XiaoMi-AI文件搜索系统
World File Search Systemelicitation
奖励相关大脑活动与坐下机会的关系
a 美国阿拉巴马州奥本大学运动机能学学院 b 美国爱达荷州博伊西州立大学运动机能学系 c 瑞士日内瓦大学老年学与脆弱性跨学科研究中心 d 瑞士国家 LIVES 研究能力中心 d 克服脆弱性：生命历程视角，瑞士洛桑和日内瓦 e 瑞士日内瓦大学心理学系方法论和数据分析 f 瑞士日内瓦大学情感科学中心 g 瑞士日内瓦大学心理学系情绪引发与表达研究实验室 (E3Lab) h 加拿大维多利亚大学生物医学研究中心 i 美国奥本大学神经科学中心 j 法国布鲁兹雷恩高等师范学院运动科学与体育教育系 k 法国雷恩大学 VIPS2 实验室 l 加拿大渥太华大学健康科学学院康复科学学院 m布鲁伊埃雷研究所，加拿大渥太华
碳偏移市场的现场证据
11还应强调，实验设计特定于碳抵消，作为公司提供的附加服务。尽管这种做法在现实世界中的消费市场中广泛存在，但体验设计和发现可能无法直接适用于将碳排放直接嵌入产品或金融资产中的设置，例如Heeb等人。（2023）。12相对于先前的文献，本文中采用的方法在识别WTP的方式上有所不同。Heeb等。 （2023）和Pace等。 （2023）使用Becker – Degroot – Marschak机制，其中受试者在具有不同程度的碳排放的选项之间做出多种选择，最后一个选择在最后随机实现。 此方法虽然被广泛接受，但并不适用于自然现场实验或观察数据。 为了克服这一挑战，我将价格和碳排放量随机化，然后使用这种变化来估计McFadden等人精神的随机效用模型。 （1973）和Hanemann（1984）。 了解跨研究的不同启发方法如何影响WTP将是未来研究的重要途径。Heeb等。（2023）和Pace等。（2023）使用Becker – Degroot – Marschak机制，其中受试者在具有不同程度的碳排放的选项之间做出多种选择，最后一个选择在最后随机实现。此方法虽然被广泛接受，但并不适用于自然现场实验或观察数据。为了克服这一挑战，我将价格和碳排放量随机化，然后使用这种变化来估计McFadden等人精神的随机效用模型。（1973）和Hanemann（1984）。 了解跨研究的不同启发方法如何影响WTP将是未来研究的重要途径。（1973）和Hanemann（1984）。了解跨研究的不同启发方法如何影响WTP将是未来研究的重要途径。
自动反应可以反映运动依赖性吗？
瑞士日内瓦大学的瑞士情感科学中心； B瑞士日内瓦大学心理学系的情绪启发和表达研究（E3LAB）的B实验室； c食品和人类行为实验室，心理学学院，瑞士布里格的瑞士苏伊斯联合会； D大学Grenoble-Alpes，Sens，Grenoble，法国； E人与进化生物学科，生物科学系，加利福尼亚州南加州大学； F习惯应用和理论小组，萨里大学心理学系，英国吉尔福德； G美国奥本的奥本大学运动机能学学校； h美国奥本，奥本大学神经科学中心；我的健康行为动机实验室，澳大利亚罗克汉普顿中央大学阿普尔顿研究所； J匈牙利Győr的SzéchenyiIstván大学卫生与体育科学学院； K法国布鲁兹的Ecole NormaleSupérieureRennes的运动科学与体育系； l实验室VIPS2，雷恩大学，雷恩，法国雷恩，
机器学习与设计交互的有趣探索
摘要：飞机维护是一个复杂的领域，设计包含机器学习 (ML) 算法的新系统可能成为一项挑战。在设计用于飞机维护规划的基于条件的维护 (CBM) 工具的背景下，本案例研究涉及 (1) 使用 Playful Probing 方法来获取洞察，从而了解如何设计与 ML 算法的交互，(2) 集成强化学习 (RL) 代理以实现维护规划中的人机协作以及 (3) CBM 指标的可视化。使用设计科学研究方法，我们设计了 Playful Probe 协议和材料，并通过举办参与式设计研讨会来评估结果。我们的主要贡献是展示如何引出将维护规划实践与 ML 估算工具和 RL 代理相结合的想法。通过参与式设计研讨会并让参与者观察如何使用 CBM 工件，Playful Probes 有利于引出用户与 RL 规划代理的交互需求，以帮助规划人员获得可靠的维护计划，并有可能理解如何表示 CBM 指标并通过轨迹预测将其可视化。
人工智能金丝雀：人工智能预期和民主治理的早期预警信号
我们提出了一种识别人工智能 (AI) 变革性进展的早期预警信号的方法，并讨论了这些信号如何支持人工智能的预期和民主治理。我们将这些早期预警信号称为“金丝雀”，因为金丝雀可用于对煤矿不安全的空气污染提供早期预警。我们的方法结合了专家引导和协作因果图来识别关键里程碑并确定它们之间的关系。我们给出了两个例子来说明如何使用这种方法：识别语言模型有害影响的早期预警；以及高级机器智能的进展。识别变革性应用的早期预警信号可以支持更有效地监测和及时监管人工智能的进展：随着人工智能的发展，它对社会的影响可能太大而无法追溯治理。受人工智能影响的人必须对如何治理人工智能有发言权。早期预警可以让公众有时间和精力通过民主、参与式的技术评估来影响新兴技术。我们讨论了识别早期预警信号的挑战，并提出了未来工作的方向。
已发表版本 (APA) 的引用：Khare, S., Blanes-Vidal, V., Nadimi, E., & Acharya, U. R. (2024). 情绪识别和人工智能
情绪识别是利用问卷、物理信号和生理信号从众多来源和模态中精确推断人类情绪的能力。最近，情绪识别因其广泛的应用领域而备受关注，例如情感计算、医疗保健、人机交互和市场研究。本文对近十年的情绪识别技术进行了全面而系统的回顾。本文包括使用物理和生理信号的情绪识别。物理信号涉及语音和面部表情，而生理信号包括脑电图、心电图、皮肤电反应和眼动追踪。本文介绍了各种情绪模型、用于情绪诱发的刺激以及现有自动情绪识别系统的背景。本文涵盖了对知名数据集的全面搜索和扫描，随后介绍了审查的设计标准。经过彻底的分析和讨论，我们根据 PRISMA 指南选择了 142 篇期刊文章。本评论对现有的情绪识别研究和可用数据集进行了详细分析。我们的评论分析还提出了现有文献中的潜在挑战以及未来研究的方向。
cc1236en.pdf - 研究门户 - 班戈大学
本出版物提供了有关未来 10 年新遗传技术对渔业和水产养殖业可能产生的影响的见解。DM Bartley 博士和 J. Carolsfeld 博士与遗传学、基因组学、渔业、水产养殖和保护领域的专家进行了专家征集活动。访谈过程要求专家阐明联合国粮食及农业组织 (FAO) 可能考虑的预期变化和可能的应对措施，从而让粮农组织成员国为此类变化做好准备。专家的回应被整理成四个关键主题领域：渔业资源管理、遗传改良和驯化、贸易、营销和可追溯性改善、生物多样性和生态系统，以及治理这一总体主题。汇总后，专家组和粮农组织工作人员将进一步审查、补充意见并完善报告，报告将在此处呈现。粮农组织首先提出了工作专题领域和专家建议，旨在帮助制定与渔业和水产养殖遗传技术的可用性、可及性和影响变化有关的政策和实践。N. Rodríguez-Ezpeleta 博士还提供了文字建议和盒装示例，说明遗传技术如何改善渔业和水产养殖。
Orin Tempkin 监管事务执行董事
该 LOI 是功能性视力问卷，是一种患者报告结果 (PRO)，用于评估青少年（12-17 岁）和成年（18 岁或以上）经临床和基因确诊为视网膜色素变性 (RP) 的患者的“视觉功能和功能性视力”。FDA 已完成审查，并同意将您的 LOI 纳入 CDER/CBER COA 资格计划，但前提是出于以下原因缩小使用范围以指定更同质的患者群体（即临床和基因确诊为 RLBP1 RP 的患者）。介绍性意见：我们承认您计划开发一种 PRO 测量方法，用于具有不同 RP 基因突变的患者。然而，考虑到 RP 的异质性，尤其是不同 RP 亚型在视力丧失进展速度和程度、症状出现年龄和视力障碍特征方面的差异，我们要求您将使用范围限制为临床和基因确诊为 RLBP1 RP 的患者。因此，具有 RLBP1 RP 基因型的患者应该在您的概念引出和认知访谈以及仪器验证中得到很好的体现。
对气候变化的总经济影响的荟萃分析
对气候变化的经济影响的早期荟萃分析进行了更多数据，并提供了三个新的结果：（1）全球变暖的经济影响的核心估计始终是负面的。（2）关于估计值的置信区间更宽。（3）启发方法是最悲观的，计量经济学研究最乐观的。先前的两个结果仍然存在：（4）有关影响的不确定性偏向负面惊喜。（5）贫穷国家比富裕国家更容易受到伤害。对天气冲击影响的元分析表明，将经济增长与温度水平相关的研究无法同意影响的迹象，而研究使经济增长成为温度变化的函数确实在标志上是一致的，但在效果上有所不同。以前的研究表明，气候变化对经济增长有永久影响，后者是瞬时的。研究气候变化影响所隐含的对经济增长的影响接近于天气冲击的函数估计的增长影响。碳的社会成本显示出与总影响估计值相似的模式，但更着重于近期和中期中等变暖的影响。
使用学习动力学模型的有效基于偏好的增强学习
摘要 - 基于偏好的增强学习（PBRL）可以使机器人能够根据个人的喜好学习执行任务，而无需手工制作的重新功能。但是，现有方法要么假设访问高保真模拟器或分析模型，要么采用需要广泛的，可能是不安全在线环境互动的模型方法。在本文中，我们研究执行PBRL时使用学习动力学模型的好处和挑战。，我们提供的证据表明，在执行PBRL时，学到的动态模型提供了以下好处：（1）比无模型的PBRL相比，偏好启发和政策优化需要明显少于环境的互动，（2）可以在没有基于标准模型的RL和（3）奖励的范围内，无需逐步征服（2）各种偏好查询即可综合使用。 相互作用。我们的论文提供了经验证明，学到的动态模型使机器人能够以用户偏好的方式来学习自定义的策略，这些方式比先前的偏好学习方法更安全，更有效。补充材料和代码可在https://sites.google.com/berkeley.edu/mop-rl上找到。