XiaoMi-AI文件搜索系统
World File Search SystemPerce
对小米农民气候变异性的看法
气候变化对资源的可访问性和维持不断增长的人口的粮食安全产生了多样化的影响。在这个时代，诸如小米之类的气候富农作物对国家的粮食安全具有更大的重要性和影响。印度部落地区的小米种植为响应气候变异性提供了一个独特的弹性例子。 这项研究是在泰米尔纳德邦（Tamil Nadu）的纳马卡尔（Namakkal）地区的Kolli山上进行的，以研究部落农民对气候变化的看法。 使用多阶段随机抽样方法和经过验证的半结构访谈时间表从来自五个村庄的125个部落农民收集数据。 通过不同的统计工具收集了定性和定量数据进行分析。 大多数部落农民都在年轻时，具有高水平的文盲，其土地不到1.5公顷，其大众媒体公用事业较低，决策能力有限。 据透露，近年来，干旱，不合时宜的降雨，温度波动和不规则天气状况的发生增加了。 大多数部落农民都认为气候变化显着影响低资源的农民确保生计的能力。 社会参与和大众媒体利用与部落农民对气候变异性的看法正相关。印度部落地区的小米种植为响应气候变异性提供了一个独特的弹性例子。这项研究是在泰米尔纳德邦（Tamil Nadu）的纳马卡尔（Namakkal）地区的Kolli山上进行的，以研究部落农民对气候变化的看法。使用多阶段随机抽样方法和经过验证的半结构访谈时间表从来自五个村庄的125个部落农民收集数据。通过不同的统计工具收集了定性和定量数据进行分析。大多数部落农民都在年轻时，具有高水平的文盲，其土地不到1.5公顷，其大众媒体公用事业较低，决策能力有限。据透露，近年来，干旱，不合时宜的降雨，温度波动和不规则天气状况的发生增加了。大多数部落农民都认为气候变化显着影响低资源的农民确保生计的能力。社会参与和大众媒体利用与部落农民对气候变异性的看法正相关。科学的机构知识和当地社区知识必须与农民的气候变化经验融合在一起，以使其能够最大程度地减少气候变化对小米生产的影响，并制定一项在未来气候情况下改善生产的策略。该研究建议将传统的小米农业实践与现代农业技术以及对有针对性的政策进行融合，以加强部落农民的机构支持，市场获取和能力建设计划。
对医疗保健、治疗和诊断领域人工智能的认知和了解：一项具有代表性的人口调查
人工智能 (AI) 是指系统正确解释和学习数据的能力，以及通过灵活适应这些学习来实现特定目标和任务的能力。尽管人工智能在医学领域有广泛的应用，但医疗保健专业人员不愿意实施人工智能设备。目前，关于德国公众对医疗人工智能的看法的数据很少。因此，2021 年在德国进行了两项在线调查，以评估人们对人工智能在一般和医学领域的知识和看法，包括医学数据的处理。共有 1,001 名和 1,000 名成年人参加了调查。调查结果强调，需要通过提高认识、强调潜力以及确保遵守处理数据保护的准则和法规来改善对医疗人工智能应用的教育和看法。这项调查为德国民众对这一相关主题提供了初步见解。
Ankara中0-2岁儿童的生长曲线和百分位数的头圆周：与Gamlss和分位数回归方法进行比较
测量HC是一种快速，无创的方法，用于确定婴儿的头部太大（兆脑）还是太小（小头畸形）。6与标准生长曲线相比，常规的HC测量对于跟踪婴儿的健康至关重要。该程序被认为是“最简单，最便宜，最快的[工具]，用于评估中央系统的发展和确定有神经发育障碍风险的新生儿。” 7头圆周也经常在处于危险的婴儿（例如早产或低胎胎婴儿或患有已知遗传疾病的患者）中测量；大多数临床医生在常规良好的访问中包括串行HC测量，或者是由于生长关节以外的原因（即机会性增长测量值）以外的其他婴儿和儿童的定期护理。8
如何引用本文 Goyal S、Sakhi P、Kalidindi S 等人。（2024 年 12 月 31 日）印度放射科医生和住院医生对放射学人工智能的知识、态度、看法和实践：一项全国多中心研究。Cureus 16(12)：e76667。DOI 10.7759/cureus.76667
鉴于这些最新进展，本调查的目的是评估放射科医生和住院医生对放射学人工智能技术的知识、认识和使用情况，了解他们对人工智能在该领域的潜在和未来影响的看法，并确定教育差距，以评估将以人工智能为重点的教育和培训纳入医学课程的必要性，特别关注放射学。本研究的目的是评估印度放射科医生和住院医生目前对放射学人工智能的知识、态度、看法和实践。本研究的更广泛影响包括为政策制定者、教育工作者和医疗保健专业人员提供信息，使他们能够就人工智能在放射学实践和教育中的使用做出明智的决定，这与 Chen 等人最近的研究一致。[7] 。
人工智能与人类构图之间的感知差异
人工智能 (AI) 在音乐领域能做什么和不能做什么是音乐研究人员和人工智能专家都感兴趣的重要话题之一。本研究在人工智能技术在音乐创作中日益重要的作用及其对创作过程的影响的背景下提供了重要的分析。它通过将人工智能定位为作曲家创造力的补充工具并增强对文化适应过程的理解，为文献做出了贡献。该研究旨在确定人工智能和作曲家作品之间的感知差异，研究这些差异的音乐和文化基础，并揭示影响听众体验的因素。在研究设计中，采用了混合方法，结合了定性和定量研究方法。在定量阶段，采用双盲实验设计，以确保参与者公正地评价作曲家和人工智能作品。在定性阶段，收集参与者的意见。参与者是 10 名年龄在 19 至 25 岁之间的人，具有不同的文化和教育背景；6 人接受过正规音乐教育，4 人是普通听众。数据收集工具包括结构化访谈表和音乐作品感知因素评估量表。在研究过程中，每位参与者在 20 分钟的标准化聆听环节中评估了两部人工智能和两部作曲家作品。所有聆听环节均使用专业音频设备进行。分析显示，作曲家作品在所有类别中的得分明显高于人工智能作品（p <.05）。观察到了显著的差异，特别是在情感深度（X 作曲家 = 4.6，X AI = 3.1）和记忆性（X 作曲家 = 4.4，X AI = 3.2）类别中。研究得出结论，作曲家作品在情感深度、结构连贯性和文化共鸣方面比人工智能作品更有效。此外，文化背景和音乐教育成为影响感知差异的重要因素。未来的研究应扩大参与者范围并结合神经认知数据，以促进对感知机制的更深入了解。此外，音乐人工智能系统的发展应包括融合基于Transformer和RNN的高级学习模型、实现传统音乐理论原理、增强情感表达能力、提高文化适应能力、完善实时交互机制等。
使用基于感知损失的卷积神经网络
目的：这项研究旨在开发一种新的卷积神经网络深度学习（DL）技术，用于从计算机上进行自动化的脑组织分割（CT）扫描，并与磁共振成像（MRI）分割相比评估其性能。材料和方法：这项多中心回顾性研究收集了来自两个机构的199个健康个体的配对CT和MRI数据。将数据分为一个训练集（n = 100）和一个机构的内部测试集（n = 50），其中第二个机构的附加数据集（n = 49）用于外部验证。灰质（GM），白质（WM）和脑脊液（CSF）的地面真相面膜是从T1加权MR图像中赋予的。为三个大脑区域中的每个区域中的每个区域训练了基于U-NET的DL模型，并根据VGG19计算了感知损失。通过计算连续骰子系数（CDICE），联合会（IOU）和第95个百分位数Hausdorff距离（HD95）来评估模型性能。使用定位系数（R 2），类内相关系数（ICC）和Bland-Altman分析，将基于CT的分割的体积估计与MRI衍生体积进行了比较。结果：接受感知损失的DL网络与未经感知损失的训练相比，表现出色。体积分析表明，在内部/外部测试中，GM和WM分别为r 2 = 0.83/0.90和0.85/0.87之间的MRI衍生地面真相与基于CT的分割之间的一致性是r 2 = 0.83/0.90和0.85/0.87，而ICC = 0.91/0.94和0.92/0.93。在内部测试中，评估得分（没有感知损失与感知损失）为：CDICE = 0.717 vs. 0.765，HD95 = 6.641 mm，gm中的6.641 mm vs. 6.314 mm； CDICE = 0.730 vs. 0.767和HD95 = 5.841毫米，而Wm为5.644 mm； CDICE = 0.600 vs. 0.630和HD95 = 5.641毫米，而CSF中的5.362 mm，分别是分数。结论：提出的DL方法随着感知损失而增强，可改善CT图像的脑部分割。这种方法显示了有望作为基于MRI的分割的一种替代方法。
AI 生成与人类艺术品。对人工智能的认知偏见？
摘要 通过生成对抗网络 (GAN)，人工智能 (AI) 已经影响到许多领域，尤其是艺术领域，成为人类任务的象征。在人机交互 (HCI) 研究中，通常会引用对人工智能、机器或计算机的感知偏见。然而，实验证据仍然缺乏。本文提出了一项大规模实验，其中 565 名参与者被要求从四个维度评估绘画（由人类或人工智能创作）：喜欢、感知美、新颖性和意义。使用两个受试者间条件来评估启动效应：呈现为由人工智能创作的艺术品和呈现为由人类艺术家创作的艺术品。最后，被认为是人类绘制的画作比被认为是由人工智能创作的画作获得更高的评价。因此，以前所未有的方式使用这种方法和样本，结果显示出对人工智能的认知存在负面偏见，而对人类系统的偏好偏见。
使用多层感知器进行糖尿病分类...
提交轨道 摘要 提交日期：2024 年 11 月 7 日 糖尿病是一种慢性代谢疾病，其特征是由于身体产生胰岛素的能力受损而导致血糖水平高（高血糖症）。根据国际糖尿病联合会 (IDF) 的数据，糖尿病患者的数量将在 2024 年迅速增加到 7 亿人。因此，我们需要找出感染糖尿病的诱因。其中之一是使用机器学习方法。机器学习用于对哪些因素可能导致感染糖尿病进行分类。进行这种分类的众所周知的方法之一是多层感知器 (MLP) 方法，它是一种由多层组成的人工神经网络 (ANN)，其中每层都有相互连接的节点。它的优点是它能够处理复杂数据特征之间的非线性关系——包括患者数据和患者的疾病——因此据说这种方法与本研究非常相关。研究人员还将 MLP 的准确率与其他几种算法（如随机森林、支持向量机和 K-最近邻）进行了比较。这旨在评估 MLP 与其他方法相比在糖尿病分类中的有效性。此外，研究人员还希望克服传统方法在糖尿病分类中的弱点，并提供基于人工智能的解决方案，方法是利用 MLP 处理医疗数据并关注可能影响糖尿病患者的参数或特征。机器学习中的几种技术，如正则化和超参数优化可以防止过度拟合，数据规范化和降维可用于提高模型输入的质量，从而最大限度地提高准确率并使诊断过程更快、更准确。结果表明，与其他算法相比，MLP 在对该疾病进行分类方面具有良好的性能。MLP 获得更稳定、更高的结果。总体而言，可以说 MLP 的应用对改善糖尿病诊断系统做出了重大贡献，有望应用于医疗系统。
2025年1月 - 加拿大夏洛来品种的平均水平，百分位数和趋势
加拿大美国联合评估2025年1月的评估是AICA和CCA遗传评估的历史步骤。遗传评估是由Angus Genetics Incorporated（AGI）进行的，并使用了更新的遗传性值，改进的模型，并将来自美国国际夏洛伊国际夏罗莱协会和加拿大夏洛来群岛协会的谱系，性能和基因组数据集结合在一起。这意味着所产生的EPD和准确性在AICA和CCA种群之间是可比的。重要的是要注意，品种平均值，百分位数和趋势是根据国家特定的，无法直接比较人口之间的。本文档中提出的表可用于确定美国或加拿大的牛适合相关人群的位置。
大学教师的看法和经验
道德以及学生在学术使用过程中遇到的挑战。使用定性、现象学和解释设计，采访了来自各种机构的教师，以探讨他们如何将人工智能融入他们的教学实践、他们对隐私和算法偏见的担忧以及他们面临的技术和教学障碍。研究结果表明，教育工作者重视人工智能个性化学习和优化教育过程的能力，但也表达了道德方面的担忧，例如学生可能滥用以及确保公平的需要。他们还面临缺乏专门培训和技术获取不平等带来的挑战。结论是，尽管人工智能有可能积极改变高等教育，但必须通过明确的政策和教师培训来解决其伦理和技术影响。这项研究为人工智能在教育中的作用的学术辩论做出了贡献，并强调了负责任地实施人工智能的重要性，以最大限度地发挥其优势并最大限度地降低风险。