XiaoMi-AI文件搜索系统
World File Search System认知工程
神经人体工程学与飞行安全 - ISAE-SUPAERO
从人为因素到神经人体工程学 众所周知，人为因素是核能、太空探索、医学或航空等许多关键领域发生事故和灾难的一个原因。就航空运输而言，估计约有 60% 至 80% 的航空事故涉及人为失误。自第二次世界大战以来，人为因素研究蓬勃发展。在航空领域，早期研究侧重于驾驶舱的设计（控制、显示……）以及高度和环境因素对飞行员的影响。随着计算机化驾驶舱的复杂性不断增加，研究越来越多地集中在操作员的认知上（例如心理需求）。此外，单人飞行员操作和地面驾驶的新发展构成了新的挑战，需要进行广泛的研究。因此，在 20 世纪，人为因素和人体工程学方法不断发展。传统上，人机交互分析主要侧重于主观和可观察的行为，以研究现场的人类工作。尽管这种方法为取得巨大进步铺平了道路，尤其是当观察结果导致描述性建模时，但飞行员大脑功能的一个重要部分仍然未知。自 21 世纪初以来，神经人体工程学（神经科学、认知工程和人为因素的交叉学科）通过研究人与技术交互之间相互作用背后的大脑机制，提供了一种替代方法来进一步扩展我们对可观察行为的理解。因此，在人为因素的连续性中，神经人体工程学的主要目标是通过使系统设计适合人脑来增强人与技术的耦合，并通过提供帮助、加强培训或改进操作员选择来支持活动。
通过观察性临床人机可靠性分析 (OCHRA) 对外科手术表现进行客观评估：系统评价
摘要背景发病率和死亡率数据 (MMD) 以及学习曲线 (LC) 均未提供有关术中错误性质及其机制的信息，因为这些错误会对患者结果产生不利影响。OCHRA 是专门为解决未满足的外科需求而开发的，即在个体操作员层面对手术技术执行质量进行客观评估的技术。本系统评价的目的是评价 OCHRA 作为客观评估外科手术表现的方法。方法系统评价基于在 4 个数据库中搜索 1998 年 1 月至 2019 年 1 月发表的文章。该评价符合系统评价和荟萃分析的首选报告项目 (PRISMA) 指南，并包括基于多个外科专业手术过程中技术错误的外科任务表现的原始出版物。结果 仅有 26 篇已发表的研究符合搜索标准，表明在研究期间 OCHRA 的采用率很低。在 31% 的报告中，手术由完全合格的顾问/主治外科医生执行，69% 的报告中，手术由经批准的培训计划中的外科实习生执行。OCHRA 在 719 例临床手术（平均 = 11 例 CE）的实施过程中发现了 7869 例后果性错误 (CE)。它还确定了手术的“危险区”和熟练度增益曲线 (P-GC)，以确认个别实习外科医生能够持续胜任特定手术的执行。P-GC 既是外科医生又是手术。结论 增加 OCHRA 的使用有可能改善手术后患者的预后，但这是朝着自动评估未编辑手术视频迈出的有条件的一步。OCHRA 的低采用率归因于其涉及人为因素（认知工程）专业知识的劳动密集型性质。除了更快、更客观的同行评估外，这一发展还应加速临床采用和在常规外科实践和外科培训中使用该技术。
简介报告：人机协作 - 学科：...
科学与工程学院 概况报告：人机协作 - 学科：人工智能 - 级别：终身制助理教授 - 全职：全职 (1,0) 1. 科学学科 该职位专注于通过采用认知工程、脑机接口和多智能体交互模型的方法，增强人机协作。它将在利用机器学习技术的数据驱动方法和从一般原则中得出实际选择的理论驱动方法之间取得平衡。目标是努力实现人机协作优于单独协作的设计。 2. 职位空缺 该职位由学院董事会根据行业计划开放，将嵌入伯努利研究所、基础单位人工智能、认知建模组。该职位属于“科学职业道路 4”（“Bèta's in Banen 4”）框架。请参阅链接了解标准和条件。 3. 评选委员会 (BAC) Prof. dr. NA Taatgen 伯努利研究所科学主任、认知建模教授 F. Cnossen 博士 人工智能与人机通信项目主任 HB Verheij 教授 人工智能系主任、人工智能与辩论副教授 LC Verbrugge 教授 逻辑与认知教授 F. Turkmen 博士 信息保障与安全助理教授 MA Neerincx 教授 代尔夫特理工大学人本计算教授、TNO 感知与认知系统高级研究员 R. Verhoeven 学生会员 人力资源顾问：NF Clemencia-Lokai 4. 研究领域 在人工智能领域，人机协作可以采取不同的形式。一种是人工智能系统与计算机之间的协同协作，一种是人工智能系统与计算机之间的协同协作。
使用自适应系统进行压力操作培训
使用自适应系统进行压力作业训练：概念方法和应用 Tor Finseth、Michael Dorneich、Nir Keren、Warren Franke 和 Stephen Vardeman 爱荷华州立大学 爱荷华州艾姆斯 tfinseth@iastate.edu、dorneich@iastate.edu、nir@iastate.edu、wfranke@iastate.edu、vardeman@iastate.edu 摘要 训练系统是一种潜在的压力对策，它可以在安全可控的环境中模拟高压力条件。训练通常需要随着时间的推移增加场景的复杂性，直到受训者能够可靠地执行任务。然而，在现场感受到强烈的急性压力时，一些限制会降低训练的长期保留和稳健性。这些限制包括不适合个人的通用培训实践、自我报告的主观压力不可靠、过度训练的技能不灵活且对新压力源不具有鲁棒性、培训教学法过于注重任务熟练程度而不是个人在执行任务时如何管理压力，以及培训师何时应增加/减少培训难度的模糊性。自适应系统被提议作为培训个人以保持任务绩效的补充。自适应系统是一种人机联合系统，能够不同程度地自动化功能/任务以帮助用户，通常无需明确指示。在压力任务的培训背景下，自适应系统可以使用生理传感器和机器学习来检测和监控压力，并使用这些信息来修改场景以提供个性化培训。这样就可以练习应对技能，而不会让受训者的压力承受力过大或刺激不足，根据任务执行和生理压力的熟练程度调整训练，并为何时增加/减少训练难度提供明确的基准。当与模拟训练环境相结合时，自适应系统可以通过改变任务程序和隐性改变任务环境来调整训练，以帮助用户建立对新压力源的适应力。本文介绍了使用自适应系统训练压力操作的概念方法和应用。本文介绍了一个通用的自适应压力训练系统框架，以及基于航天领域的实验示例的建议，用于在虚拟现实国际空间站中训练紧急消防程序。关于作者 Tor Finseth 博士在爱荷华州立大学获得航空航天工程和人机交互博士学位。他的研究兴趣包括在职业培训和先进技术（如虚拟现实、时间序列机器学习、压力检测、自适应系统）背景下研究人类压力反应。Michael Dorneich 博士是爱荷华州立大学工业和制造系统工程系的副教授。具体的研究和应用领域包括人为因素、认知工程、自适应自动化和自适应界面、分布式系统、交互式学习环境和决策支持系统。Nir Keren 博士是爱荷华州立大学虚拟现实应用中心的职业安全副教授和研究生教师。他开发了虚拟现实环境来研究关键任务职业员工在压力下的表现。Warren Franke 博士是爱荷华州立大学运动机能学系的教授。他的专业领域是心血管生理学，他的研究兴趣集中在应急响应人员的健康风险上。Stephen Vardeman 博士是爱荷华州立大学工业与制造系统工程系和统计学系的教授。他的专业领域是统计机器学习和工程分析。
使用深度学习进行多模式警戒评估
稿件收到日期为 2020 年 3 月 7 日；修订日期为 2020 年 6 月 12 日；接受日期为 2020 年 9 月 3 日。出版日期为 2020 年 10 月 7 日；当前版本日期为 2022 年 5 月 19 日。这项工作部分由国家自然科学基金资助，资助编号为 U1813205、61971071、61673266 和 61976135；部分由汽车车身先进设计制造国家重点实验室自主研究项目资助，资助编号为 71765003；部分由电子制造智能机器人技术湖南省重点实验室开放基金会资助，资助编号为 2017TP1011 和 IRT2018009；部分由加拿大自然科学与工程研究委员会 (NSERC) 资助，特别是 NSERC 发现资助计划和 NSERC CREATE TrustCAV；部分由国家重点研发计划项目（资助编号 2018YFB1308200）资助；部分由长沙市科技项目（资助编号 kq1907087）资助；部分由湖南省重点研发计划项目（资助编号 2018GK2022）、湖南省创新型省份建设专项资金（资助编号 2020SK3007）资助；部分由国家重点研发计划项目（资助编号 2017YFB1002501）资助；部分由上海交通大学医学转化奖研究（资助编号 WF540162605）资助；部分由中央高校基本科研业务费专项资金资助；部分由111项目资助；部分由国家留学基金委（资助编号 201706130071）资助。本文由副主编 HA Abbass 推荐。 (通讯作者：孙伟；张辉)吴伟曾就读于湖南大学电气与信息工程学院，长沙 410082，湖南大学汽车车身先进设计制造国家重点实验室，长沙 410082，湖南大学电子制造智能机器人技术湖南省重点实验室，长沙 410082。他现就读于湖南工业大学电气与信息工程学院，株洲 412007。孙伟就读于湖南大学电气与信息工程学院，长沙 410082，湖南大学汽车车身先进设计制造国家重点实验室，长沙 410082，湖南大学电子制造智能机器人技术湖南省重点实验室，长沙 410082（电子邮件：david-sun@126.com）。 QM Jonathan Wu 就职于加拿大温莎大学电气与计算机工程系，邮编：ON N9B 3P4。Yimin Yang 就职于加拿大雷克海德大学计算机科学系，邮编：ON P7B 5E1。Hui Zhang 就职于湖南大学机器人学院，邮编：长沙 410082（电子邮件：zhanghuihby@126.com）。Wei-Long Zheng 就职于美国哈佛医学院麻省总医院神经内科，邮编：MA 02114。Bao-Liang Lu 就职于上海交通大学计算机科学与工程系，上海 200240，中国，同时也是上海交通大学上海市教育委员会智能交互与认知工程重点实验室，上海 200240，中国。本文中一个或多个图片的彩色版本可在 https://doi.org/10.1109/TCYB.2020.3022647 上找到。数字对象标识符 10.1109/TCYB.2020.3022647