XiaoMi-AI文件搜索系统
World File Search System情感
使用多模式情感识别促进心理健康的基于强化学习的方法
摘要：这项研究旨在通过通过个性化的，具有文化特定的多模式情绪预测系统来解决焦虑和抑郁症状来增强心理健康。它提出了一种情感意识的增强学习（RL）代理，以建议定制认知行为疗法（CBT）活动。该研究重点是使用面部表情，声音和文本开发精确的，个性化的情绪前词模型，并将这些模型与RL代理集成为情感上的CBT建议。MHealth方法将深度学习模型与RL相结合，面部表情的精确度为72％，声带的73％，文本为86％，所有这些都针对斯里兰卡的环境进行了微调。通过现实世界使用和用户反馈验证始终证明，每个模型都超过70％的精度，实现了精确的情感预测的目标。引入了一种加权算法，以完善情感预测体验并在这三种方式中个性化预测，以增强心理健康。支持RL的代理商建议由心理健康专业人员批准的CBT活动，根据预测的情绪量身定制，并通过同一MHealth应用程序进行。使用DASS-21问卷评估了这些干预措施的有效性，与对照组相比，研究组中抑郁评分的显着降低（从21.08到13.54）和焦虑评分（从19.85到10.46）。该研究得出的结论是，将多模式情感预测模型与基于RL的CBT建议相结合，从而对心理健康产生积极影响，并有助于个性化的人类健康干预措施。
基于免疫的机器学习预测精神分裂症和双相情感障碍的诊断和疾病状态
一项科学精神病学和心理药物学研究（SINAPS），大学精神病医院校园Duffel（UPCD），Rooienberg，19，2570 Duffel，Belgium b合作安特卫普精神病学院（CAPRI） ETEIL（UPEC），INSERM，IMRB转化神经精神病学实验室，AP-HP，H ˆ Opitaux Universitaires H Mondor，DMU Impact，FHU，FHU适应，Fondation Condation Condation con，Medical Informatics Center，France（Biomina），法国，Antwerp，Antwerp，Middelheim，Middelheim，Middelheim，Middelhem111，Middelhem111数学和计算机科学，安特卫普大学，校园Middelheim，MG105，Antwerp，Belgium f Inserm Investment Center，HP，HP，13，H Henri Mondor医院，巴黎大学埃斯特·埃斯蒂尔大学EHôpitalde Mondor 51 Tre de Tassigny，94010 Cr´Eteil，法国
文章 大学生对人工智能的态度：人工智能态度的认知、情感和行为维度的探索性研究
摘要：人工智能（AI）推动了新的学习模式并改善了教师的工作流程。然而，人们对学术诚信、抄袭和高等教育中批判性思维的减少表示担忧。因此，记录和分析大学社会科学学生对人工智能的态度非常重要，这是以后使用人工智能技术的重要预测因素。选择了来自希腊社会科学系的 190 名大学生（82.45％为女性）作为样本。描述性统计数据显示，学生对人工智能的态度大多是积极的。主成分分析证实了对人工智能态度的三成分解决方案，包括认知、行为和情感维度。对这三个成分的比较分析表明，情感维度排名最高，其次是认知和行为维度。成对相关分析表明，对人工智能的态度中认知、行为和情感成分最强的相关性是未来使用人工智能的频率，其次是对技术的普遍安全感。总之，学生对人工智能表现出更多的情感和认知倾向。学生的社会背景和未来对人工智能的使用在形成对人工智能的态度中起着关键作用。大学教育工作者需要提供更多关于人工智能的教学和学习，以改善学生对人工智能和未来人工智能使用的态度。
背诵《古兰经》对儿童社会情感发展的好处 Muhammad Naufal Fairuzillah 1 🖂 , Yudi Dirgantara 2 教育
背诵《古兰经》对儿童社交情感发展的优势 Muhammad Naufal Fairuzillah 1 🖂 , Yudi Dirgantara 2 Pendidikan Islam Anak Usia Dini, UIN Sunan Gunung Djati Bandung, 印度尼西亚 (1) Pendidikan MIPA, UIN Sunan Gunung Djati Bandung, 印度尼西亚 (2) DOI: 10.31004/obsesi.v8i4.3922 摘要 本研究是一项文献综述，旨在发现古兰经记忆对儿童社交情感发展的优势。 《古兰经》中包含了集体道德和社会情感价值观。背诵《古兰经》对儿童社会情感发展有以下几个好处：听《古兰经》朗诵有助于减少焦虑/压力并产生放松，背诵《古兰经》有助于发展社交能力，背诵《古兰经》有助于自我控制，背诵《古兰经》鼓励坚持不懈。然而，父母或老师应该关注孩子的特点。因此，对儿童实施《古兰经》背诵应该符合儿童的学习能力和发展。如果父母对孩子采用适当的《古兰经》背诵策略，他们可以通过学习和背诵《古兰经》来优化孩子的社会情感优势。关键词：背诵《古兰经》；幼儿期；社会发展
双极情感障碍与疾病之间的相关性
抽象的双相情感障碍（TAB）和心血管疾病密切相关，心血管疾病是双相情感人群中普通人群过早死亡的主要原因。因此，目前的工作旨在通过系统文献综述来报告选项卡与心血管疾病之间的相关性。在各种数据库中进行了电子搜索，其中包括2006年8月至2023年6月在葡萄牙，英语和西班牙语中发表的21篇文章，并符合拟议的目标。在选项卡中，心血管疾病的发病率过多具有多因素的病因，受到患者社会经济状况的影响，疾病本身固有的特征，这些特征促进了与风险相关的风险行为，伦理学和吸烟以及针对其危险的采用。TAB治疗主要由具有情绪和/或抗精神病药稳定剂的药物治疗组成，这些药物具有不良反应，可以证明会增加心血管风险并提供心血管疾病的出现。幽默稳定器在体重增加的潜力中突出，尤其是锂和丙丙酸，尽管脂质和葡萄糖代谢的疾病并不常常由这些药物引起，但继发性体重增加可能有助于高血糖，糖尿病，糖尿病和血脂异常。关键词：双相情感障碍，心血管疾病，心血管风险，情绪稳定器和抗精神病药。考虑到非典型抗精神病药，众所周知，它们已证明可以孤立地引起体重增加，高血糖，糖尿病和血脂异常血症，因此已证明其能够提高心血管风险。尽管如此，最近的研究表明，该类别的年轻药物（例如Aripiprazole和Ziprazo）似乎对脂质和糖苷代谢几乎没有有害影响。TAB和心血管疾病之间的相关性表明，精神病患者身体合并症的医学疏忽持续过失，以及对增加心血管风险以及这些个体心血管疾病的出现的更大监测需求。因此，鉴于上述情况，很明显，将TAB患者的心血管疾病负荷分配给一个因素，这重申了该人群中对新研究的最大需求。抽象的双相情感障碍（不良）和心血管疾病密切相关，心血管疾病是躁郁症患者的总人群过早死亡的主要原因。因此，这项研究的目的是通过系统文献综述来报道伴随性结构性和心血管疾病的相关性。在各种数据库中进行了电子搜索，其中包括2006年8月至2023年6月在葡萄牙，英语和西班牙语中发表的21篇文章，并带有拟议的目标。服用非典型在不良的，心血管疾病的发病率过多的情况下具有多因素病因，并受到患者的社会经济状况的影响，疾病本身的固有特征，促进了与饮食不良，酒精中毒和吸烟以及针对它的治疗相关的风险行为。不良治疗主要由情绪稳定剂和/或抗精神病药，具有不良反应的药物组成，这些药物已被证明会增加心血管风险并导致心血管疾病的发作。情绪稳定剂在体重增加的潜力中突出，尤其是锂和丙丙酸，尽管这些药物并不常见脂质和葡萄糖代谢疾病，但这些药物的体重增加可能导致高血糖，糖尿病，糖尿病和血脂异常。
强化学习基于噪音的数据增强稳健语音情感识别
语音情感识别（SER）是任何人类机器相互作用的必不可少的组成部分，并启用构建善解人意的语音用户界面。在与基于语音的呼叫中心（基于语音的呼叫中心）一样，当一个人与机器或代理互动时，在嘈杂环境中准确识别情绪的能力在实践场景中很重要。在本文中，我们提出了基于加强学习（RL）的数据增强技术，以构建强大的SER系统。RL中使用的奖励函数启用选择性噪声分布在不同的频带上以进行数据增强。我们表明，所提出的基于RL的增强技术优于最近提出的基于随机选择的技术，用于噪声稳健的SER任务。我们将IEMOCAP数据集与四个情绪类别类别一起验证所提出的技术。更重要的是，我们在跨语料库和跨语言场景中测试SER系统的噪声稳健性。索引术语：语音情绪识别，稳健性，选择性数据增强，强化学习。
使用BCI使用情感分类的情感伪录制系统-Wiss
情绪观察可以分为三类：心理指标，行为指标和生理指标[74]。心理指标衡量内部心理状态，行为指标衡量外部行为和表现，生理指标衡量生理反应和身体状态。此外，心理指标是通过问卷调查和访谈来进行的，可以与其他客观指标结合使用。在使用行为指标分类的影响分类中，使用各种方法进行了影响分类。例如，在基于语音的情感分类中，Issa等人。对于八个类别（悲伤，幸福，愤怒，镇定，恐惧，惊喜，中立，厌恶）的准确性为71.61％，七个类别为86.1％，四个类别为64.3％[23]。 Jayalekshmi及其同事还提出了一种自动识别图像中面部表情的方法，从而达到了90.14％至七个类别的分类精度[24]。此外，Lim等人。提出了一种在虚拟环境中在情绪分类中使用学生位置的方法，其准确性高达59.19％[30]。另一方面，使用生理指标，EEG信号一直在情绪分类中引起人们的注意。脑电图信号是无意识的生理信号，与其他方法相比，很难有意识地操纵情绪分类的结果[31]。此外，脑电图具有很高的时间分辨率，并且可以在毫秒内检测情绪状态[6，11]。 Balconi及其同事使用视频在实验中引起特定的情绪，并表明在诱导情绪后，脑波变化了150毫秒250毫秒，表明脑波对情绪变化敏感[65]。 Valenti等。使用脑电图数据[66]，还达到了四类（有趣，令人恶心，悲伤，中立）的高精度（有趣，令人恶心，悲伤，中性）的高精度。在这项研究中，我们使用脑电图数据将用户的情绪分为四类：喜悦，愤怒，悲伤，幸福。使用脑电图的情绪分类是情绪观察的强大工具，因为与其他方法相比，它允许更高的准确性和时间分辨率。此外，已经提出，可以使用脑电图信号估算甲氨虫的人的情绪状态[2]。因此，使用脑电图的情绪分类是心血症患者的最佳方法，这使得很难识别自己的情绪。
情感决策：硬连线和有帮助1
5 https://www.interaction-design.org/literature/article/the-concept-oc-------------------------------------------------------------------------triune-brain（上次访问，2024年8月30日）。 6 Pam Rutledge，增强现实的说服力，数字行为心理学（2002），https://www.pamelarutledge.com/resources/arsources/articles/the-persuasive-persuasive-impact-ompact-og------------------------------------------------------ 7理解爬行动物的大脑：进化的遗产，民族人类神经干细胞资源（2023年5月9日），https：//www.nhnscr.org/blog/blog/blog/understanding-the-poptilian-brain-brain-brain-evolutions-legacy/。 8 Chloe Bennett，什么是新皮层？ ，新闻医疗（2023年3月13日），https：//www.news-medical.net/health/what-is-the-neocortex.aspx。 9边缘系统，克利夫兰诊所（2024年4月6日）https://my.clevelandclinic.org/health/body/lody/limbic- System。 10上文，注5（“大脑成像的现代进步表明大脑的各个区域在原始，情感和理性的经历中都很活跃。5 https://www.interaction-design.org/literature/article/the-concept-oc-------------------------------------------------------------------------triune-brain（上次访问，2024年8月30日）。6 Pam Rutledge，增强现实的说服力，数字行为心理学（2002），https://www.pamelarutledge.com/resources/arsources/articles/the-persuasive-persuasive-impact-ompact-og------------------------------------------------------7理解爬行动物的大脑：进化的遗产，民族人类神经干细胞资源（2023年5月9日），https：//www.nhnscr.org/blog/blog/blog/understanding-the-poptilian-brain-brain-brain-evolutions-legacy/。8 Chloe Bennett，什么是新皮层？，新闻医疗（2023年3月13日），https：//www.news-medical.net/health/what-is-the-neocortex.aspx。9边缘系统，克利夫兰诊所（2024年4月6日）https://my.clevelandclinic.org/health/body/lody/limbic- System。10上文，注5（“大脑成像的现代进步表明大脑的各个区域在原始，情感和理性的经历中都很活跃。这些发现导致拒绝了麦克林在神经科学中的三位一体大脑的概念。但是，尽管该模型无疑是一个过度简化的，但
基于机器学习的面对情感识别
计算机现在可以通过机器学习和信息融合的最新发展来检测，理解和评估情绪。各个部门的研究人员越来越吸引情感识别，利用面部表情，文字，肢体语言和姿势作为辨别个人情绪的手段。然而，前三种方法的有效性可能受到限制，因为个人可以有意识地或不自觉地抑制自己的真实感受。本文探讨了各种特征提取技术，包括机器学习分类器的开发，例如K-Nearest邻居，Naive Bayesian，Support Vector Machine和Random Forest，根据既定的情感识别标准。本文具有三个主要目标：首先，通过概述基本理论概念来提供有效计算的全面概述；其次，详细描述目前情绪识别的最新;第三，要强调文献中重要的发现和结论，重点是重要的障碍和可能的未来途径，尤其是在创建国家的机器学习算法以识别情绪时。