XiaoMi-AI文件搜索系统
World File Search System初步实验
平行认知：人机交互和管理的混合智能
摘要：传统的认知科学作为一种跨学科的研究方法，主要采用实验、归纳、建模和验证范式，而这些模型有时并不适用于信息物理社会系统（CPSS），因为该系统中的大量人类用户涉及严重的异质性和动态性。为了减少以人为中心的系统中人与机器之间的决策冲突，我们提出了一种称为并行认知的新研究范式，该范式利用智能技术体系分三个阶段研究认知活动和功能：基于人工智能认知系统（ACS）的描述性认知、通过计算审议实验的预测性认知和通过并行行为处方的规范性认知。为了使这些阶段不断在线迭代，我们进一步提出了一种基于心理模型和用户行为数据的混合学习方法来自适应地学习个体的认知知识。在城市出行行为处方和认知视觉推理两个代表性场景上的初步实验表明，我们的并行认知学习对于人类行为处方是有效可行的，从而可以促进复杂工程和社会系统中的人机合作。
使用双曲随机编码预测未来认知能力下降
双曲几何已成功应用于具有一般拓扑结构的大脑皮层和皮层下表面建模。然而，与其他基于表面的大脑形态分析方法类似，此类方法通常会生成高维特征。这限制了它们在认知衰退预测研究中的统计能力，尤其是在受试者数量有限的数据集中。为了解决上述限制，我们提出了一种称为双曲随机编码 (HSC) 的新框架。我们首先通过将一般拓扑表面映射到具有一致边界条件的规范双曲参数空间来计算它们之间的差分映射，并提取临界形状特征。其次，在双曲参数空间中，我们引入了一种具有广度优先搜索方法的最远点采样以获得环形斑块。第三，采用随机坐标编码和最大池算法进行特征降维。我们通过在两个用于阿尔茨海默病 (AD) 进展研究的脑成像数据集上将其分类准确率与其他一些方法进行比较，进一步验证了所提出的系统。我们的初步实验结果表明，我们的算法在
ShieldGPT：DDOS缓解的基于LLM的框架
不断发展的分布式拒绝服务（DDOS）对网络领域构成了重大威胁，该领域强调了DDOS缓解作为研究的关键领域的重要性。虽然现有的AI驱动方法（包括深神经网络作品）在检测DDOS攻击方面表现出了希望，但他们无法阐明预测理由并提供可行的缓解措施限制了其实际实用性。大型语言模型（LLMS）的出现提供了一种新颖的途径来克服这些局限性。在这项工作中，我们介绍了Shieldgpt，这是一个综合的DDOS仪式框架，可利用LLM的力量。ShieldGPT包括四个组成部分：攻击检测，流量表示，域知识注入和角色表示。为了弥合LLM的自然语言处理能力与网络流量复杂性之间的差距，我们开发了一种捕获全球和本地流量功能的表示方案。fur-hoverore，我们探索了特定于网络域的及时工程，并设计了两个迅速模板，这些模板利用了LLMS来制定特定于交通的，可理解的解释和缓解说明。我们的初步实验和案例研究验证了ShieldGPT的有效性和适用性，证明了其通过细微的见解和量身定制的策略来增强DDOS缓解工作的潜力。
M. Deshmukh教授
电子波功能的拓扑方面在确定材料的物理特性中起着至关重要的作用。浆果曲率和Chern数用于定义电子带的拓扑结构。虽然已经研究了浆果曲率及其在材料中的作用，但检测到拓扑不变的Chern数的变化是具有挑战性的。特别是谷谷类型的变化。在这方面，扭曲的双重双层石墨烯（TDBG）已成为一个有前途的平台，以获得对浆果曲率热点的电气控制和其平坦带的山谷Chern数量。此外，应变诱导的TDBG中三倍旋转（C3）对称性的破裂导致浆果曲率的非零第一刻，称为浆果曲率偶极子（BCD），可以使用非线性HALL（NLH）效应来感测。我们使用TDBG揭示了BCD检测到频段中的拓扑转换并更改其符号[1]。在TDBG中，垂直电场对山谷Chern号和BCD进行了调整，并同时为我们提供了一个可调的系统，以探测拓扑过渡的物理。我还将讨论我们使用非线性霍尔物理学探测Moire系统手性的初步实验。1。Sinha等。自然物理学18，765（2022）。
对辅助辅助控制机器人沃克的辅助控制的仿真研究
摘要。背景：随着中国进入一个衰老的社会，2050年60岁以上的人数将达到34.9％，导致中风患者的显着增加。目的：本文提出了康复机器人步行者在日常生活中的步行帮助，并提出了在步态训练期间重新学习电动机的控制方法。步行者由一个全向移动平台（OMP）组成，该平台可确保步行者可以在地面上移动，体重支撑系统（BWS），该系统能够提供所需的卸载力以及骨盆辅助机制（PAM），以为用户提供四个自由度并避免刚性影响。研究目标是更好地了解步态训练期间的辅助控制策略。方法：对于人机互动控制，采用了辅助控制策略来指导用户的动议并改善交互体验。为了在三维空间中构建力场，系统的动力学得出以提高力控制的准确性。结果：仿真结果表明，运动轨迹周围的力场是在三维空间中产生的。为了理解力场，我们在矢状平面上设计了模拟，并且控制器可以生成适当的力场。初步实验结果与模拟结果一致。结论：基于数学模拟和初步测试，结果表明，所提出的系统可以在目标轨迹周围提供指导力，力量控制的准确性仍有待提高。
文章根据静息状态脑电图数据预测个体用户脑电图特征的动态范围，以评估其对被动脑电图的适用性——
摘要：随着近年来低成本可穿戴脑电图 (EEG) 记录系统的发展，被动式脑机接口 (pBCI) 应用正在教育、娱乐和医疗保健等各种应用领域中得到积极研究。各种 EEG 特征已被用于实现 pBCI 应用；然而，经常有报道称，有些人难以充分享受 pBCI 应用，因为他们的 EEG 特征的动态范围（即其随时间变化的幅度）太小，无法用于实际应用。进行初步实验以寻找与不同心理状态相关的个性化 EEG 特征可以部分避免这一问题；然而，对于大多数 EEG 特征动态范围足够大以用于 pBCI 应用的用户来说，这些耗时的实验是没有必要的。在本研究中，我们尝试从静息状态脑电图 (RS-EEG) 预测个人用户最广泛用于 pBCI 应用的脑电图特征的动态范围，最终目标是识别可能需要额外校准才能适合 pBCI 应用的个人。我们使用基于机器学习的回归模型来预测三种广泛使用的脑电图特征的动态范围，已知这三种特征与大脑的效价、放松和集中状态有关。我们的结果表明，脑电图特征的动态范围可以预测，归一化均方根误差分别为 0.2323、0.1820 和 0.1562，证明了使用短暂静息脑电图数据预测 pBCI 应用的脑电图特征的动态范围的可能性。
探索用于支持儿童注意力训练的脑部计算机相互作用：基于注意力网络和游戏化设计的多模式设计
摘要：在估计用户的心理状态和支持儿童的注意力训练方面，大脑 - 计算机界面（BCI）技术的最新发展显示出巨大的潜力。但是，现有的培训任务相对简单，缺乏可靠的任务生成过程。此外，培训经验尚未得到深入研究，培训效果的经验验证仍然不足。因此，这项研究提出了一个BCI培训系统，以改善儿童的注意力。特别是为了实现系统的培训过程，引用了注意网络以生成培训游戏，以提醒，定向和执行专注，并提高培训经验和依从性，引入了游戏设计理论，以获得有吸引力的培训任务。进行了初步实验，以设置和修改训练参数。随后，组织了一系列对比的用户实验，以检查BCI培训的影响。为了测试拟议系统的训练效果，采用了一种假设检验方法。结果表明，提出的BCI游戏注意力训练系统可以显着提高参与者的注意行为和集中能力。此外，可以创建沉浸式，鼓舞人心和平稳的培训过程，并可以实现愉快的用户体验。通常，这项工作在为相关实践提供有价值的参考方面是有希望的，尤其是如何使用注意力网络来产生BCI注意力训练任务以及如何通过整合多模式游戏元素来提高训练依从性。
微型原子磁传感器在...中的应用
新一代微型超高灵敏度原子磁强计正在开发中，并已集成到军事系统中。这些新系统整合了微机电系统、原子物理学、光学、电磁学和数据采集方法方面的进步，在总磁场灵敏度方面实现了创纪录级别的性能，同时实现了尺寸、重量和功率的大幅降低。非常小规模的传感器（大约几立方厘米）已在标量和矢量模式下进行了演示，并集成到各种国防应用的设计中。我们工作的重点是将这些传感器实际集成到操作平台中。在工作环境中使用这些传感器有许多意义，例如优化信噪比、检测概率和误报缓解。为各种军事目标检测、定位和特性描述任务开发可在地球磁场中有效运行的传感器模块和平台的挑战是巨大的。我们研究平台和环境噪声的缓解以及传感器阵列和相关数据采集系统的开发。除了建模和模拟之外，还通过初步实验数据研究了传统低频磁力仪的变化和增强。特别是，我们讨论了传感器控制、目标地理定位和数据处理的独特部署概念。重点放在针对平台子集（小型无人地面、无人海底和无人驾驶飞行器）和感兴趣的目标定制的具有特定带宽灵敏度的原型上。应用包括海底和地下威胁检测配置 - 特别是与固定或移动爆炸物和紧凑金属目标（如弹药、简易威胁装置、潜艇和其他危险物体）相关的配置。我们展示了微型磁传感器的当前和未来特性的潜力，包括非常高的磁场灵敏度、带宽选择性、源场控制和阵列处理。
AI训练AI：使用Chatgpt提高治疗对话系统的准确性 Adres publikacji w repozytorium url/出版地址在存储库中 生物/生态系统中完整纳米颗粒表征的基本和高级光谱方法：当前状态和未来前景 基于tial的金属层用于热喷涂的粉末 使用传感无人机系统的母船机械方面，
摘要：在这项工作中，我们介绍了一种人工智能（AI）应用程序（CHATGPT）来培训另一个基于AI的应用程序。作为后一个，我们显示了一个名为Terabot的对话系统，该系统用于精神病患者的治疗。我们的研究是出于这样一个事实的激励，即对于这种特殊领域的系统，很难获取大量的现实数据样本来增加培训数据库：这需要招募更多的患者，这既耗时又昂贵。为了解决这一差距，我们采用了神经大型语言模型：CHATGPT版本3.5，仅生成用于培训我们的对话系统的数据。在最初的实验中，我们确定了最常见的意图。接下来，我们用一系列提示为Chatgpt提供了喂养，这触发了语言模型，以生成许多其他培训条目，例如，在与健康用户进行初步实验中收集的短语的替代方案。以这种方式，我们将培训数据集扩大了112％。在我们的案例研究中，为了进行测试，我们使用了来自32名精神病患者的2802次语音记录。作为评估指标，我们使用了意图识别的准确性。使用自动语音识别（ASR）将语音样本转换为文本。分析表明，患者的语音对ASR模块的质疑显着，导致语音识别恶化，因此意图识别的精度较低。但是，由于使用ChatGpt生成的数据增加了培训数据，意图识别精度相对增加了13％，总共达到了86％。我们还模拟了无错误的ASR的情况，并显示了ASR错误识别对意图识别准确性的影响。我们的研究展示了使用生成语言模型开发其他基于AI的工具的潜力，例如对话系统。
使用自动slug-flow millireactor
本研究描述了一个自动化实验平台的开发，该平台旨在在Slug-Flow millireactors中使用使用的食用油（UCO）连续环氧化。该系统将UCOS转化为高价值的第二代橄榄石，采用加强过程，确保可重复性，高收率和增强的生产率。使用H 2 O 2作为氧化剂，Procetacic酸作为氧载体，通过Prilezhaev反应进行环氧化，而H 2 SO 4作为催化剂。不同的植物油，以评估不饱和含量和油性能对工艺性能的影响，发现粘度对反应器内的流体动力模式具有很高的影响，并且需要特定的工作条件与每个原料一起到达slug流。然后，使用UCO的初步实验产生了合适的工作条件，以确保适当的slug流动状态。发现，UCO中的高含量化合物对反应器的流体动力学产生了显着影响，因为这些成分会诱导与水相的coa病变。因此，UCO中的极性成分和水分的水平可以表明其在slug-flow反应器中进一步的环氧化的适用性以及预处理的必要性。随后，进行了实验性的单纯进化优化，以验证对黄氧烷基团> 80％的选择性，转化率高达86％，产生高达73％。最佳工作条件为77.4°C，H 2 O 2与油比为0.84：1，酸度与油比为0.32：1，停留时间为22.7分钟。在这些条件下，达到了82％的转化率，选择性为86％，生产率为0.75 kg o·m −3Åmin -min -1，并且相应的环氧化UCO的氧气氧含量为4.02 wt％。