XiaoMi-AI文件搜索系统
World File Search System工作量
高工作量飞行期间彩色编码平视飞行符号的工作量优势 Blundell, J., Scott, S., Harris, D., Huddlestone, J. & Richards, D. 作者后印本（已接受）存放在考文垂大学存储库原始引用和超链接：Blundell, J, Scott, S, Harris, D, Huddlestone, J & Richards, D 2020, '高工作量飞行期间彩色编码平视飞行符号的工作量优势', Displays, vol. 65, 101973。https://dx.doi.org/10.1016/j.displa.2020.101973 DOI 10.1016/j.displa.2020.101973 ISSN 0141-9382 出版商：Elsevier © 2020，Elsevier。根据 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International 许可 http://creativecommons.org/licenses/by-nc-nd/4.0/ 版权所有 © 和道德权利归作者和/或其他版权所有者所有。无需事先许可或付费，即可下载副本用于个人非商业研究或学习。未经版权所有者事先书面许可，不得复制或大量引用本项目。未经版权持有者正式许可，不得以任何方式更改内容或以任何格式或媒介进行商业销售。本文档是作者的印刷后版本，包含同行评审过程中商定的任何修订。出版版本和此版本之间可能存在一些差异，如果您想引用出版版本，建议您参考出版版本。
高工作量飞行期间彩色编码平视飞行符号系统的工作量优势 Blundell, J., Scott, S., Harris, D., Huddlestone, J.& Richards, D. 作者印后 (已接受) 存放于考文垂大学资料库 原始引用和超链接：Blundell, J, Scott, S, Harris, D, Huddlestone, J & Richards, D 2020, '高工作量飞行期间彩色编码平视飞行符号系统的工作量优势', Displays, vol.65, 101973。https://dx.doi.org/10.1016/j.displa.2020.101973 DOI 10.1016/j.displa.2020.101973 ISSN 0141-9382 出版商：Elsevier © 2020，Elsevier。根据 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International 许可 http://creativecommons.org/licenses/by-nc-nd/4.0/ 版权所有 © 和道德权利由作者和/或其他版权所有者保留。可以下载副本用于个人非商业研究或学习，无需事先许可或收费。未经版权持有人书面许可，不得复制或大量引用本项目。未经版权持有人正式许可，不得以任何方式更改内容或以任何格式或媒介进行商业销售。本文档是作者的印刷后版本，包含同行评审过程中商定的任何修订。已发布版本和此版本之间可能仍存在一些差异，如果您想引用已发布版本，建议您查阅已发布版本。
Q2FY22 - 工作量预测 Final.xlsx - 美国海军工程司令部太平洋
SW CORE MAC-8A 特拉维斯空军基地 CA 6960 KC-46A ADAL B14 燃料电池机库 100 万美元 - 500 万美元 设计投标建造 2022 财年第 3 季度 2022 财年第 4 季度 SW CORE MAC - SB 特拉维斯空军基地 CA 674 KC-46A ADAL B862 机身教练机 500 万美元 - 1000 万美元 设计建造 2022 财年第 3 季度 2022 财年第 4 季度 SW CORE MAC - SB 特拉维斯空军基地 CA 955 KC-46A ADAL B179，模拟器设施 500 万美元 - 1000 万美元 设计投标建造 2023 财年第 1 季度 2023 财年第 2 季度 SW CORE MAC MCRD 圣地亚哥 CA 317U 扩展招募服装发放仓库 100 万美元 - 500 万美元 设计建造 FY23, Qtr 1 FY23, Qtr 2 SW CORE MAC - C&I (105) NB CORONADO CA Q911 SOF SERE 训练设施 > $10M 设计建造 FY26, Qtr 1 FY26, Qtr 2 SW CORE MAC - C&I (105) NB CORONADO CA Q821 SOF WARCOM 作战支援设施 > $10M 设计建造 FY23, Qtr 1 FY23, Qtr 2 SW CORE MAC - Dry Utilities NB VENTURA COUNTY CA 615 SNI 地面安装太阳能光伏系统 > $10M 设计建造 FY23, Qtr 1 FY23, Qtr 2 SW CORE 独立建设合同 MCAGCC 29 PALMS CA 1238 电网建设稳定性和弹性 10MW 电池储能，各种建筑 > 1000 万美元设计建造 FY23，Qtr 2 FY23，Qtr 3 SW CORE MAC - 通用 MCAS MIRAMAR CA 201 飞机维修机库 > 1000 万美元设计投标建造 FY23，Qtr 2 FY23，Qtr 3 SW CORE MAC MCMWTC BRIDGEPORT CA 481 能源弹性，第 3 和第 4 阶段 > 1000 万美元设计建造 FY23，Qtr 2 FY23，Qtr 3 SW CORE MAC NAS FALLON NV 429 F35-C 飞机维修机库 > 1000 万美元设计投标建造 FY23，Qtr 2 FY23，Qtr 3 SW CORE MAC - C&I (105) NB 科罗纳多 CA 897 CMV-22 飞机维修机库 > 1000 万美元设计投标建造 2023 财年第 2 季度 2023 财年第 3 季度 SW 核心 MAC - 医疗 特拉维斯空军基地 CA 9904 医疗综合存储与部署中心增建 > 1000 万美元设计投标建造 2023 财年第 2 季度 2023 财年第 3 季度 SW 核心 其他 NAS 法伦 NV 442 靶场训练中心，第一阶段 > 1000 万美元其他 2023 财年第 3 季度 2023 财年第 4 季度 SW 核心 MAC - C&I (105) NAS 勒莫尔 CA 351 F-35C 机库 8 > 1000 万美元设计投标建造 2023 财年第 2 季度 2023 财年第 4 季度
认知工作量似乎人类尽了最大努力......- NASA
[V1 3003] 任务期间预防性医疗保健 所有计划应提供培训、任务期间能力和资源，以监测生理和心理健康状况，并能够提供任务期间预防性医疗保健，这些计划应基于流行病学证据的概率风险评估 (PRA)，该评估考虑到每个特定设计参考任务 (DRM) 的需求和局限性，以及任务持续时间、预计返回地球的时间、任务路线和目的地、预期辐射分布、作战概念等参数。术语“任务期间”涵盖任务的所有阶段，从发射、着陆行星体以及所涉及的所有表面活动，直至返回地球。任务期间预防性医疗保健包括但不限于：（有关完整标准，请参阅 NASA-STD-3001 第 1 卷）。
工作效率与沟通、工作量的关系...
摘要 --- 本研究旨在确定航空通讯员的能力、工作量和工作纪律对苏加诺-哈达国际机场 Cengkareng 停机坪调动服务人员工作效率的影响。数据收集技术通过使用李克特测量量表分发问卷来进行。本研究对 68 名受访者进行了定量描述方法和假设检验。然后通过 SmartPLS（偏最小二乘）软件使用结构方程模型 (SEM) 分析技术对收集的数据进行分析。本研究的结果表明，航空通讯员的能力、工作量和停机坪调动服务人员的工作纪律对苏加诺-哈达国际机场停机坪调动服务人员的工作效率有积极而显著的影响。关键词 --- 能力、人员停机坪、工作纪律、工作效率、工作量。
调查主观工作量评级 (NASA TLX) 和主观情境意识评级 (SART) 对认知复杂的人机工作的有效性
主观工作负荷和态势感知指标，如 NASA 任务负荷指数 (TLX) 和态势感知评分技术 (SART)，经常用于人机系统评估。然而，这些评分的解释存在争议。在本研究中，通过比较操作员在执行场景后立即收集的评分和操作员通过视频回顾场景获得实际系统状态知识后收集的评分，调查了这些指标理论假设的经验证据。18 名有执照的控制室操作员参加了模拟器研究，运行了 12 个相对具有挑战性的场景。结果发现，在操作员获得事实场景知识后，对涉及内省的 TLX 项目的解释保持稳定，而对涉及对外部事件的感知的项目（如态势感知和表现）的解释则取决于操作员的场景知识。结果表明，操作员的评分可以区分心理努力、表现、挫折和态势感知。没有发现 SART 指数作为态势感知衡量标准的明确证据。相反，为本研究开发的主观情境意识测量方法与工作量不同，与操作员绩效相关，表明这种类型的测量方法值得未来研究其有效性。研究结果有助于制定测量程序
用于 N-back 任务心理工作量评估的数据集...
摘要 —本文介绍了一个开放式数据库，重点研究可穿戴设备的心理工作负荷 (MW) 评估系统。腕带光电容积图 (PPG) 作为可穿戴设备的代表。此外，数据库中还包含一个可以记录心电图 (ECG)、皮肤电反应 (GSR) 和指尖 PPG 的临床设备作为参考。通过对 22 名受试者执行 N-back 任务来诱发 MW。参与者被要求在实验开始时回答匹兹堡睡眠质量指数 (PSQI) 问卷，并在每次 N-back 任务后回答 NASA 任务负荷指数 (NASA-TLX) 问卷。数据分析结果显示了记录模式的潜在用途和 MW 引出协议的可行性。最后，MAUS 数据集现已可供学术使用 1 。此外，我们还提出了一个可重复的基线系统作为初步基准 2，其 ECG、指尖 PPG、腕带 PPG 的测试准确率分别为 71.6%、66.7% 和 59.9%。
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。
基于机器学习的操作员分析瞳孔反应，以评估临床超声成像中的认知工作量
简介：瞳孔测量，眼瞳直径的测量，是一种公认的客观形态，与认知工作量相关。在本文中，我们分析了超声成像算子的瞳孔响应，以评估其认知工作量，并在进行常规的胎儿超声检查时被捕获。我们的实验和分析是在自然临床环境条件下使用远程眼球跟踪获得的现实世界数据集进行的。方法：我们的分析管道涉及仔细的时间序列（时间序列）提取，通过回顾性将瞳孔直径数据与在多模态数据采集设置中相应的超声扫描视频中捕获的任务匹配。接下来是学生直径预处理和PU胎儿反应序列的计算。对操作员瞳孔响应（胎儿心脏与胎儿大脑）与操作员专业知识（新资格的与经验丰富的操作员）之间分布的探索性统计分析进行了比较。机器学习将被探索以将时间序列自动分类为具有经典（浅层）模型的时间，频谱和时频特征，并将其经验分类为相应的超声处理任务和操作员体验，以及卷积神经网络作为深度学习模型。结果：提取的瞳孔响应的初步统计分析显示，不同的超声任务和操作员专业知识的显着差异，表明每种情况下的认知工作量不同，如通过划分测量。对于超声检查任务分类和操作员经验分类，曲线（AUC）值（AUC）值（AUC）值分别为0.98和0.80，在曲线（AUC）值（AUC）值下实现了接收器的操作。结论：我们得出结论，我们可以在超声操作员执行常规扫描时成功地评估瞳孔直径变化的认知工作量。机器学习允许使用瞳孔响应序列作为操作员的认知工作量的索引来歧视执行的超声检查任务和扫描专业知识。高认知工作量可以降低操作员的效率并限制其决策，因此，客观评估认知工作量的能力是迈出这些对运营商在生物医学应用（例如医学成像等生物医学应用中）产生影响的第一步。
通过任务分配和心理工作量平衡提高工作流程绩效
19.在不断变化的作战节奏下，来自开发的模拟优化方法的结果 ......................................................................................................................................................101 20.ABOC、ABOA 和开发的 ABOGA 平均持续时间结果之间的百分比差异 ................................................................................................................................................107 21.在不同作战节奏下来自 OptQuest 的结果 .............................................................................................................109 22.开发的 ABOGA 方法结果与 OptQuest 结果之间的百分比差异 .............................................................................................110 23.OptQuest 结果与常见实践启发式结果之间的百分比差异 .............................................................................................................112 24.不同能力差异系数下 ABOA、ABOC 和 ABOGA 输出的比较 .............................................................................................................................................117 25.ABOA、ABOC 和 ABOGA 输出的比较， ABOC 和 ABOGA 的工作订单数量各不相同......................................................................................................................................................123
（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