XiaoMi-AI文件搜索系统
World File Search SystemEkman
COVID-19 社交隔离期间的情绪语义趋势和人物情绪检测人工智能
这是一个多任务文本数据处理方法框架，基于 Plutchik/Ekman 的情绪检测和趋势检测方法，作为有意义的情绪检测和分析的管道实现。我们对该框架进行了评估并建立了一个试点系统。结果证实了所提出的框架对 COVID-19 推文的主题趋势和情绪检测的有效性。我们的研究结果表明，居家限制导致人们在推特上表达了积极和消极的情绪语义（感受），其中消极情绪是“愤怒”（8.5% 的推文），其次是“恐惧”（5.2%）、“期待”（53.6%），积极情绪语义是“喜悦”（14.7%）和“信任”（11.7%）。与呆在家里有关的安全问题的语义趋势在 28 天内迅速下降，与朋友死亡和隔离生活有关的负面情绪在某些日子里有所增加。这些发现有可能通过监测被隔离人员的情绪变化趋势来影响公共卫生政策决策。本文提出的框架有可能通过用作在线情绪检测工具包来协助此类监测。
新冠疫情期间在 TikTok 上支持接种疫苗：疫苗信念、情绪和评论
TikTok 已成为疫情相关信息汇集和传播的最重要社交媒体平台之一。然而，与疫苗接种相关的视觉内容（尤其是支持疫苗的视频）如何影响受众仍不清楚。使用 Betsch 等人的 5C 模型和 Ekman 的基本情绪模型，我们识别了 TikTok 上 #vaccine 标签下的 200 个热门视频，并研究了视频中表达的与疫苗相关的信念和情绪类型以及信念、情绪和支持性评论之间的关系。信心和喜悦分别是最常表达的信念和情绪；信心（B = 14.84，P < 0.05）、惊讶（B = 11.29，P < 0.05）和悲伤（B = 37.49，P < 0.01）可以预测支持性评论的数量。本研究将疫苗犹豫的 5C 框架扩展到社交媒体上支持疫苗的内容分析，并对特定类型的信念和情绪及其影响提供了详细的见解。讨论了如何解决疫苗犹豫的实际意义。
a-Critical-Orview-of-of-of-of-of-of-processing- ...
抽象目标。情感和非感染性精神病患者在面部情感的鉴别和歧视中都表现出损害，这可以大大降低其生活质量。本评论的目的是介绍可用仪器的优势和劣势，以更仔细地评估情绪处理的不同阶段，这些阶段在临床和实验研究中，对患有非影响和情感精神疾病的患者。方法。我们审查了现有文献，以确定用于评估识别能力的不同测试（例如Ekman 60脸测试，面部情绪识别测试和Penn情感识别测试）并区分情绪（例如面临情绪歧视测试和情感差异任务）。结果。目前的文献表明，很少有研究结合工具以在不同水平的情绪处理障碍之间区分。缺乏整合情绪识别和歧视评估的全面工具阻止了对患者状况的全面了解。结论。此评论强调了对患有非影响和情感精神病患者情绪处理能力的详细评估，以表征从疾病开始开始早期疾病并设计康复治疗的疾病。
表面应力和北极海洋旋转的驱动趋势
北极海冰介导了大气 - 海冰的动量转移，从而驱动上海循环。尚不清楚北极海洋表面应力和速度如何应对海冰的衰落和越来越多的海冰的变化。在这里我们表明，最新的气候模型始终预测未来的增加（2015 - 2100）海面压力，响应于表面风速的提高，海冰面积下降和较弱的冰袋，这会预测海洋表面压力。虽然风速在秋季（每十年+2.2％）时大多数升高，但冬季的表面应力大多（每十年+5.1％）被减轻的内部冰分增大。这是因为，随着海冰浓度在温暖的气候下的降低，较小的冰袋消散能量，从而导致更多的动量转移到海洋中。增加的动量转移会加速北极海面速度（+31 - 47％到2100），导致海洋动能升高并增强垂直混合。增强的表面应力还增加了Beaufort Gyre Ekman收敛和淡水含量，影响北极海洋生态系统和下游海洋循环。预计变化的影响是深远的，但是大气 - 冰山动量转移的不同模型引入了考虑的不确定性，突显了在气候模型中改善耦合的需求。
亚中尺度上升流细丝中的锋面不稳定性和能量耗散
基于高分辨率湍流微结构和近地表速度数据，研究了本格拉上升流系统（东南大西洋）中瞬态上升流细丝内的锋面不稳定性及其与湍流的关系。我们的研究重点是位于细丝边缘的尖锐亚中尺度锋面，其特点是持续的下锋风、强劲的锋面急流和剧烈的湍流。我们的分析揭示了三种不同的锋面稳定状态。（i）在锋面的浅侧，发现了一个 30-40 米深的湍流表面层，具有低位势涡度 (PV)。这个低位势涡度区域呈现出明确的两层结构，上层为对流（埃克曼强迫），下层为稳定分层，其中湍流由强迫对称不稳定性 (FSI) 驱动。该区域的耗散率与埃克曼浮力通量成比例，与 FSI 的最新数值模拟具有很好的定量一致性。（ii）在锋面喷射的气旋侧翼内，靠近横向锋面密度梯度的最大值，气旋涡度足够强，可以抑制 FSI。该区域的湍流是由边缘剪切不稳定性驱动的。（iii）在锋面喷射的反气旋侧翼内，混合惯性/对称不稳定性的条件得到满足。我们的数据为 FSI、惯性不稳定性和边缘剪切不稳定性与亚中尺度锋面和细丝中整体动能耗散的相关性提供了直接证据。
内大陆架内潮汐饱和度。第一部分：观测
内大陆架是冲浪区和中大陆架之间的区域，表面和底部边界层 (BBL) 在此汇合甚至重叠 ( Lentz 1994 )。在这里，横岸风有助于跨内大陆架的输送 ( Fewings 等人 2008 )，而中大陆架的输送则由埃克曼动力学引起的沿岸风驱动。内大陆架的另一个先前未研究过的显著特征是，内大陆架是内潮汐几乎失去所有能量的区域。后者是我们在这里的重点，并引出了内大陆架作为内潮汐冲浪区的作用的新区分 ( Becherer 等人 2021 ，以下简称第二部分 )。这种内部冲浪区，其中内部潮汐以受水深限制的饱和状态存在，具有与表面重力波冲浪区类似的特征（Thornton 和 Guza 1983；Battjes 1988）。内部潮汐要么在当地产生（Sharples 等人 2001；Duda 和 Rainville 2008；Kang 和 Fringer 2010），要么在传播路径较长的偏远地区产生（Nash 等人 2012；Kumar 等人 2019），将大量能量传输到内架（Moum 等人 2007b；Kang 和 Fringer 2012）。在这里，能量被湍流耗散，产生斜压混合，从而导致水体转化。在内架上，内部潮汐在驱动
神经肿瘤学
抽象背景。患有手术治疗的低度神经胶质瘤（LGG）的患者通常功能良好，并且预后良好。但是，LGG会影响神经认知功能。迄今为止，这些患者中的社会认知（SC）知之甚少，尽管SC受损与社会行为问题和社会参与不佳有关。正面大脑区域对于SC很重要，LGG经常有额叶位置。因此，本研究的目的是研究情绪识别（SC的关键组成部分）是否受到损害，并且与一般认知，肿瘤位置，横向性，肿瘤体积和组织病理学特征有关，术后和辅助治疗开始之前。方法。总共121例LGG患者与169个健康对照组（HC）匹配。肿瘤位置[包括（额叶）子区域；在MRI扫描时，确定了岛，前扣带回皮层，外侧前额叶皮层（LPFC），眶额 - 内侧PFC]和肿瘤体积。情感识别是通过Ekman 60面对情绪刺激和测试（Feest）面部表情的测试来测量的。结果。LGG患者的耗时效果明显低于HC，与标准数据相比，有33.1％的患者显示出损害。情绪识别与额叶肿瘤的位置，横向性和组织病理学特征没有显着相关，并且与一般认知和肿瘤体积显着但弱相关。结论。LGG患者的情绪识别受损，但与特定肿瘤特征或一般认知无关。因此，对这些患者的单个神经心理学评估进行测量至关重要，无论肿瘤特征如何，都可以将可能的损害告知临床医生，并因此提供适当的护理。
NOCASE-AGO_1968-26-000-WEB-0.pdf
威廉·E·埃克曼准将，美国陆军。1965 年 5 月至 1968 年 4 月。哈里·J·恩格尔少将，美国陆军。1957 年 7 月至 1968 年 4 月。列奥尼达·G·加扎拉斯 1 准将，美国陆军。1963 年 8 月至 1968 年 3 月。查尔 8·R·格雷厄姆上校，美国陆军军械部队。：1967 年 3 月至 1968 年 3 月。（该奖项取代了根据 1968 年 2 月 5 日美国军事援助司令部总部第 286 号将军命令授予 Graham 上校的功绩勋章，该勋章将在宣布杰出服务勋章时被取代。）欧文 0 少将。霍斯特勒，，美国陆军。1963 年 2 月至 1968 年 3 月。斯坦利·肯尼迪上校，，美国陆军装甲部队。1960 年 6 月至 1962 年 7 月和 1964 年 7 月至 1968 年 3 月。乔治·G·奥康纳少将，美国陆军。1967 年 2 月至 1968 年 2 月。（该奖项取代了授予奥康纳少将的军团勋章（第二橡树叶勋章），以表彰他在 1967 年 2 月至 1968 年 1 月期间的杰出服务，如总部第 117 号一般命令中所述。1968 年 1 月 10 日，美国陆军联合部队越南分部。）哈里·G·伍德伯里准将，美国陆军。1963 年 11 月至 1968 年 4 月。2.根据总统指示，根据国会法案的规定，自 7 月 9 日起，卫生与公众服务部颁发杰出服务奖章（第二橡树奖章）
揭示了对低水平风和海洋尺度级别的热量和当前反馈的影响
摘要：在这项研究中，高分辨率耦合的海洋 - 大气模拟在墨西哥湾流进行研究，以研究尺度[O（10）km]热反馈（TFB）和当前反馈（CFB）的影响（CFB）在低水平的大气层和大洋kitecale Kinicetic kinicetic Energy（SKE）上的影响。在子尺度上，TFB和CFB对风和表面应力表现出结构性和破坏性影响，这使得这比中尺度[O（100）km]更复杂。这种硬币的动力改变了经典的耦合系数，构成了单个耦合机制的挑战。在这里，反馈是通过在专用模拟中删除空气上的烙印来分别隔离的。子尺度TFB和CFB都会导致SKE的阻尼。CFB会导致涡流在电流和气氛之间杀死。然而，虽然由于风反应较弱（较少的重新启动），埃迪杀戮应该比其中尺度更具效率，但由于TFB和TFB的能量受到妨碍，其效果受到了TFB的能量和瞬时性能的高度瞬时性质，从而使Ske的降低降低了10％。tfb也有助于减少SKE，主要是通过引起势能下水道，这与湍流热孔相关，尤其是在10 km的尺度上。倾斜的能量下沉会通过降低的斜压能量转换影响SKE，尽管这是由于Ekman泵送CFB泵送的增加而稍微调节了这一点。未来的参数化应具有比例意识，并考虑了TFB和CFB对动量和热量量的影响。我们的结果强调了在子尺度上同时考虑TFB和CFB的重要性，并突出了中尺度CFB参数化的局限性在子尺度应用程序中的局限性。
如何利用过去的情绪记忆来诱导和识别面部表情：一种多模态神经科学算法
情绪表达的产生和识别在个人生活中起着决定性和核心的作用。对情绪的考虑和研究因此尤为重要，因为它使我们能够理解个人的情绪体验和共情机制，为脑机接口 (BCI) 提供驱动知识，通过将情绪模式应用到人工智能工具和计算机中，以及深入了解精神病理学 (Balconi et al., 2015a)。本文旨在研究与个体面部表情产生和识别相关的神经生理相关性和特征，考虑由基于自传体记忆的内部线索引起的情绪反应，称为“自我诱导的记忆”。事实上，正如 Adolphs (2002) 所报告的，人类大脑通过不同大脑区域之间的信息连接来最有效地表示情绪数据，这些大脑区域允许陈述和识别来自不同刺激（如视觉或听觉）的情绪表达。人类大脑代表着将面部、声音和动作表情与个人过去经历联系起来的情感数据。此外，使用不同的神经科学技术，如正电子发射断层扫描 (PET)、功能性磁共振成像 (fMRI) 和脑磁图 (MEG)，可以观察到特定大脑区域在不同情绪表达中的参与情况，提供情绪大脑激活图 (Balconi 和 Lucchiari，2007 年；Balconi 和 Pozzoli，2007 年；Deak，2011 年；Kassam 等人，2013 年)。具体而言，神经影像学测量被用作情感计算技术的输入 (Frantzidis 等人，2010 年)。不同的研究假设存在离散的情绪，如快乐、恐惧、愤怒、悲伤，其他情绪状态将从中衍生 (Ekman，1999 年)。离散情绪理论受到了情感循环模型 ( Russell, 1980 ) 的批评，该模型基于两个维度描述和标记情绪：效价和唤醒度。人类大脑整合多模态信息，产生不同听觉和视觉刺激的综合表征 ( Balconi and Carrera, 2011 ; Barros and Wermter, 2016 )。