XiaoMi-AI文件搜索系统
World File Search SystemStyle
人工智能时代的艺术：通过神经网络实现日本艺术绘画风格的迁移
日本艺术历史悠久，底蕴深厚；最早定居日本列岛的人们可以追溯到公元前十世纪，当时他们使用各种媒介创作艺术作品（Mason 1993）。绳文时代是日本历史上“最早”的时代，以陶器而闻名，这种陶器不仅是日本最古老的，也是世界上最古老的。它以印在粘土上的“绳纹”图案而独树一帜（Hoang 2016）。从历史上看，日本文化和艺术深受中国人的影响，中国人引入了新的艺术技巧和风格（Kaminishi 2006）。但日本艺术与其文化影响截然不同，并发展出了自己的创新风格和主题。例如，日本人在早期历史中开发了大和绘，这种绘画既体现了中国的影响，又用本土图案取代了某些中国图案（日本物品 2021）。
SMU-Net：用于缺失模态的脑肿瘤分割的风格匹配 U-Net
胶质瘤是最常见的原发性脑肿瘤类型之一，占所有病例的 30% 以上，它们由胶质干细胞或祖细胞发展而来。理论上，大多数脑肿瘤可以通过使用磁共振成像 (MRI) 来识别。每种 MRI 模态都会提供有关人脑软组织的不同信息，整合所有这些信息将为胶质瘤的准确分割提供全面的数据，这对于患者的预后、诊断和确定最佳后续治疗至关重要。不幸的是，由于各种原因，MRI 容易出现伪影，这可能导致一个或多个 MRI 模态缺失。多年来，已经提出了各种策略来合成缺失的模态或补偿其对自动分割模型的影响。然而，这些方法通常无法模拟潜在的缺失信息。在本文中，我们提出了一种风格匹配 U-Net (SMU-Net) 用于 MRI 图像上的脑肿瘤分割。我们的联合训练方法利用内容和风格匹配机制将全模态网络中的信息特征提取到缺失模态网络中。为此，我们将全模态和缺失模态数据编码到潜在空间中，然后将表征空间分解为风格和内容表征。我们的风格匹配模块通过学习匹配函数将信息和纹理特征从全模态路径转移到缺失模态路径，自适应地重新校准表征空间。此外，通过对互信息进行建模，我们的内容模块超越了信息量较少的特征，并根据判别性语义特征重新校准了表征空间。BraTS 2018 数据集上的评估过程显示了所提出方法在缺失模态场景中的重要性。关键词：缺失模态、脑瘤、内容风格匹配、分割。
TSMG：使用脑电图识别人类学习风格的深度学习框架
摘要：教育理论声称，将学习风格纳入与学习相关的活动可以提高学业成绩。识别学习方式的传统方法主要基于问卷和在线行为分析。这些方法在识别方面是高度主观的，并且不准确。脑电图（EEG）信号具有在学习风格的测量中使用的显着潜力。本研究使用EEG信号设计了一种基于学习的认识模型，通过使用非重叠的滑动窗口，一维时空卷积，多尺度特征提取，全球平均池池，全球平均池和小组投票机制来识别人们的学习风格；该模型被命名为TSMG模型（时间空间 - 群体 - 全球模型）。它解决了处理可变长度的脑电图数据的问题，并且与普遍的方法相比，对学习样式的识别的准确性将近5％，同时将计算成本降低了41.93％。提出的TSMG模型还可以识别其他领域中的可变长度数据。作者还制定了一个包含学习样式处理维度的特征的EEG信号（称为LSEEG数据集）的数据集，该功能可用于测试和比较识别模型。该数据集也有利于脑电图技术的应用和进一步开发以识别人们的学习方式。
LG Styler® 蒸汽柜
建议为 Styler 留出以下间隙。尽管 Styler 已针对侧面和背面的 1 3 / 16 英寸（3 厘米）间隙进行了测试，但出于以下原因，仍应考虑建议的间隙：• 应考虑额外的空间以方便安装和维修。• 墙壁、门和地板装饰条可能需要额外的空间。• 应考虑在 Styler 的所有侧面留出额外的空间以减少噪音传递。• 还应考虑额外的洗衣设备间距。
为策略游戏创造多样化和竞争性的游戏风格
摘要 — 设计能够实现不同游戏风格同时又能保持竞争水平的代理是一项艰巨的任务，尤其是对于研究界尚未发现超人表现的游戏，如策略游戏。这些游戏要求人工智能处理大动作空间、长期规划和部分可观察性，以及其他众所周知的使决策成为难题的因素。除此之外，使用通用算法实现不同的游戏风格而不降低游戏实力并非易事。在本文中，我们提出了用于玩回合制策略游戏 (Tribes) 的具有渐进式反剪枝的组合蒙特卡洛树搜索，并展示了如何对其进行参数化，以便使用质量多样性算法 (MAP-Elites) 来实现不同的游戏风格，同时保持竞争水平。我们的结果表明，即使对于超出用于训练的游戏级别范围的大量游戏级别，该算法也能够实现这些目标。
英语功能风格的单词形成中经济原则
收到：接受：3/24/2021接受：6/2/2021发布：6/24/2021摘要。本文致力于研究现代英语单词形成的语言经济原理。最有生产力的单词形成方式被突出显示，说明了语言压缩主格单位的趋势。在英语单词形成系统中，保存语音的最有效方法是词缀单词形成，单词组成和转换。由于这些单词形成方法的巨大潜力，英语的词汇具有诸如词汇，功能和经济的丰富性。这项研究的主要目的是通过以长度和生成单词深度的概念为代表的单词形成模型来考虑现代英语中的单词形成原理。本文的作者通过考虑“精神能量”，“形成单词的能量”和“发音能量”的思想来探讨经济原则的机制。有一些试图回答的问题；经济原则如何用英语（其词形成）起作用？现代英语中的单词形成的重要模型是什么？的发现表明，英语的单词形成中存在主动过程，这可能会导致新单词的形成而不会改变生成术语的长度和深度，从而扩大了单词组成和转换的可能性。
研究论文 基于5G虚拟现实与虚拟现实视觉空间的艺术风格转换
随着数字信息技术的飞速发展，虚拟现实（VR）及VR视觉空间技术已成为计算机5G领域的重要分支，其应用研究受到越来越多的关注，其实用价值和应用前景也十分广阔。本文主要研究基于5G VR及VR视觉空间的艺术风格转换。本文从VR技术与VR视觉两个概念出发，分析二者的发展历程及特点，探讨二者融合的可能性与必然性，引出VR技术与VR视觉融合产生的空间艺术，这种艺术空间给人一种“身临其境”的体验。本文通过对多个沉浸式体验作品的分析，对其多感官、多技术的空间艺术风格转换形式进行分析，总结当前基于5G VR及VR视觉空间的艺术风格转换形式的优缺点，以期对未来VR沉浸式的发展有所借鉴。本文对易用性指标进行分析。实验结果表明,除感官体验指标外,其余指标平均值均小于1,是一个易用性较好的项目,且利用5G VR及VR视觉技术可以提高空间艺术风格的转变。
技术教育中人工智能融合的学习方式
本研究旨在设计一种针对技术学科主要教学方法——技术问题解决中的人工智能融合个性化学习的学习风格模型。在技术问题解决学习风格的认知-判断、创造力、执行力、态度和互动维度中，选择主要根据问题内容和学习形式起作用的维度并构建模型。本研究采用的是Kolb的研究方法，该方法通过综合两种信息感知方法和两种信息处理方法之间的相关性得出四种学习风格。因此，本研究考虑创造力层面的“适应-创新型”和执行层面的“反思-行动型”，设计了一个创造力-执行模型。此外，设计了互动维度的“独立-合作型”与态度维度的“回避-参与型”动态互动的互动-态度模型。此外，设计并提出了技术问题解决学习风格的五因素模型，将技术问题解决学习风格的认知-判断、创造力、执行力、互动和态度五个维度都作为因素。通过模型设计定义的学习者特征为考虑学习者个体特征的AI融合教育的方向提供了建议和基础数据。未来建议在AI融合教育中开展针对性个性化教学和学习发展研究，并根据技术问题解决的学习风格考虑学习者的特征。
引用本文：Jihyun Kim、Kelly Merrill Jr.、Kun Xu 和 Deanna D. Sellnow（2021 年）：我喜欢我的关系机器老师：在线教育中 AI 讲师的沟通风格和社交存在感，国际人机交互杂志，DOI：10.1080/10447318.2021.1908671
摘要 技术的新进步使得机器教师或技术驱动的机器人或人工智能成为可能，以协助整体学习体验。尽管目前采用率较低，但在可预见的未来，高校可能会将机器教师的某些方面（例如人工智能、机器人）纳入其课程。然而，人们对如何创建有效的机器教师教育知之甚少。作为第一步，本研究检查了人工智能教师的沟通风格是否会影响学生对人工智能教师教育的看法。为了测试这一探究，该研究进行了一项在线实验，采用 2（沟通风格：功能性与关系性）x 2（课程主题：自然科学与社会科学）学科间设计。主要结果表明，当人工智能教师是关系性而非功能性时，学生对人工智能教师教育的看法更为有利。在听社会科学讲座时，这种倾向尤为强烈。此外，人工智能导师的社交存在感也起到了中介作用，这解释了为什么关系型人工智能导师会让人们对基于人工智能导师的教育产生更积极的看法，这是因为人工智能导师的社交存在感。总的来说，这项研究的结果表明了人工智能导师的沟通方式和社交存在感的重要性。