XiaoMi-AI文件搜索系统
World File Search System五类
耦合判别统计分析和人工智能对坎彭巴市土壤的岩土工程特性进行描述（刚果民主共和国卢本巴希）
本研究重点是通过体外试验确定卢本巴希市 Kampemba 市区的现场样本的物理和力学特性。在本研究结束时，我们根据土壤参数对其进行了识别，并使用进行的识别试验的组指数法确定其承载能力，从而确定岩土分类。通过使用 AASHTO 分类方法（美国州际公路运输官员协会），我们研究后获得的结果显示，一般而言，土壤分为五类：A-2、A-4、A-5、A-6、A-7，具体而言，有关区域土壤分为八个亚类：A-2-4、A-2-6、A-2-7、A-4、A-5、A-6、A-7-5 和 A-7-6。后者对物理参数的全局值进行了统计分析和基于多层感知器的深度学习。其结果为：流限为31.77%±1.05%，塑限为18.71%±0.76%，塑性指数为13.06%±0.79%，2 mm 筛通过率为83.00%±3.33%，400 μm 筛通过率为76.22%±3.2%，4.75 mm 筛通过率为89.07%±2.99%，80 μm 筛通过率为70.62%±2.39%，稠度指数为1.66±0.61，流动性指数为-0.67±0.62，群体指数为8±1。 关键词
注意
力导向算法在过去 50 年中得到了发展，并用于许多应用领域，包括信息可视化、生物网络可视化、传感器网络、路由算法、调度、图形绘制等。我们的调查提供了发展情况的全面总结，并为示意图绘制和布局方面最先进的力导向算法提供了完整的路线图。我们将力导向算法的模型分为经典和混合。经典力导向算法进一步分为以下几类：(a) 累积力模型，(b) 能量函数最小化模型，和 (c) 组合优化模型。混合力导向算法分为以下几类：(a) 并行和硬件加速模型，(b) 多级力导向模型，和 (c) 多维缩放力导向算法。还总结了采用力导向算法进行原理图绘制和放置的五类应用领域：（a）一般网络的美学绘制，（b）超大规模集成电路（VLSI）设计高级综合中的组件放置和调度，（c）信息可视化，（d）生物网络可视化，以及（e）传感器网络的节点放置和定位。
步态和平衡康复设备：基于末端执行器的机械手的一般分类和叙述性回顾
摘要：步态和平衡直接影响患者的独立性和生活质量。由于预期寿命的提高，患有神经系统疾病的患者数量呈指数级增长，步态和平衡障碍是主要副作用。在此背景下，使用康复机器人设备作为恢复步态和平衡功能的有效补充工具应运而生。在康复设备中，末端执行器具有一些优势，并已显示出令人鼓舞的结果。本研究的目的有两个：提出步态和平衡康复设备的一般分类，并回顾现有的用于此类目的的末端执行器。我们将设备分为五类：跑步机、外骨骼、患者引导系统、扰动平台和末端执行器。总体而言，文献中确定了 55 种末端执行器，其中 16 种已商业化。我们发现，能够提供两种康复类型的末端执行器（2/55）和专注于平衡（21/55）或步态（32/55）的数量不成比例。从机械角度（自由度、拓扑和训练模式）分析它们的特征，使我们能够确定并联机械手作为末端执行器装置驱动机制的潜力，并提出了几个未来的研究方向。
重度脑损伤患者非药物神经刺激方法：系统评价
摘要。– 目的：本综述旨在评估和总结目前关于重度脑损伤 (SBI) 患者非药物神经刺激 (NPNS) 的知识。我们分析的方法包括感觉刺激、音乐疗法、虚拟现实、经颅直流电刺激 (tDCS) 和经颅磁刺激 (TMS)。材料和方法：我们按照系统评价和荟萃分析的首选报告项目 (PRIS-MA) 标准进行了审查。在 PubMed 和 Cochrane 图书馆等电子数据库中搜索的关键词是“脑损伤”或“昏迷”或“植物状态”和“神经刺激”或“感觉刺激”或“音乐疗法”或“虚拟现实”或“经颅直流电刺激”或“经颅磁刺激”。结果：38 项研究符合纳入标准。这些文章被分为五类：感官刺激、音乐疗法、虚拟现实、经颅直流电刺激和经颅磁刺激。因此，对每项研究进行了简要总结，包括研究人群特征、非药物神经刺激类型、神经临床结果或神经影像结果。结论：总体而言，所有针对 SBI 患者的非药物神经刺激方法似乎都是创新且有前景的。需要进一步进行随机临床试验，包括广泛的患者，以明确验证这些方法并制定科学界共享的标准化协议。
Anantrasirichai, P. 和 Bull, DR (2021)。人工智能...
摘要 本文回顾了创意产业背景下人工智能 (AI) 技术和应用的现状。简要介绍了人工智能，特别是机器学习 (ML) 算法，包括卷积神经网络 (CNN)、生成对抗网络 (GAN)、循环神经网络 (RNN) 和深度强化学习 (DRL)。我们根据人工智能技术的使用方式将创意应用分为五类：i) 内容创作，ii) 信息分析，iii) 内容增强和后期制作工作流程，iv) 信息提取和增强，以及 v) 数据压缩。我们批判性地审视了这项快速发展的技术在每个领域的成功和局限性。我们进一步区分了人工智能作为创意工具的用途和它作为创造者的潜力。我们预见，在不久的将来，基于 ML 的人工智能将被广泛用作创意工具或协作助手。相比之下，我们观察到，在限制较少的领域，即人工智能作为“创造者”的领域，机器学习的成功率仍然不高。基于当代技术，人工智能（或其开发者）在与人类创意竞争中赢得原创作品奖项的潜力也很有限。因此，我们得出结论，在创意产业的背景下，人工智能的最大收益将来自于以人为本的地方——即人工智能旨在增强而不是取代人类创造力的地方。
P300 测量和驾驶相关风险
摘要：在驾驶过程中发现危险水平增加的迹象对于有效预防道路交通事故至关重要。本研究通过 PubMed、EBSCO、IEEE 和 ScienceDirect 等主要数据库搜索文献，共纳入 14 篇测量与驾驶任务相关的 P300 成分的文章进行系统综述和荟萃分析。所研究的风险因素分为五类，包括注意力下降、分心、酒精、道路上的挑战性情况和负面情绪。在行为和神经层面进行了荟萃分析。行为表现通过反应时间和驾驶表现来衡量，而神经反应通过 P300 幅度和潜伏期来衡量。当驾驶员接触危险因素时，反应时间显著增加。此外，P300 幅度降低和 P300 潜伏期延长的显著影响表明认知信息处理能力下降。驾驶能力下降与风险因素有关，但这种影响并不显著，因为纳入的研究之间存在相当大的差异和异质性。结果得出结论，P300 幅度和潜伏期是驾驶风险增加的可靠指标和预测因素。基于 P300 的脑机接口 (BCI) 系统的未来应用可能会对预防道路交通事故做出重大贡献。
添加性生产的患者特定植入物：评论
添加剂制造的医疗应用近年来由于高级医学成像和设计软件以及广泛的材料的可用性而显着增长。添加性生产的医疗植入物的范围正在迅速增长，外科医生需要通过最先进的技术来保持最新状态。本文回顾了与医学植入物有关的几篇文章，以帮助外科医生和研究人员了解该领域的最新发展。添加性制造的医疗植入物分为五类：骨科植入物，牙齿植入物，颅骨成形术植入物，用于组织工程的支架植入物和其他医疗植入物，包括胸壁重建植入物，抗移民增强的气管架和肥胖的乳脂状基本。在研究中突出显示了添加剂制造过程和每种植入物的制造材料。已经观察到钛合金是一种适合无胶结性关节置换术的材料。孔隙率支持骨向内生长，从而显着减少应力屏蔽。添加剂制造在医疗植入物制造中具有非常有吸引力的未来，因为它有能力生产复杂和定制的植入物。AM为研究人员提供了自由，以探索医疗植入物的复杂设计，以改善骨骼再生并改善骨整合。
教学游戏文献：含义和 99 个来源
如今，很少有人会质疑教学游戏在丰富某些教育和培训活动方面所具有的潜力。例如，Faria (1987) 报告称，他通过邮件或电话调查的 4,600 家美国大型公司在培训或开发中使用商业或体验式游戏。那些宣称游戏具有教育益处的人在一定程度上受到了一些研究人员的鼓励，他们发现了游戏的诸多益处，例如，包括提高实践推理能力（Wood & Stewart，1987）、更高水平的持续动力（Malouf，1988）以及减少培训时间和教员工作量（Allen、Chatelier、Clark 和 Sorenson，1982）。然而，一些研究人员由于缺乏足够的实证支持（例如，Bredemeier 和 Greenblat，1981），对其中一些说法提出了质疑。即便如此，人们仍然认为，注意力降低或自动化训练（Jacobs、Dempsey 和 Salisbury，1990 年）和复杂问题解决（Hayes，1981 年）等非常多样化的训练应用是游戏策略的主要候选对象。本文旨在报告我们对五类游戏文章的持续审查，以便为设计师和教育工作者提供一些启示，在某些情况下，也提供指导。我们认为这次审查是探索游戏在学习过程中的有益用途的一部分，特别是应用于计算机驱动的媒体和多媒体。
在高等教育中的本科生中性别对数字技能实践的评估
摘要目的：本文旨在确定雪兰莪州当地大学的女性和男性本科生实践的数字技能差异。设计/方法论/方法：进行定量研究，旨在分析五类数字技能的描述性分析和独立样本t检验：信息技能，沟通技巧，创建技能，数字安全技能和数字同理心技能。发现：进行仪器验证，可靠性分析和因子加载分析的初步分析，以评估可变项目。进行了独立的样本t检验，并确认女学生和男学生练习数字技能没有显着差异。研究局限性/含义：本研究的局限性强调了信息技能，沟通技巧，创建技能，数字安全技能和数字同理心技能的实践，样品仅限于雪兰莪州当地大学的本科生。实际含义：实践教学环境可以表明学生在数字技能方面具有知识和专业知识。但是，学生需要提高自己的数字技能，以满足工作场所当前的需求。独创性/价值：这项研究是为探索当地大学中女性和男性本科生实践的数字技能水平的独特尝试。
苏莱曼尼省金属行业工人职业性噪声性听力损失的患病率
职业性噪声性听力损失 (ONIHL) 是一种普遍的职业健康问题，尤其是在噪音水平高的行业。本研究的目的是确定总噪声暴露时间与噪声引起的听力损失 (NIHL) 严重程度之间的关联。这项横断面研究于 2021 年至 2023 年在苏莱曼尼省进行。共有 503 人参与了这项研究。评估了人口统计特征、主观听力状况和工作以外的噪声暴露。NIHL 严重程度分为五类，并确定了 NIHL 工人受影响的频率范围。进行了统计分析以确定噪声损伤最敏感的频率以及该人群中暴露时间与 NIHL 严重程度之间的关系。大多数工人（434 人）属于成年早期年龄组（19-45 岁），其中 500 人为男性。394 名工人报告听力正常，而 109 名工人报告听力受损。总噪音暴露时间与 NIHL 严重程度之间存在显著关联，其中 4 kHz 是受影响最频繁的频率（p<0.05）。听力损失严重程度越高，噪音暴露时间越长。研究显示，金属行业工人中 ONIHL 患病率很高，大多数工人的听力损失程度为轻度至中度。研究结果强调，迫切需要制定全面的职业健康和安全政策和干预措施，以预防和管理此类人群的 ONIHL。