XiaoMi-AI文件搜索系统
World File Search SystemWorkload
基于机器学习的无人机救援任务认知工作量监控
摘要 — 在搜索和救援任务中，无人机操作具有挑战性且对认知要求高。高水平的认知工作量会影响救援人员的表现，导致灾难性的失败。为了解决这个问题，我们提出了一种用于实时认知工作量监控的机器学习算法，以了解是否需要更换搜索和救援操作员或是否需要更多资源。我们的多模式认知工作量监测模型结合了从生理信号（例如呼吸、心电图、光电容积图和皮肤温度）中提取的 25 个特征的信息，这些特征以非侵入式方式获取。为了减少信号的主体和日间变异性，我们探索了不同的特征归一化技术，并引入了一种基于支持向量机的新型加权学习方法，适用于特定主题的优化。在从 34 名志愿者获得的未见过的测试集上，我们提出的特定于主题的模型能够在使用传统控制器和新一代控制器控制无人机模拟器时分别以 87.3% 和 91.2% 的平均准确率区分低和高认知工作负荷。
脑力负荷分类的敏感通道选择
摘要：心理负荷（MW）评估在各类人机交互任务中得到广泛研究。现有的MW分类研究大多使用非侵入式脑电图（EEG）帽采集脑电信号并识别MW水平。但MW任务刺激的大脑激活区域对于每个受试者来说并不相同。使用来自所有电极通道的EEG信号来识别MW可能并不合适。本文首先建立EEG节律能量热图，直观展示四种EEG节律能量随时间、EEG通道和MW水平的变化趋势。从所呈现的热图中可以看出，这种变化趋势因受试者、节律和通道而异。在此基础上，提出了一种双阈值方法来选择MW评估的敏感通道。使用个性化选择通道的EEG信号，分别称为正敏感通道（PSC）和负敏感通道（NSC），并使用支持向量机（SVM）算法进行MW分类。结果表明，个性化敏感通道的选择普遍有助于提高MW分类的性能。
PAC 工作量预测 PP 22_0601.xlsx - NAVFAC Pacific
项目、设计和施工工具列表旨在提高您对 NAVFAC PACIFIC 机会的认识。如果您对列出的任何项目感兴趣，请访问 www.SAM.gov。位置可能不反映项目的实际物理位置。在发布项目概要后确认项目位置。对于设计代理，IH = NAVFAC PACIFIC 和 AE = 建筑师/工程师顾问免责声明：此处包含的信息不能保证政府针对当前或未来要求的行动方针。所提供的信息反映了当前的政府意图；但可能会发生变化。发布的招标（如果发布）是确定政府实际要求时应依赖的唯一文件。
将以人为本的人工智能融入编程实践以减轻教师工作量 Renate Andersen 1、Eli Gjølstad 1 和 Anders I. Mørch 2
尽管教育领域的 HCAI 是一个新兴领域，但研究仍然有限。尽管如此，Yang 等人。[17] 指出，研究趋势为教育带来了 AI 的新应用，例如采用机器学习和新的深度学习算法。此外，AI 研究可以通过更精确的适应和个性化来改善智能辅导。在关注 HCAI 时，重点是“使用 AI 学习”，例如 Replika [7]，一个由 AI 驱动的虚拟朋友或聊天机器人伴侣；Thinkster [12]，一个用 AI 构建的虚拟数学导师，用于创建个性化学习计划；以及 Cognii [2]，一个使用对话式 AI 吸引学生的虚拟学习助手。这份立场文件增加了沿着这条研究路线的辩论。本文研究的问题如下：1）编程如何融入学校科目学习？2）编程如何利用 HCAI 来提高学习效果？本文重点探讨如何将 HCAI 融入学校的编程活动中，而不是 AI 系统的用户界面设计。我们将 HCAI 的立场和讨论建立在研究中，这些研究源于对学校编程的教育研究活动。
eeg-tnet：端到端的大脑计算机界面框架估计
不同职业群体工人的心理工作量（MWL）是不安全行为的主要和直接因素，这可能会导致严重的事故。估计MWL的新技术之一是基于脑电图信号的大脑计算机接口（BCI），这被视为认知状态的黄金标准。但是，涉及手工脑电图功能的估计系统是耗时的，不适合实时申请。这项研究的目的是提出一个最终的BCI框架以进行MWL估计。首先，提出了一种新的自动数据预处理方法，以消除无人干扰的人工制品。然后，一种名为EEG-TNET的新神经网络结构旨在从原始EEG中提取时间和频率信息。此外，进行了两种类型的实验和消融研究，以证明该模型的有效性。在主题依赖性实验中，双任务估计的估计准确性（无任务与任务）和三任任务估计（LO vs. MI与HI）分别达到99.82和99.21％。相反，在受试者无关的实验中，不同任务的准确性达到82.78和66.83％。此外，消融研究证明，预处理方法和网络结构对估计MWL具有显着贡献。所提出的方法在没有任何人类干预的情况下很方便，并且胜过其他相关研究，这成为降低人为因素风险的有效方法。
从心理负荷跟踪的亲身经历看消费者神经技术的伦理顾虑和看法
随着消费者神经技术的快速发展，为了将消费者的伤害降到最低，考虑其中的伦理影响至关重要。虽然之前已经提出了商业化的伦理和法律准则，但我们旨在通过调查消费者神经技术的潜在最终用户的伦理顾虑来进一步讨论这一问题。我们采访了 19 名曾在日常生活中经历过心理工作量跟踪的参与者，询问他们对这种未来神经技术的伦理顾虑和看法。解释现象学分析 (IPA) 方法确定了三个上级主题。这些主题涉及隐私、数据有效性和误解以及个人身份等问题。研究结果进一步验证了之前的研究，并强调了在神经技术商业化中应考虑的进一步伦理问题。
带注释的参考书目：具有不同经验水平的飞行员的认知工作量
估计此次信息收集的公共报告负担平均为每份回应 1 小时，包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将有关此负担估计或本次信息收集任何其他方面的评论（包括减轻负担的建议）发送至国防部华盛顿总部服务处信息行动和报告局 (0704-0188)，1215 Jefferson Davis Highway, Suite 1204, Arlington, VA 22202-4302。受访者应注意，尽管法律有任何其他规定，但如果信息收集未显示当前有效的 OMB 控制编号，则任何人均不会因未遵守信息收集而受到任何处罚。请不要将您的表格寄回上述地址。1.报告日期 (DD-MM-YYYY) 2.报告类型 3.涵盖日期 (从 - 到) 19-11-2021 参考书目
首届跨会话工作量估计被动式脑机接口竞赛回顾
和许多研究领域的情况一样，脑机接口 (BCI) 领域数据共享仍然很少，尤其是在被动 BCI 领域——即基于从脑部测量估计的用户心理状态实现隐性交互或任务调整的系统。此外，该领域的研究目前面临一个重大挑战，即解决脑信号变异性，例如跨会话变异性。因此，为了在该领域发展良好的研究实践，并使整个社区能够联合起来进行跨会话估计，我们创建了第一个关于跨会话工作量估计的被动脑机接口竞赛。本次竞赛是第三届国际神经人体工程学会议的一部分。数据是从 15 名志愿者（6 名女性；平均 25 岁）获得的脑电图记录，他们进行了 3 次多属性任务组合 II (MATB-II) 测试，每次测试间隔 7 天，每场测试有 3 个难度级别（伪随机顺序）。数据（训练和测试集）与 Matlab 和 Python 玩具代码一起在 Zenodo 上公开提供（https://doi.org/10.5281/zenodo.5055046）。到目前为止，该数据库的下载次数已超过 900 次（2021 年 12 月 10 日所有版本的独立下载次数：911）。来自 3 大洲的 11 个团队（31 名参与者）提交了他们的作品。表现最好的处理流程包括基于黎曼几何的方法。虽然结果优于调整后的随机水平（对于 3 类分类问题，α 为 0.05，结果为 38%），但准确率仍然低于 60%。这些结果清楚地强调了跨会话估计的真正挑战。此外，它们再次证实了黎曼方法对 BCI 的稳健性和有效性。相反，三分之一的方法（4 个团队）基于深度学习获得了随机水平结果。与传统方法相比，这些方法在本次比赛中没有表现出更优的结果，这可能是由于严重的过度拟合。然而，这次比赛是共同努力解决 BCI 变异性并促进包括可重复性在内的良好研究实践的第一步。
高工作量飞行期间彩色编码平视飞行符号的工作量优势 Blundell, J., Scott, S., Harris, D., Huddlestone, J. & Richards, D. 作者后印本（已接受）存放在考文垂大学存储库原始引用和超链接：Blundell, J, Scott, S, Harris, D, Huddlestone, J & Richards, D 2020, '高工作量飞行期间彩色编码平视飞行符号的工作量优势', Displays, vol. 65, 101973。https://dx.doi.org/10.1016/j.displa.2020.101973 DOI 10.1016/j.displa.2020.101973 ISSN 0141-9382 出版商：Elsevier © 2020，Elsevier。根据 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International 许可 http://creativecommons.org/licenses/by-nc-nd/4.0/ 版权所有 © 和道德权利归作者和/或其他版权所有者所有。无需事先许可或付费，即可下载副本用于个人非商业研究或学习。未经版权所有者事先书面许可，不得复制或大量引用本项目。未经版权持有者正式许可，不得以任何方式更改内容或以任何格式或媒介进行商业销售。本文档是作者的印刷后版本，包含同行评审过程中商定的任何修订。出版版本和此版本之间可能存在一些差异，如果您想引用出版版本，建议您参考出版版本。
高工作量飞行期间彩色编码平视飞行符号系统的工作量优势 Blundell, J., Scott, S., Harris, D., Huddlestone, J.& Richards, D. 作者印后 (已接受) 存放于考文垂大学资料库 原始引用和超链接：Blundell, J, Scott, S, Harris, D, Huddlestone, J & Richards, D 2020, '高工作量飞行期间彩色编码平视飞行符号系统的工作量优势', Displays, vol.65, 101973。https://dx.doi.org/10.1016/j.displa.2020.101973 DOI 10.1016/j.displa.2020.101973 ISSN 0141-9382 出版商：Elsevier © 2020，Elsevier。根据 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International 许可 http://creativecommons.org/licenses/by-nc-nd/4.0/ 版权所有 © 和道德权利由作者和/或其他版权所有者保留。可以下载副本用于个人非商业研究或学习，无需事先许可或收费。未经版权持有人书面许可，不得复制或大量引用本项目。未经版权持有人正式许可，不得以任何方式更改内容或以任何格式或媒介进行商业销售。本文档是作者的印刷后版本，包含同行评审过程中商定的任何修订。已发布版本和此版本之间可能仍存在一些差异，如果您想引用已发布版本，建议您查阅已发布版本。
高工作量飞行期间颜色编码平视飞行符号系统的工作量优势 Blundell, J., Scott, S., Harris, D., Huddlestone, J. 和 Richards, D. 作者印后 (已接受) 存入考文垂大学资料库 原始引用和超链接：Blundell, J, Scott, S, Harris, D, Huddlestone, J 和 Richards, D 2020, '高工作量飞行期间颜色编码平视飞行符号系统的工作量优势', Displays, vol. 65, 101973. https://dx.doi.org/10.1016/j.displa.2020.101973 DOI 10.1016/j.displa.2020.101973 ISSN 0141-9382 出版商：Elsevier © 2020，Elsevier。根据 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International 许可 http://creativecommons.org/licenses/by-nc-nd/4.0/ 版权 © 和道德权利由作者和/或其他版权所有者保留。 可以下载副本用于个人非商业研究或学习，无需事先许可或付费。 未经版权所有者书面许可，不得复制或大量引用本项目。 未经版权所有者正式许可，不得以任何方式更改内容或以任何格式或媒体进行商业销售。 本文档是作者的印后版本，包含同行评审过程中商定的所有修订。 已发布的版本和此版本之间可能仍存在一些差异，如果您想引用它，建议您查阅已发布的版本。
高工作量飞行期间颜色编码平视飞行符号系统的工作量优势 Blundell, J.、Scott, S.、Harris, D.、Huddlestone, J. 和 Richards, D. 作者印后 (已接受) 存入考文垂大学资料库 原始引用和超链接：Blundell, J、Scott, S、Harris, D、Huddlestone, J 和 Richards, D 2020, '高工作量飞行期间颜色编码平视飞行符号系统的工作量优势', Displays, vol. 65, 101973. https://dx.doi.org/10.1016/j.displa.2020.101973 DOI 10.1016/j.displa.2020.101973 ISSN 0141-9382 出版商：Elsevier © 2020，Elsevier。根据 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International 许可 http://creativecommons.org/licenses/by-nc-nd/4.0/ 版权 © 和道德权利由作者和/或其他版权所有者保留。 可以下载副本用于个人非商业研究或学习，无需事先许可或付费。 未经版权所有者书面许可，不得复制或大量引用本项目。 未经版权所有者正式许可，不得以任何方式更改内容或以任何格式或媒体进行商业销售。 本文档是作者的印后版本，包含同行评审过程中商定的所有修订。 已发布版本和此版本之间可能仍存在一些差异，如果您想引用它，建议您查阅已发布版本。