XiaoMi-AI文件搜索系统
World File Search Systemperceptual
M.Sc的课程结构图形和动画2年
感性和感知理论 - 视觉交流的感性和感知理论。大脑看到的内容：颜色，形式，深度和运动。视觉消息和观众的含义制作过程 - 感知，视觉思维/可视化。练习的实践：图像，力量和政治。观察和实用；构想 - 定义和概念；创造力 - 定义和概念特征和创造力过程；创造力工具；创造力的方法；创新 - 定义和概念；横向思维定义和概念；横向思维和垂直思维；创造力和视觉交流；将思想开发到其他媒介的过程。
从符号涌现到可解释且有同理心的人工智能
摘要 —我们认为，可解释的人工智能必须拥有其决策的基本原理，能够推断观察到的行为的目的，并能够在受众理解和意图的背景下解释其决策。为了解决这些问题，我们提出了四个新颖的贡献。首先，我们根据感知状态定义任意任务，并讨论可能解决方案领域的两个极端。其次，我们定义内涵解决方案。根据某些智能定义，它是最佳的，它描述了任务的目的。拥有它的代理根据该目的对其决策有基本原理，并以基于硬件的感知符号系统来表达。第三，要传达该基本原理，需要自然语言，即一种编码和解码感知状态的方式。我们提出了一种意义理论，其中，为了获得语言，代理应该模拟语言描述的世界，而不是语言本身。如果人类的话语对代理的目标具有预测价值，那么代理将根据自己的目标和感知状态赋予这些话语以意义。在皮尔士符号学的背景下，代理社区必须共享符号、指称项和解释项的粗略近似值才能进行交流。意义只存在于意图的背景下，因此要与人类交流，代理必须具有可比的经验和目标。一个学习内涵解决方案的代理，在类似于人类动机的目标函数（如饥饿和痛苦）的驱使下，可能不仅能够根据自己的意图，而且能够根据受众的理解和意图来解释其原理。它形成了对人类感知状态的某种近似。最后，我们引入镜像符号假设，该假设认为，在类似人类的强迫下，代理作为内涵解决方案的一部分学习的符号表现得像镜像神经元。根据普遍的推测，这些神经元可能在促进同理心方面发挥重要作用。索引术语 — 内涵型人工智能、可解释型人工智能、同理心型人工智能
数字体现的寿命神经认知发展和触觉互联网：跨学科挑战和机遇
基于感知处理和推理的机制在整个生命周期中经历了实质性变化。如果正确使用，技术可以支持和缓冲仍在发展或衰老的大脑中相对有限的神经认知功能。在过去的十年中，一种新型的数字通信基础架构，即“触觉互联网（TI）”，正在电信，传感器和执行器技术和机器学习的领域中出现。TI的关键目的是通过数字化的多模式感官信号使人类能够体验和与偏远和虚拟环境进行互动，该信号还包括触觉（触觉和动觉）意义。除了应用重点外，这些技术还可以为研究提供新的机会，以利用数字体现的感知和认知机制，以及它们在年龄群体中的不同之处。但是，将有关感知和寿命发展神经认知机制的经验发现和理论转化为工程研究和技术发展的日常实践，存在挑战。一方面，根据Shannon（1949）信息理论，信号传输噪声的能力和效率受信号传递噪声的影响。另一方面，神经递质被假定为调节神经信息处理的信噪比的手段（例如，Servan-Schreiber等人。，1990年），在衰老期间大幅下降。因此，在这里，我们重点介绍了对感知处理和感知推断的神经元增益的控制，以说明开发年龄调整的技术的潜在接口，以使远程或虚拟环境中的知觉和认知相互作用可实现合理的多感觉数字实施例。
视觉智能 | 罗格斯大学认知科学中心
• M. Albert、D. Hoffman。空间视觉中的通用性。在 D. Luce、K. Romney、D. Hoffman 和 M. D'Zmura（编辑）的《感知现象的几何表示：纪念 Tarow Indow 70 岁生日的文章》中。1995 年，纽约 Erlbaum。 • Mamassian、P.、Landy、M. 和 Maloney、LT（2003 年）。视觉感知的贝叶斯建模。在：R Rao、B. Olzhausen 和 M. Lewicki（编辑）的《大脑的概率模型：感知和神经功能》中。马萨诸塞州剑桥：麻省理工学院出版社。 • 在 Frisby & Stone 文本中，请参考第 13 章。第 8 周：感知分组和轮廓整合
完整的摘要列表
尽管了解人类大脑发育过程中意识如何以及何时出现具有哲学、科学和临床意义，但对婴儿在生命第一年内的感知意识的研究却不足。缺乏足够的实验范例来解决婴儿在学前阶段的这一问题，阻碍了对这一主题的研究。然而，最近的大脑成像和行为研究表明，婴儿的大脑结构更复杂，其认知表现也比传统认为的更复杂。我将简要介绍这些最近的发现，这些发现间接地揭示了早期的感知意识，随后是少数几项研究，这些研究试图在婴儿身上找到成人中所描述的意识感知的具体特征。尽管直接测试婴儿感知意识的研究很少，但现有数据表明，它无疑存在于第一年的后半年，甚至可能更早，但研究有限。足月前意识感知的问题仍未解决，有可能存在短暂的意识感知，这将促进早期学习。脑成像技术的进步和对这一主题日益增长的兴趣将使我们能够在未来几年更好地理解这一重要问题。
Abel-Taylor-Application-R21-DC019217-01A1- ...
言语交流在将我们的思想传达给他人，保持社会联系和支持教育成就方面起着至关重要的作用。因此，影响语音感知，例如自闭症，阅读障碍和听力损失的沟通障碍对个人和社会都可能是昂贵的。了解语音处理的神经生物学基础是在神经外科背景下侵入性颅内电生理学加剧的重要目标。然而，大量的行为证据表明，语音输入到音素中尚未考虑到神经生物学模型中尚未考虑的动态，灵活的方面。这个探索性/发展性R21项目追求了一个中心假设，即听力背景系统地影响了对语音的皮质反应，因此影响了信号传导音素中声学维度的诊断性。一个新成立的跨学科研究团队将通过在神经外科背景下获得的立体电脑摄影（SEEG）使用脑内记录，以追求这一假设。像电皮质学（ECOG）一样，Seeg具有高时空分辨率，可以针对皮质表面，包括上颞回（STG）。由于皮质内电极的放置，Seeg电极通过颞上平面记录，特别针对深沟和陀螺灰质，包括上颞沟（STS）和Heschl的Gyrus（Hg）。同时将获得头皮脑电图（EEG），以将这些物质内措施与健康听众研究中的无创方法联系起来。aim 1将建立对两个声 - 声音维度的神经反应，这是它们信号音素同一性的感知权重的函数。这将为每个参与者提供一个基线响应，以作为与听力背景的实验操作相比，在AIM 2中转移感知权重，并将确定感知加权策略中个体差异如何预测皮质电生理响应。aim 2将引入两个完善的操纵，从行为上讲，相对于基线而转移感知权重：引入噪声和引入“口音”的“噪声”，短期语音输入偏离了母语的分布规律性。对参与者内部实验操作的检查将提供一种敏感手段，通过该方法来测定神经反应的变化，这是在听力环境中产生的知觉权重变化的函数。参与者将在青春期（15-25岁）中进行采样，在此期间，感知权重提供了信息性的异质性。该项目将通过填补对语音处理的重要空白，从患者的侵入性电生理研究中建造一座桥梁，到通过结合eeg+EEG，婚礼经典和最先进的计算方法到为机制提供信息的机制，并理解具有实质性处理的动态性质，从而使人类听众的头皮衡量人类听众的衡量。
CSE 598：机器人学中的感知
课程目标和预期的学习成果，该研究生课程向学生介绍了计算机视野，其广泛的目标是创建用于处理视觉信号（图像，视频等）的算法和系统用于低级，中级和高级感知任务。本课程介绍了从了解针孔相机的成像过程开始的广泛的原理和技术，了解镜头，镜头，梯度和边缘，3D结构估计，运动估计，运动估算，对感知任务，例如形状识别，表面识别，面部识别，活动识别，活动识别，现场识别和场景。班级将是课堂讲座和讨论以及个人和小组项目的混合。
检查游戏玩家和非游戏玩家之间的认知差异......
摘要。本研究旨在研究玩电脑游戏的人和不玩电脑游戏的人在注意力转换、工作记忆和复杂感知分析方面的差异。研究涉及两组参与者：一组经常花时间玩电脑游戏的人和一组不玩电脑游戏的对照组。两组都接受了一系列标准化认知测试的评估，这些测试测量注意力转换、短期记忆和复杂感知分析。与对照组相比，电脑游戏玩家表现出明显更好的注意力转换能力。这表明，经常接触需要在不同任务和刺激之间快速切换的电脑游戏可能会提高这种认知能力。电脑游戏玩家在复杂感知分析测试中的得分也明显更高。电脑游戏通常涉及在动态环境中快速准确地识别物体和视觉细节，似乎有助于培养这种技能。在工作记忆方面，两组之间没有观察到统计学上的显着差异。这表明，尽管电脑游戏可以提高某些认知技能，但工作记忆不会受到这种活动的显著影响。
人工智能在医疗实践变革中的作用 - ijrpr
它描述了人工智能的总体框架。感知智能、认知智能和决策智能都参与了人工智能的发展。当机器拥有感知智能时，表明它具有与人类相同的基本感官，例如视觉、听觉、触觉等。更高级别的归纳、推理和知识获取被称为认知智能。它受到类脑智能、认知科学和脑科学的启发，赋予机器类似人类的推理和认知能力。当机器拥有感官和认知能力时，人们通常希望它能像人类一样做出最佳决策，以改善工业制造、人们的生活等。为了做出最佳决策，决策智能必须通过利用应用数据科学、社会科学、决策理论和管理科学来拓展数据科学。人工智能的基础设施层由数据、存储和处理能力、机器学习算法和人工智能框架支持，对于实现感知智能、认知智能和决策智能的目标至关重要。进而分析数据的内在规律，通过模型训练，实现人工智能应用的落地。人工智能在基础科学、工业和信息技术等领域的应用越来越广泛、越来越深入。
ICMPC17-APSCOM7，东京，2023 年 8 月 24 日至 28 日 基于人类相似性的人类和人工智能进行的旋律插值比较
简介基于人工智能 (AI) 技术的自动作曲模型使得自动生成特定艺术家风格的音乐旋律成为可能。最近，模型还通过将两种不同的旋律混合并插入到中间层次来创建新的旋律 [1]。考虑到版权问题，插值旋律与原始参考旋律之间的关系非常重要，但它们之间的感知相似性却很少被研究 [2]。在本研究中，我们旨在通过行为实验来研究插值旋律和参考旋律在轮廓和调性（旋律感知的两个重要组成部分）方面的感知相似性 [3]。我们还旨在通过分析人工智能和人类作曲家创作的插值旋律来比较他们的作曲机制。