XiaoMi-AI文件搜索系统
World File Search System音对
噪音对海洋哺乳动物的影响 - navfac exwc
目前，关于噪声对海洋哺乳动物影响的信息被引用最多的资源是一本 1995 年出版的书（《海洋哺乳动物与噪声》，Academic Press，圣地亚哥）。这本书对海军、环境规划者、监管者和科学家来说都是宝贵的资源。它为科学界提供了截至 20 世纪 90 年代初有关这一主题的研究的单一资源。在过去的 20 年里，与这一问题相关的文献大大扩展，在评估噪声对海洋哺乳动物的影响时需要考虑的更多信息。迫切需要更新这本由使用此资源的多位利益相关者共享的书籍。
声音对小鼠的影响
预测氨基酸取代引起的蛋白质热稳定性的变化对于了解人类疾病和工程有用的蛋白质对临床和工业应用至关重要。虽然蛋白质生成模型的最新进展是在以结构或进化序列环境为条件的氨基酸上学习概率分布的，但在没有任务特异性训练的情况下预测各种蛋白质特性方面表现出了令人印象深刻的性能，但其强大的无监督预测能力并未扩展到所有蛋白质功能。尤其是，它们改善蛋白质稳定性预测的潜力仍未得到探讨。在这项工作中，我们提出了一个新颖的深度学习框架，它可以适应和整合两个通用蛋白质生成模型 - 一种蛋白质语言模型（ESM）和一个反折叠模型（ProteinMPNN） - 有效的稳定性预测器。马刺采用轻量级的神经网络模块来将蛋白质MPNN学到的每个残留结构表示形式重新融合到ESM的注意层中，从而为ESM的序列表示学习提供了信息。这种重新布线策略使马刺能够从序列和结构数据中利用进化模式，在这种数据中，ESM所学的序列类似分布的条件是基于由蛋白质MPNN编码的结构先验，以预测突变效应。我们通过在最近发布的Mega规模的热稳定性数据集中进行监督的培训将该集成的框架引导到稳定预测模型。此外，它通过用作提高准确性的稳定性模型来增强当前的低N蛋白适应性预测模型。在12个基准数据集中进行的评估表明，马刺提供了准确，快速，可扩展和可推广的稳定性预测，并且始终超过了当前的最新方法。值得注意的是，马刺在蛋白稳定性和功能分析中表现出显着的多功能性：与蛋白质语言模型结合使用时，它以无监督的方式准确地识别蛋白质功能位点。这些结果突出显示了马刺是推动当前蛋白质稳定性预测和机器学习引导的蛋白质启动工作流程的强大工具。马刺的源代码可在https://github.com/luo-group/spurs上获得。
研究高温和噪音对人类脑电波和感知工作量产生的急性影响
许多研究都探讨了噪音和热量对认知表现的影响，但得出的结果相互矛盾。一些研究报告了噪音和热量对认知表现的负面影响[21-25]，而另一些研究则建议改善。[26-29]此外，一些研究发现噪音和热量对认知表现没有显著影响。[30-32]研究结果的差异可能归因于所用评估工具的多样性。近年来，人们使用了各种各样的心理评估工具来衡量认知表现，包括问卷和认知测试。[33]然而，大多数行为表现评估都侧重于简单的认知任务，因此需要更全面的研究噪音和热量对人类认知表现的影响。
Suh J、Bennett CC、Weiss B、Yoon E、Jeong J、Chae Y (2021) “在合作游戏环境中开发用于社交 AI 的语音对话系统。” IEEE 第 10 区研讨会 (TENSYMP)。正在印刷中。
摘要 — 人们对开发更像人类、能够进行自然社交互动的人工智能 (AI) 的兴趣日益浓厚。先前的研究已经提出了关于“栩栩如生”的人工智能的含义的想法，一些研究试图使用游戏环境来测试这些假设。在本文中，我们介绍了“社交人工智能”语音对话系统的开发，该系统可以在合作游戏环境中与人类玩家自主交流和互动（在本例中是一款名为“Don't Starve Together”的社交生存游戏）。基于我们的假设，即人工智能应该包含特定的组件才能被视为更像人类，我们进行了一系列试点测试，以使用数据驱动的方法开发社交人工智能。完成试点测试后，我们根据参与者的互动和反馈确定了六个要添加或修改的组件。这些组件主要包括语音对话系统的功能，这些功能涉及人工智能行为与社会环境背景因素（“游戏状态”）的相互作用。在未来的工作中，我们打算基于这些发现改进社交人工智能。此处的研究强调了使用合作游戏环境进行人工智能代理的语音对话系统的数据驱动开发。
对话角色对语音人工智能和人类对话者语音对齐的影响 标题：角色和对话者影响对齐 Georgia Zellou、Michelle Cohn 和 Tyler Kline 语音实验室，加州大学戴维斯分校语言学系 469 Kerr Hall，One Shields Ave.，戴维斯，CA 95616，美国 通讯作者电子邮件：gzellou@ucdavis.edu 摘要 两项研究调查了对话角色对人类和语音人工智能对话者语音模仿的影响。在单词列表任务中，给予者指示接收者将单词放在两个列表中的哪一个上；这个对话任务类似于用户与语音人工智能系统进行的简单口头交互。在地图任务中，参与者与对话者一起完成填空工作表，这是一项更复杂的交互任务。参与者与两个对话者一起完成了两次任务，一次作为信息提供者，一次作为信息接收者。语音对齐通过相似性评级进行评估，使用混合效应逻辑回归进行分析。在单词列表任务中，参与者在更大程度上仅向人类对话者靠拢。在地图任务中，仅作为给予者的参与者更多地向人类对话者靠拢。结果表明，语音对齐由对话者的类型介导，并且对话角色的影响因任务和对话者而异。关键词：语音对齐、语音-AI、人机交互、对话
对话角色对语音 AI 和人类对话者语音对齐的影响 标题：角色和对话者影响对齐 Georgia Zellou、Michelle Cohn 和 Tyler Kline 语音实验室，加利福尼亚大学戴维斯分校语言学系 469 Kerr Hall，One Shields Ave.，戴维斯，CA 95616，美国 通讯作者电子邮件：gzellou@ucdavis.edu 摘要 两项研究调查了对话角色对人类和语音 AI 对话者语音模仿的影响。在单词列表任务中，给予者指示接收者将单词放在两个列表中的哪一个上；这个对话任务类似于用户与语音 AI 系统进行的简单口头交互。在地图任务中，参与者与对话者一起完成填空工作表，这是一项更复杂的交互任务。参与者与两个对话者完成了两次任务，一次作为信息提供者，一次作为信息接收者。通过相似性评级评估语音对齐，并使用混合效应逻辑回归进行分析。在单词列表任务中，参与者在更大程度上仅与人类对话者保持一致。在地图任务中，仅作为给予者的参与者更多地与人类对话者保持一致。结果表明，语音对齐由对话者的类型介导，并且对话角色的影响因任务和对话者而异。关键词：语音对齐、语音-AI、人机交互、对话角色
交通噪音和道路施工噪音对蝙蝠的影响
声学创伤可能会立即产生严重后果。蝙蝠进化出了高度专业化的发声和听觉系统，以最大限度地提高它们探测、定位、追踪和捕获空中猎物以及躲避捕食者的能力。为了实现这一目标而进化出的行为、形态和生理机制大大提高了它们对所有声音的听觉敏感度，特别是它们回声定位叫声的柔和回声。但这些专业化也可能使蝙蝠受到噪音冲击和人为噪音造成的声学损伤。然而，蝙蝠也进化出了非常有效的补偿性保护措施，以防止过度暴露于噪音中，特别是它们自己非常响亮的回声定位叫声。虽然这些机制在实现自我暴露所需的保护方面是有效的，但它们是否也能防止突然、意外的人为噪音冲击（例如爆破、打桩）造成的过度暴露尚不清楚；从理论上讲，这种适应机制是可能的，但需要进一步研究来验证它并确定所涉及的具体机制。
声音对基于视觉ERP的脑机接口影响的研究
摘要：基于事件相关电位（ERP）的脑机接口（BCI）应用于现实环境时性能会下降，限制了BCI的通用性。声音是日常生活中常见的噪声，其是否对BCI的性能下降有影响尚不清楚。本研究设计了一个视听BCI任务，要求受试者集中注意力于视觉界面输出命令，同时根据听觉故事进行计数。故事以三种速度播放以引起不同的工作负荷。在相同或不同工作负荷下收集的数据用于训练和测试分类器。结果表明，当故事播放速度加快时，枕顶区 P300 和 N200 电位幅值分别下降 0.86 µV（p=0.0239）和 0.69 µV（p=0.0158），导致准确率下降 5.95%（p=0.0101），信息传输速率下降 9.53 bits/min（p=0.0416）。使用高工作量数据进行性能测试时，用高工作量数据训练的分类器比用低工作量数据训练的分类器获得更高的准确率。结果表明，声音可以通过增加工作量来影响视觉 ERP-BCI。训练数据和测试数据的高相似性与 ERP 幅值对于获得高性能同样重要，这为我们提供了如何使 ERP-BCI 具有泛化能力的见解。
照明和噪音对空中交通管制任务中的性能和态势感知的影响
学术共享引用 学术共享引用 Pruksaritanon, S. (2018)。照明和噪音对空中交通管制任务绩效和态势感知的影响。, ()。取自 https://commons.erau.edu/student-works/143
支持多种语音对话系统框架...
摘要 — 口语对话系统越来越流行，它为人们提供信息。不同的框架提供了开发任何领域和语言的对话系统所需的基础设施。对多个并发会话的支持是现实世界对话系统的主要要求。本文提出了一个支持多个并发会话的框架来开发对话系统。该框架使用 Galaxy 的轮毂和辐条架构进行通信，并使用 Olympus 的 RavenClaw 对话管理器来利用其领域独立对话引擎。本文介绍了处理多个并发会话的会话管理器模块的设计。所提出的框架已在可处理十个并发会话的真实口语对话系统上实现和测试。所提出的框架在多个会话中表现良好，可用于开发商业规模的对话系统。