摘要:自动完成是一种扩展和延续部分用户输入的方法。我们建议将自动完成解释为人机交互中的一个基本交互概念。我们首先描述自动完成的概念,并剖析其用户界面和交互元素,以搜索引擎中成熟的文本自动完成为例。然后,我们重点介绍这些元素如何在其他应用领域中重复出现,例如代码完成、GUI 草图和布局。这种比较和转移突出了此类智能系统在扩展和完成用户输入方面的固有作用,尤其适用于设计与生成式 AI 的交互。我们反思并讨论了自动完成的概念分析,以提供灵感和概念视角,应对人机交互设计中当前面临的挑战。
我是美国斯坦福大学生物医学数据科学的博士后研究员,设计用于视频和脑电图数据的深度学习模型。在攻读博士期间,我专注于优化和解释深度学习模型并将其应用于神经成像。我为血管性脑病变的自动量化做出了重大贡献,因此受邀演讲并与哈佛医学院、麻省理工学院和其他机构合作。我还指导了 17 名研究生,并成功带领团队在国际深度学习竞赛中名列前茅。
对于实际测量,我们使用了图 1 中所示的设置。它包括:(i) 一台笔记本电脑,用于控制信号生成和数据采集;(ii) 一台 USB 示波器(TiePie Handyscope HS5-540),带有集成的任意波形发生器。从神经刺激器记录的波形被发送到任意波形发生器,示波器用于拾取来自 (iii) 的测量信号;(iii) 测量前端,包含:- 电压控制电流源,用于将刺激脉冲施加到电极和组织,- 差分放大器,用于测量电极和组织之间的电压,- 差分放大器,用于测量刺激电流作为传感电阻器两端的电压降 [8];(iv) 连接到电压控制电流源的双极同轴脑刺激电极(Inomed BCS 45mm 30°)。电极是一个带有非绝缘外导体的开放式同轴探头。其末端弯曲 30°,长 45 毫米。电缆长度为 3 米。由于其长度,它会产生不必要的寄生电容。如果导体略微不呈圆形,就会发生这种现象 [5]。在补偿电极阻抗时,需要考虑这一点。然而,在本文的背景下,提出一个原理证明,这是可以忽略不计的。