XiaoMi-AI文件搜索系统
World File Search SystemVisualization
以参与者为中心的人工智能规划交互式可视化
随着我们越来越依赖人工智能系统来实现生活中越来越多的应用，理解和解释此类系统的需求也变得更加明显，无论是为了改进、信任还是法律责任。人工智能规划是一种提供解释挑战的任务，特别是由于生成的计划越来越复杂，以及连接行动并决定整体计划结构的复杂因果链。虽然最近有许多支持计划解释的技术，但用于浏览这些数据的视觉辅助工具却非常有限。此外，专注于抽象规划概念和领域相关解释的技术之间往往存在障碍。在本文中，我们提出了一种可视化分析工具来支持计划总结和交互，重点关注使用基于参与者的结构的机器人领域。我们展示了用户如何快速掌握有关计划中涉及的行动的重要信息以及它们之间的关系。最后，我们提出了一个用于设计工具的框架，重点介绍了如何将一般的 PDDL 元素转换为视觉表示，并进一步将概念与领域联系起来。
不确定性可视化对基于地图的决策的影响...
在高度移动的数字社会中，我们的大多数日常活动都需要及时的空间决策。许多此类决策都由不同模式下各种设备上的地图显示支持。然而，地图上可视化的空间信息总是受到多种不确定性的影响。如果时空决策者不了解潜在的不确定性，基于地图的决策可能会导致误导性或最坏的危及生命的后果。因此，应该将数据不确定性传达给决策者，特别是在时间资源有限且决策结果可能产生重大后果的情况下。因此，本研究调查了地图中可视化的数据不确定性如何影响空间决策的过程和结果，尤其是在危险情况下在时间压力下做出决策时。尽管先前的不确定性可视化研究中几乎没有考虑决策时间限制的经验证据，但我们假设不确定性可视化也会对时间紧迫和复杂决策环境下的决策产生影响。使用基于地图的直升机在山区地形中着陆的场景，我们发现时间压力和不确定性都不会影响参与者的决策准确性。然而，不确定性影响了参与者的决策策略，时间压力影响了参与者的反应时间。具体来说，当呈现两个同样正确的答案时
3D 战场可视化与防御应用...
光场可视化技术已开始通过商用设备出现，虽然它在消费市场上的出现已经指日可待，但光场显示器融入我们日常活动的那一天仍未到来。然而，仅仅因为光场显示器尚未成为我们日常生活的一部分，并不意味着它们尚未为专业使用环境做出贡献。国防应用就是这样一种用例类别，这些设备令人望而生畏的开发和制造费用并没有真正吓倒可用的预算。事实上，现代战争正在大力投资于新颖的可视化技术和尖端创新，无论是为战场上服役的人，还是为制定战略机动和战术决策的人。后者本质上是基于大量数据做出决策的过程。这种过程的成功从根本上受到可用信息和投影信息的传递效率的影响。在本文中，我们介绍了我们在光场战场可视化方面的工作以及光场在国防和战争目的的其他相关应用。除了传统方法外，我们还提出了多种最适合所研究用例的替代解决方案。我们的工作优先考虑可视化质量和用户交互。关于系统属性，特别关注视野和角度分辨率
将可视化中的受控实证研究与...
摘要 — 实证研究是可视化研究不可或缺的一部分。它们不仅可以促进对可视化中各种设计、技术、系统和实践的评估，还可以发现解释可视化为何以及如何工作的因果关系。这份最新报告重点关注在实验室和众包环境中进行的受控和半受控实证研究。特别是，该调查对可视化文献中的 129 多项实证研究进行了分类分析。它将这些研究与 1978 年至 2017 年心理学主题发展并列，其中受控实证研究在研究中发挥了主导作用。为了帮助理解这一广泛的背景，本文提供了两个案例研究的详细信息，其中在心理学学科和可视化领域研究了与可视化相关的特定主题。在简要讨论心理学的一些最新发展之后，它概述了通过实证研究发现可视化方面的新挑战和机遇。
空间数据驱动的脑网络可视化布局
神经成像领域的最新进展使科学家能够创建大脑网络数据，从而对神经回路产生新的见解，并更好地理解大脑的组织。这些网络本质上涉及空间组件，描述哪些大脑区域在结构、功能或遗传上相关。它们的 3D 可视化受到遮挡和混乱的影响，尤其是随着节点和连接数量的增加，而 2D 表示（例如连接图、连接矩阵和节点链接图）则忽略了空间解剖背景。手动排列 2D 图的方法繁琐、依赖于物种，并且需要领域专家的知识。在本文中，我们提出了一种空间数据驱动的方法，用于在 2D 节点链接图中布局 3D 大脑网络，同时保持其空间组织。生成的图形不需要手动定位节点，是一致的（即使对于子图也是如此），并提供与视角相关的方向排列。此外，我们还提供了一种视觉设计，以突出显示解剖背景，包括大脑的形状和大脑区域的大小。我们在几个案例研究中展示了我们的方法对不同神经科学相关物种的适用性，包括小鼠、人类和果蝇幼虫。在与多位领域专家进行的用户研究中，我们证明了它的相关性和有效性，以及它在神经科学出版物、演示和教育方面的潜力。© 2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
出色的3D可视化，具有一流的图形
通过Draginfly 3D World Zeiss Edition软件在最高定义中探索您的数据。它旨在从头到尾管理您的工作流程。使用直观的用户界面，该软件为您提供了完整的3D可视化和数据分析平台。各种功能，例如交互式导航，高级分割工具，简易注释和对象分析为您提供简单的过程和高质量的结果。为支持显微镜的需求而设计的升级提供了一个通用工作空间，用于将多尺度相关显微镜整合到NM到NM。通过编程语言python自定义您的功能，功能和小部件，以使您的软件自动化以提高生产率。
BIOM 5403 高级数据可视化（...
- 残疾学生的学术住宿：Paul Menton 残疾学生中心 (PMC) 为患有学习障碍 (LD)、精神/心理健康障碍、注意力缺陷多动障碍 (ADHD)、自闭症谱系障碍 (ASD)、慢性疾病以及行动、听力和视力障碍的学生提供服务。如果您有残疾，需要在本课程中获得学术住宿，请联系 PMC，电话：613-520-6608，电子邮件：pmc@carleton.ca，进行正式评估。如果您已经在 PMC 注册，请联系您的 PMC 协调员，在学期开始时向我发送您的住宿信，并且最迟在需要住宿的第一次课堂安排测试或考试（如适用）前两周。两周内提出的请求将根据具体情况进行审核。向 PMC 申请住宿后，与我会面以确保安排好住宿。请查阅 PMC 网站 (www.carleton.ca/pmc)，了解申请正式安排的考试住宿的截止日期（如适用）。 - 性暴力幸存者：作为一个社区，卡尔顿大学致力于维护积极的学习、工作和生活环境，在这里性暴力不会被容忍，并根据卡尔顿的性暴力政策通过学术住宿为幸存者提供支持。如需了解大学提供的服务的更多信息以及获取有关性暴力和/或支持的信息，请访问：https://carleton.ca/sexual- violence-support/。 - 学生活动住宿：卡尔顿大学认识到学生参加课堂以外的活动会给学生个人和大学带来巨大益处。必须为在国家或国际水平上竞争或表演的学生提供合理的住宿。在开课的前两周内，或在得知需要住宿后尽快联系您的导师，提出任何学术住宿请求。有关更多详细信息，请参阅https://carleton.ca/senate/wp-content/uploads/Accommodation- for-Student-Activities-1.pdf
Infomat 向量空间可视化工具
与相应矩阵元素的权重成正比。当鼠标指针放在像素上时，就会显示关于其内容的文本信息。当矩阵大于图片时，它会被压缩，每个像素显示相应矩阵元素的平均值。当相邻行和列的对象相关（具有高度相似性）时，这是合理的。获得这种相关性的一种方法是通过聚类。Infomat 提供基本的聚类功能。Infomat 有许多功能。除其他外，它可以放大和缩小矩阵。为了同时可视化多个分组（聚类、分类等），可以用不同的颜色对属于不同组的对象进行着色，包括行和列。许多现有的 IR 可视化方法计算所有对象之间的相似性，并将这种关系投射到二维或三维（Baeza-Yates 和 Ribeiro-Neto，1999）。此类方法通常不会提供太多关于对象为何被视为相似的信息。在 Infomat 中，相邻行和列之间的相似性以模式形式出现，反映了相似性的分布定义。Infomat 是用 Java 开发的，使用 xml 格式读取和写入矩阵。它可免费使用 1，并附带更多信息。
MoS2/WSe2 中局部电导的可视化......
摘要：范德华 (vdW) 材料的垂直堆叠为二维 (2D) 系统的研究带来了新的自由度。层间耦合强烈影响异质结构的能带结构，从而产生可用于电子和光电子应用的新特性。基于微波显微镜研究，我们报告了门控二硫化钼 (MoS 2 )/二硒化钨 (WSe 2 ) 异质结构器件的定量电成像，这些器件在传输特性中表现出有趣的反双极效应。有趣的是，在源漏电流较大的区域，n 型 MoS 2 中的电子和 p 型 WSe 2 段中的空穴几乎平衡，而异质结构区域的移动电荷则耗尽。局部电导的空间演变可以归因于沿 MoS 2 − 异质结构 − WSe 2 线的横向能带弯曲和耗尽区的形成。我们的工作生动地展示了新传输行为的微观起源，这对于充满活力的范德华异质结研究领域非常重要。关键词：范德华异质结构、微波阻抗显微镜 (MIM)、反双极效应、能带排列、耗尽区
脑损伤的增强现实可视化
摘要背景增强现实 (AR) 可以无缝地包含视觉信息，从而支持复杂的神经外科手术。本研究探讨了 AR 在脑肿瘤手术中的术中可视化参数和临床影响。方法前瞻性纳入 55 处颅内病变，随机分组后采用 AR 导航显微镜 (n = 39) 或传统神经导航 (n = 16) 进行手术。评估了手术切除时间、AR 的持续时间/类型/模式、显示对象 (n，类型)、基于指针的导航检查 (n)、控制的可用性、质量指标和 AR 的整体外科手术实用性。结果 44.4% 的切除时间使用了 AR 显示在手术中。主要的 AR 类型是导航视图 (75.7%)，其次是目标体积 (20.1%)。主要的 AR 模式是画中画 (PiP) (72.5%)，其次是 23.3% 的叠加显示。在 43.6% 的病例中，重要解剖结构的视觉被 AR 信息部分或全部阻挡。总共有 7.7% 的病例仅使用 MRI 导航，30.8% 使用一种，23.1% 使用两种，38.5% 在 AR 导航中使用三种或更多对象分割。总共有 66.7% 的外科医生认为 AR 可视化对个别手术病例有帮助。AR 深度信息和准确度被评为可接受（中位数 3.0 vs. 传统神经导航中位数 5.0）。导航指针的平均使用率为 2.6 × /切除小时（AR）vs. 9.7 × /切除小时（神经导航）；AR 中的导航工作量显著减少（P < 0.001）。结论基于 HUD 的 AR 可视化在脑肿瘤手术中的主要优势在于集成的连续显示允许无指针导航。导航视图 (PiP) 提供了最高的可用性，同时较少阻挡手术区。可视化质量将受益于配准精度和深度印象的改进。德国临床试验注册号。DRKS00016955。