XiaoMi-AI文件搜索系统
World File Search System交互的
多尺度特征交互的伪标签无监督域自适应行人重识别
刘仲民，杨富君，胡文瑾 .多尺度特征交互的伪标签无监督域自适应行人重识别 [J].光电工程， 2025 ， 52 (1): 240238 Liu Z M, Yang F J, Hu W J. Multi-scale feature interaction pseudo-label unsupervised domain adaptation for person re- identification[J].Opto-Electron Eng , 2025, 52 (1): 240238
人工智能与...交互的研究
摘要：在过去的几年中，人工智能已经开始改变商业世界的动态。人工智能与组织绩效的互动有望显著提高公司的全球竞争力水平。人工智能有望帮助组织了解其员工、客户、目标受众或潜在目标受众。人工智能可以通过使事情变得更加方便和个性化来改善生活，组织将能够个性化并在更高层次上做事，而这种方式目前仅限于人类。组织每天都有一系列的要求和挑战：做什么、怎么做、什么时候做、谁应该做、涉及的成本、涉及的时间、所需的资源、当前的市场趋势、当前的经济状况、消费者偏好的变化等。所有这些都需要人类根据过去的数据进行分析，在有限的时间内，这对组织和员工来说都可能具有挑战性和困难性。这些情况都是可以应用人工智能的一个例子。人工智能可以隐含在组织的每个部门中。所遵循的研究设计本质上是描述性的。进行和分析研究的目标样本量为 100。条形图和饼图被用作研究工具来呈现研究结果。参与这项研究的关键参与者是组织员工。
人机交互的新兴前沿
摘要 人与机器人之间的有效交互对于在协作过程中完成共享任务至关重要。机器人可以利用多种通信渠道与人类互动，例如听觉、语音、视觉、触觉和学习。在人与机器人之间的各种交互方式中，我们的重点是三个新兴前沿，它们对人机交互 (HRI) 的未来方向产生重大影响：(i) 受人与人协作启发的人机协作，(ii) 脑机接口，以及 (iii) 情感智能感知。首先，我们探索人机协作的先进技术，涵盖从合规性和基于绩效的方法到协同和基于学习的策略等一系列方法，包括从演示中学习、主动学习和从复杂任务中学习。然后，我们研究脑机接口在增强 HRI 方面的创新用途，重点关注康复、通信、大脑状态和情绪识别中的应用。最后，我们研究机器人中的情商，重点是通过面部表情、肢体动作和眼球追踪将人类情感转化为机器人，实现流畅、自然的互动。详细介绍并讨论了这些新兴领域的最新发展及其对 HRI 的影响。我们重点介绍了该领域的当代趋势和新兴进步。最后，本文强调了在开发具有自适应行为和人机有效互动的系统时采用多模式方法的必要性，从而提供了对最大限度地发挥 HRI 潜力所必需的各种模式的透彻理解。
移动目标——人机交互的演变
HCI 通常被狭义地用来指代某一学科的工作。我将其定义得非常广泛，涵盖了四个学科的主要研究线索：人为因素、信息系统、计算机科学和图书馆与信息科学。稍后，我将讨论简单术语的使用差异如何使探索文献变得困难。在这里，我将解释我对主要学科标签的使用。CHI（计算机-人机交互）的关注点比 HCI 更窄；CHI 主要与计算机科学、计算机协会特别兴趣小组 (ACM SIGCHI) 以及后者的年度 CHI 会议相关。我交替使用人为因素和人体工程学，并将该学科称为 HF&E。 （有些作者将人体工程学定义得更狭隘，只限于硬件。）1992 年，人类因素学会 (HFS) 更名为人类因素与人体工程学学会 (HFES)。IS（信息系统）是指管理学科，也被称为数据处理 (DP) 和管理信息系统 (MIS)。我按照通常的说法将组织信息系统专家称为 IT 专业人员或 IT 专业人士。LIS（图书馆和信息科学）代表了一个旧领域，具有新的数字化身，包括重要的 HCI 研究。在采用 IS 的情况下，我不会缩写信息科学，该学科通常简称为“信息”，如“信息学院”或“信息学院”。
多模态人机交互的系统评价
摘要：本文对多模态人机交互进行了系统回顾。本文展示了不同类型的交互技术（虚拟现实 (VR) 和增强现实、力和振动反馈设备（触觉）和跟踪）在不同领域（概念、医学、物理、人为因素/用户体验设计、交通、文化遗产和工业）中的应用。进行了系统的文献检索，最初确定了 406 篇文章。从这些文章中，我们选择了 112 篇我们认为与本文内容最相关的研究作品。从时间模式、不同领域技术类型的使用频率和聚类分析的角度对文章进行了深入分析。通过分析，我们能够回答相关问题，以寻找与多模态 HCI 相关的工作的下一步。我们研究了典型的技术类型、技术类型和频率在每个领域随时间的变化，以及考虑到相似性，论文如何按指标分组。这项分析确定 VR 和触觉是所有领域中使用最广泛的。虽然 VR 是最常用的，但触觉交互在越来越多的应用中出现，这表明未来应研究将 VR 和触觉配置在一起的应用。
人机交互的选择架构
人机交互领域的人们已经学到了很多关于如何说服和影响计算技术用户的知识。他们对如何帮助用户自己选择的知识却少得多。是时候纠正这种不平衡了。第一步是将心理学和相关领域积累的大量相关知识组织成两个全面但易于记忆的模型：Aspect 模型通过描述选择者基于属性、社会影响、政策、经验、后果和反复试验交替或组合应用的六种选择模式来回答“人们如何做出选择？”的问题。Arcade 模型回答“我们如何帮助人们做出更好的选择？”的问题。通过描述支持选择的六种一般高级策略：访问信息和经验、表示选择情况、组合和计算、建议处理、设计域和代表选择者进行评估。这些策略可以通过简单的交互设计来实现，但每种策略也有特定的相关技术。结合这两个模型，我们可以理解几乎所有现有和可能的选择支持方法都是将一种或多种 Arcade 策略应用于一个或多个 Aspect 选择模式。在介绍人机交互的选择架构思想以及 Aspect 和 Arcade 模型的关键思想之后，我们将详细讨论每个 Aspect 模式，并展示如何将高级 Arcade 策略应用于它以产生特定的策略。然后，我们将这两个模型应用于在线社区和隐私领域。我们的大多数示例涉及使用计算技术的选择，但这些模型同样适用于在计算技术的帮助下做出的日常选择。
人机交互的选择架构
人机交互领域的人们已经学到了很多关于如何说服和影响计算机技术用户的知识，但是对于如何帮助用户自主选择，他们却缺乏扎实的知识。现在是纠正这种不平衡的时候了。第一步是将心理学和相关领域积累的大量相关知识组织成两个全面但容易记住的模型：方面模型通过描述选择者基于属性、社会影响、政策、经验、后果和反复试验交替或组合应用的六种选择模式，回答了“人们如何做出选择？”的问题。街机模型通过描述支持选择的六种一般高级策略，回答了“我们如何帮助人们做出更好的选择？”的问题：获取信息和经验、表示选择情境、组合和计算、提供处理建议、设计领域以及代表选择者进行评估。这些策略可以通过简单的交互设计来实现，但每一种策略也都有特定相关的技术。结合这两个模型，我们可以将几乎所有现有和可能的选择支持方法理解为将一种或多种 Arcade 策略应用于一种或多种 Aspect 选择模式。在介绍人机交互的选择架构思想以及 Aspect 和 Arcade 模型的关键思想之后，我们将详细讨论每一种 Aspect 模式，并展示如何将高级 Arcade 策略应用于它以产生特定的策略。然后，我们将这两个模型应用于在线社区和隐私领域。我们的大多数示例涉及有关使用计算技术的选择，但这些模型同样适用于在计算技术的帮助下做出的日常选择。
人机交互的基础框架
双重共情问题（Milton 2012）是一种心理学理论，于 2010 年代初发展起来，旨在准确解释自闭症患者在社交互动和沟通方面所遇到的困难。该理论认为，造成这种困难的核心原因之一是自闭症患者和非自闭症患者的沟通方式和其他社交/认知特征之间的根本差异。当前的人工智能领域的特点是存在大量功能强大的人工智能系统，但由于缺乏可解释性（Gunning 2017）和可控性（Hadfield-Menell 等人 2016），其实用性受到限制。这表明人工智能系统与其用户之间存在双重共情问题。然而，在人工智能系统的背景下，这个问题更加明显，因为用户可能被迫与真正的外星智能一起工作（Kim 2022）。人机感知人工智能 (HAAI) (Sreedharan、Kulkarni 和 Kambhampati 2022) 是一个框架，它试图通过利用实现人机协调的核心机制（即心理建模）来解决这一问题。图 1 展示了 HAAI 中概念化的人机交互可视化。从图中可以看出，在这种情况下造成混乱的核心原因之一可能是人类的期望与系统生成的行为不匹配。然而，弥合这种期望不匹配反过来又需要系统意识到人工智能系统和用户之间三个显著的不对称维度，即 (a) 知识不对称、(b) 推理能力不对称和 (c) 词汇不对称。我们已经使用 HAAI 框架来
主机微生物交互的概述
另一方面，某些微生物可以对宿主产生有益的影响。这些微生物称为共生或互助微生物。共生微生物对宿主没有有害作用，而相互主义的微生物为宿主带来了好处。例如，一些肠道细菌有助于分解食物并提取营养，而另一些肠道细菌产生了可用作能源的短链脂肪酸。微型生物群落在宿主微生物相互作用中起着至关重要的作用。微型生物群落的组成可能会受到各种因素的影响，包括饮食，遗传学和环境暴露。微型生物群落的变化可能会对宿主的健康产生重大影响。例如，肠道微生物群落的改变与各种疾病有关，包括炎症性肠病，糖尿病和肥胖症（Wen L等，2018）（Mao A，2020年）。
人机交互的 AI 工作设计模型
如果不做出改变，就无法恢复控制感。在信息系统文献中，这种变化通常被研究为使技术适应用户的需求或使自我适应技术。然而，这种适应性视角并不能完全解释与人工智能环境相关的变化。就前者而言，与传统信息系统不同，人工智能具有动态规则和启发式性质，几乎不允许通过定制和个性化对工件进行确定性更改。至于后一种适应，人工智能工件的代理性质以及它所取代的任务的复杂性增加表明人类工作发生了根本性变化，不仅改变了任务，还改变了工作设计。因此，人类适应技术的被动视角已经不够了。相反，更相关的是研究如何在人与人工智能共享任务的背景下调整工作设计以更好地满足人类需求 [17]。