XiaoMi-AI文件搜索系统
World File Search System偏好
具有主动偏好学习的多目标贝叶斯优化
有很多现实世界的黑框优化概率需要同时优化多个标准。然而，在多目标优化（MOO）问题中，确定整个帕累托阵线需要过度的搜索成本，而在许多实际情况下，决策者（DM）只需要在帕累托最佳解决方案集中的特定解决方案。我们提出了一种贝叶斯操作方法（BO）方法，以使用昂贵的目标功能识别MOO中最喜欢的解决方案，其中DM的贝叶斯偏好模型是根据两种称为成对偏好和改进请求的Supperions类型的交互方式自适应估算的。要探索最优选的解决方案，我们定义了一个采集函数，在该函数中，在观察函数和DM偏好中的不确定性都已合并。为了最大程度地减少与DM的相互作用成本，我们还为偏好估计提出了一种主动学习策略。我们通过基准功能优化和机器学习模型的高参数优化问题来证明我们提出的方法的有效性。
使用社区价值观和治理偏好来促进向可持续能量的过渡
摘要 - 本研究探讨了公民对可持续能源技术传播的使用和治理偏好的使用。调查了三个得克萨斯州的社区，以确定有关能源使用的社区价值和治理偏好。结果表明，五个潜在的价值影响着社区中能源使用的感知：增长，独立性，可持续性，负担得起的生活和流动性。关于治理的偏好，确定了三种形式参与社区流程的参与：信息，沟通和参与决策。结果表明，值可用于将期望与可持续能量和形状相关的叙述保持一致。要使经常“看不见的”能源技术有形，以及为公民而言可以经验和可讨论的经验，演示者项目（例如能源创新中心）应被视为锚定社区可持续能源的工具。
usar agr 封闭市场中的单位偏好工作帮助
13.单击“保存”；如果未选择“保存”，则所有偏好数据都将丢失。13A.申请人将根据数值按升序排序。13B.在“申请人兴趣”栏下，如果会员手动选择了列出的工作机会之一的偏好，则会出现一个复选标记；在此示例中，没有会员选择可用的工作机会的偏好。13C.信号栏下将出现一个绿色复选标记，表示手动填写的偏好；这会向会员发送通知。
基于移动应用程序的动机访谈的可接受性和对App功能的偏好支持2型糖尿病患者的自我管理
背景：2型糖尿病患者（T2DM）经历了改善自我管理的多个障碍。证据表明，以患者为中心的沟通方法动机访谈（MI）可以解决患者障碍并促进健康的行为。尽管有MI的价值，但现有的MI研究主要使用面对面或基于电话的干预措施。随着智能手机的越来越多，由人工智能在移动设备上提供动力的自动化MI技术可能会为T2DM患者提供有效的动机支持。目的：本研究旨在探索T2DM患者对基于应用程序MI在常规医疗保健中可接受性的观点，并收集有关特定MI模块功能的反馈，以告知我们未来的干预措施。方法：我们从公共医疗诊所招募了T2DM患者进行了半结构化访谈。所有访谈都是逐字记录和抄录的。主题分析是使用NVivo进行的。结果：总共33例T2DM患者参加了这项研究。参与者将MI视为增加动力和有利于自我反思和行为改变的互补护理模型的精神提醒。然而，存在一种不情愿的感觉，主要是由于引入MI的自主性自治的潜在妥协。一些参与者对自己独立管理条件的能力充满信心，而另一些参与者则报告已经在做出改变，并以自己的节奏更喜欢自我管理。与面对面的MI相比，基于APP的MI被视为提供更轻松的氛围，以供开放分享而无需由医疗保健提供者判断。但是，参与者质疑缺乏人触觉，这可能会破坏患者提供的治疗关系。为了维持动力，参与者提出了持续的支持性质的更多功能，例如基于目标的成就，基于目标的量身定制的多媒体资源以及互动性和同情心的对话工具，诸如里程碑的可视化，游戏化的挑战和渐进奖励。结论：我们的发现表明需要采用涉及基于应用程序的MI和人类教练的干预措施的混合模型。患者对特定应用功能的反馈将纳入模块开发中，并在随机对照试验中进行测试。
封闭市场中的单位偏好工作帮助
13.单击“保存”；如果未选择“保存”，则所有偏好数据都将丢失。13A.申请人将根据数值按升序排序。13B.在“申请人兴趣”栏下，如果会员手动选择了列出的工作机会之一的偏好，则会出现一个复选标记；在此示例中，没有会员选择可用的工作机会的偏好。13C.信号栏下将出现一个绿色复选标记，表示手动填写的偏好；这会向会员发送通知。
通过关注NeuroMarket的旅行网站中的目光跟踪来识别客户偏好
摘要可以通过基于神经科学和营销的交集的引入神经营销来检查他们对产品的视觉关注，可以分析与决策相关的人的心理和行为。本研究旨在通过通过在线度假预订网站调查其偏好和感兴趣的领域来确定影响消费者对旅行产品的决策的因素。在这项实验研究中，对四十年代的30名男性参与者进行了眼睛跟踪，并提取了对刺激的目光数据，并在问卷调查中与他们的选择进行了比较。该研究解决了以下研究问题：“关于客户偏好的领域，视觉关注会受到影响？”是否研究了有关空间产品的视觉信息的变化影响产品的偏好和决策。由于根据空间偏好的顺序分析了眼睛跟踪区域的结果，图像3（M = 782.65）包含室外空间的偏好率最高，其次是家具和网络信息。关于初始浓度，在时间流中，最快的浓度始于刺激2（4.21s），但浓度升高的时间是在刺激3（16.28s）处。视觉感知数据是根据个人喜好确定注视运动浓度的时间差的验证过程。分析了问卷调查，反映消费者有意识的偏好的相关性，以及凝视的数据，显示出无意识决策的数据。
Adam Brufsky，1 Xianchen Liu，2 Benjamin ... 初始安全性和潜在的抗癌活性PDL1V的首个中等抗癌药物，用于不同的PD-L1阳性can 的人 第3阶段开放标签，随机，受控 SHP2抑制剂PF- ... 的第一个人类，第1阶段研究 分布在社区获得的肺炎中疫苗中包含的肺炎疫苗血清型，法国成人需要住院 ibuzatrelvir阶段2B研究结果 - kat6 ... 的人类第一阶段1剂量升级研究 进一步表征来自妊娠期间给药的双重诱发F RSV疫苗的3阶段RCT的疫苗功效 MevroMetostat（PF-06821497）的第1阶段试验，有效... 抗组织因子途径抑制剂marstacimab在没有抑制剂的严重血友病的参与者中的安全性和功效：Th 的结果 发现PF-072220060，有效而有选择的CDK4抑制剂 一线TKI的患者和肿瘤学家的偏好... 6价值，基于OSPA的莱姆病疫苗。 ... PF-072220060是第一类CDK4选择性抑制剂，当
1 103（53.6）79（54.9）-0.0175 2 42（21.9）31（21.5）0.0140 3 16（8.3）15）15（10.4）-0.0673 4 5（2.6）2（2.4）2（1.4）0.0693≥53（1.6）2（1.6）2（1.4）2（1.4）2（1.4）2（1.4）0.02（3.02）。心肌梗塞42（21.9）30（20.8）-0.0264充血性心力衰竭84（43.8）56（38.9）-0.1026外周血血管疾病53（27.6）35（27.6）35（27.6）35（24.3）-0.0827脑血管疾病74（38.5）65（38.5）65（38.5）65（38.5）65（38.5）65（45.1） （SD）1.0（0.7）1.0（0.4）-0.0185中位随访持续时间（IQR），月19.7（24.0）18.9（28.1）数据以N为n（％），除非另有规定。多变量COX比例危害模型中使用的协变量。b内脏转移定义为肺和/或肝脏中的转移性疾病；患者可以有其他转移部位。没有内脏转移定义为无肺或肝转移。c仅骨转移仅定义为骨骼中的转移性疾病。d无病间隔定义为从初始乳腺癌诊断到MBC诊断的间隔。e在同一部位的多个转移量被计为1个位点（例如，如果患者在脊柱中有3个骨转移，则被认为仅为1个部位）。AI，芳香酶抑制剂； ECOG PS，东方合作肿瘤学组绩效状况； IQR，四分位数范围； MBC，转移性乳腺癌； NCI CI，国家癌症研究所合并症指数； PAL，PALBOCICLIB； SD，标准偏差； SIPTW，稳定治疗加权的逆概率。
利用振荡脑电图特征对视觉审美偏好进行生态解码——一篇小型评论
在当今的数字信息时代，人类接触视觉文物的接触已经达到了前所未有的准友善。这些文化文物中的一些被提升到艺术品的状态，这表明对这些物体有特别的欣赏。对于许多人来说，这种艺术品的感知与美学体验（AE）相吻合，可以积极影响健康和福祉。AE由复杂的认知和有效的心理和生理状态组成。对AE背后的神经动态的更深刻的科学理解将允许开发被动的脑部计算机间接位（BCI），以促进个性化的艺术表现，以改善AE，而无需明确的用户反馈。然而，在不自然的实验室条件下，在视觉神经活动中的先前实证研究主要研究了AE的功能性磁共振成像和与事件相关的电位相关，这可能不是实践神经震荡BCI的最佳特征。此外，直到最近，AE还是在很大程度上被构成了美丽或愉悦的体验。是，这些概念并未包含所有类型的AE。因此，这些概念的范围太窄，无法允许个人和文化的个性化和最佳的艺术经验。这种叙事迷你审查总结了基于振荡的脑脑摄影（EEG）的最先进的视觉神经电学学，并为开发生态有效的神经震级的被动BCI系统的开发绘制了一个路线图，该系统可以优化AE，以及它们有益的后果。我们详细介绍了AE的振荡性脑电图相关性，以及机器学习方法以对AE进行分类。我们还强调了神经疗法中的当前局限性，并提出了改善AE脑电图解码的未来方向。
使用学习动力学模型的有效基于偏好的增强学习
摘要 - 基于偏好的增强学习（PBRL）可以使机器人能够根据个人的喜好学习执行任务，而无需手工制作的重新功能。但是，现有方法要么假设访问高保真模拟器或分析模型，要么采用需要广泛的，可能是不安全在线环境互动的模型方法。在本文中，我们研究执行PBRL时使用学习动力学模型的好处和挑战。，我们提供的证据表明，在执行PBRL时，学到的动态模型提供了以下好处：（1）比无模型的PBRL相比，偏好启发和政策优化需要明显少于环境的互动，（2）可以在没有基于标准模型的RL和（3）奖励的范围内，无需逐步征服（2）各种偏好查询即可综合使用。 相互作用。我们的论文提供了经验证明，学到的动态模型使机器人能够以用户偏好的方式来学习自定义的策略，这些方式比先前的偏好学习方法更安全，更有效。补充材料和代码可在https://sites.google.com/berkeley.edu/mop-rl上找到。
构音障碍患者与智能虚拟助手的互动：可用性和用户偏好的比较研究
摘要：本研究探讨了构音障碍患者与智能虚拟助手 (SVA) 互动时使用的不同交互方法的有效性和用户体验。研究主要关注三种模式：通过 Alexa 发出直接语音命令、通过 Daria 系统发出非语言语音提示以及眼神控制。研究目的是评估每种方法的可用性、工作量和用户偏好，以满足构音障碍患者不同的沟通能力。虽然 Alexa 和 Daria 促进了基于语音的交互，但眼神控制为那些无法使用语音命令的人（包括患有严重构音障碍的用户）提供了一种替代方案。这种比较方法旨在确定每种交互方法的可用性如何变化，研究对象为八名患有构音障碍的参与者。结果表明，非语言语音交互，尤其是与 Daria 系统的交互，因其工作量较低且易于使用而受到青睐。眼神控制技术虽然可行，但在更高的工作量和可用性方面也存在挑战。这些发现强调了与 SVA 多样化交互方法的必要性，以适应患有构音障碍的个体的独特需求。