XiaoMi-AI文件搜索系统
World File Search SystemIOR
对行人行为预测的承诺和挑战
预测行人行为是确保自动驾驶汽车安全性和可靠性的关键。尽管通过从注释的视频框架序列中学习深入学习方法，但他们通常无法完全掌握行人与交通之间的动态相互作用，但可以进行准确的预测。这些模型也缺乏细微的常识推理。此外，这些模型的数据集的手动注释既昂贵又挑战，以适应新情况。视觉语言模型（VLM）的出现，由于其先进的视觉和因果推理技能，引入了这些问题的有希望的替代方案。据我们所知，这项研究是第一个在自主驱动的行人行为预测的概述中对VLM进行定量和定性评估的研究。 我们在公开可用的Pedes-Trian数据集上评估GPT-4V（ISION）：JAAD和Wideview。 我们的定量分析重点是GPT-4V预测当前和未来帧中行人行为的能力。 该模型以零拍的方式达到了57％的精度，尽管令人印象深刻，但仍落后于最新的域特异性模型（70％），以预测行人交叉行动。 定性，GPT-4V表现出令人印象深刻的处理和解释综合交通情况，区分各种脚步行为以及检测和分析组的能力。 但是，它面临着挑战，例如难以检测较小的脚步 - 评估行人与自我车辆之间的相对运动。据我们所知，这项研究是第一个在自主驱动的行人行为预测的概述中对VLM进行定量和定性评估的研究。我们在公开可用的Pedes-Trian数据集上评估GPT-4V（ISION）：JAAD和Wideview。我们的定量分析重点是GPT-4V预测当前和未来帧中行人行为的能力。该模型以零拍的方式达到了57％的精度，尽管令人印象深刻，但仍落后于最新的域特异性模型（70％），以预测行人交叉行动。定性，GPT-4V表现出令人印象深刻的处理和解释综合交通情况，区分各种脚步行为以及检测和分析组的能力。但是，它面临着挑战，例如难以检测较小的脚步 - 评估行人与自我车辆之间的相对运动。
对基于英语的对话AI代理（包括chatgpt）的研究的发现不是通用
在人工智力（AI）和语音系统中的一个常见但未经过测试的假设是，仅使用英语作为通信媒介的实验导致在任何其他语言或文化背景下都能实现。我们在这里争论，基于新兴的科学证据，这种假设似乎是无效的。实际上，当使用相同的人工语音系统设置进行实验以能够以一种以上的语言进行交流时，语言和文化之间似乎存在明显的差异。此外，使用具有双语的人说的那些AI系统表明，当语言“代码转换”发生在同一实验会话中时，他们的行为，社交提示和沟通方式就会发生变化。为了进一步说明我们的观点，在本文的下半年中，我们给出了Chatgpt的具体示例（作为人工语音系统的骨干语音内容）用于患有De-Niteia和Alzheimer's的老年人，他们经常改变语音模式（例如，例如发音）。在这种情况下，有一些关于CHATGPT严重局限性的研究的新闻报道，其中突出了假设从狭窄的语言和/或文化背景中发现发现的危险，可以充分捕捉有关人类与人工代理人的人类交流的一些普遍真理。最后，我们指出的是，科学期刊和会议不愿发布负面结果意味着许多新兴报告只有轶事报道，这对于对话用户界面（CUI）的领域是有问题的。
味觉控制作为吞咽困难管理策略
作为一种吞咽困难管理策略，有意对口咽部进行感官刺激正受到越来越多的关注（Mulheren 等人，2022 年；Peña-Chávez 等人，2023 年；Regan，2020 年）。有意提供显著和增强的感官刺激来对抗吞咽困难的理论源于对吞咽神经生理学的理解。吞咽是一种复杂的、中枢模式发生器 (CPG) 介导的感觉运动行为（Jean，2001 年）。通常，CPG 是专用的神经回路，可产生模式化的运动动作序列并受感官输入的调节（Barlow 和 Estep，2006 年）。人类吞咽 CPG 位于延髓，包括感觉核（孤束核 [NTS]）和运动核（疑核 [NA]），它们与参与吞咽的脑神经核（如舌咽神经和迷走神经）紧密相连（Jean and Dallaporta，2006）。吞咽神经网络超出了脑干的 CPG，因为神经影像学研究报告称，许多皮质、皮质下和小脑结构在吞咽任务期间也处于活跃状态（Malandraki 等人，2009 年；Suzuki 等人，2003 年）。一次吞咽丸可以提供多种感觉输入模式，包括但不限于体感/压力、热、味觉、化学感觉、嗅觉、听觉和视觉刺激；目前尚不清楚吞咽神经网络如何优先考虑这些模式，但对其中任何一种模式的改变都可能改变吞咽机制 (Dietsch 等人，2017；Steele 和 Miller，2010)。刺激吞咽突出神经通路的感觉体验可能会对吞咽输出产生有利的前馈效应，例如更强或更及时的吞咽反应 (Ding 等人，2003)。
神经科学和规范性
抽象的神经科学可以通过大脑的认知控制网络与伦理和规范问题有关。该网络完成了几个执行流程，例如计划，任务切换，监视和抑制。这些过程使我们能够提高感知的准确性和记忆回忆。他们还可以让我们计划到未来，并且比我们的任何哺乳动物都更加细节。这些能力也使我们适合责任主张。他们的活动或缺乏活动是罪魁祸首的核心。例如，计划杀死某人是法律称之为男人的有力证据 - 有罪的头脑。关于规范或道德“应该”主张的主张，表达两级命题，针对一个层面的行为人，以及该人的思想和认知控制网络在另一个层面上。因此，“人们应该阻止自己伤害他人”，这是关于人们应该如何行为的主张，也是关于其认知控制网络应如何行为的主张 - 即，他们应该抑制有害行为，或者应抑制导致这一行为的意图。计划既是全人的能力，也是该人的思想的能力。神经科学肯定了在法律和民间心理学中看到的普通概念，使我们有罪或犯罪的是我们脑海中存在的某些事件和状态。公开的行为，包括言语，是这些状态和过程的可犯错的。过失案件仍涉及执行程序，但是“负面”，因为当某些类型的执行活动未能进行时，这种过失会导致疏忽。
通过固态增材制造制造多孔 Ti-6Al-4V ...
基于逐层熔化和凝固的功能金属部件增材制造会受到高温加工的不利影响，例如残余应力大、机械性能差、不必要的相变和部件变形。在这里，我们利用粉末颗粒的动能形成固态结合，并克服与金属高温加工相关的挑战。具体来说，我们将粉末加速到超音速冲击速度（~600 m/s），并利用高应变率动态负载引起的塑性变形和软化，在远低于其熔点（1626 ° C）的温度下（800 ° C、900 ° C）对 Ti-6Al-4V 粉末进行 3D 打印。通过采用低于临界粉末冲击速度的加工条件并控制表面温度，我们创建了具有空间控制孔隙率的机械坚固多孔金属沉积物（表观模量 51.7 ± 3.2 GPa、表观压缩屈服强度 535 ± 35 MPa、孔隙率 30 ± 2%）。将固态 3D 打印 Ti-6Al-4V 的机械性能与通过其他增材制造技术制造的机械性能进行比较时，压缩屈服强度最高可高出 42%。固态打印多孔 Ti-6Al-4V 的后热处理改变了沉积物在压缩载荷下的机械行为。此外，3D 打印多孔 Ti-6Al-4V 被证明与 MC3T3-E1 SC4 鼠前成骨细胞具有生物相容性，表明这些材料具有潜在的生物医学应用。我们的研究展示了一种单步固态增材制造方法，用于生产比传统高温增材制造技术强度更高的生物相容性多孔金属部件。
预测编码和随机共振是听觉幻觉感知的基本原理
只有通过实验来测试形式或计算模型，才能获得机械洞察力。此外，与病变研究类似，幻觉感知可以作为理解健康听觉感知的基本处理原理的载体。我们特别关注耳鸣——作为听觉幻觉感知的主要例子——回顾了人工智能、心理学和神经科学交叉领域的最新研究。特别是，我们讨论了为什么每个耳鸣患者都会遭受（至少是隐藏的）听力损失，但并不是每个听力损失患者都会遭受耳鸣。我们认为，内在神经噪声是沿着听觉通路产生和放大的，是一种基于自适应随机共振恢复正常听力的补偿机制。神经噪声的增加可能会被误认为是听觉输入并被感知为耳鸣。这种机制可以在贝叶斯大脑框架中形式化，其中感知（后验）吸收了先前的预测（大脑的期望）和可能性（自下而上的神经信号）。可能性的较高均值和较低方差（即增强的精度）会改变后验概率，表明对感官证据的误解，而大脑中支持先前预测的可塑性变化可能会进一步混淆这种误解。因此，两个基本处理原理为听觉幻觉的出现提供了最有力的解释力：预测编码是一种自上而下的机制，而自适应随机共振是一种互补的自下而上的机制。我们得出结论，这两个原理在健康的听觉感知中也发挥着至关重要的作用。最后，在神经科学启发的人工智能背景下，这两个处理原理都可能有助于改进当代的机器学习技术。
石墨烯血小板的3D波色散分析 -
摘要这项研究涉及三维热机械波传播行为，在三明治复合纳米板中使用超材料蜂窝核心层和双功能分级（FG）超速验表面层。由于其用于高温应用的潜力，纯镍（Ni）是蜂窝核层的首选，并且对于地表层而言，首选Al 2 O 3 /Ni陶瓷金属基质。在具有功率定律分布的金属 - 陶瓷矩阵中，石墨烯血小板（GPLS）的功能分布（GPLS）在三种不同的模式分布（type-u，type-x和type-o）中提供了双FG的性能。核心和表面层的机械和热材料特性以及加强GPL是温度依赖的。板厚度上温度变化的模式被认为是非线性的。通过将正弦的高阶剪切变形理论（SHSDT）与非局部积分弹性和应变梯度弹性理论相结合来获得三明治纳米板的运动方程。波动方程是通过使用汉密尔顿的原理确定的。参数模拟和图形表示，以分析蜂窝大小变量，波浪数，功率定律指数，GPL分布模式，GPL分布模式，GPL重量比以及温度上升对超固固性三明治板中三维波传播的影响。分析的结果表明，根据所需的参数和条件，可以对三明治纳米板的3D波传播进行显着修改或调整。因此，预计所提出的三明治结构将为高温或低温环境中的空气，空间和海底车辆中的雷达/声纳隐身应用提供基本贡献，保护微型机械设备免受高噪声和振动的保护，软机器人的应用，以及可穿戴的健康和保护设备和保护设备。
利用人工智能表征肾脏肿瘤
我们正处于第四次工业革命时代，其特点是信息和通信技术的融合。在第四次工业革命的要素中，人工智能（AI）是最大的组成部分，是指机器模仿和执行人类认知任务的计算能力。这些发展已经影响到我们生活的许多方面，例如购物、音乐、艺术、自动驾驶和医疗领域。人工智能可以在不带个人感情的情况下提供一致的结果，节省时间和金钱，并通过自动化减少人力劳动。机器学习使用算法来分析数据，从数据中学习，并根据所学内容做出明智的决策。深度学习是一种创建人工神经网络的技术，该神经网络可以自行学习，并通过将算法组织成层来做出智能决策。可以通过堆叠多个数学建模的人工神经元来创建人工神经网络。深度学习中的“深度”一词并不意味着您获得了任何深刻的见解。相反，它只是代表了在连续层中学习的概念，通过这些层，可靠性会增加。训练有素的人工神经网络可以快速而强大地执行复杂的数据处理。深度学习的成功归功于克服现有神经网络局限性的算法的发展，以及图形处理单元和大数据等硬件的改进。如今，人工智能已应用于医学和医疗保健领域，以改善临床决策。肾细胞癌 (RCC) 是一种异质性肿瘤，其每种亚型都有相关的生物学行为、临床病程和对治疗的反应。近来，基于人工智能的肾肿瘤表征应用和研究显著增加，显示出诊断、预后和预测的准确性。
反应材料碎裂行为与能量释放的基础研究
反应材料 (RM) 是一类由金属、金属氧化物和/或聚合物组成的工程颗粒复合材料。这些复合材料在国防应用方面很有吸引力，因为它们的碎裂和能量释放特性或热机械行为可增加向目标的有效能量传递。了解和预测 RM 的热机械行为对于有效设计和应用这些材料至关重要。在这项工作中，我们制作了具有不同成分、孔隙率和粒度的铝和 Al/PTFE RM 样品，以产生不同的机械响应和能量释放。准静态压缩试验、Kolsky 杆压缩试验和高速冲击研究用于评估 RM 样品在应变率在 10 −3 s −1 和 10 5 s −1 之间的机械响应。开发并验证了一种广义参数化模型，用于预测具有不同成分、孔隙率和粒度的 RM 的准静态材料响应。Kolsky 棒样本的碎片分布和高速撞击研究用于评估现有的碎片模型，表明广义的 RM 碎片模型仍然难以捉摸。展示了最小能量状态碎片模型在预测动态碎片粒状复合材料的特征碎片尺寸中的应用，并讨论了其局限性。弹式量热法和通风量热法实验用于探索本质上是多相的 RM 燃烧特性。开发了一种相位兼容的吉布斯最小化自由能平衡求解器，以改进对 RM 反应的能量释放和平衡产物状态的预测，并使用弹式量热法测量进行了验证。关键词：反应材料、铝/PTFE 燃烧、颗粒复合材料、动态碎裂、多相平衡建模、Grady 碎裂模型
心理机制
我们为什么能够看到海狮爬上岩石？为什么能够回忆起我们的初恋？为什么能够计划去异国他乡的假期？各种科学学科都致力于解释这些和其他心理活动。它们都认识到，这些活动在某种程度上依赖于我们的大脑。但直到最近，直接在人脑上做实验的机会仍然非常有限。因此，研究工作被分成两大类，一类是认知心理学、语言学和人工智能，研究和模拟行为所揭示的人类思维活动；另一类是神经解剖学、神经生理学和遗传学，对非人类动物的大脑进行实验。20 世纪 60 年代，后一类学科被整合到神经科学的名下，而 20 世纪 70 年代，前一类学科被整合到认知科学的名下。最后，在 20 世纪 80 年代末，随着对人类大脑活动进行成像的技术的出现，认知神经科学这一术语开始应用于对心智和大脑的综合研究。本书对这些学科如何承担并正在追求解释我们心理能力的使命进行了哲学考察。当心理学家和神经科学家对心理活动提供解释时，机制这一术语无处不在。令人惊讶的是，研究这些学科的哲学家们很少谈论机制是什么。