯的自旋布居模式。在此，我们报告了驱动单个纯磁态布居的分子设计规则的预测和实验验证，并描述了其实验实现的进展。这项工作的一个重要特点是理论、化学合成和光谱学之间的密切合作。我们首先介绍我们理解单重态裂变系统中自旋流形相互转换的理论框架。该理论对分子间结构和相对于外部磁场的方向做出了具体的可测试预测，这应该会导致纯磁态制备，并为解释磁谱提供了强大的工具。然后，我们通过对一系列符合一个或多个已确定的结构标准的新分子结构进行详细的磁谱实验来测试这些预测。许多这样的结构依赖于具有这项工作独有特征的分子的合成：二聚体中发色团之间的刚性桥、具有定制的单重态/三重态对能级匹配的杂并苯或侧基工程以产生特定的晶体结构。我们通过应用和开发几种磁共振方法揭示了这些系统的自旋演化，每种方法在与量子应用相关的环境中具有不同的灵敏度和相关性。我们的理论预测被证明与我们的实验结果非常一致，尽管通过实验满足理论对真正的纯态制备所要求的所有结构处方仍然是一个挑战。我们的磁谱与三重态对行为模型相一致，包括在二聚体和晶体中在特定条件下将粒子聚集到五重态的 ms = 0 磁亚能级，表明这种现象可以通过分子设计进行控制。此外，我们展示了单重态裂变系统中自旋态的新颖和/或高灵敏度检测机制，包括光致发光 (PL)、光诱导吸收 (PA) 和磁导 (MC)，为更深入地了解这些系统如何演化以及在单分子量子极限上进行计算应用所需的实验指明了技术上可行的途径。■ 主要参考文献
欺诈检测中的人工智能和算法决策
例如人工智能 (AI)、大数据分析、机器学习和区块链对管理和组织系统和实践的影响 (Tan and Taeihagh, 2021 ; Dickinson et al., 2021 ; Leiman, 2021 ; Radu, 2021 ; Taeihagh, 2021 ; Ulnicane et al., 2021 )。这些技术正在彻底改变现有的行政系统和实践，使其成为人与机器之间新型的互动，有时被称为算法官僚主义 (Vogl et al., 2020 ; Tan and Crompvoets, 2022 )。然而，由于组织内部和外部感知到的技术、系统、行政和监管障碍导致各种价值观保留，公共部门组织采用新的数字技术面临挑战（Tan 等人，2022 年；Bullock 等人，2020 年；Vogl 等人，2020 年；Tangi 等人，2021 年，Sun 和 Medaglia，2019 年）。公共管理研究已开始调查与系统应用人工智能和算法决策相关的挑战（Exmeyer 和 Hall，2022 年；Neumann 等人，2022 年）、问责机制（Busuioc，2021 年）、公民信任和决策的可解释性（Grimmelikhuijsen，2022 年）、组织重组（Meijer 等人，2021 年）、行政自由裁量权和实施意愿（Alshallaqi，2022 年；Wang 等人，2022 年）、道德原则和公民隐私（Willems 等人，2022 年）、能力差距和知识管理（Wilson 和 Broomfield，2022 年）。然而，这些新兴文献提供了如何在公共政策过程中整合人工智能和算法决策的零散图景。两种理论模型评估公共政策过程中的技术采用：行为模型通过分析用户对技术的感知和用户级特征的中介影响来解释技术采用过程，结构模型通过组织和机构因素与用户行为的相互作用来解释技术采用过程。这两种模型都侧重于用户的感知，但并没有提供整体视角来解释不同机构、组织、技术和个人层面驱动因素之间的感知关系及其对系统应用的影响（Dawes，2009；Engvall 和 Flak，2022）。这使得为公共政策过程中的人工智能和算法决策制定可行的数字化转型战略变得复杂。我们的具体研究问题是：本文旨在通过开发一个整体模型 1 来解决文献中的这一空白，该模型可以解释影响人工智能和算法工具在公共政策过程中整合的感知驱动因素之间的相互关系。具体来说，本研究重点关注税收和社会保障领域的欺诈检测案例，这些领域是使用机器学习和人工智能驱动的高级分析技术的主要政策领域。虽然这些技术有可能改进欺诈检测流程，但采购障碍、培训不足的工人、数据限制、缺乏技术标准、组织变革的文化障碍以及遵守负责任的人工智能原则的需要阻碍了它们的广泛采用 (West, 2021 )。