XiaoMi-AI文件搜索系统
World File Search SystemAvoidance
在避免疼痛和寻求奖励期间加强学习中个体差异的神经相关性
研究文章：方法/新工具| Integrative Systems The neural correlates of individual differences in reinforcement learning during pain avoidance and reward seeking https://doi.org/10.1523/ENEURO.0437-23.2024 Received: 23 October 2023 Revised: 31 January 2024 Accepted: 5 February 2024 Copyright © 2024 Le et al.这是根据Creative Commons Attribution 4.0国际许可条款分发的开放访问文章，只要将原始工作正确归因于任何媒介，它允许在任何媒介中进行无限制的使用，分发和复制。
使用红外摄像头、雷达和摄像机进行基于人工智能的夜间行人检测和避让
简介 过去十年来，美国的行人死亡人数不断飙升。行人死亡人数增加了 46%，从 2010 年的 4,302 人增加到 2019 年的估计 6,301 人。夜间行人死亡人数增加了 54%，而同期白天行人死亡人数仅增加了 16%。在这些致命事故中，约 75% 发生在天黑后。此外，美国汽车协会 (AAA) 的一项研究测试了当前车辆中的行人检测，发现所评估的行人检测系统——由雷达（无线电检测和测距）、图像传感器（摄像头）、激光雷达（光检测和测距）和超声波声纳组成——在夜间条件下无效。该项目的目标是通过结合从三个独立传感器实时获取的数据并使用机器学习算法在夜间检测行人，以减少夜间行人死亡人数
物联网深度学习无人机系统自主障碍物检测和防撞综述
摘要：无人驾驶飞行器 (UAV)（也称为无人机）的进步为推动各种大规模物联网 (IoT) 应用提供了前所未有的机会。然而，无人机平台仍然面临主要与自主性和重量相关的重要限制，这些限制会影响其在捕获和处理开发自主和强大的实时障碍物检测和避障系统所需的数据时的遥感能力。在这方面，深度学习 (DL) 技术已成为一种有前途的替代方案，可改善高度自主的无人机的实时障碍物检测和防撞能力。本文回顾了 DL 无人机系统 (UAS) 的最新发展，并详细解释了主要的 DL 技术。此外，研究了最新的 DL-UAV 通信架构并分析了它们最常见的硬件。此外，本文列举了当前 DL-UAV 解决方案最相关的开放挑战，从而使未来的研究人员能够定义设计新一代经济实惠的自主 DL-UAV IoT 解决方案的路线图。
在荒野中发现和治疗病理性需求避免尼尔E. Christensen 1＆Matthew J. Hoag 2
避免病理需求（PDA）在1980年代首次在英国被伊丽莎白·纽森（Elizabeth Newson）及其同事（专门研究普遍发育障碍的发展心理学家）在英国进行了研究。pda提醒这些心理学家自闭症，尽管它在重要方面有所不同，包括对日常需求，“表面社交能力”和富有想象力的游戏的强迫性抵抗（Newson等，2003）。该主题引起了很大的关注，并就自闭症谱系中PDA是独特的诊断概况而引起了争论，还是仅仅是个人自治和独立性的过度病理学过程（Milton，2013; Moore，2020）。PDA拥有专业人士，家庭成员和个人的既定追随者。对该主题的讨论至关重要，因此受PDA影响的个人在户外行为医疗保健（OBH）环境中接受治疗，也称为荒野疗法，并且在美国的住院治疗环境并不适当地被误诊或治疗，因此由于对专业和父母的误解而遭受错误的伤害。
学习和先天威胁规避的全脑投射和前额叶神经元类别的差异编码
要了解大脑如何产生行为，我们必须阐明神经元连接与功能之间的关系。内侧前额皮质 (mPFC) 对决策和情绪等复杂功能至关重要。mPFC 投射神经元广泛侧支，但 mPFC 神经元活动与全脑连接之间的关系尚不清楚。我们进行了全脑连接映射和光纤光度测定，以更好地了解控制雄性和雌性小鼠威胁回避的 mPFC 回路。使用组织透明化和光片荧光显微镜 (LSFM)，我们绘制了投射到伏隔核 (NAc)、腹侧被盖区 (VTA) 或对侧 mPFC (cmPFC) 的 mPFC 神经元群的全脑轴突侧支。我们提出了 DeepTraCE（基于深度学习的追踪与综合增强）来量化透明组织图像中批量标记的轴突投射，以及 DeepCOUNT（基于深度学习的通过 3D U-net 像素标记进行物体计数）来量化细胞体。使用 DeepTraCE 生成的解剖图与已知的轴突投射模式对齐，并揭示了区域内类别特定的地形投射。使用 TRAP2 小鼠和 DeepCOUNT，我们分析了威胁回避背后的全脑功能连接。PL 是与 PL-cPL、PL-NAc 和 PL-VTA 目标位点子集具有功能连接的最高度连接的节点。使用光纤光度法，我们发现在威胁回避过程中，cmPFC 和 NAc 投射器编码条件刺激，但仅在需要采取行动避免威胁时才会编码。mPFC-VTA 神经元编码学习到的但不编码先天的回避行为。总之，我们的研究结果为定量全脑分析提供了新的和优化的方法，并表明解剖学定义的 mPFC 神经元类别在避免威胁方面具有特殊的作用。
orca-a*：一种混合相互碰撞的回避和路线计划算法在密集的城市地区
摘要 - 无人机（或无人空中系统）的快速发展及其在城市地区的潜在部署带来了许多安全问题。一定程度的自动化对于确保在城市环境中安全有效执行的UAS任务很可能是必要的。在大量不合作，非交流的UA会在密集的城市地区飞行，自然而然地想到的分散和自动方法。在这种方法中，每个代理都会在建筑物之间导航，同时避免其他流量。orca（最佳的相互碰撞避免）是一种最新的机器人碰撞避免使用方法，可以用作检测并避免在板上UAS上进行逻辑。最初是为自动机器人的2D运动而设计的，需要进行一些适应才能以应用于城市环境中的飞行物体。特别是，ORCA是一种短期避免碰撞，不是为复杂的城市环境中的路径规划而设计的。在这项研究中，我们引入了一种混合方法，将Orca与A ∗路径平面算法相结合，并表明Orca- A ∗
大脑范围的预测和差异编码在学习和先天威胁避免的前面神经元类别
$ xwkru $ iiloldwlrqv'hsdufhqw ri 3k \ vlorj \ vlorj \ 1hxurvflhqfh，qwhughsduphqwdo 3urjudp 0hglfop 0hglfo 6flhqwlhqwlhqwlvw 7udlqlqlqlqlqjj jj jj jj jj jj jj jj jj jj jj jj jj judppp 'Hsdudwphqw ri 1hxurelrorj \ 8qlyhuvlw \ ri & doliruqld /rv $ Qjhohv & dmdo 1hxurvflhqfh 6hdwwoh: $' hqrwhv htxdo frqwulexwlrq & Ruhvsrqghqfh ' （[whoghgg'dwd 7deohv $ evwudfw zrugv，qwurgxfwlrq zrugv'lvfxvlrq zrugv 0xowlphgld＆rqiolfw＆rqiolfw rqiolfw ri lqwhuhvwwvwv 7KH dxwkruv ghfoduh qr frpshwlqj ilqdqfldo lqwhuhvwv $＆。 frppHQWV RQ WKH PDQXVFFULSW 7KLV ZRUN ZDV IXQGGG E \。 rxqdwlrq *udqw / $'d 1 $ 56'
研究过程和影响在线糖尿病信息用户的回避行为的因素：定性研究
摘要：用户的避免健康信息的避免行为最近受到了越来越多的关注，但是对用户避免糖尿病信息的避免行为的研究仍然有限。本文旨在揭示避免在线糖尿病信息的过程和因素。采访，采用关键事件技术进行，日记方法被用来收集17名参与者的40起在线糖尿病信息避免的真实事件。基于主题分析方法和扎根理论，分析了数据以确定回避过程的关键阶段，并获得影响回避行为发生的因素。结果表明，在线糖尿病信息避免的宏观过程包括三个阶段：遇到后的前进，遇到和避免。首先，浏览，搜索或社交互动提供了遇到的上下文；其次，遇到的发生由三个步骤组成：对刺激，对刺激做出反应并检查内容；第三，为避免遇到的在线糖尿病信息，用户将采用回避策略，例如避免信息源，控制注意力，延迟访问，忘记信息和拒绝信息，这表现为一般避免和强烈的回避，并且对用户产生积极，负面的影响。将获得的回避行为的14个障碍因子分为四个集群。这些发现可以指导信息回避行为的干预。与用户相关的因素包括人口统计学特征，健康行为感知，感知的威胁，感知的控制和信息舒适效率；信息与信息相关的因素包括信息质量，信息过载和信息传播；与环境相关的因素包括上下文类型，行为地点，时间压力和社会因素，与情绪相关的因素包括前遇到的情绪状态。
温室气体减排计算方法草案 创新基金首次征集提案
3 这与生物燃料、沼气和生物能源排放的方法一致。但是，土地利用变化排放和间接土地利用变化排放通常比生物燃料小得多，而“灰色能源”通常只占大型工业工厂总排放量的一小部分。尽管如此，考虑到 IF 可能涉及的未知过程范围，更安全的做法是防止可能的土地密集型解决方案或需要特别排放密集型资本设备的流程。从指标上看，由风力发电制成的液体运输燃料在涡轮机制造（和维护）中产生的“灰色排放”约为 8gCO2e/MJ，如果使用光伏制成，则约为 22g/MJ。（计算假设电力转化为道路燃料的效率为 40%，燃料分配的排放量为标准排放量。）
LuZip：月球滑索、缆车和缆绳运输，用于阿尔特弥斯月球任务的移动和防尘
根据阿尔特弥斯计划，NASA 计划重返月球表面，这次是长期停留。阿波罗任务认为尘埃是月球表面作业面临的主要挑战。这包括从一点到另一点的旅行。人们一直在努力开发防止尘埃进入设备、使设备更耐尘和改善除尘效果的技术。然而，长时间在尘埃环境中有效运行仍然是一个悬而未决的问题。在这里，我们探讨了使用缆车、缆车和高空滑索在尘埃之上进行设备和材料转移以及人员远足。讨论了优缺点、潜在架构、推进和材料。还介绍了融入正在进行的阿尔特弥斯计划的步骤。