XiaoMi-AI文件搜索系统
World File Search System人机交互
基于Leap Motion 的虚拟农作物人机交互系统设计
图 4 系统总体架构 Fig.4 General framework of system 2.2 Amazon 云计算平台技术介绍 在云计算被提出之前，开发者需要按照需求购买存 储设备和计算设备等硬件设施，但是往往由于计算的不 准确性会造成资源的浪费。云计算的基本概念最初是由 Google 公司提出的。使用云计算平台用户不需要购买任 何硬件设施，因为云计算平台直接提供易交付和易扩展 的 IT 服务，如虚拟服务器、远程数据库以及大容量存储 服务。 本文通过制作服务器的 Docker 文件，将服务器部署 于 Amazon 云端。下面就以 AWS [23] （ Amazon Web Services ，亚马逊云服务）的虚拟服务器（ Amazon EC2 ）、 可扩展的云存储（ Amazon S3 ）和云端动态数据库 （ Dynamo DB ） 3 种云平台技术做简要介绍。 Amazon EC2 的 Web 服务接口简单，可以轻松获取 和配置容量。使用该服务，可以完全控制计算资源，并 可以在成熟的 Amazon 计算环境中运行。 Amazon EC2 将 获取并启动新服务器实例所需要的时间缩短至几分钟， 当计算要求发生变化时，可以快速扩展计算容量。 Amazon S3 提供一个简明的 Web 服务界面，用户可 通过它随时在 Web 上存储和检索任意大小的数据。使用 Amazon S3 ，用户只需按实际使用的存储量付费，没有最 低费用和准备成本。 DynamoDB 是一种快速、全面受管的 NoSQL 数据库 服务，它能让用户以简单并且经济有效的方式存储和检 索任何数据量，同时服务于任何程度的请求流量。所有 数据条目均存储在固态硬盘（ solid state drives ， SSD ）中， 具有极高的可用性和耐久性。 2.3 农作物的测量和虚拟模型的生成 虚拟农作物建模对象包括水稻和番茄。为了获取水 稻建模所需的相关参数，于 2015 年和 2016 年在浙江杭 州中国水稻研究所进行了相关试验。选取时期为拔节期
多通道人机交互信息融合的智能方法
结构在运行时可以做到即使某一个模态信息缺失整个网络也能取得不错的效果 , 在多通道情感识别、 语义理解、目标学习等领域取得很好的效果 .尽管如此 , 这类网络相对于任务来说还是相对 “ 具体 ”, 如 果要换一个任务 , 用户就需要修改网络结构包括重新调整参数 , 这使得深度神经网络结构的设计是一 个耗时耗力的过程 .因此研究者们希望一个混合的神经网络结构可以同时胜任多个任务 , 以减少其在 结构设计和训练方面的工作量 .鉴于此 , 研究者开始致力于首先采用大数据联合训练构建出多通道联 合特征分享层 , 然后在识别阶段可以同时进行多任务处理的深度多模态融合结构 .如 Google 的学者 尝试建议一个统一的深度学习模型来自适应地适配解决不同领域、不同数据模态下的多个不同类型 的任务 , 且在特定任务上的性能没有明显损失的模型 [71] .该模型构架请见文献 [71] 的图 2, 由处理输 入的编码器、编码输入与输出混合的混合器、混合输出的解码器 3 个部分构成 , 文献 [71] 的图 3 给 出了这 3 个部分的详细描述 .每一个部分的主体结构类似 , 均包含多个卷积层、注意力机制和稀疏门 控专家混合层 .其中 , 不同模块中的卷积层的作用是发现局部模式 , 然后将它泛化到整个空间 ; 注意力 模块和传统的注意力机制的主要区别是定时信号 , 定时信号的加入能让基于内容的注意力基于所处的 位置来进行归纳和集中 ; 最后的稀疏阵列混合专家层 , 由前馈神经网络 ( 专家 ) 和可训练的门控网络组 成 , 其选择稀疏专家组合处理和鉴别每个输入 .
战术显控系统人机交互中的特征整合设计研究 - 包装工程
编码特征作为预测结果，邀请用户进行认知情况调 研。从用户调研数据的计算结果可知，用户对不同特 征编码的认知存在一定的共性，有共同的认知习惯。 1 ）就属性语义来看，认知效率主要受色相、明 度、饱和度、尺寸、位置、形状的影响。色相：国军 标对色彩的应用有明确的规范，在进行色相编码时， 应考虑用户对专用色彩属性的认知习惯，严格遵守色 彩使用规范。对于没有硬性规定的色彩，也应以用户 过往的知识、经验为基础进行编码设计。如，在界面 设计中，一般认为红色表示危险，黄色表示警告，绿 色表示安全。明度：实验表明，在深色背景下，明度 越高信息等级越高。战术显控系统复杂性较高，合适 的明度编码设计适合应用于信息层级设计，能够有效 降低用户的学习成本。饱和度：饱和度取决于该色中 含色成分和消色成分（灰色）的比例。含色成分越大， 饱和度越大；消色成分越大，饱和度越小 [14] 。高饱和 度的色彩编码方式更能引起视觉关注，帮助用户集中 注意力。形状：在战术显控系统中，涉及形状属性的 元素主要为图形和符号，包括通用类和特殊类。在进 行形状编码时，现有图符应遵循沿用的原则，新的图 符应结合现实形态、行业背景进行设计，以符合用户 认知习惯、缩短学习过程，提高交互效率。尺寸：根 据实验结果显示，信息尺寸的大小与信息的重要等级 成正比，信息越重要，尺寸越大。位置：用户对显示 屏上的信息关注度依次为中间、左上方、右上方、左 下方、右下方 [15] 。在进行界面布局时，应注意信息等 级与其在界面中位置的一致性，同时要保证同类信息 的位置编码统一。 2 ）就情感语义来看，战时用户的生理和心理负 荷较高，任务情景的不确定性易增加用户的操作压 力 [5] 。在进行交互界面设计时应考虑信息编码元素的 情感性。从实验结果来看，影响情感语义的特征主要 为形状和色彩。尖锐的形态容易让用户产生较大的心 理压力，而圆润浑厚的形状更容易使用户平静。在进 行形状编码时，可采用倒角的设计手法。根据蒙赛尔 色彩体系对色彩要素的划分及实验结果，战术显控系 统的主色可以选用冷色调，明度、饱和度不宜过高， 以避免色彩刺激增加用户的焦虑感。而对于重点信息 和即时变化类信息，可采用高明度或高饱和度的色 彩，以提高用户的警觉性。
人机交互
人工智能 (AI) 与医疗保健通信的整合发展迅速，这得益于大型语言模型 (LLM)（例如聊天生成预训练转换器 (ChatGPT)）的进步。本文献综述探讨了人工智能在医患互动中的作用，特别关注其通过弥合语言障碍、总结复杂的医疗数据和提供富有同理心的回应来增强沟通的能力。人工智能的优势在于它能够提供易于理解、简洁且医学上准确的信息。研究表明，人工智能在某些沟通方面（例如同理心和清晰度）可以胜过人类医生，而 ChatGPT 和医学路径语言模型 (Med-PaLM) 等模型在这些领域表现出很高的有效性。然而，仍然存在重大挑战，包括偶尔出现的不准确和“幻觉”，即人工智能生成的内容不相关或医学上不准确。这些限制凸显了人工智能算法需要不断改进，以确保敏感医疗环境中的可靠性和一致性。该评论强调了人工智能作为健康传播变革工具的潜力，同时倡导进一步研究和政策制定，以降低风险并加强人工智能与临床实践的整合。
CS6008 - 人机交互
第一单元 HCI 基础 人类：输入/输出通道 – 内存 – 推理和解决问题；计算机：设备 – 内存 – 处理和网络；交互：模型 – 框架 – 人体工程学 – 风格 – 元素 – 交互性 – 范例。第二单元 设计与软件过程 交互设计基础 – 过程 – 场景 – 导航 – 屏幕设计 – 迭代和原型设计。软件过程中的 HCI – 软件生命周期 – 可用性工程 – 实践中的原型设计 – 设计原理。设计规则 – 原则、标准、指南、规则。评估技术 – 通用设计。第三单元 模型与理论 认知模型 – 社会组织问题和利益相关者要求 – 通信与协作模型 – 超文本、多媒体和 WWW。单元 IV 移动 HCI 移动生态系统：平台、应用框架 - 移动应用类型：小部件、应用、游戏 - 移动信息架构、移动 2.0、移动设计：移动设计元素、工具。单元 V 网页界面设计 设计网页界面 - 拖放、直接选择、上下文工具、覆盖、嵌入和虚拟页面、流程。案例研究。总计：45 节课 教材： 1.Alan Dix、Janet Finlay、Gregory Abowd、Russell Beale，“人机交互”，第 3 版，Pearson Education，2004 年（UNIT I、II 和 III） 2.Brian Fling，“移动设计与开发”，第一版，O'Reilly Media Inc.，2009 年（UNIT –IV） 3.Bill Scott 和 Theresa Neil，“设计 Web 界面”，第一版，O'Reilly，2009 年。（UNIT
CS6008 - 人机交互
第一单元 人机交互基础 人类：输入/输出通道 – 内存 – 推理和解决问题；计算机：设备 – 内存 – 处理和网络；交互：模型 – 框架 – 人机工程学 – 风格 – 元素 – 交互性 – 范例。 第二单元 设计与软件过程 交互设计基础 – 过程 – 场景 – 导航 – 屏幕设计 – 迭代和原型设计。软件过程中的人机交互 – 软件生命周期 – 可用性工程 – 实践中的原型设计 – 设计原理。设计规则 – 原则、标准、指南、规则。评估技术 – 通用设计。 第三单元 模型与理论 认知模型 – 社会组织问题和利益相关者要求 – 通信与协作模型 – 超文本、多媒体和万维网。第四单元 移动 HCI 移动生态系统：平台、应用框架 - 移动应用类型：小部件、应用、游戏 - 移动信息架构、移动 2.0、移动设计：移动设计元素、工具。 第五单元 网页界面设计 设计网页界面 - 拖放、直接选择、上下文工具、覆盖、嵌入和虚拟页面、流程流。案例研究。 总计：45 节课 教科书： 1. Alan Dix、Janet Finlay、Gregory Abowd、Russell Beale，《人机交互》，第三版，Pearson Education，2004 年（第一单元、第二单元和第三单元） 2. Brian Fling，《移动设计和开发》，第一版，O'Reilly Media Inc.，2009 年（第四单元） 3. Bill Scott 和 Theresa Neil，《设计网页界面
人机交互框架
摘要。在本文中，我们探讨了使用文字计算 (CWW) 系统和基于 CWW 的人机界面 (HCI) 和交互实现高效计算和 HCI 的可能性。所选应用用于展示问题和潜在解决方案，该应用是在自动驾驶的背景下。要解决的具体问题是，由人类文字命令指示的机器使用 CWW 执行将两辆有人或无人驾驶汽车停放在双车位车库的任务。我们将交互过程分为两个步骤：(1) 可行性验证和 (2) 执行。为了完成任务，我们首先验证可行性，包括评估车库是否空置、检查大致尺寸、检查不规则形状，以及根据大小、车辆类型、汽车是否载人所需的可接受公差范围以及防撞方法对需要停放的汽车进行分类。自动驾驶部分的执行由传感非数字模糊信息控制，这些信息指示与墙壁或障碍物的距离。执行算法使用一系列驾驶指令，旨在以简单有效的方式利用可用空间，而无需借助复杂的数值计算，例如确保汽车距离墙壁 2 英寸以内。对系统及其可用性进行了定性分析。分析表明，该方法具有减少
人机交互 - CiteSeerX
人机交互 (HRI) 最近受到了学术界、实验室、科技公司和媒体的广泛关注。鉴于这种关注，有必要对 HRI 进行综述，以便为该领域以外的人提供指导，并促进该领域内对 HRI 统一愿景的讨论。本综述的目标是对 HRI 相关问题进行统一处理，确定关键主题，并讨论可能在不久的将来影响该领域的挑战性问题。尽管本综述遵循综述结构，但呈现 HRI 连贯“故事”的目标是意味着必然有一些写得好、有趣且有影响力的论文未被引用。我们不会试图综述每篇论文，而是从多个角度描述 HRI 的故事，以期确定跨应用的主题。这项调查试图纳入代表大学、政府努力、行业实验室和对 HRI 做出贡献的国家的公平横截面的论文，以及对该领域做出贡献的学科的横截面，例如人类、因素、机器人、认知心理学和设计。