XiaoMi-AI文件搜索系统
World File Search SystemSalience
使用机器学习和分析心理病理学结果
简介：儿童创伤暴露与大脑结构和功能网络的改变以及精神障碍的风险显着相关。我们使用机器学习模型进行了儿童创伤与功能连通性测量之间的关系，并将这些关系与各种心理病理学外的关系联系起来，例如精神病症状和认知。方法：本研究使用了来自双极 - 奇异性表型的净作业的参与者（n = 285）。使用五种不同的机器学习算法的隔离模型提取了九十个空间功能连通性测量，并与儿童创伤的严重程度进行了测量。特征重要性分析用于对每个度量的相对预测值进行排名。创伤预测模型，并使用结构方程模型来分析PSY-脑刻骨学关系。结果：视觉空间，后验显着性，默认模式和语言网络与合奏模型的关系最高，该模型的精度为0.824，高于0.75的显着性阈值。深度学习诊断分类器模型的最终验证集精度为0.807。执行控制和默认模式网络具有最多的儿童创伤和心理病理学指标之间关系的重要中介模型。讨论：这些结果揭示了儿童期创伤如何与功能连通性措施的变化以及这些改变如何影响临床和认知结果有关。这些关系对儿童创伤的生物学诊断标准以及心理病理学的生物制药和心理心理干预具有重要意义。
慢性膝关节疼痛患者的脑灌注模式会发生改变……
摘要 慢性肌肉骨骼疼痛是全球普遍存在的问题。目前的证据表明，中枢疼痛通路适应不良与疼痛慢性化有关，例如膝关节置换术后疼痛。情绪低落、焦虑和灾难化倾向等其他因素也是重要因素。我们旨在基于脑血流 (CBF) 的多变量模式分析来研究导致疼痛慢性化的脑成像特征，作为适应不良的脑变化的标志。这是通过识别区分慢性疼痛和无痛状态的 CBF 模式并探索它们对被认为是导致疼痛慢性化的因素的解释力来实现的。在 44 名慢性膝关节疼痛和 29 名无痛参与者中，我们获得了 CBF 和 T1 加权数据。参与者完成了与情感过程和压力和袖带痛觉测量相关的问卷，以评估疼痛敏感度。从这些分数中提取了两个因子分数，代表负面情感和疼痛敏感度。对 CBF 进行空间协方差主成分分析，确定了 5 个可显著区分慢性疼痛患者和对照组的成分，统一网络的判别准确率（曲线下面积）为 0.83。在慢性膝关节痛中，前部默认模式和凸显网络中心明显存在相对低灌注模式，而后部默认模式、丘脑和感觉区域则存在高灌注。一个成分与疼痛敏感度评分呈正相关（r=0.43，p=0.006），这表明这种 CBF 模式反映了编码疼痛敏感度的神经活动变化。在本文中，我们报告了一种与慢性膝关节痛相关的独特的 CBF 表现，指出了疼痛敏感度核心方面的大脑特征。
神经群体动态和认知功能
大脑中的表征被编码为大量神经元的活动模式。群体编码表征科学，也称为并行分布式处理 (PDP)，实现了神经学的逼真性，并能够解释正常人中的大量认知现象，包括反应时间（和阅读延迟）、刺激识别、刺激显着性对注意力的影响、知觉不变性、同时以自我为中心和以他为中心视觉处理、自上而下/自下而上的处理、语言错误、经验、频率和习得年龄的统计规律的影响、规则和符号的实例化、内容可寻址内存和模式完成能力、在面对嘈杂或扭曲的输入时保持功能、推理、并行约束满足、绑定问题和伽马相干性、海马功能原理、知识在大脑中的位置、通过经验获得的知识范围和深度的局限性以及皮亚杰认知发展阶段。 PDP 研究已经能够为大量语言中因中风或痴呆导致的各种语言功能障碍以及此类研究中观察到的优雅退化现象提供连贯的解释。它们还为我们理解注意力（包括半侧空间忽视）、情绪功能、执行功能、运动计划、视觉处理、决策和神经经济学做出了重要贡献。神经网络群体动态与脑电图节律的关系开始显现。尽管如此，PDP 方法几乎没有渗透到认知研究的主要领域，包括神经心理学和认知神经心理学，以及认知心理学的大部分领域。本文试图概述 PDP 原理和应用，以面向更广泛的受众。
政府中的人工智能：概念、标准和
摘要。人工智能 (AI) 和机器学习 (ML) 的最新进展有望改善政府。鉴于人工智能应用的先进功能，至关重要的是，这些应用必须使用标准的操作程序、明确的认知标准嵌入其中，并按照社会的规范期望行事。随后，多个领域的学者开始概念化人工智能系统可能采取的不同形式，强调其潜在的好处和缺陷。然而，文献仍然支离破碎，公共管理和政治学等社会科学学科的研究人员以及人工智能、机器学习和机器人技术等快速发展的领域的研究人员都在相对孤立地开发概念。尽管有人呼吁将新兴的政府人工智能研究正式化，但缺乏一个平衡的描述，以涵盖理解将人工智能嵌入公共部门环境的后果所需的全部理论观点。在这里，我们使用概念图来识别人工智能多学科研究中使用的 107 个不同术语，从而统一社会和技术学科的努力。我们归纳地将它们分为三个不同的语义组，分别标记为 (a) 操作、(b) 认知和 (c) 规范领域。然后，我们在此映射练习的结果基础上，提出三个新的多方面概念，以综合、前瞻性的方式研究基于人工智能的政府系统 (AI-GOV)，我们称之为 (1) 操作适应性、(2) 认知完备性和 (3) 规范显著性。最后，我们将这些概念用作 AI-GOV 概念类型学的维度，并将每个概念与新兴的人工智能技术测量标准相连接，以鼓励操作化，促进跨学科对话，并激发那些旨在用人工智能重塑公共管理的人之间的辩论。
作为主持人和可卡因自我给药的后果，前岛和肾后皮质之间的内在功能连通性
虽然人类的功能性脑成像研究表明，慢性可卡因在关键的大型大型脑网络内和之间使用功能连接性（FC），包括默认模式网络（DMN），显着性网络（SN）和中央执行网络（CEN），人类在人类的跨部门研究中，人类在人类的跨部门研究都在挑战Brain for Brain for Cocain fc cocain fc cocain fc cocaine for cocaine for cocaine for cocaine for。此类信息对于揭示个人的大脑FC与随后的可卡因依赖性和戒酒期间大脑变化之间的关系至关重要。在这里，我们进行了一项纵向研究，研究了雄性大鼠的功能磁共振成像（fMRI）数据（n = 7），在可卡因自我给药（基线）之前，在可卡因自我降低10 d后再次获得可卡因自我给药（基线），并在30 d defsefsefadmin-Istration和30 d后再次获得了实验性的实验室施加的Absportimence-Absportimence-Absposs-Spirts-Sport-Sports-Sports-Sports-pressed AbsStsinence。使用具有基于网络统计的方差（ANOVA）的重复测量分析（NBS），在SN的前二层皮层（AI）之间发现了显着的连接性变化，DMN的ret-splenial Cortex（RSC）DMN，DMN，Sumostemensory Cortex和caud and coud and cpu（cpu），以及大多数puss and cpu之间，以及cpu之间的大多数。禁欲。此外，升级的可卡因摄入水平与AI - RSC和AI - CPU FC的戒酒变化有关。此外，在可卡因摄入之前，受试者的AI - RSC FC是AI - RSC在禁欲期间变化的重要模型。这些结果为可卡因摄入前后的AI - RSC FC的作用提供了新的见解，并建议该电路是调节大规模网络和可卡因使用障碍行为变化的潜在目标。
现实世界点对点电力市场中的用户行为
点对点 (P2P) 能源市场是一种被广泛讨论的可持续能源供应方法，它允许分布式能源资源（例如太阳能电池板）的私人所有者和消费家庭直接交易能源，而无需中介。P2P 能源市场有望在未来为绿色、本地和公平的能源系统做出贡献。这种方法意味着公民角色的范式转变，公民将从被动消费者转变为积极的市场参与者。虽然现有的第一批研究主要关注此类场景的技术可行性，但终端用户及其在 P2P 市场中的作用却很少受到关注。本文研究了瑞士第一个现实世界 P2P 能源市场中 35 个家庭和两个商业实体的行为。在这个独特的现实世界环境中，基于混合方法，我们开发并部署了一个 Web 应用程序，并使用来自系统日志、调查和访谈的数据，实证研究了该 P2P 能源市场中电价的互动、接受和参与情况。研究结果有三方面。首先，P2P 能源市场受到用户的欢迎，这从整个研究期间（4.5 个月）网络应用程序的使用活动相对较高且稳定可以看出。其次，样本中的用户是异质的；根据他们对网络应用程序的参与度和他们所陈述的偏好，可以分为希望主动设定价格的用户（30%）；喜欢由信息系统确定自动价格的用户（35%）；以及非用户/未接受调查的用户（35%）。第三，对 9 个家庭的访谈分析表明，P2P 能源市场可能会提高可再生能源的显著性，并可能促进负荷转移活动。因此，本文提供了有关家庭用户行为及其在分散能源场景中未来作用的实证见解。
神经网络
深度神经网络 (DNN) 已成为对大脑和行为进行建模的重要工具。一个关键的关注领域是将这些网络应用于对人类相似性判断进行建模。之前的一些研究使用了视觉 DNN 倒数第二层的嵌入，并表明对这些特征进行重新加权可以改善人类相似性判断与 DNN 之间的契合度。这些研究强调了这样一种观点，即这些嵌入形成了良好的基础集，但缺乏正确的显着性水平。在这里，我们重新审视了这一想法的依据，相反，我们假设这些嵌入除了形成良好的基础集之外，还具有正确的显着性水平来解释相似性判断。只是需要修剪大维嵌入以选择与相似性空间建模所考虑的领域相关的特征。在研究 1 中，我们根据人类相似性判断的子集监督了 DNN 修剪。我们发现，剪枝：i) 改进了 DNN 嵌入中人类相似性判断的样本外预测，ii) 与 WordNet 层次结构产生更好的对齐，iii) 保留了比重新加权更高的分类准确率。研究 2 表明，通过神经生物学数据进行剪枝对于改进 DNN 嵌入中大脑衍生的表征相异矩阵的样本外预测非常有效，有时可以充实原本无法观察到的同构。使用剪枝后的 DNN，可以生成图像级热图来识别特征加载在由大脑区域编码的维度上的图像部分。因此，由人类大脑/行为监督的剪枝可以有效地识别 DNN 和人类之间可对齐的知识维度，并构成一种理解神经网络中知识组织的有效方法。© 2023 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可协议 ( http://creativecommons.org/licenses/by/4.0/ ) 开放获取的文章。
全世界的短期逆转和长期势头：理论和证据
5 Barardehi，Bogousslavsky和Muravyev（2022）表明，动量利润主要是在正常交易期间从价格中散发出来的，与过夜时间相反，这与势头相反，这是一致的，这是一致的，这是一致的，因为投资者的销售量低于投资者到现金流量信息（在交易日期内发布）。Huang（2022）表明，在投资组合形成期间，赢家和输家收益之间的差异与动量利润有负相关，如果较小的差价表明在编队期间对信息的反应较低，这与我们的模型是一致的（因此，价格更高的价格移动后，形成后的成型）。6一些模型从理性的角度解释了经验观察到的回报可预测性。Cujean和Hasler（2017）表明，在糟糕的时期，由于不确定性的增加，投资者的意见两极化，并且持续的分歧会导致势头。Johnson（2002）表明，当预计股息增长率随时间而变化时，与理性投资者的模型可能会产生动量效应。 尽管这些论文提供了重要的经济见解，但通过动量实现的夏普比率似乎太大，无法用理性模型来解释（Brennan，Chordia和Subrahmanyam（1998））。 7 Jegadeesh（1990）和Lehmann（1990）分别考虑每月和每周的地平线上的逆转，我们的研究主要集中于以前的地平线上的逆转。 有一个单独的文献，重点是更短的（每日）视野。 因此，Baltussen，Van Bekkum和DA（2019）以及DA，Tang，Tao和Yang（2023）将股票和商品指数的每日逆转归因于噪声交易。Johnson（2002）表明，当预计股息增长率随时间而变化时，与理性投资者的模型可能会产生动量效应。尽管这些论文提供了重要的经济见解，但通过动量实现的夏普比率似乎太大，无法用理性模型来解释（Brennan，Chordia和Subrahmanyam（1998））。7 Jegadeesh（1990）和Lehmann（1990）分别考虑每月和每周的地平线上的逆转，我们的研究主要集中于以前的地平线上的逆转。有一个单独的文献，重点是更短的（每日）视野。因此，Baltussen，Van Bekkum和DA（2019）以及DA，Tang，Tao和Yang（2023）将股票和商品指数的每日逆转归因于噪声交易。Nagel（2012）以及So and Wang（2014）发现，当做市商受到财务限制或面临更大的库存风险时，每天的单个股票逆转会更高。 cakici和Zaremba（2022）表明，这些反转的一部分可以通过显着性来解释，即，对于给定一天的平均库存，回报与收益相对的极端程度。Nagel（2012）以及So and Wang（2014）发现，当做市商受到财务限制或面临更大的库存风险时，每天的单个股票逆转会更高。cakici和Zaremba（2022）表明，这些反转的一部分可以通过显着性来解释，即，对于给定一天的平均库存，回报与收益相对的极端程度。
挫折期间的功能连接
易怒性削减了许多儿科疾病，是儿童精神病学的常见投诉；但是，其神经机制尚不清楚。一种核心的病理生理学来定义易怒的反应异常，对令人沮丧的非奖励。在这里，我们进行了一项初步的FMRI研究，以检查令人沮丧的非奖励期间功能连通性预测转诊样本中易怒的能力。这项研究包括69名年轻人（平均年龄= 14.55岁），诊断组的易怒水平不同：颠覆性情绪失调障碍（n = 20），注意力激发/多动障碍（n = 14），焦虑症（n = 12）（n = 12）（n = 12）和对照组（n = 23）。在fMRI期间，参与者完成了令人沮丧的认知灵活性任务。通过操纵任务困难而引起了挫败感，以至于在需要认知能力的试验中，“挫败感”块具有50％的误差率和一些操纵的反馈，而“非施工”块的误差率为10％。挫败感和非施工块被随机散布。儿童和父母报告情感反应性指数用作易怒的维度措施。基于连接组的预测建模，一种机器学习方法，进行了十倍的交叉验证，以识别预测易怒的网络。在挫败感（但不是非施工）中的连通性预测儿童报告的烦恼（ρ= 0.24，根平方误差= 2.02，p = 0.03，置换测试，1000次迭代，单尾）。对年龄，性别，药物，运动，多动症和焦虑症状的结果进行了调整。烦恼的预测网络主要在运动感官网络中；在运动感官，皮层和显着性网络中；在这些网络以及额叶和内侧额叶网络之间。这项研究提供了初步证据，表明易怒性的个体差异可能与挫折过程中的功能连通性有关，这是一种与表型相关的状态。
海洛因使用障碍个体抑制性控制受损的神经特征
海洛因成瘾对社会造成了毁灭性的损失，对其神经生物学鲜为人知。对药物的过度显着性归因于非降水提示/增强剂，并具有抑制性控制的降低，是药物成瘾的常见机制。尽管抑制性控制变化通常在跨滥用药物的前额叶皮层（PFC）中最高，但海洛因成瘾患者（IHUDS）的模式仍然未知。我们使用了一项停止信号FMRI任务，以满足最新共识指南，以绘制41个IHUD和24岁和性别匹配的健康对照（HCS）的抑制性控制。与HCS相比，尽管停止信号响应时间（SSRT；经典抑制性控制MEA）的群体相似性，IHUDS表现出受损的目标检测敏感性（在停止试验中进行误解的命中比例与错误警报的比例； P = 0.003）。此外，IHUD在成功与失败的停止过程中表现出右下PFC（APFC）和背外侧PFC（DLPFC）活性（标志性的抑制性控制对比度）。左下DLPFC/补充运动区域（SMA）活性与较慢的SSRT有关，专门在IHUD和左下APFC活动中，所有参与者的目标灵敏度较差（P，0.05校正）。重要的是，在抑制性控制过程中，左下SMA和APFC活性分别与较短的时间相关联和依赖性的严重程度较高（P，0.05校正）。这种神经性robehavioral抑制性控制缺陷可能会导致海洛因成瘾中的自我控制失误，构成了预先研究和干预工作以增强恢复的目标。一起，结果表明，在认知控制区域（例如APFC，DLPFC，SMA）中，抑制性控制期间的感知敏感性较低，并且与任务性能和海洛因使用严重程度的严重程度指标有关。