XiaoMi-AI文件搜索系统
World File Search Systemnaturalness
集体主义如何帮助应对人们认为的疫苗虚假性？欧洲年轻人新冠疫苗接种意向案例
疫苗“非自然性”（人造性）是公众辩论中提出的主要反疫苗论点之一。因此，健康传播应反驳非自然性论点，并在强调人为干预（例如先进的疫苗技术）时要谨慎，因为这可能意味着将疫苗视为人造的。了解感知的疫苗人造性和接种意向之间的关系在不同社会群体中的差异，有助于通过将上述健康传播工作集中在特定受众身上来加强这些工作。本文的目的是评估特定社会文化因素——垂直集体主义（反映社会等级取向）——在感知的疫苗人造性和接种意向之间的关系中的调节作用。有人提出，垂直集体主义会削弱感知的疫苗人造性的负面影响。两项针对欧洲年轻人的研究测量了 COVID-19 疫苗接种意向和垂直集体主义。研究 1（N = 418）是相关的，测量感知的疫苗人造性。使用调节模型分析数据。研究 2（N = 203）是实验性的，通过人为干预诉求（即强调人为干预疫苗研发和运行）来操纵感知的疫苗人为性。使用调节和有调节的中介模型分析数据。研究 1 表明，当垂直集体主义水平较高时，感知的疫苗人为性对疫苗接种意向的负面影响较小。在研究 2 中，随着垂直集体主义水平的提高，人为干预诉求对疫苗接种意向的负面影响较小，而通过感知的疫苗人为性产生的间接影响甚至变为正面。这些结果有助于感知自然/人为性、疫苗接种行为、健康传播和文化维度理论等领域的研究，提供了实证证据，证明感知的疫苗人为性对疫苗接种意向的负面影响会因垂直集体主义而减弱，正如所提出的。卫生从业者在交流中提到疫苗人为性时，应如何考虑受众的不同程度的集体主义。具体而言，建议反驳“非自然性”反疫苗论点应针对垂直集体主义程度较低的人群，而以人为干预（例如疫苗的技术进步）为特色的信息应针对垂直集体主义程度较高的人群。
具有手语和自然语言的双语社交机器人
随着技术的进步，机器人越来越多地进入我们的社会，在教育中找到使用[1] [6]，治疗[4] [3]，娱乐[21]和其他领域。在人类互动和人类机器人互动（HRI）领域中，语音是最友好，最自然的交流方式[20]，它促进了清晰而对话的交流，而语气和情感的表现力则有助于更具吸引力的互动[2]。同时，手势是人类通讯的组成部分，当机器人可以进行基于手势的通信时，它会增强人类与机器人之间的自然性和融洽关系[24] [22]。手势提供了视觉维度，补充语音以传达信息[9]，表达情绪[8]和指导动作[10]，使机器人更像人性化和引人入胜[19]。共同创造了更直观和相关的HRI体验。然而，当聋人在场时，言语和手势可能被证明是无效的交流手段。gibson [5]说明，在一个感觉系统中遇到损害的个体通常会提高替代感官渠道作为补偿机制的熟练程度。这种现象被称为感觉补偿，这意味着耳聋的人可能表现出视觉和触觉方式的灵敏度提高。在许多国家 /地区，手语是听力损失的人的第一语言[11]。因此，在同时聋哑人或听力障碍和非聋子的情况下，可以以自然语言进行交流的机器人具有重要意义。它可以帮助弥合那些主要使用口语语言的人与依靠手语的人之间的沟通差距，使每个人都可以有效地互动并参与各种社会，教育和专业背景。本文介绍了一项初步研究，旨在在胡椒机器人的平板电脑上展示带有手语和字幕的化身，同时使胡椒能够说出带有伴随的手势的自然语言，因为机器人的自由度限制了我们直接使用它的手语言。机器人通信系统的多模式性质可确保它可以满足不同的受众群体的需求，从而适应手语用户和熟练口语的个人。
机器人声音和出现对用户的影响...
THE EFFECTS OF ROBOT VOICES AND APPEARANCES ON USERS' EMOTION RECOGNITION 1 AND SUBJECTIVE PERCEPTION 2 3 SANGJIN KO 1 , JACLYN BARNES 2 , JIAYUAN DONG 1 , CHUNGHYUK PARK 3 , AYANNA HOWARD 4 AND MYOUNGHOON 4 JEON 12* 5 6 1 Grado Department of Industrial and Systems Engineering, Virginia Polytechnic Institute and State University, Blacksburg, VA, USA 7 2 Department of Computer科学，密歇根州技术大学，美国密歇根州霍顿8 3美国乔治华盛顿大学乔治华盛顿大学生物医学工程系9 4美国俄亥俄州立大学电气和计算机工程系，俄亥俄州哥伦布，俄亥俄州，美国俄亥俄州，美国俄亥俄州10 11 *通讯作者：Myounghoon Jeon Tel。： +1-540-231-3510，电子邮件：myounghoonjeon@vt.edu 12 13作为社会机器人在人们日常生活中的影响，对人们了解人们对机器人的看法，包括社交性，14信任，接受，接受和偏好的研究变得更加普遍。研究已经考虑了表达机器人情绪的视觉，声音或触觉提示，而15的研究几乎没有研究在研究影响情绪感知的不同因素之间的相互作用时提供了整体观点。我们通过改变机器人的语音类型，外观和17个情感，调查了在对话任务中用户对机器人的多个方面。在我们的实验中，二十名参与者与两个具有四种不同语音类型的机器人进行了互动。当参与者向机器人阅读18个童话故事时，机器人发表了7种情感的声音反馈，参与者通过19次调查评估了机器人的个人资料。纯语音条件的后续研究（n = 10）证实了实施方案的重要性。结果表明，1）情感感知的准确性因情绪的不同而有所不同，2）常规的人类声音20显示了更高的用户偏好和自然性，3）但是，特征性的声音更适合表达情绪的表达情绪高度明显高21，而4）参与者表现出比与人类动物robot相比，参与者表现出更高的情感识别的精度。这项研究的结果23可以提供设计社交机器人所需的准则，这些机器人在机器人24和用户之间的对话中考虑情感方面。25 26关键字：社交机器人；会话代理；情感声音；用户感知；用户偏好27 28
社区改善的稳定力量
我当时在麦迪逊处理我自己家庭的搬家事宜。我父亲活到了 88 岁，从未出现过任何重大健康问题，但此后情况开始迅速恶化。二月和三月，他住在我姐姐家时，我大部分时间都在照顾他；他住院时，我尽可能多地去探望他。有些晚上，我会在镇上散步，经过我住过的街区和我常去的地方，思考自从我离开麦迪逊回家照顾生病的妈妈以来，这 18 年里的生活是如何展开的。在思考的过程中，我突然意识到，这些动作中有一种诗意，这种循环、生死的推拉很自然。就像水的蒸发一样，你很少看到它发生，直到有一天它的影响不可避免。你每天处理的许多事情都是如此。您可能看不到下水道主干线堵塞，但当堵塞最终导致溢流时，您不能忽视它。您看不到裂缝蔓延到水管上，但您会知道它何时破裂。您的系统就像它们服务的人一样，都是活生生的。它们每天都在老化和变化，即使是渐进的。这是一个连续体。变化是持续的，即使您无法每天看到它。我们在本杂志中讨论水、废水和雨水。我倾向于将生命视为雨水，需要不断管理才能使其安全地流向您想要的方向
![arxiv：2403.12835v1 [CS.CV] 2024年3月19日](/simg/d\d20844f68974223f91c22f7d76d43b65d4113949.webp)
arxiv：2403.12835v1 [CS.CV] 2024年3月19日
玩。这种能力体现了人类从视觉体验中学习开放式摄影的物理互动技能的能力，并将这些技能应用于新颖的对象和动作。为交互式设备提供此能力仍然是一个重大挑战。最近的身体技能学习方法主要依赖于模仿学习来获取现实的物理性和互动[29，31]。然而，这种方法限制了它们通过新颖的教学和环境来实现无法预见的场景的适应性。此外，在当前模型中忽略了物理定律会导致不自然和不切实际的动作，例如浮动，穿透和脚滑动，尝试整合基于物理的惩罚[58，64]和碰撞[13，57，66]。增强身体受限运动的一般性对于降低对特定数据集的依赖并培养对世界的更深刻理解至关重要。在概括性之上，最终目标是从任何文本输入中产生自然和互动动作，称为实现开放词汇，从而大大增加了问题的复杂性。几项研究使用了大规模预处理的模型[11，19，37，43]进行了开放式运动运动。然而，这些模型努力产生自然动作，尤其是需要了解更广泛的环境环境或对象相互作用的交互运动[11，19，43]。这确保了每个动作的自然性和身体合理性。我们确定了对新任务和与环境的相互作用能力的运动概括性的差距，假设这是由于依赖于即兴的状态表示形式以及先前工作中手动制作的奖励机制所致。受到人类从视觉输入学习新物理技能的能力的启发，我们建议利用视觉模型（VLM）提供灵活且可赋予的状态表示和基于图像的奖励，以提供开放式播放式技能技能学习。我们介绍了Anyskill，这是一个层次结构框架，旨在使虚拟代理具有学习开放式播放式物理互动技能的能力。Anyskill将共享的低级控制器与针对每个指令量身定制的高级政策相结合，通过平静[42]，通过生成的广泛模仿学习（GAIL）来学习潜在的原子动作曲目（GAIL）。然后，对于任何开放式文本文本指令，高级控制策略会动态选择潜在的原子动作，以优化代理的呈现图像和文本指令之间的剪辑[35]相似性。此策略保持物理上的合理性，并允许代理商根据广泛的文本说明行动。通过利用剪辑相似性作为灵活而直接的奖励机制，我们的方法克服了环境局限性，从而促进了与任何物体的相互作用。尽管取得了进步，但为开放式摄影模型创建自然和互动行为仍然是一个持续的挑战。
对野生动物无线电追踪及其在国家公园使用的批评
由于国家公园的自然性以及公众对公园的浓厚兴趣，国家公园管理局 (NPS) 必须收集尽可能多的信息，以帮助了解和保护其生态系统的自然运作，尤其是野生动物的自然运作。研究野生动物最有用的技术是无线电跟踪或野生动物遥测。无线电跟踪是通过使用来自或发送到动物携带的设备中的无线电信号来确定有关动物的信息的技术。传统无线电跟踪系统的基本组成部分是 (1) 由无线电发射器、电源和传播天线组成的发射子系统，以及 (2) 接收子系统，包括“拾音”天线、带接收指示器（扬声器和/或显示器）的信号接收器和电源。大多数无线电跟踪系统涉及调谐到不同频率（类似于不同的 AM/FM 广播电台）的发射器，以便进行个体识别。目前，有三种不同类型的无线电跟踪方法：(1) 传统的甚高频 (VHF) 无线电跟踪、(2) 卫星跟踪和 (3) 全球定位系统 (GPS) 跟踪。甚高频无线电跟踪是自 1963 年以来一直使用的标准技术。然而，无线电跟踪可以被认为是侵入性的，因为它需要活体捕捉动物并在它们身上系上项圈或其他装置。然后必须有人监控来自该设备的信号，因此通常需要人们在车辆、飞机和步行中实地工作。尽管如此，大多数国家公园已经认识到无线电跟踪的好处，并且多年来一直进行无线电跟踪研究；在一些公园，数百只动物已经或正在接受此类研究。因此，一些 NPS 工作人员担心无线电跟踪的实际或潜在侵入性。理想情况下，野生动物研究仍将进行，但不会打扰动物或与公园游客发生冲突。因此，NPS 决定仔细研究无线电跟踪技术和使用情况，以确定 (1) 是否有任何侵入性较小的方法可以提供相同的信息，(2) 无线电跟踪技术的全部范围是什么，以确定是否正在使用侵入性最小的技术，以及 (3) 未来的技术改进是否可能导致侵入性较小的技术。本综述就是结果。我们首先简单概述无线电跟踪技术、其好处、种类、成本和可用性、优点和缺点，以及如果使用可以减少研究侵入性的最新改进。然后，我们考虑是否有任何侵入性较小的非无线电跟踪技术可以提供相同的信息。接下来，我们讨论未来可能的改进，并提出一些有助于减少国家公园野生动物研究期间侵入的改进。最后，我们为想要更全面了解的读者详细回顾了无线电跟踪技术。此次审查还应允许管理人员和科学家确定目前是否正在使用干扰最小的无线电跟踪技术。我们得出的结论是，无线电跟踪似乎没有替代品，但最近该技术的一些改进可以减少其部分干扰。此外，我们建议 NPS (1) 正式评估公园游客对野生动物无线电跟踪研究造成的任何干扰的看法和担忧程度 (2) 帮助最大限度地减少
对野生动物无线电追踪及其在国家公园中的应用的批评
由于国家公园的自然性以及公众对公园的浓厚兴趣，国家公园管理局 (NPS) 必须收集尽可能多的信息，以帮助了解和保护其生态系统的自然功能，尤其是野生动物。研究野生动物最有用的技术是无线电跟踪或野生动物遥测。无线电跟踪是通过使用来自或发送到动物携带的设备中的无线电信号来确定有关动物的信息的技术。传统无线电跟踪系统的基本组件是 (1) 由无线电发射器、电源和传播天线组成的发射子系统，以及 (2) 接收子系统，包括“拾音”天线、带有接收指示器（扬声器和/或显示器）的信号接收器和电源。大多数无线电跟踪系统涉及调谐到不同频率（类似于不同的 AM/FM 广播电台）的发射器，以便进行个人识别。目前使用三种不同类型的无线电跟踪：(1) 传统的甚高频 (VHF) 无线电跟踪，(2) 卫星跟踪，以及 (3) 全球定位系统 (GPS) 跟踪。VHF 无线电跟踪是自 1963 年以来一直使用的标准技术。但是，无线电跟踪可以被认为是侵入性的，因为它需要活体捕捉动物并在它们身上系上项圈或其他装置。然后必须有人监控来自该设备的信号，因此通常需要人们在车辆、飞机和步行中现场工作。尽管如此，大多数国家公园已经认识到无线电跟踪的好处，并多年来一直开展无线电跟踪研究；在一些公园，数百只动物已经或正在接受此类研究。因此，一些 NPS 员工担心无线电跟踪的实际或潜在侵扰性。理想情况下，野生动物研究仍将进行，但不会侵扰动物或与公园游客发生冲突。因此，NPS 决定仔细研究无线电跟踪的技术和使用情况，以确定 (1) 是否有任何侵扰性较小的方法可以提供相同的信息，(2) 无线电跟踪技术的全部范围是什么，以确定是否正在使用侵扰性最小的技术，以及 (3) 未来的技术改进是否可能导致侵扰性较小的技术。本评论是结果。我们首先简单概述无线电跟踪技术、其好处、种类、成本和可用性、优点和缺点，以及如果使用，可以减少研究侵扰性的最新改进。然后，我们考虑是否有任何侵入性较小的非无线电跟踪技术可以提供相同的信息。接下来，我们讨论未来可能的改进，并提出一些有助于减少国家公园野生动物研究期间侵入的建议。最后，我们为想要更全面了解的读者详细回顾了无线电跟踪技术。这次审查还应允许管理员和科学家确定当前是否正在使用侵入性最小的无线电跟踪技术。我们得出的结论是，似乎没有无线电跟踪的替代品，但最近该技术的一些改进可以减少其部分侵入性。此外，我们建议 NPS (1) 正式评估公园游客对野生动物无线电跟踪研究造成的任何侵入性的看法和担忧程度 (2) 帮助尽量减少
对野生动物无线电追踪及其在国家公园中的应用的批评
由于国家公园的自然性以及公众对公园的浓厚兴趣，国家公园管理局 (NPS) 必须收集尽可能多的信息，以帮助了解和保护其生态系统的自然功能，尤其是野生动物的自然功能。研究野生动物最有用的技术是无线电跟踪或野生动物遥测。无线电跟踪是通过使用来自或发送到动物携带的设备中的无线电信号来确定有关动物的信息的技术。传统无线电跟踪系统的基本组成部分是 (1) 由无线电发射器、电源和传播天线组成的发射子系统，以及 (2) 接收子系统，包括“拾音”天线、带有接收指示器（扬声器和/或显示器）的信号接收器和电源。大多数无线电跟踪系统涉及调谐到不同频率（类似于不同的 AM/FM 广播电台）的发射器，以便进行个体识别。目前，有三种不同类型的无线电跟踪方法：(1) 传统的甚高频 (VHF) 无线电跟踪，(2) 卫星跟踪，以及 (3) 全球定位系统 (GPS) 跟踪。甚高频无线电跟踪是自 1963 年以来一直使用的标准技术。然而，无线电跟踪可以被认为是侵入性的，因为它需要活捉动物并在它们身上系上项圈或其他装置。然后必须有人监控来自设备的信号，因此通常需要人
envst-ua 440教学大纲S25
描述：食物，动物和环境的目的是批判性地分析动物在我们的食品系统和环境中的位置，重点是它们之间的交集。本课程探讨了农业对人类，非人类和环境的一些主要影响，以及这些影响引起的一些主要问题对粮食生产，消费和行动主义的伦理学提出了。农业对这个星球产生持久影响。某些形式的农业特别有害。例如，工业动物农业每年杀死100亿只动物；消耗大量的土地，水和能源；并产生大量的废物，温室气体排放和其他污染。其他形式的农业，例如本地，有机和植物性食品，有很多好处，但它们也有成本，尤其是在大规模上。这些影响引发了困难的道德问题。我们如何在现代，高度人口，高科技，气候变化的世界中进行经验，评估 - 食物，动物和环境最好地说明？该研讨会旨在通过提出重要问题，包括：我们欠动物，植物，物种和生态系统的内容，以反映环境研究和动物研究领域之间的丰富重叠？在人类活动重塑的世界中，天然食品的含义和价值是什么？我们如何参与具有环境，社会和动物影响的食物实践的道德规范？本书的所有收益将用于支持与食物，动物和环境有关的教育计划。阅读和作业时间表：课程文本，食物，动物和环境：一种道德方法，Schlottmann和Sebo，可在此课程编号下的NYU书店和NYU图书馆提供。食物，动物和环境的章节以下面的粗体标记。补充读数可在Brightspace上找到。读数可能会发生变化。课程提纲的任何更改都将在课堂，Brightspace和更新的课程提纲中宣布。附表1/27-简介。2/3-事实，价值观和自然，“爱鱼的科学家”播客。2/10-道德地位，华莱士“考虑龙虾”，Jacquet，Franks等人，“章鱼种植”，“人类与人类（壮举。syl ko）”播客。阅读分配的注释和案例研究。介绍。2/18（星期二） - 道德理论，Nussbaum“能力方法”。开始，停止，保留。2/24-农业与环境。squiz 1 in Class。3/3-工业农业，卡森，寂静的春季8，浆果“关于生物技术的十二段”，哈伯的Radiolab。考试1分布式；中午3/7星期五。3/10-工业农业（本地，有机）的替代品，贝里，“家庭农场”，麦克威廉姆斯，只有食物1-2。3/17-工业农业的替代品（Alt。动物AG。），McWilliams，“杂食的矛盾”，“土壤：肮脏的气候解决方案”播客，“放牧和困惑？” （略读起点和结束）。分配的协作项目。squiz 2 in Class。3/24-没有类（春假）。3/31-食品生产与消费的伦理，M4F播客（可选）。4/7-粮食生产与消费的道德规范，雅克/保利，“海鲜管理”，“个性化”。考试2分布式；中午4/11星期五。4/14-法律和非法粮食行动主义的伦理。4/21-法律和非法食品行动主义的伦理，“做正确的事”播客（Alt。链接）4/28-应得的协作项目演示和论文。5/5-结论，Foley，“我们可以养活世界并拯救地球吗？” Foley等人，“栽培星球的解决方案”，“绿色药丸”播客，“在促进“自然农业”中使用史诗般的叙事。方法：在本课程中，我们将通过伦理镜头分析应用的跨学科主题所有内容均应批判性地接近。在这些文本中出现了许多经验的主张。如果发现差异，请将它们带入课堂对话并独立研究以了解索赔的性质。中心分析问题是：
使用深度学习技术的高级杂草检测
简介 CNN 或卷积神经网络是深度学习的一个子集。深度学习是机器学习和人工智能的更广泛的集合。深度学习是一种从数据集中进行复杂学习的方法，并根据数据集创建模型（Patel 等人，2018 年）。深度学习可以是一种监督学习的方式，也可以是一种无监督学习的方式。通常，它有一个现实生活中的问题的解决方案，学习结果可以是监督的、半监督的或无监督的，首先给出一个数据集，然后首先要对数据进行操作，必须清理数据，因为在现实生活中的数据模型中有很多数据缺失，无法用缺失数据创建模型，为此，必须准备数据以供算法运行，在应用算法之前，必须仔细清理数据并了解实际情况，然后才能应用合适的算法，应用算法后，人们将得到基于人工神经网络的理想数据表示（Mongaet al. 2020）。人工神经网络 (ANN) 的名称听起来可能与生物神经元相似，因为其结构与位于大脑内的神经元非常相似，但它与生物神经元有一些关键区别，例如人工神经网络是静态的，而另一个是活体生物体，因此本质上是动态的，另一个是人工神经网络是符号的，生物神经网络是模拟的。深度学习具有多种架构，这种多种架构在许多领域都有多种应用，例如“自然语言处理 (NLP)、医学图像分析、药物设计、生物信息学、语音识别、深度神经网络、卷积神经网络、医学视觉、计算机视觉”。转换或卷积神经网络处理图像恢复。卷积神经网络在“图像分割、裁剪图像分析、脑机接口、图像分类”等领域有着广泛的应用。受深度学习技术在图像处理领域的最新成功的启发，我们利用样本图像集使用反向传播对前馈深度卷积神经网络 (CNN) 与 Inception-ResnetV2 进行训练，以识别 RGB 和灰度值中的模式。然后，给定测试图像的灰度 L 通道，使用训练后的神经网络预测两个 a* 和 b* 色度通道。CNN 在融合层的帮助下生动地为图像着色，同时考虑了局部特征和全局特征。采用两个目标函数，即均方误差 (MSE) 和峰值信噪比 (PSNR)，对估计的彩色图像与其基本事实之间的质量进行客观评估。该模型在我们自己创建的数据集上进行训练，该数据集包含 1.2 K 张尼泊尔古老而古老的照片，每张的分辨率为 256×256。损失即 MSE、PSNR，模型的自然度和准确率分别为 6.08%、34.65 dB 和 75.23%。除了展示训练结果之外，还通过用户研究来评估生成图像的公众接受度或主观验证，其中模型在评估彩色结果时显示出 41.71% 的自然度。随着计算机图形渲染和图像编辑技术的巨大进步，计算机生成的假图像通常不能反映现实情况，现在可以很容易地欺骗人类视觉系统的检查。在这项工作中，我们提出了一个基于卷积神经网络 (CNN) 的模型，通过通道和像素相关性来区分计算机生成的 (CG) 图像和自然图像 (NI)。所提出的 CNN 架构的关键组件是一个自编码模块，它将彩色图像作为输入来提取