XiaoMi-AI文件搜索系统
World File Search SystemMaes
节目和海报摘要
2024 IPN撤退海报时间表i在12：30-13：45房间I 1）Derek Newman 2）Kira Feighan 3）Davey Lee 4）Jessica Ahrens 5）Sneha Sukumaran 6）Basma Adbelkader 7） Ianfarano 14）Finnley Cookson 15）Erik Darozzi 16）David Tiago 17）Alfonso Fajardo Valdez 18）Peter Fleming 19）David Foubert Room II 20）Navid Ghassemi 1）Hasan Iraq 22）22）和25 ）萨曼莎·拉罗萨（Samantha la Rosa）32）4月33日）vanessa li 34）爱德华·林（Edward Lin）35）多米尼克·卢姆利（Dominique Lumley）36）36）许多Maanne Gara会议II）在5:20 - 19:00房间I 1）Dhruv Mehotra 2）Laura Neagu-lund
通过身体图式和身体形象来理解有趣的身体延伸设计
交互设计师对物理延伸人体的机会越来越感兴趣。例如，设计师已经开发出系统，当用户现有的机械臂忙碌时，可以为用户提供一对额外的机械臂（Sasaki 等人，2017 年），或者当用户现有的手已经拿了其他东西时，可以为用户提供一只额外的手（Leigh 和 Maes，2016 年）。这些系统反映了更广泛的以身体为中心（Mueller 等人，2018 年）的人机交互趋势，其特点是计算机器和人体之间更紧密的集成（以及随之而来的融合）（Mueller 等人，2020 年）。到目前为止，这种集成的预期好处大多是工具性的，这表明由此产生的融合可以帮助人们更高效地完成任务，就像上面提到的手臂和手的例子一样。然而，一些系统正在出现，它们超越了任务支持，专注于体验方面。一个例子是戴在头上的交互式耳朵系统（Necomimi，2021 年）。佩戴者的耳朵会根据他们的情绪状态摆动，这是通过跟踪他们的大脑活动来捕捉的。目标用户群是 Cosplay 社区（Cosplay 是“costume play”的混合词，指的是“亚文化，其成员模仿极客媒体中的角色”，使用引人注目的服装和时尚配饰——这些服装和配饰越来越多地被商业化设计，例如 Cosgear (2021)——
使用卷积神经网络的多跳图注意模块（MGA）预测
样本），2）验证数据集（419个样本），3）测试数据集（418个样本）。我们首先检查了MGA的关键参数，即Hop尺寸M，斑块比γ，分支K的数量和多跳权重量β，其中结果显示在图2中。图2（a）表明，M <5的MGA测试MAS低于多头自我注意力（MSA）的MAE，这表明仅考虑重要的嵌入而不是全部计算自我注意事项系数时，这是有益的。最终网络是根据验证数据集的性能选择的。我们还将我们的模型与5种不同的CNN模型进行了比较（Peng etal。，2021）和tsan（Cheng等人，2021）是大脑年龄预测场中的状态模型。在图3（1）中，MGA-SSE-RESNET18在比较中获得了最低的MAE（2.822年）和最高的PCC（0.968）。还评估了其他预测模型，例如视觉变压器（VIT）或图形注意网络（GAT），但表现较差，大概是由于训练数据不足所致。还表明，实施MGA模块会减少模型偏差和方差（图3（2））。从结果中，我们表明，将MGA与常规CNN交织可以提高准确性，从而有效地对脑年龄预测有效。
RWD4BE 真实世界数据助力改善医疗保健
主席：Jo de Cock（Riziv）Ann van Gysel（Medvia），Frank Staelens（Olv Aalst），Guillaume d'Ansembourg（Riziv/Inami），Isabelle Huys，Isabelle Huys（公共卫生和社会事务部长） Iziv/Inami），Peter Raeymaekers（Zorgnet-icuro），Sofie de Broe（Sciensano/HDA），Stef Heylen（UZA/AZ/AZ Turnhout/ex-Industry） JNJ，弗兰克·斯泰尔斯（olv aalst），盖特·德瓦夫（Inovigate），盖特·史密特（Az Monica），Ingrid Maes（Inovigate），Liz Renzaglia（Medvia），Marc Van de Craen（Medvia）他们的见解和专业知识。他们的宝贵意见对于形成本政策报告中的思想起到了重要作用。 Andries Clinckaert（Tiro.Health），Ann van Gysel（Medvia），Annelies terbiest（UZA），Bart Vannieuwenhuyse（JNJ），Cami de Decker（Uza），Caroline de Beukelaar（az groeNinge） Stry，Geert Smits（AZ Monica），Gilbert Bejjani（Bahm/Chirec/Bvas），Giovanni Briganti（Umons），Guillaume d'Ansembourg（riziv/Inami） （公共卫生部）。戒指），Lebehring（CSU），利比里亚（UG）。 Chepper（UZ Gent），Miave（Javanese（AZ），Davis（North），A.B。Gian Cancer注册表），Nick Marly（公共卫生和社会事务部长Vandenbroucke的内阁），Nicky van der Vekens（AZ
大加勒比地区区域营养物污染减排战略和行动计划
Darryl Banjoo、Rahanna Juman、Wendy Nelson、Ruqayyah Thompson、Rosemarie Kishore、Ben Maharaj、Sheldon Ramoutar、Yasim Edoo、Denise Beckles 帕拉联邦大学 • 亚马逊：Patricia Chaves de Oliveira、Fernanda Nascimento Ufopa、Jose Eduardo Martinelli Filho • 圭亚那、苏里南、委内瑞拉：Steve Renfurm • 协调：Norbert Fenzl 撰稿人 Christopher Corbin、Darryl Banjoo 致谢 数据提供者 PBL 荷兰环境评估机构 • IMAGE-GNM 模型，Arthur Beusen • 城市废水，Peter JTM van Puijenbroek 华盛顿大学应用物理实验室 • 全球新闻模型，Emilio Mayorga 审稿人 CLME+ 项目协调单位 Laverne Walker、Patrick Debels、Martha Prada Triana RAC-CIMAB Marlen Perez Hernandez、Jesus Beltran Gonzales、Yamiris Gomez D'Angelo、Liuba Chabalina、Freddy Potrille Tito RAC-IMA Darryl Banjoo、Rahanna Juman GRID-Arendal Morten Sorensen、Thomas Maes 联合国环境规划署区域办事处（拉美和加勒比地区） Christopher Cox 联合国环境规划署全球营养物管理伙伴关系 Mahesh Pradhan、Milcah Ndegwa 联合国环境规划署/ RCU/ CAR Christopher Corbin 哥伦比亚 EAFIT 大学 Marco Tosic 帕拉联邦大学 Norbert Fenzl、Jose E. Martinelli Filho 世界资源研究所 Lauretta Burke 陆地来源（LBS）监测和
环形振荡器PUF的在线可靠性评估
物理不可克隆函数 (PUF) 是一种加密原语，可作为低成本、防篡改的唯一签名和密钥生成以及设备识别机制。环形振荡器 (RO) PUF 是研究最多的 PUF 架构之一，这主要是因为它的简单性。在现代电路中广泛采用 PUF 时，可靠性起着重要作用。由于当今 PUF 的可靠性问题，其实施成本使其不适合工业应用，如 [1] 所示。这项工作的目标是定义一种基于测量的振荡频率差异来评估 RO-PUF 响应可靠性的方法。除了对挑战的响应之外，该方法还将在运行时提供响应是否可靠的信息。Maes 在 [2] 中是最早展示 PUF 可靠性和其熵之间的权衡的人之一。Schaub 等人在 [3] 中提供了一种用于延迟 PUF 的通用概率方法，其中可靠性和熵之间的权衡基于信噪比 (SNR) 建模，并通过实际测量进行验证。Martin 等人的另一项工作 [4] 提供了一种基于 FPGA 提取数据的 PO-PUF 可靠性评估指标。这里，可靠性和熵之间的权衡是根据实验数据估算的。还需要提到的是，可靠性受老化的影响很大 [5]，但其影响很难研究。相比之下，我们提出了一种可以改进最先进技术的方法，因为它提供了一种基于不同环境条件下的离线研究来动态估计可靠响应的方法。
音乐家的生成AI：设计智能乐器的小数据原型
https://www.theguardian.com/music/2023/sep/08/ai-music-bigsound-brisbane-brisbane-brisbane-ai-dj-spotify-beatles [4] rebecca fiebrink，dan trueman和perry r cook。 2009。 用于交互式机器学习的元启动。 在国际音乐表达新界面会议论文集（Nime '09）。 匹兹堡，美国宾夕法尼亚州，280-285。 http://www.nime.org/proceedings/2009/ nime2009_280.pdf [5] shulei ji，Xinyu Yang和Jing Luo。 2023。 符号音乐生成深度学习的调查：表示，算法，评估和挑战。 ACM计算。 幸存。 56，1（2023）。 https://doi.org/10.1145/3597493 [6]ThéoJourdan和Baptiste Caramiaux。 2023。 音乐表达的机器学习：系统文献综述。 在国际音乐表达界面国际会议上。 13页。 http://nime.org/proceedings/2023/nime2023_46.pdf [7] Marc Leman，Pieter-Jan Maes，Luc Nijs和Edith Van Dyck。 2018。 什么是体现的音乐认知？ 在Springer系统音乐学手册中，Rolf Bader（编辑）。 施普林格柏林海德堡，柏林，海德堡，747–760。 https://doi.org/10.1007/978-3-662-55004-5_34 [8] George E. Lewis。 2000。 太多的注释：“ Voyager”中的计算机，复杂性和文化。 Leonardo Music Journal 10（2000），33-39。 https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。 2019。 260–265。 2023。 2003。https://www.theguardian.com/music/2023/sep/08/ai-music-bigsound-brisbane-brisbane-brisbane-ai-dj-spotify-beatles [4] rebecca fiebrink，dan trueman和perry r cook。2009。用于交互式机器学习的元启动。在国际音乐表达新界面会议论文集（Nime '09）。匹兹堡，美国宾夕法尼亚州，280-285。http://www.nime.org/proceedings/2009/ nime2009_280.pdf [5] shulei ji，Xinyu Yang和Jing Luo。2023。符号音乐生成深度学习的调查：表示，算法，评估和挑战。ACM计算。 幸存。 56，1（2023）。 https://doi.org/10.1145/3597493 [6]ThéoJourdan和Baptiste Caramiaux。 2023。 音乐表达的机器学习：系统文献综述。 在国际音乐表达界面国际会议上。 13页。 http://nime.org/proceedings/2023/nime2023_46.pdf [7] Marc Leman，Pieter-Jan Maes，Luc Nijs和Edith Van Dyck。 2018。 什么是体现的音乐认知？ 在Springer系统音乐学手册中，Rolf Bader（编辑）。 施普林格柏林海德堡，柏林，海德堡，747–760。 https://doi.org/10.1007/978-3-662-55004-5_34 [8] George E. Lewis。 2000。 太多的注释：“ Voyager”中的计算机，复杂性和文化。 Leonardo Music Journal 10（2000），33-39。 https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。 2019。 260–265。 2023。 2003。ACM计算。幸存。56，1（2023）。https://doi.org/10.1145/3597493 [6]ThéoJourdan和Baptiste Caramiaux。 2023。 音乐表达的机器学习：系统文献综述。 在国际音乐表达界面国际会议上。 13页。 http://nime.org/proceedings/2023/nime2023_46.pdf [7] Marc Leman，Pieter-Jan Maes，Luc Nijs和Edith Van Dyck。 2018。 什么是体现的音乐认知？ 在Springer系统音乐学手册中，Rolf Bader（编辑）。 施普林格柏林海德堡，柏林，海德堡，747–760。 https://doi.org/10.1007/978-3-662-55004-5_34 [8] George E. Lewis。 2000。 太多的注释：“ Voyager”中的计算机，复杂性和文化。 Leonardo Music Journal 10（2000），33-39。 https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。 2019。 260–265。 2023。 2003。https://doi.org/10.1145/3597493 [6]ThéoJourdan和Baptiste Caramiaux。2023。音乐表达的机器学习：系统文献综述。在国际音乐表达界面国际会议上。13页。http://nime.org/proceedings/2023/nime2023_46.pdf [7] Marc Leman，Pieter-Jan Maes，Luc Nijs和Edith Van Dyck。2018。什么是体现的音乐认知？在Springer系统音乐学手册中，Rolf Bader（编辑）。施普林格柏林海德堡，柏林，海德堡，747–760。https://doi.org/10.1007/978-3-662-55004-5_34 [8] George E. Lewis。 2000。 太多的注释：“ Voyager”中的计算机，复杂性和文化。 Leonardo Music Journal 10（2000），33-39。 https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。 2019。 260–265。 2023。 2003。https://doi.org/10.1007/978-3-662-55004-5_34 [8] George E. Lewis。2000。太多的注释：“ Voyager”中的计算机，复杂性和文化。Leonardo Music Journal 10（2000），33-39。 https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。 2019。 260–265。 2023。 2003。Leonardo Music Journal 10（2000），33-39。https：//doi.org/10.1162/096112100570585 [9] Charles Patrick Martin和Jim Torresen。2019。260–265。2023。2003。具有混合密度复发神经网络的交互式音乐预测系统。在国际音乐表达界面国际会议上。https://doi.org/10.5281/Zenodo.3672952 [10] Blake Montgomery。 音乐出版商Sue Amazon Basked AI Company to Song歌词。 监护人（2023年10月）。 https：//www.theguardian。 com/technology/2023/oct/19/Music Lawsuit-ai-song-lyrics-homhthrocs [11]françoispachet。 连续器：与风格的音乐互动。 新音乐研究杂志32，3（2003），333–341。 https://doi.org/10。 1076/jnmr.32.3.333.16861 [12] Teresa Pelinski，Rodrigo Diaz，AdánL。Benito Temprano和Andrew McPherson。 2023。 管道用于录制数据集和在Bela嵌入硬件平台上运行神经网络。 在国际音乐表达界面国际会议上。https://doi.org/10.5281/Zenodo.3672952 [10] Blake Montgomery。音乐出版商Sue Amazon Basked AI Company to Song歌词。监护人（2023年10月）。https：//www.theguardian。com/technology/2023/oct/19/Music Lawsuit-ai-song-lyrics-homhthrocs [11]françoispachet。连续器：与风格的音乐互动。新音乐研究杂志32，3（2003），333–341。https://doi.org/10。 1076/jnmr.32.3.333.16861 [12] Teresa Pelinski，Rodrigo Diaz，AdánL。Benito Temprano和Andrew McPherson。 2023。 管道用于录制数据集和在Bela嵌入硬件平台上运行神经网络。 在国际音乐表达界面国际会议上。https://doi.org/10。1076/jnmr.32.3.333.16861 [12] Teresa Pelinski，Rodrigo Diaz，AdánL。Benito Temprano和Andrew McPherson。2023。管道用于录制数据集和在Bela嵌入硬件平台上运行神经网络。在国际音乐表达界面国际会议上。
STROBE-X 任务概述
Paul S. Ray a,* , Peter WA Roming b , Andrea Argan k , Zaven Arzoumanian c , David R. Ballantyne ♠ , Slavko Bogdanov d , Valter Bonvicini e , Terri J. Brandt f , Michal Bursa g , Edward M. Cackett h , Deepto , Chakrabarty , M. Coderle , M. Gianluigi De Geronimo j,†,§ , Ettore Del Monte k , Alessandra DeRosa k , Harley R. Dietz z , Yuri Evangelista k , Marco Feroci k , Jeremy J. Ford b , Cynthia Froning b , Christopher L. Fryer l , Keith C. Gendreau m , Goldenstein , H. Goldenstein . eter Hartmann ♣ , Margarita Hernanz o , Anthony Hutcheson a , Jean in 't Zand f , Peter Jenke p , Jamie Kennea q , Nicole M. Lloyd-Ronning l , Thomas J. Maccarone r , Dominic Maes ‡ , Craig B. Mark ward , Malgor , Malgor , Mika , Tashi and Aza less . andro Patruno o , Steven C. Persyn b , Mark L. Phillips b , Chanda Prescod-Weinstein t , Jillian A. Redfern b , Ronald A. Remillard i , Andrea Santangelo v , Carl L. Schwendeman b , Clio Sleator a , James Steiner u , Etro Stroh , Syer Syer , Jr. zer v , Steven P. Thompson b , Richard W. Warwick z , Anna L. Watts w , Colleen A. Wilson-Hodge x , Xin Wu y , Eric A. Wulf a , Gianluigi Zampa e
人工智能驱动的有效镜片位置预测提高了现有镜片公式的准确性 Tingyang Li，BS 1；Joshua D. Stein，MD，MS 2,3,4； Nambi Nallasamy，医学博士 1,2 1 密歇根大学计算医学和生物信息学系 2 密歇根大学凯洛格眼科中心眼科和视觉科学系 3 密歇根大学眼科政策与创新中心，密歇根州安娜堡 4 密歇根大学公共卫生学院卫生管理与政策系，密歇根州安娜堡 通讯作者：Nambi Nallasamy，医学博士 密歇根大学凯洛格眼科中心 1000 Wall St Ann Arbor, MI 48105 电话：(734) 763-5506 传真：(734) 936-2340 字数：2589
摘要 目的：评估结合机器学习 (ML) 方法准确预测术后前房深度 (ACD) 是否能提高现有人工晶状体 (IOL) 计算公式的屈光预测性能。方法：密歇根大学凯洛格眼科中心收集了 4806 名白内障患者的数据集，并将其分为训练集（80% 的患者，5761 只眼睛）和测试集（20% 的患者，961 只眼睛）。使用先前开发的基于 ML 的方法根据术前生物测量预测术后 ACD。使用回归模型将这种基于 ML 的术后 ACD 集成到新的有效晶状体位置 (ELP) 预测中，以重新调整四个现有公式（Haigis、Hoffer Q、Holladay 和 SRK/T）中的每一个的 ML 输出。使用测试数据集比较了具有 ML 修改的 ELP 的公式的性能。通过屈光预测中的平均绝对误差 (MAE) 来衡量性能。结果：当用原始 ELP 和 ML 预测的 ELP 的线性组合替换 ELP 时，测试集中的 MAE ± SD（以屈光度为单位）为：Haigis 为 0.356 ± 0.329，Hoffer Q 为 0.352 ± 0.319，Holladay 为 0.371 ± 0.336，SRK/T 为 0.361 ± 0.331，明显低于原始公式的 MAE ± 0.328：Haigis 为 0.408 ± 0.337，Holladay 为 0.384 ± 0.341，SRK/T 为 0.394 ± 0.351。结论：使用更准确的预测术后 ACD 可显著提高现有四种 IOL 度数公式的预测准确性。
正念饮食：应用程序评论
[1] 墨尔本学术正念兴趣小组和墨尔本学术正念兴趣小组。2006 年。基于正念的心理疗法：概念基础、经验证据和实际考虑的回顾。澳大利亚和新西兰精神病学杂志 40，4（2006 年），285-294。[2] Judith Amores、Xavier Benavides 和 Pattie Maes。2016 年。Psychicvr：通过使用虚拟现实和脑机接口提高正念。在 2016 年 CHI 会议论文集上扩展了关于计算系统中人为因素的摘要。2-2。[3] Eshita Sri Arza、Harshitha Kurra、Rohit Ashok Khot 和 Florian'Floyd' Mueller。2018 年。喂食食物怪物！利用增强现实帮助同餐者更好地咀嚼食物。在 2018 年游戏伴侣中计算机与人机交互年度研讨会论文集扩展摘要中。391–397。[4] Kirk Warren Brown 和 Richard M Ryan。2003 年。活在当下的好处：正念及其在心理健康中的作用。人格与社会心理学杂志 84, 4 (2003)，822。[5] Claudia Daudén Roquet 和 Corina Sas。2018 年。评估正念冥想应用程序。在 2018 年 CHI 计算机系统人为因素会议扩展摘要中。1–6。[6] Claudia Daudén Roquet 和 Corina Sas。2020 年。身体很重要：探索人体作为冥想技术设计的资源。在 2020 年 ACM 设计交互系统会议论文集上。533–546。 [7] Claudia Daudén Roquet、Corina Sas 和 Dominic Potts。2021 年。《探索灵魂：曼陀罗着色过程中正念状态外围物化的脑机接口》。《人机交互》（2021 年），1-41。