XiaoMi-AI文件搜索系统
World File Search Systemartifacts
带注释的 EEG 人工资料语料库 - NSF-PAR
此版本是 TUAR v1.0.0 的更新，后者是一个部分注释的数据库。在 v1.0.0 中，使用了类似的五路系统以及额外的“空”标签。“空”标签涵盖未注释的任何内容，包括工件实例。在 v1.0.0 中，只有有限数量的工件被注释。在此更新版本中，工件的每个实例都经过注释；最终，这为用户提供了信心，即记录中未使用五个类别之一注释的任何部分都不包含工件。v2.0.0 中没有添加新文件、患者或会话。但是，数据已使用这些标准重新注释。文件总数保持不变，但工件事件的数量显着增加。注释完成并发布数据后，将提供有关语料库的完整统计数据。预计这将在 7 月初发生 - 就在 IEEE SPMB 提交截止日期之后。
碳酸镁形成二氧化碳的动力学...
目的：进行这项研究是为了评估Gutta-Percha和金属柱在锥形束计算机断层扫描（CBCT）扫描上产生的伪像的大小，并通过不同的管电流以及有或没有金属伪像还原（MAR）获得的。材料和方法：将牙齿插入干燥的人下颌骨插座中，并在根管仪器，根管填充物和金属后放置，并带有各种管子电流，并在有和没有MAR激活的情况下获得了CBCT扫描。通过灰色值的标准偏差（SD）和距牙齿各个距离处的对比度比率（CNR）评估了伪影幅度。数据。结果：在各个距离上，4 Ma的电流与SD较高的CNR相关，而CNR较高，高于8 mA或10 MA
研究声明生成艺术作品...
创造力一直从技术创新中受益[14]，包括机器学习的最新进展 - 例如，用于文本，图像，音频和视频的强大生成模型。但是，除了具有备受瞩目的应用程序外，重要的杂志工作仍然存在很大的差距，因为那些具有文化，艺术家和行为考虑因素或重点的人尚未从这些机器学习方面的进步中得到充分提高。这提出了挑战，尤其是在提出设计师对系统行为或文化考虑的酌处权时。在我的研究中，我旨在将计算方法与艺术家，文化，人文学科和设计师的考虑相结合，以在机器学习可以帮助促进表演的同时满足这些方式。为此，我提出了技术和工具，这些技术和工具都可以满足创意设置的需求以及核心机器学习的进步。它们包括1）通过设计师的自由裁量权生成抗tifacts，2）机器学习增强了用于历史和文化数据的工具，以及3）有关进化策略，最佳运输，语言和图形学习的前进机器学习技术和工具。
Photonic伪影中的比率发光纳米热度法
摘要：科学和技术的持续发展需要在越来越高的空间分辨率下进行温度测量。具有温度敏感发光的纳米晶体是提供高精度和远程读取的这些应用的流行温度计。在这里，我们证明了比率发光热实验可能会遭受纳米结构环境中的系统误差。我们将基于灯笼的发光纳米热计处于距AU表面高达600 nm的控制距离。尽管这种几何形状不支持吸收或散射谐振，但由于光态的变化密度变化导致温度计的变形导致高达250 K的温度读出误差。我们的简单分析模型解释了温度计发射频率，实验设备以及误差幅度的样品的效果。我们在几种实验场景中讨论了我们发现的相关性。这种错误并不总是发生，但是在反映界面或散射对象附近的测量中可以预期它们。关键字：光子学，光态的密度，温度传感，纳米晶，灯笼的发射
使用生成式人工智能重建文化文物
在 ChatGPT 等创新的推动下，生成式人工智能已获得广泛认可。在考古学领域，生成式人工智能具有巨大潜力，特别是通过引入源自受损或退化物体的 2D 或 3D 渲染来重建文化文物的外观。在本研究中，我们展示并评估了生成对抗网络 (GAN) 的实际应用，利用深度学习的力量，对古罗马硬币进行 2D 图像重建，旨在帮助改善其可视化效果。罗马硬币被选为我们的焦点，因为它们相对丰富，并且可以通过在线存储库和数据集获得。我们的结果表明，增强受损或退化硬币的能力有所提高，使它们更类似于保存更完好的硬币。在某些情况下，生成的硬币与原件几乎没有区别。这项工作的贡献展示了 GAN 在协助文化遗产专家和考古学家重现受损物体外观方面的潜力，从而有助于改善保存不佳的硬币的可视化效果。但是，我们还讨论了在重建中使用 GAN 的局限性。虽然这项工作是针对古钱币量身定制的，但只要有足够的训练数据，GAN 在其他文物中的应用前景广阔。我们讨论了如何应用 GAN 并改善文物重建的外观，我们还提供了本研究中使用的相关数据。
人工智能作为创造性学习中的关系产物
摘要 人工智能 (AI) 在创建专业级媒体内容方面取得了显著进步。在创造性教育中，确定学生如何从中受益而不依赖他们是一项挑战。在这项研究中，研究人员进行了一项探索性实验，将人工智能定位为一系列绘画活动中与学生的关系人工制品，并研究了与机器的有效关系在社会文化创造性学习中的潜在影响。使用共识评估技术和扎根理论方法分析了由此产生的人工制品、观察结果和访谈记录。研究结果表明，设计教授可靠地评价学生的绘画比人工智能绘画更有创意，但两者都没有表现出持续的创造力提升。然而，人工智能的存在让学生探索不同的艺术提示方法。我们推测，如果学生认为他们与人工智能的关系是富有同情心和协作性的，那么人工智能就可以成为变革性创造力的学习工具。
基于 AI 的人工制品语音功能对代理的作用 基于 AI 的人工制品语音功能对代理归因的作用
私人、组织和社会领域中基于人工智能 (AI) 的人工制品的普及和日益复杂化正在改变人类与机器的交互方式。例如，关于人类感知基于 AI 的人工制品的方式的理论对于理解为什么以及在多大程度上人类认为这些人工制品能够胜任决策至关重要，但传统上却采取了与模态无关的观点。在本文中，我们理论化了一种特殊的交互情况，即基于语音的与基于 AI 的人工制品的交互。我们认为，在自然语言处理的不断进步的推动下，此类人工制品的能力和感知自然性促使用户认为人工制品能够以目标为导向的方式自主行动。我们表明，人工制品的语音能力与用户的代理归因之间存在正向直接关系，最终掩盖了人工制品的真实性质和能力。这种关系进一步受到工件的实际代理、不确定性和用户特征的影响。
增强 AI 对图像编码伪影的适应性
摘要 — 在机器对机器 (M2M) 传输环境中，非常需要使用有损压缩来减少传输的信息量。然而，常用的图像压缩方法是为人类感知而设计的，而不是为人工智能 (AI) 算法的性能而设计的。众所周知，这些压缩失真会影响许多基于深度学习的架构在多个计算机视觉任务上的表现。在本文中，我们专注于分类任务，并提出了一种名为专家训练的新方法，以增强卷积神经网络 (CNN) 对压缩失真的弹性。我们在 ImageNet 数据集上使用 MnasNet 和 ResNet50 架构验证了我们的方法，以抵抗三种常用方法 (JPEG、J2K 和 BPG) 引入的图像压缩失真。结果表明，使用所提出的专家训练方法，这两种架构对测试的编码伪影具有更好的鲁棒性。我们的代码可在 https://github.com/albmarie/expert training 上公开获取。索引术语 — 人工智能 (AI)、图像编码、机器对机器 (M2M)
基于EEG的BCI疗法中的伪影：朋友还是敌人？
摘要：基于脑电图的脑机接口 (BCI) 具有超越传统神经反馈训练的广阔治疗潜力，例如实现个性化和优化的虚拟现实 (VR) 神经康复范例，其中视觉体验的时间和参数与特定大脑状态同步。虽然 BCI 算法通常被设计为专注于信号中信息量最大的部分，但在这些大脑状态同步的应用中，至关重要的是，最终的解码器对代表各种心理状态的生理大脑活动敏感，而不是对诸如自然运动产生的伪影敏感。在本研究中，我们比较了从提取的大脑活动和 EEG 信号中包含的伪影中解码不同运动任务的相对分类准确度。在基于 VR 的逼真神经康复范例中，从 17 名慢性中风患者身上收集了 EEG 数据，同时执行六种不同的头部、手部和手臂运动。结果表明，在分类准确度方面，EEG 信号的伪像成分比大脑活动的信息量大得多。这一发现在不同的特征提取方法和分类流程中是一致的。虽然可以通过适当的清理程序恢复信息性脑信号，但我们建议不要仅将特征设计为最大化分类准确度，因为这可能会选择剩余的伪像成分。我们还建议使用可解释的机器学习方法来验证分类是否由生理脑状态驱动。总之，虽然信息性伪像在基于 BCI 的通信应用中是一个有用的朋友，但它们在估计生理 32 脑状态时可能是一个麻烦的敌人。33
基于EEG的BCI疗法中的工件：朋友还是敌人？
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该预印本版本的版权持有人，该版本发布于2021年10月29日。 https://doi.org/10.1101/2021.10.27.466131 doi：Biorxiv Preprint