XiaoMi-AI文件搜索系统
World File Search System任务类型
![arxiv：2406.13469v2 [CS.CL] 2025年1月11日](/simg/g:\will\search\icon\source\1\1e5e60d2b5ca061a90604b4697de9dfdbf8d5623.webp)
arxiv：2406.13469v2 [CS.CL] 2025年1月11日
本文探讨了编码器和解码器语言模型在词语自然语言理解（NLU）任务上的性能，并广泛着重于语言语言。在扫描基准的基础上构建，最初仅限于评估编码器模型，我们将评估框架扩展到包括解码器模型。我们介绍了一种在NLU任务上进行评估解码器模型的方法，并将其应用于丹麦语，瑞典语，挪威，冰岛，法罗语，德语，德语，荷兰语和英语的语言。通过一系列的演出和分析，我们还解决了有关编码器和解码器模型的比较性能，NLU任务类型的影响以及跨语言资源的变化的问题。我们的发现表明，尽管参数的数量级较少，但编码器模型比解码器模型可以实现明显更好的NLU表现。此外，我们通过UMAP分析研究了解码器与任务性能之间的相关性，从而阐明了解码器和编码器模型的独特功能。本研究有助于更深入地了解NLU任务中的语言模型范例，并为多语言环境中的模型选择和评估提供了有价值的见解。
湍流触摸：驾驶舱飞行显示器的触摸屏输入
摘要 商用飞机驾驶舱中的触摸屏输入具有潜在优势，包括易于使用、可修改和减轻重量。但是，对湍流的耐受性是其部署的挑战。为了更好地了解湍流对驾驶舱输入方法的影响，我们对三种输入方法的用户性能进行了比较研究——触摸、轨迹球（目前在商用飞机中使用）和旨在帮助手指稳定的触摸屏模板覆盖。在各种交互式任务和三个模拟湍流级别（无、低和高）下比较了这些输入方法。结果表明，随着振动的增加，性能下降，主观工作量增加。当精度要求较低（在所有振动下）时，基于触摸的交互比轨迹球更快，但对于更精确的指向，尤其是在高振动下，它的速度较慢且准确性较低。模板并没有改善触摸选择时间，尽管它确实减少了高振动下小目标的错误，但只有当手指抬起错误通过超时消除时才会发生这种情况。我们的工作提供了有关受湍流影响的任务类型以及在不同振动水平下表现最佳的输入机制的新信息。
通过深度学习框架中的转移动态自动编码器进行基于生理信号的心理工作负荷估计
通过神经生理信号评估人机系统中操作员的心理工作负荷 (MW) 对于防止操作员性能不可预测的下降至关重要。 然而，生理信号的特征与之前时间步骤的历史值相关，并且其统计特性因个体和心理任务类型而异。 在本研究中，我们提出了一种新的转移动态自动编码器 (TDAE) 来捕捉脑电图 (EEG) 特征的动态特性和个体差异。 TDAE 由三个连续连接的模块组成，称为特征过滤器、抽象过滤器和转移 MW 分类器。 特征和抽象过滤器引入动态深度网络，将相邻时间步骤的 EEG 特征抽象为显着的 MW 指标。 转移 MW 分类器利用在情绪刺激下记录的源域 EEG 数据库中的大量 EEG 数据来提高模型训练稳定性。 我们在两个目标 EEG 数据库上测试了我们的算法。分类性能表明 TDAE 明显优于现有的浅层和深层 MW 分类模型。我们还研究了如何选择 TDAE 超参数，并发现通过适当的过滤顺序可以实现其准确性优势。© 2019 Elsevier B.V. 保留所有权利。
已发布版本的引文 (APA)：van Assen, M., Banerjee, I., & De Cecco, C. N. (2020)。超越人工智能炒作：算法背后的秘密以及我们能实现的目标。胸腔成像杂志，35，S3-S10。https://doi.org/10.1097/RTI.0000000000000485
摘要：人工智能（AI）领域目前正在经历广泛增长时期，涉及各个领域，医学也不例外。人工智能的基础是数学和计算机科学，人工智能目前在工业和研究领域的声誉建立在三大支柱之上：大数据、高性能计算基础设施和算法。在当前的数字时代，存储能力和数据收集系统的增强，导致人工智能算法的数据流量巨大。数据的大小和质量是影响人工智能应用程序性能的两个主要因素。但是，它高度依赖于手头的任务类型和选择执行此任务的算法。AI 可能通过预读检测异常、精确量化（例如肿瘤体积病变跟踪和心脏体积和图像优化）来自动化放射学中的几项繁琐任务。尽管基于 AI 的应用程序为改善放射学工作流程提供了绝佳机会，但仍需要从图像标准化、复杂算法开发和大规模评估开始解决几个挑战。将 AI 整合到临床工作流程中还需要解决与患者敏感数据的安全性和保护以及责任相关的法律障碍，然后 AI 才能在心胸成像领域充分发挥其潜力。
运动皮层在运动图像期间保留并重新定位神经动力学
电动机皮层最突出的特征是在移动执行过程中激活其激活，但是当我们简单地想象在没有实际电动机输出的情况下移动时，它也很活跃。尽管进行了数十年的行为和成像研究，但在秘密运动影像过程中，运动皮层中的特定活动模式和时间动力学与运动执行过程中的特定活动模式和时间动力学如何相关。在这里，我们记录了两个人的运动皮层，他们在脊髓损伤不完全的情况下保留了一些残留手腕功能，因为他们既进行实际和想象中的等距腕部伸展）。我们发现，我们可以将人口活动分解为三个正交子空间，在动作和图像中，一个人群同样活跃，而其他人只有在单个任务类型（Action或Imagery）中活跃。尽管它们居住在正交神经维度，但动作唯一和唯一的图像子空间包含了一组非常相似的动态特征。我们的结果表明，通过将与电机输出相关的组件和/或反馈重新定位为独特的输出无效图像子空间，Motor Cortex保持与执行期间相同的总体人口动态。
地月安全国家技术愿景
预计月球和地月空间活动将会增加，这带来了安全隐患，也要求加强地月领域的态势感知能力。这些已在多份美国政府文件中有所概述，包括国家空间委员会的《深空探索和发展的新时代》11、美国国家航空航天局与美国太空部队 (USSF) 之间的谅解备忘录 (MOU)、9、太空部队太空顶点出版物 (Spacepower)10 和 2021 年太空工业基础状况报告。3 地月空间系统独特的轨道特性——复杂、通常不稳定的轨道以及围绕拉格朗日点的准稳定晕轨道——对态势感知能力提出了挑战。在地月空间内从一个轨道移动到另一个轨道，以及从地月空间移动到地球静止轨道或日地拉格朗日点，都十分容易，这既为态势感知带来了挑战，也为新颖的任务设计带来了机遇。在本文中，我们描述了对地月安全至关重要的任务类型，重点关注技术差距和需求，并推荐了国家层面所需的具体政策和技术开发，以确保美国在地月领域的利益安全。
流量管理 (TFM) 工具
15. 补充说明 16. 摘要 目标：本研究的目的是更好地理解在使用交通流量管理 (TFM) 领域和其他适用的空中交通管制领域计划使用的决策支持工具 (DST) 类型时人类的行为。 背景：DST 通常不是 100% 准确或可靠的，因为它们基于概率信息（例如天气预报）做出决策。DST 可能会提供一个或多个建议。用户对自动化的信任和用户工作量会影响用户实施建议的程度以及任务的执行情况。 方法：来自 FAA William J. Hughes 技术中心的 16 名没有使用 TFM 工具和程序经验的志愿者作为参与者。我们设计了一项新手可以快速学习的任务，并专注于 TFM 人员执行的任务类型的几个关键方面。我们关注可能影响 DST 使用的四个因素：针对特定情况的培训、DST 的可靠性、DST 提出的建议数量以及总体任务工作量。结果：一些因素对任务绩效的客观衡量和主观衡量都有直接影响。一些因素以有意义的方式相互作用，说明了 DST 使用的复杂性，并为 DST 的开发和部署提供了见解和建议。结论：我们发现 DST 可靠性和任务工作量在任务执行中起着重要作用
成年人诊断偏头痛（有或没有光环）的人工智能：系统评价
使用机器学习（ML）或深度学习（DL）的数据驱动方法正在医疗领域进行测试，以避免归因于人为因素的偏见。人工智能（AI）模型加速了来自多个来源和感兴趣领域的相关医疗数据的识别和解释15。ml方法分析了大量的“训练”案例，以对测试用例的给定输入产生正确的输出。根据他们打算解决的任务类型，基本的ML算法大致分为两类：受监督和无监督。“监督”算法从预先标记的数据集中学习，以对特定结果进行分类（例如，在当前研究的背景下存在或不存在偏头痛）。较新的“无监督”的AI系统（例如DL分析）未标记的数据发现了先前未认可的模式中的复杂共同关系（例如，将主成分分析用于特征选择）。监督模型可能会达到高精度，因为用于培训的数据已经被标记。可以使用不同的结果度量，例如准确性，接收器操作特征曲线（AUC），召回（灵敏度），精度（正面预测值）和校准（拟合的好处）等不同结果度量进行评估。虽然准确性和AUC是最常报告的性能指标，但如果孤立地考虑它们，它们可能并不总是反映模型16的真实性能。
第 54 章烹饪专家 (CS) - MyNavyHR
技术管理 薪级 任务类型 任务说明 E5 核心 审计财务记录 E7 核心 审计食品服务库存 E6 核心 协调昆虫和害虫侵染预防 E7 核心 协调特殊食品服务活动 E7 核心 评估餐饮设施运营是否符合认证要求 E7 核心 管理烹饪专家 (CS)/食品服务助理 (FSA) 奖励计划 E6 核心 管理食品生产 E7 核心 管理食品服务预算 E6 核心 管理食品服务现场运营 E7 核心 管理食品服务计划 E7 核心 管理危害分析关键控制点 (HACCP) 计划 E7 核心 管理膳食评估计划 E6 核心 管理菜单计划委员会 E7 核心 管理菜单审查委员会 E6 核心 管理特殊食品服务活动时间表 E6 核心 管理客舱检查 E7 核心 监督餐厅甲板军械员 (MDMAA) 的职责和责任 E7 核心 提供对财务改进和审计准备的回应（FIAR）要求 E7 CORE 修改食品制备程序 E7 CORE 验证食品服务关键库存日志
统一国土的战略环境
陆军没有专注于在整个军事行动范围内的任何一个潜在对手或任何一个任务类型的奢侈。相反，领导人和士兵必须面临代表全球存在的威胁的多种条件。潜在的威胁将从常规和非常规的力量到不规则的民兵和准军事人员，再到恐怖组织和犯罪分子。培训，教育，能力发展和概念发展应反映这一现实。目前，在全球经济衰退中，陆军在试图明智地投资其有限的培训，人员和物资资源时，在战略上重要的十字路口处发现自己。与2028年的战略环境（SE）结合了棘手的持久问题以及新开发的条件和特征，将为这一挑战带来复杂性。为了帮助揭示当前和近期挑战的复杂性，以下论文提供了对整个SE到2028年表现出的关键条件的描述。还解决了基于这些条件的对抗策略。结论章探讨了条件和潜在对抗策略的军事意义。我们知道，当前和未来的战略环境将以不确定性，复杂性和日益细微的关系为特征。必须将战略环境的条件理解，捕获并置于陆军决策中。只有这样，可以在tradoc和整个部队中确定和实施实现和实施领导者发展和教育的正确组合以及适当的领导者发展和教育方法。