XiaoMi-AI文件搜索系统
World File Search SystemIntera
在图像分类中研究协作互动机教学
虽然以人为本的机器学习方法探索了互动循环中的各种人类角色，但出现了主动机器教学（IMT）的概念，重点是利用人类作为老师的教学技能来构建机器学习系统。但是，大多数系统和研究都专门用于单个用户。在本文中，我们在图像分类的背景下研究了协作互动式教学，以分析人们如何共同构建教学过程并理解他们的经验。我们的贡献是三倍。首先，我们开发了一个名为Teachtok的Web应用程序，该应用程序使用户组能够策划数据并逐步训练模型。第二，我们进行了一项研究，其中有十名参与者分为三个团队，这些团队在九天内竞争建立一个图像分类器。参与者在Focus小组中讨论的定性结果揭示了机器教学任务中协作模式的出现，协作如何帮助修改教学策略以及参与者对他们与Teachtok应用程序的互动的思考。从这些发现中，我们对基于互动，协作和参与机器学习的系统的设计产生了影响。
肠道微生物群及其在Bactrocera Zonata中的生态相互作用及其对粮食安全与农业有害生物管理的影响：综合的RE
抽象的bactrocera Zonata或Peach Fruf Fly是一种隔离的害虫，是对园艺作物的主要威胁，尤其是在巴基斯坦和南亚地区。肠道微生物群在确定B. Zonata关于消化，免疫，交配和觅食的生物学和行为特征方面的影响。是肠杆菌，乳酸菌和乙酰杆菌的细菌物种参与营养获得，免疫学和生育能力的各个方面。它还在肠道菌群的生态适应中起作用。他们提出了综合害虫管理（IPM）的新方法。这种综合的害虫管理涉及微生物组的变化，信息素的破坏以及微生物组增强的诱饵的使用，这支持了农业的环境目标。数字监视和监视系统可用于增强实时采用。IPM策略（例如微生物群操纵和信息素干预）呈现生态创新的害虫控制溶液对化学杀虫剂。这些方法涉及使用基于蛋白质的化学物质，微生物和机械吸引剂，例如甲基Eugenol和蛋白质水解诱饵。现代技术提供了这些方法的更高准确性和功效：数字视频监视，以及使用自动化设备监测的使用有助于抑制B. Zonata。本综述易于在IPM的背景下改变微生物组针对的方法，以改变“害虫控制范式”，减少农药的依赖，细读对有益昆虫的保存以及实际上培养可持续的农业。这种生物控制旨在用于现场测试，肠道微生物群操作以及针对位置依赖的害虫管理解决方案的微生物管理，以优化害虫控制并解决农业中的当前和新兴问题。
运动皮层 RNN 模型中的内部动态与本体感受反馈在运动执行过程中相互作用
运动皮层通过向下游神经回路发送时间模式来启动运动。运动执行过程中的模式被认为是由运动皮层网络内的内部动态产生的。然而，本体感受等外部输入也会影响运动皮层动态。为了研究内部动态和本体感受反馈对自愿运动执行的贡献，我们构建了几个运动皮层模型，从虚拟手臂接收不同组合的本体感受反馈来执行延迟到达任务。考虑到延迟、噪声和感觉反馈的来源，我们构建了一个感觉估计网络。我们发现抑制稳定网络接收的手部运动学和肌肉力量产生的模式与运动皮层神经元数据中观察到的模式最相似。此外，我们使用了一种破坏策略来剖析内部动态和本体感受反馈的贡献，发现内部动态占主导地位，而本体感受反馈可以微调运动命令。对消融实验的分析表明，本体感受反馈提高了对嘈杂初始条件的鲁棒性。我们的研究结果表明，内在结构和外部输入对于产生类似大脑的神经活动都至关重要。
通过交互式智能重新定义机器人概括
大规模机器学习的最新进展已产生了能够适应一系列下游任务的高容量的“基础模型”。这种模型对机器人技术抱有很大的希望，但普遍的范式仍然将机器人描绘成单个自主决策者，并执行诸如操纵和导航之类的任务，并且人类参与度有限。然而，包括可穿戴机器人技术（例如，假肢，矫形器，外骨骼），近视和神经界面在内的大量实际机器人系统是半自治的，需要与人类合作伙伴进行持续的互动协调。在该立场论文中，我们认为机器人基础模型必须演变为交互式的多机构观点，以处理实时人类机器人共同适应的复杂性。We propose a generaliz- able, neuroscience-inspired architecture encompassing four modules: (1) a multimodal sensing module informed by sensorimotor integration principles, (2) an ad-hoc teamwork model reminiscent of joint-action frameworks in cognitive science, (3) a predictive world belief model grounded in internal model theories of motor control, and (4) a memory/feedback mechanism that呼应了基于Hebbian和基于增强的可塑性的概念。尽管通过机器人系统的镜头进行了说明，但可穿戴设备和人类生理学的镜头与众不同，但所提出的框架广泛适用于在半自治或交互式环境中运行的机器人。通过超越单一代理设计，我们的立场强调了机器人技术中的基础模型如何实现更强大，个性化和预期的性能水平。
mlnova：机器学习的交互式学习平台
mlnova是按照结构化的，以用户为中心的设计方法开发的，从用户研究开始，以查明Kaggle和Udemy等现有平台中的差距。平台开发中的关键标准包括可访问性，实时反馈和易用性，这导致选择了Django以进行后端稳定性和React.js。该平台使用MongoDB和Firebase进行有效的数据处理，从而确保学习者操纵数据集的交互式模块中的实时更新。使用Scikit-Learn实施了机器学习模型，以实现简单性，而Plotly和D3.js促进了高质量的数据可视化。这种技术组合为用户提供了引人入胜的互动体验。
对人类计算机相互作用进步的回顾
1 S.Sapna博士1 1 Sri Ramakrishna妇女艺术与科学学院计算机科学系助理教授，印度哥印拜陀，泰米尔纳德邦摘要：随着数字技术渗透到日常生活，了解人类计算机互动（HCI）的动态（HCI）变得越来越重要。本研究调查了用户体验设计和认知心理学的交集，以增强交互式系统的可用性。本文旨在提供人类计算机相互作用（HCI）的概述，该领域致力于了解人类如何与计算机相互作用。HCI可以定义为对人和计算机之间创建用户友好接口的方法，原理和技术的研究。虽然计算机缺乏理解人类情绪或感受的能力，但必须告知他们如何在各种情况下做出适当反应。为了促进这种理解，采用了各种技术和原理，旨在使计算机响应与用户期望保持一致。与众多设备进行交互简化了用户任务，HCI在日常生活中的重要性变得显而易见。最终，HC I反映了测试和完善界面设计的持续过程，这极大地影响了用户在不同情况下与技术互动的方式。索引 - 认知，设计，数字，人类 - 计算机交互，界面，原理，技术，技术。
构建具有互动感知的负担能力图
机器人需要了解他们的环境才能执行其任务。如果可以在封闭环境中预先编程的视觉场景分析过程，则在开放环境中运行的机器人将从与环境的互动中学习它的能力。此功能进一步为获得提供的图表开辟了道路，在该图中，机器人的动作能力结构了其视觉场景的理解。我们提出了一种方法，通过依靠互动感知方法和在线分类来建立此类负担图地图，并为配备两个具有7个自由度的武器的真正机器人进行在线分类。我们的系统是模块化的，可以从不同技能中学习地图。在提议的负担形式化中，行动和效果与视觉特征有关，而不是对象，因此我们的方法不需要事先定义对象概念。我们已经在三个动作原语和真实的PR2机器人上测试了该方法。
PARP抑制剂和蛋白质与SLX4相互作用
PARP-1蛋白通过将XRCC1募集到修饰的DNA位置来参与单链断裂修复。当抑制PARP时，细胞依赖其他DNA修复机制，尤其是同源重组，以正确复制基因组信息，而无需进行致命性有丝线的风险。在具有同源重新组合的细胞中，例如BRCA1-或BRCA2突变的细胞，PARP抑制是致命的[1，2]。在2005年提供了这些描述后，合成致死性的概念出现，而PARP抑制剂（PARPI）的开发是为了治疗BRCA-Muthated患者，在该患者中，非癌细胞具有一个野生型等位基因，而癌细胞则是BRCA的定义，因此是特异性敏感的，因此具有特异性敏感性。几个PARPI已在临床上进行了研究，可用于治疗癌症患者（Olaparib，Rucaparib，Talazoparib，Niraparib和Veliparib（ABT-888））。有关PARPI的科学文献非常丰富（自2005年以来> 12,000篇论文），研究论文，临床试验和评论涉及有关作用机理，抗药性，临床活动以及新化合物的发展。最初认为PARPI的作用机理是对PARP1相关的单链破裂修复的“简单”抑制作用，随后出现更具毒性和更容易恢复的双链断裂。然而，真理要复杂得多，正如T. Helleday [3]已经讨论的那样，自从该出版物[4]开始。关于Parpi的许多知识仍然未知，它们的临床可能比今天所描述的要强。基于这些知识的工作促进了与PARPI活性和耐药机制有关的其他蛋白质的鉴定，并有助于发展与其他DNA相关蛋白（如RAD51 [5]和EZH2 [6]的药理抑制其他与DNA相关蛋白的相关策略[6]。特别是其他DNA修复的可能参与
