XiaoMi-AI文件搜索系统
World File Search System引出
基于脑电图的神经网络模型情绪预测
摘要：“情绪”一词指的是个人对事件、人或条件的反应。近年来，研究情绪估计的论文数量有所增加。在本研究中，分析了一个基于三种不同情绪的数据集，该数据集用于使用脑电波对感觉进行分类。在数据集中，六个电影剪辑被用来引出男性和女性的积极和消极情绪。然而，没有触发引发中性情绪的触发器。已经使用各种分类方法来对数据集进行分类，包括 MLP、SVM、PNN、KNN 和决策树方法。研究人员表示，首次使用的 Bagged Tree 技术在本研究中取得了 98.60% 的成功率。此外，使用 PNN 方法对数据集进行了分类，成功率达到 94.32%。关键词：AdaBoost；袋装树；EEG 信号；情绪预测；多层感知器；概率神经网络 1 引言
GINA-主要报告-2021-V2-WMS.pdf
5 岁及以下儿童 框 6-1. 5 岁及以下儿童诊断哮喘的概率 147 框 6-2. 5 岁及以下儿童哮喘诊断的提示性特征 148 框 6-2A. 可用于引出提示性哮喘特征的问题 149 框 6-3. 5 岁及以下儿童哮喘的常见鉴别诊断 151 框 6-4. 5 岁及以下儿童哮喘控制的 GINA 评估 154 框 6-5. 5 岁及以下儿童哮喘的个性化管理 159 框 6-6. 5 岁及以下儿童低日剂量吸入皮质类固醇 160 框 6-7. 为 5 岁及以下儿童选择吸入器 161 框 6-8. 5 岁及以下儿童急性哮喘或喘息的管理 164 框 6-9。 5 岁以下儿童哮喘急性发作的初步评估 165 框 6-10. 5 岁以下儿童立即转院的指征 166 框 6-11. 5 岁以下儿童哮喘急性发作的初步急诊科处理 167
人工智能系统的需求获取与建模：实证研究
摘要：人工智能 (AI) 系统在最近获得了显著的关注，在构建 AI 软件系统时对需求工程 (RE) 提出了新的挑战。人工智能实践的 RE 研究并不多，实证研究也很少。此外，许多 AI 软件解决方案往往侧重于技术方面，而忽略了以人为本的价值观。在本文中，我们报告了一个案例研究，该案例研究使用我们的框架和以人为本的 AI 系统 RE 支持工具来引出和建模需求。我们的案例研究是一个移动健康应用程序，用于鼓励 2 型糖尿病患者减少久坐行为。我们与应用程序团队的三位专家一起进行了研究——一名软件工程师、一名项目经理和一名数据科学家。我们在研究中发现，在开发应用程序的第一个版本时，大多数以人为本的方面最初并没有被考虑。我们还报告了健康应用程序 RE 面临的其他见解和挑战，例如频繁变化的需求。
基于论证的人机协作，支持行为改变以改善健康
本文介绍了一项基于论证的数字伴侣的实证需求引出研究，该研究旨在支持行为改变，其最终目标是促进和促进健康行为。这项研究由非专家用户和健康专家共同进行，部分由原型开发提供支持。它侧重于以人为本的方面，特别是用户动机，以及对数字伴侣的角色和交互行为的期望和看法。根据研究结果，提出了一个框架，用于定制代理的角色和行为以及论证方案。结果表明，数字伴侣在论证上挑战或支持用户态度和选择行为的程度以及伴侣的自信和挑衅程度可能会对用户接受度以及与数字伴侣互动的效果产生实质性和个性化的影响。更广泛地说，结果初步揭示了用户和领域专家对论证对话的“软”元级方面的看法，表明未来研究的潜力。
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%。
GINA 主报告 2022 封面
5 岁及以下儿童框 6-2. 提示 5 岁及以下儿童哮喘诊断的特征 154 框 6-2A. 可用于引出提示性哮喘特征的问题 155 框 6-3. 5 岁及以下儿童哮喘的常见鉴别诊断 157 框 6-4. 5 岁及以下儿童哮喘控制的 GINA 评估 160 框 6-5. 5 岁及以下儿童哮喘的个性化管理 165 框 6-6. 5 岁及以下儿童的低日剂量吸入皮质类固醇 166 框 6-7. 为 5 岁及以下儿童选择吸入器 167 框 6-8. 5 岁及以下儿童急性哮喘或喘息的管理 170 框 6-9. 5 岁及以下儿童急性哮喘发作的初步评估 171 框 6-10。 5 岁以下儿童立即转院的指征 172 框 6-11. 5 岁以下儿童哮喘发作的初始急诊科处理 173
情绪识别的自由能原理研究
本文概述了情绪识别设备的发展前景。它提供了自由能量原理的概念概述；包括马尔可夫毯、主动推理，特别是对自我和心智理论的讨论，然后简要解释了这些概念如何解释情绪推理的神经和文化模型。潜在的假设是，情绪识别和推理设备将从最先进的深度学习模型发展成为主动推理方案，超越营销应用，成为精神病学实践的辅助手段。具体来说，本文提出，第二波情绪识别设备将配备情绪词典（或认知搜索情绪词典的能力），使设备能够通过主动引出用户的反应并从这些反应中学习来解决对情绪状态的不确定性。紧接着，第三波情感设备将会汇聚于用户的生成模型，使得机器和人类进行一种互惠的、亲社会的情感互动，也就是共享一个情绪状态的生成模型。
通过团体辅导促进个人和领导力发展
为了继续作为一个物种繁荣发展，我们需要以群体的方式建设性地工作和成长。第四次工业革命凸显了我们作为人类的独特性——即我们共同合作、创造、想象、同情和改变的能力。这些品质是我们与技术的主要区别。虽然它们是个人技能，但这些品质也相互依存。在最好的情况下，它们是集体和复合的群体活动。作为群体，我们可以减轻我们固有的盲点，并“共同进步”。这些技能表明，当我们汇集我们的见解并有效地共同工作和成长时，我们会变得多么强大。指导是一种行之有效的方法，可以充分利用人类潜力，提升批判性和创造性思维、行动和清晰度。它认识到，只要有时间思考，并有一个志向远大的伙伴，你就更有可能成功。指导就是训练“学会学习”或“学会转变”的能力。它之所以能做到这一点，主要原因之一是教练提供或引出与现有限制性范式不同的观点/视角，并反复实践以适应这些观点/视角。这让个人更加敏捷，这在当前不断变化的背景下至关重要。商业教练将理论和实践结合起来，
面对面：梭状回面部区域的计算模型与有争议的面部刺激之间的对立
数百项研究已经描述了梭状回面部区域 (FFA) 的反应特性，但我们尚未揭示其表征背后的计算机制。一个方法论上的挑战是，不同的计算模型对随机抽样的面部做出的预测可能难以区分。这项 fMRI 研究采用了合成的争议性面部刺激，旨在引出六个候选神经网络模型对 FFA 中面部表征的不同预测。我们展示了对一位参与者进行四次扫描的初步数据。争议性面孔揭示了各模型在预测 FFA 表征相异矩阵 (RDM) 的能力方面存在许多显著差异，而随机抽样的面部无法实现模型之间的可靠裁决。经过逆向渲染（将面部图像映射到 3D 面部模型的潜在空间）训练的神经网络优于具有相同架构但经过识别、分类或自动编码训练的替代模型。我们的研究结果支持了这样的观点：面部识别涉及反映面部物理结构的表现形式，并证明了需要通过神经成像实验来优化有争议的刺激来裁决脑计算模型。
为物理康复治疗提供人工智能和机器人教练：与治疗师和中风后幸存者进行迭代设计和评估
摘要 人工智能 (AI) 和机器人教练有望通过社交互动提高患者对康复锻炼的参与度。虽然之前的研究探索了人工智能和机器人教练自动监控锻炼的潜力，但这些系统的部署仍然是一个挑战。先前的研究表明，缺乏利益相关者参与设计此类功能是主要原因之一。在本文中，我们介绍了我们在四名治疗师和五名中风后幸存者中努力引出人工智能和机器人教练如何以有效和可接受的方式与患者互动并指导患者锻炼的详细设计规范的努力。通过反复的问卷调查和访谈，我们发现中风后幸存者和治疗师都欣赏人工智能和机器人教练的潜在好处，以实现更系统的管理并提高他们在康复治疗中的自我效能和积极性。此外，我们的评估揭示了一些实际问题（例如，认知障碍者互动可能存在困难、系统故障等）。我们讨论了利益相关者早期参与的价值以及补充系统故障的交互技术，同时也支持个性化的治疗课程，以更好地部署人工智能和机器人运动教练。