XiaoMi-AI文件搜索系统
World File Search System输入的
具有基于双峰电阻感官输入的人工串扰的仿生触觉特征的感官皮肤
生物生物体中的触感是一种依赖各种专业受体的教师。这项研究中介绍的双峰传感皮肤，结合了将皮肤归因于机械和热感受器功能的软电阻复合材料。模仿不同自然受体在皮肤层的不同深度中的位置，可以实现软电阻式组合的多层布置。然而，信号响应的大小和刺激的定位能力随双峰皮肤的较轻压力而变化。因此，采用了一种基于学习的方法，可以帮助您对4500探针的刺激进行预测。类似于人脑中的认知功能，两种类型的感觉信息之间的感觉信息的串扰使学习体系结构可以更准确地预测刺激的定位，深度和温度。使用8机械感受器和8个热感应感应元素的定位精度为0.22 mm，温度误差为8.2°C，对于较小的元素间距离实现了。将双模态感测多层皮肤与神经网络学习方法结合起来，使人造触觉界面更接近地模仿生物皮肤的感觉能力。
基于机器学习的分类，以解开对 TMS 和听觉输入的脑电图反应
摘要：经颅磁刺激 (TMS) 和脑电图 (EEG) 的结合为研究皮质生理学提供了一个无与伦比的机会，通过描述大脑对外部扰动的电反应，即经颅诱发电位 (TEP)。虽然这些反映了皮质突触后电位，但它们可能会受到听觉诱发电位 (AEP) 的污染，这是由于 TMS 咔嗒声造成的，部分地显示出相似的空间和时间头皮分布。因此，TEP 和 AEP 可能难以通过常见的统计方法区分开来，尤其是在 AEP 抑制效果不佳的情况下。在这项工作中，我们探索了机器学习算法在健康受试者样本中区分用 TMS 咔嗒声、AEP 和非屏蔽 TEP 记录的 TEP 的能力。总体而言，我们的分类器在单个受试者级别提供了可靠的结果，即使对于以前的工作中没有显示差异的信号也是如此。当使用不同的受试者进行训练和测试阶段，并且比较三种刺激条件而不是两种刺激条件时，群体层面的分类准确度 (CA) 较低。最后，当使用平均 TEP 而不是单次试验 TEP 时，CA 较高。总之，这项概念验证研究提出机器学习是一种有前途的工具，可以将纯 TEP 与受感官输入污染的 TEP 区分开来。
重复输入相同的短语是否可以很好地评估专家文本输入的性能？
要确定像 OPTI 这样的新颖/不熟悉的键盘布局是否能胜过 QWERTY，通常需要通过纵向研究进行长时间的训练。为了减少这种后勤瓶颈，文献中一种流行的方法要求参与者重复输入相同的短语。然而，这种方法是否能很好地估计专家的表现仍不得而知。为了验证这种方法，我们进行了一项研究，让参与者在 OPTI 和 QWERTY 上输入相同的短语 96 次。结果表明，与使用不同短语的传统方法相比，这种方法有可能更快地估计出专家对新颖/不熟悉的键盘的表现。然而，我们还发现准确的估计仍然需要几天的训练，因此，并不能消除纵向研究的需要。因此，我们的研究结果表明，需要研究更快、更简单、更可靠的实证方法来评估文本输入系统。
具有串行控制和 11 个模拟输入的 12 位模拟数字转换器数据表 (Rev. C)
在采样期间，其中一个模拟输入内部连接到转换器的电容器阵列以存储模拟输入信号。在四个地址位被输入到输入数据寄存器后，转换器立即开始对所选输入进行采样。采样从 I/O CLOCK 的第四个下降沿开始。转换器保持采样模式，直到 I/O CLOCK 的第八个、第十二个或第十六个下降沿，具体取决于数据长度选择。在最后一个 I/O CLOCK 下降沿的 EOC 延迟时间之后，EOC 输出变为低电平，表示采样周期结束并且转换周期已开始。EOC 变为低电平后，可以更改模拟输入而不会影响转换结果。由于从最后一个 I/O CLOCK 的下降沿到 EOC 低电平的延迟是固定的，因此可以以固定速率数字化随时间变化的模拟输入信号，而不会因时序不确定性而引入系统谐波失真或噪声。
具有独立输入的自供电异步图像传感器
本文介绍了一种具有新颖像素结构的自供电异步传感器。像素是自主的，可以独立收集或感应能量。在图像采集过程中，一旦像素感应到其局部照明水平，它们就会切换到收集操作模式。使用所提出的像素架构，大多数发光像素都会为传感器提供早期供电，而低照度像素则会花费更多时间感应其局部照明。因此，等效帧速率高于传统自供电传感器提供的帧速率，后者在独立阶段收集和感应照明。所提出的传感器使用首次尖峰时间读数，允许在图像质量和数据与带宽消耗之间进行权衡。该设备具有动态范围为 80 dB 的 HDR 操作。像素功耗仅为 70 pW。本文详细介绍了传感器和像素的架构。提供并讨论了实验结果。传感器规格与现有技术进行了对比。
CommunityBots：创建和评估公共输入的多代理聊天机器人平台
近年来，支持AI支持的对话代理商或聊天机器人的普及已成为传统在线调查的替代方案，以吸引人们的信息。但是，使用单人聊天机器人在各种主题上进行相反并收集多方面的信息存在差距。先前的工作表明，单人聊天机器人难以理解用户意图并在多面对话中解释人类语言。在这项工作中，我们研究了如何利用多代理聊天机器人系统在多个领域进行多方面的对话。为此，我们进行了一项OZ的巫师研究，以调查多代理聊天机器人的设计，以在多个高级领域及其相关主题中收集公众投入。接下来，我们设计，开发和评估了CommunityBots，这是一个多代理聊天机器人平台，每个聊天机器人单独处理另一个域。为了管理跨多个主题和聊天机器人的对话，我们提出了一种新颖的对话和主题管理（CTM）机制，该机制根据用户的响应和意图来处理主题转换和聊天机器人转换。我们进行了一项主题研究，将社区机器人与单人聊天机器人基线与96名群众工作人员进行了比较。我们评估的结果表明，社区机器人参与者的参与度更高，提供了更高的质量响应，并且在同一会话中与多个不同的聊天机器人进行交谈时，会议中断的中断更少。我们还发现，与接口集成的视觉提示有助于参与者更好地了解CTM机制的功能，从而使他们能够感知文本对话的变化，从而提高用户满意度。基于我们研究的经验见解，我们讨论了多代理聊天机器人设计的未来研究途径及其在丰富信息启发中的应用。
对前额叶皮层输入的全脑筛查揭示了……
摘要 记忆的形成和存储依赖于多个相互连接的大脑区域，这些区域的贡献在记忆巩固过程中会有所不同。传统上认为内侧前额叶皮层，特别是前额叶皮层 (PL) 参与了远程记忆的存储，但最近的证据表明它也与早期记忆巩固有关。然而，控制这些动态的 PL 输入仍然未知。在这里，我们首先对雄性小鼠在情境恐惧记忆形成过程中激活的 PL 印迹细胞进行了全脑、基于狂犬病的逆行追踪筛选，以确定相关的 PL 输入区域。接下来，我们评估了这些输入在记忆巩固的不同阶段（从恐惧记忆编码到近期和远期记忆回忆）的特定活动模式。然后，我们使用投射特异性化学遗传抑制测试了它们在记忆巩固中的功能作用，结果揭示了隔膜在编码时对 PL 输入的贡献，以及岛叶皮层在近期记忆回忆时对 PL 输入的贡献。这两种输入都进一步影响了 PL 印迹细胞在记忆回忆时如何被重新激活，证明了它们对于在 PL 中建立记忆痕迹的重要性。总的来说，这些数据确定了 PL 输入的时空变化，这对于早期记忆巩固很重要，从而有助于完善记忆形成的工作模型。
具有串行控制和 11 个模拟输入的 12 位模数转换器数据表 (Rev. F)
电源电压范围，V CC （见注释 1） –0.5 V 至 6.5 V . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .输出电压范围，V O –0.3 V 至 V CC + 0.3 V . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 正参考电压，V ref+ V CC + 0.1 V . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .负参考电压，V ref– –0.1 V . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 峰值输入电流，I I (任何输入) ± 20 mA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 峰值总输入电流，I I (所有输入) ± 30 mA . . . . . . . . . . . . . . . . . . . . . . . . 自然通风工作温度范围，T A ：TLC2543C 0 ° C 至 70 ° C . . . . . . . . . . . . . . . . . . TLC2543I –40 ° C 至 85 ° C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 存储温度范围，T stg –65 ° C 至 150 ° C . . . . . . . . . . . . . . . . . . . . . . . . . . . .
脑电图对用户输入的实用性
本论文/论文由美国俄亥俄州阿克伦市阿克伦大学机构知识库 IdeaExchange@UAkron 的 Gary B. 博士和 Pamela S. Williams 荣誉学院免费提供给您，供您开放访问。IdeaExchange@UAkron 的授权管理员已接受本论文/论文，将其纳入 Williams 荣誉学院荣誉研究项目。如需了解更多信息，请联系 mjon@uakron.edu、uapress@uakron.edu。
使用肌电图控制的机器人时，大脑活动反映了对延迟输入的主观反应
在各种实验环境中，肌电图 (EMG) 信号已用于控制机器人。基于 EMG 的机器人控制需要控制的内在参数，这使得用户很难理解输入协议。当未提供适当的输入时，系统的响应时间会发生变化；因此，无论实际延迟如何，都应调查用户的主观延迟。在本研究中，我们调查了延迟的主观感知对大脑激活的影响。在受试者使用 EMG 信号控制机械手时进行脑部记录，这需要基本的处理延迟。我们使用肌肉协同作用来执行机械手的抓握命令。在通过抓握手来控制机器人后，每次试验都会应用四个额外延迟持续时间（0 毫秒、50 毫秒、125 毫秒和 250 毫秒）之一，并指示受试者回答延迟是自然的、额外的还是他们不确定。我们根据回答（“确定”和“不确定”）比较了大脑活动。我们的结果表明顶叶的 θ 波段存在显著的功率差异，并且这个时间范围包括受试者感觉不到延迟的间隔。我们的研究提供了重要的见解，在构建自适应系统并评估其可用性时应考虑这些见解。