XiaoMi-AI文件搜索系统
World File Search System工作量
研究高温和噪音对人类脑电波和感知工作量产生的急性影响
许多研究都探讨了噪音和热量对认知表现的影响，但得出的结果相互矛盾。一些研究报告了噪音和热量对认知表现的负面影响[21-25]，而另一些研究则建议改善。[26-29]此外，一些研究发现噪音和热量对认知表现没有显著影响。[30-32]研究结果的差异可能归因于所用评估工具的多样性。近年来，人们使用了各种各样的心理评估工具来衡量认知表现，包括问卷和认知测试。[33]然而，大多数行为表现评估都侧重于简单的认知任务，因此需要更全面的研究噪音和热量对人类认知表现的影响。
在心理工作量研究中使用多属性任务电池：范围评论
摘要。多属性任务电池（MATB）是一种软件，可以说是在许多人体工程学/人为因素研究中使用的软件，包括在心理工作量的主题中。但是，尚未系统地跟踪该著名计划在各种研究中的使用。此外，可能会认为，迫切需要对MATB进行的重要评估，以便未来的研究人员和用户在计划使用MATB进行研究或实验时可以考虑几个关键因素。本文的目的是全面识别和审查在已发表的研究中使用MATB软件的使用。可以通过实现两个目标来实现此目标：（1）系统发现文献数据库中已发表的论文，以及（2）根据相关主题对研究进行分类。在本文中，仔细筛选其资格后，包括31篇文章进行分析。我们的范围评论发现，MATB是一个有益的程序，用于创建多任务环境，航空是使用最多的领域。该程序还广泛用于精神工作量的研究，尤其是通过产生各种刺激，最终导致任务需求或困难。此外，要成功使用MATB，研究人员必须意识到一些操作问题和批评。
直升机飞行员的任务、主观工作量以及舰载着陆过程中外部视觉提示的作用
直升机船上着陆是一项认知复杂的任务，对飞行员和机组人员都具有挑战性。有效的沟通、准确读取飞行仪表以及监控外部环境对于成功着陆至关重要。特别是，着陆的最后阶段至关重要，因为它们意味着在空间有限的不稳定环境中承受高工作负荷。在本定性研究中，我们使用应用认知任务分析方法采访了来自意大利海军的十名直升机飞行员。我们的目的是获得着陆程序的详细描述，并确定影响飞行员工作负荷、表现和安全的相关因素。根据对访谈内容的分析，我们确定了在甲板上进近和着陆的六个不同阶段和四类可能显著影响飞行员表现和着陆程序安全性的因素。与之前的研究一致，我们的研究结果表明，外部视觉提示对于成功着陆至关重要，特别是在着陆的最后阶段。因此，根据飞行员的陈述，我们提出了改进外部视觉提示的建议，以减少飞行员的工作量并提高着陆操作的整体安全性。
使用基于脑电图的功能连接和深度学习进行特定主题的认知工作量分类
摘要：认知工作量是涉及动态决策和其他实时高风险情况的任务中的一个关键因素。神经成像技术长期以来一直用于估计认知工作量。与 fMRI 和其他神经成像方式相比，EEG 具有便携性、成本效益和高时间分辨率，因此使用 EEG 估计个人工作量的有效方法至关重要。已知多种认知、精神和行为表型与“功能连接”有关，即不同大脑区域之间的相关性。在这项工作中，我们探索了使用不同的无模型功能连接指标以及深度学习来有效分类参与者的认知工作量的可能性。为此，在 19 名参与者执行传统 n-back 任务时收集了他们的 64 通道 EEG 数据。这些数据（预处理后）用于提取功能连接特征，即相位转移熵 (PTE)、相互信息 (MI) 和相位锁定值 (PLV)。选择这三个特征对有向和非有向无模型功能连接指标进行全面比较（允许更快的计算）。利用这些特征，使用三个深度学习分类器，即 CNN、LSTM 和 Conv-LSTM 将认知工作量分类为低（1-back）、中（2-back）或高（3-back）。由于 EEG 和认知工作量的受试者间差异很大，且最近的研究强调基于 EEG 的功能连接指标是特定于受试者的，因此使用了特定于受试者的分类器。结果显示，MI 与 CNN 的组合具有最先进的多类分类准确率，为 80.87%，其次是 PLV 与 CNN 的组合（为 75.88%）和 MI 与 LSTM 的组合（为 71.87%）。受试者特定性能最高的是 PLV 与 Conv-LSTM 的组合，以及 PLV 与 CNN 的组合，准确率为 97.92%，其次是 MI 与 CNN 的组合（准确率为 95.83%）和 MI 与 Conv-LSTM 的组合（准确率为 93.75%）。结果突出了基于 EEG 的无模型功能连接指标与深度学习相结合对分类认知工作负荷的有效性。这项工作可以进一步扩展，以探索在实时、动态和复杂的现实场景中对认知工作负荷进行分类的可能性。
AI 自适应 POW：用于 DDoS 防御的 AI 辅助工作量证明 (POW) 框架
在客户端-服务器架构中，负载均衡器负责验证和分配各个服务器实例之间的传入客户端请求。这可以防止单个服务器实例不堪重负。客户端通过发起请求开始交互。成功建立连接后，负载均衡器将请求放在服务器队列上。假设服务器的队列大小是有限的，大量恶意流量可能会耗尽此队列，使其无法处理真正的客户端请求。在本文的范围内，我们重新讨论了容量密集型分布式拒绝服务 (DDoS) 攻击。在这里，对手假装是真正的客户端，从而消耗大量服务器资源，并且几乎没有资源留给真正的客户端。一种可能的防御策略是强制所有连接的客户端在初始客户端-服务器连接建立阶段解决工作量证明计算难题。通用工作量证明 (POW) 框架由难题生成器、难题解答器和难题验证器组成。谜题生成器将谜题发送给解算器，解算器解开谜题并将解决方案发送给验证器。这些谜题的难度级别不同，即每个谜题需要不同数量的计算资源才能解决。解决谜题的任务会在交互过程中引入延迟，并且此延迟时间与谜题难度成正比。在本文中，我们使用 Java 编程语言 AI Adaptive POW 构建了一个基于 POW 的 DDoS 防御框架。该框架由人工智能 (AI) 协助，通过分配适当的 POW 谜题自适应地减慢对抗流量，从而在持续的 DDoS 攻击期间提高服务器的可用性。我们的 AI Adaptive POW 框架利用声誉分数来指导决定每个客户端应该解决多难的谜题。声誉分数是一种启发式方法，可指导系统区分真实客户端和恶意客户端。此启发式方法是使用检查传入客户端请求特征的 AI 算法计算的。
飞行因素对飞行员在飞行最后进近着陆阶段的表现、工作量和压力的影响
图2. 美国通用航空飞行阶段事故发生率 .............................................................................. 5 图3. FRASCA MENTOR ATD 模拟器 ........................................................................................ 32 图4. S801i 心率监测仪 ........................................................................................................ 33 图5. ECG 波形上的 R-R 间隔 ...................................................................................................... 38 图6. GA 内 AA 的平均 LP 评分 ............................................................................................. 50 图7. GA 内 AA 的平均 AGPT 比值 ............................................................................................. 50 图8. GA 内 AA 的平均 NASA-TLX MD 评分 ............................................................................. 53 图9. GA 内 AA 的平均 HRV-LF 比值 ............................................................................................. 53 图10. AA 内 GA 的平均 LP 评分 ............................................................................................. 59
一种神经人体工程学方法，用于心理工作量、参与度和人类表现
在安全关键行为的背景下，对认知表现的评估和预测是任何关注人类操作员的学科的关键问题。大多数研究都集中在心理工作量的测量上，但尽管对该主题进行了数十年的研究，但这一构想仍然难以实施。神经人体工程学的最新进展扩展了我们对不同操作领域的神经认知过程的理解。我们提供了一个框架来解开那些支撑任务需求、唤醒、心理工作量和人类表现之间关系的神经机制。这种方法主张针对那些在绩效效率降低之前的特定心理状态。在包含任务参与和唤醒的二维概念空间中，识别和映射了许多不良的神经认知状态（走神、努力放弃、坚持不懈、注意力不集中现象）。我们认为，监测前额叶皮层及其失活可以指示从正常操作状态到受损状态的一般转变，在这种情况下，绩效可能会下降。我们确定了专门解释这些状态的神经生理学、生理学和行为标记。然后，我们提出了一种神经适应性对策类型，以缓解这些不良心理状态。
（电话：03-5219-5102） 介绍利用大数据和人工智能的配送工作量预测及车辆最佳调度系统
（电话：03-5219-5102） 介绍利用大数据和人工智能的配送工作量预测及车辆最佳调度系统
主观工作量表真正衡量的是什么？工作量度量发散的操作和表示解决方案
摘要 我们研究了继续使用主观工作量反应来指示操作员的状态，无论是单独使用还是作为一组集体测量的一部分。主观量表与生理和基于绩效的测量缺乏融合，这使人们怀疑是否存在任何单一的工作量结构来支撑有意识的体验、生理状态和个人与任务相关的绩效概况。我们研究了发散问题的哲学和测量观点，并考虑了三种可能的解决方案。首先，可靠和有效测量工作量的困难可能导致发散，但不能完全解释它。其次，工作量可以从操作上处理：通过展示特定措施在预测重要结果方面的实用性，可以证明使用特定措施是合理的。第三，可以进一步努力开发与真实经验现象相对应的代表性工作量测量。应用正式的测试有效性标准可以识别支持主观工作量的多个潜在结构，包括那些在绩效环境中定义自我调节的结构。生理和基于绩效的评估可能会定义其他不同的结构。解决多样性问题对于人体工程学至关重要，因为工作量测量的无效应用将威胁到暴露的操作员以及由他们控制的复杂技术系统服务的许多其他人。
通过同步光学脑成像和眼动追踪测量实现认知工作量的多模态模型
神经成像技术的最新进展使得对复杂任务设置和环境中操作员的认知过程进行多模态分析变得越来越实用。在这项探索性研究中，我们利用光学脑成像和移动眼动追踪技术来研究专家和新手操作员在正常和不利条件下操作人机界面时的行为和神经生理差异。与相关工作一致，我们观察到与新手相比，专家的前额叶氧合水平往往较低，并且表现出与最佳任务序列更一致的凝视模式，注视时间更短。这些趋势仅在操作员收到意外错误消息的不利条件下才达到统计显著性。错误消息前后的血流动力学和凝视测量之间的比较表明，专家对错误的神经生理反应包括双侧背外侧前额叶皮层 (dlPFC) 活动的系统性增加，同时注视时间增加，这表明他们的注意力状态发生了转变，可能从常规过程执行转变为问题检测和解决。新手的反应不如专家强烈，包括左侧 dlPFC 仅略有增加，注视持续时间呈下降趋势，这表明他们通过视觉搜索行为来寻找可能的线索，以理解