XiaoMi-AI文件搜索系统
World File Search System情绪
神经反馈调节情绪的艺术方法
虽然文献表明，当感觉反馈与所考虑的病理相关时，神经反馈的表现会有所改善，但仍然很难表现出一种能代表我们情绪状态的适当反馈。在这项研究中，我们发起了神经科学家和艺术家之间的合作，以开发一种情绪的视觉表现。情绪被表示为根据价数和唤醒水平在白色球体中移动的粒子。探索了粒子控制的几种可能性：粒子的方向、它们在特定位置的浓度或它们的重力。参与者被要求在 0 到 5 的范围内评估这些可能性，评估不同表现的艺术性程度以及是否可以用作临床活动，他们是否认为他们在神经反馈练习期间成功控制了粒子，以及他们是否欣赏这种体验。我们发现控制粒子的方向和浓度被认为是最具艺术性的，平均得分约为 5 分中的 3 分，107 名参与者中有 47% 认为粒子的浓度是艺术性的。此外，我们发现参与者可以在此会话中显著控制粒子的方向。我们的方法是评估情绪神经反馈在多个疗程中的有效性之前的第一步。关键词：神经反馈；情绪；艺术
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。
左派的情绪能力和问题行为......
现有研究表明，影响留守儿童问题行为的因素有很多，例如父亲参与（Torres等，2014；Qiao等，2024）、个人特质（Tan等，2023）、教养方式（Haslam等，2020）、师生关系（Bulotsky-Shearer等，2020）、教养压力（Mak等，2020）、数字媒体（Sundqvist等，2020）等。虽然现有研究成果为完善留守儿童关爱体系提供了基础性依据，但问题行为研究既要关注外部环境因素，也要关注内部心理因素。目前对留守儿童的研究主要侧重于通过外部环境因素来减少问题行为，忽视了其内部积极心理品质的作用。因此，本研究的首要目的是全面考察情绪能力对留守儿童问题行为的影响。儿童的情绪能力不仅与各种积极结果相关，如良好的社会关系、学业成功、良好的行为习惯和幸福感（Hachem等，2022），也与问题行为有关，如欺凌行为和退缩行为（Calzada等，2024；You等，2023）。情绪能力的发展有助于儿童理解和表达自己的情绪，理解他人的情绪，增强儿童的适应能力，降低问题行为的概率。因此，本研究提出假设1：情绪能力对问题行为有重要影响。
通过AUC进行脑电图情绪识别...
不平衡的数据集对神经科学、认知科学和医学诊断等领域构成了重大挑战，在这些领域中，准确检测少数类别对于稳健的模型性能至关重要。本研究以 DEAP 数据集中的“喜欢”标签为例，解决了类别不平衡问题。这种不平衡经常被先前的研究忽视，这些研究通常侧重于更平衡的唤醒和效价标签，并主要使用准确度指标来衡量模型性能。为了解决这个问题，我们采用了旨在最大化曲线下面积 (AUC) 的数值优化技术，从而增强了对代表性不足的类别的检测。我们的方法从线性分类器开始，与传统的线性分类器（包括逻辑回归和支持向量机 (SVM)）进行了比较。我们的方法明显优于这些模型，召回率从 41.6% 提高到 79.7%，F1 分数从 0.506 提高到 0.632。这些结果强调了通过数值优化实现 AUC 最大化在管理不平衡数据集中的有效性，为提高在样本外数据集中检测少数但关键类别的预测准确性提供了有效的解决方案。
通过单眼简化多模式情绪识别...
第 3 章：方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 3.4 测试阶段：情绪分类.......................................................................................................................................13
使用 Transformer 进行情绪分析
本研究探讨了如何使用基于 Transformer 的模型（例如 BERT 和 DistilBERT）对 IMDb 电影评论进行情感分析。实验的目的是找到准确率和计算效率之间的平衡，评估两种模型在不同训练参数下的表现。BERT 在三个时期内达到了 91.39% 的峰值准确率，总共需要 54 分钟进行训练。另一方面，DistilBERT 仅用 38 分 25 秒就达到了 91.80% 的类似准确率。尽管准确率略有差异，但 DistilBERT 被证明是一种更高效的训练选择，因此成为资源有限环境的可行替代品。该研究结果与 R. Talibzade (2023) 的研究形成了对比，后者使用 BERT 获得了 98% 的准确率，但需要 12 小时的训练，说明了准确率和训练时间之间的平衡。未来可能的任务包括进一步完善、使用更大的数据集进行测试、研究替代的 Transformer 模型，以及利用更高效的训练方法来提高性能而不牺牲效率。这是一篇 CC BY-NC 许可下的开放获取文章
神经反馈调节情绪的艺术方法
虽然文献表明，当感觉反馈与所考虑的病理相关时，神经反馈的表现会有所改善，但仍然很难表现出一种能代表我们情绪状态的适当反馈。在这项研究中，我们发起了神经科学家和艺术家之间的合作，以开发一种情绪的视觉表现。情绪被表示为根据价数和唤醒水平在白色球体中移动的粒子。探索了粒子控制的几种可能性：粒子的方向、它们在特定位置的浓度或它们的重力。参与者被要求在 0 到 5 的范围内评估这些可能性，评估不同表现的艺术性程度以及是否可以用作临床活动，他们是否认为他们在神经反馈练习期间成功控制了粒子，以及他们是否欣赏这种体验。我们发现控制粒子的方向和浓度被认为是最具艺术性的，平均得分约为 5 分中的 3 分，107 名参与者中有 47% 认为粒子的浓度是艺术性的。此外，我们发现参与者可以在此会话中显著控制粒子的方向。我们的方法是评估情绪神经反馈在多个疗程中的有效性之前的第一步。关键词：神经反馈；情绪；艺术
可再生能源社交媒体情绪分析
摘要 本研究使用来自 Facebook、Instagram、Quora 和 Reddit 等社交媒体平台的数据，对公众对各种能源（包括水电、太阳能、风能和核能）的看法进行了情绪分析。一个包含 3,269 次提及的数据集，通过检查互动、分享和点赞，提供了有关这些能源形式的当前讨论的广泛视图。该方法将定量情绪分析与定性内容检查相结合，以揭示潜在主题。研究结果显示，人们对可再生能源（主要是水电和太阳能）持有强烈的积极情绪，通常被描述为“清洁”、“可持续”和“高效”。水电因其对环境的影响最小而受到高度重视，而太阳能因应对气候变化和技术进步而受到称赞。风能因视觉和噪音污染问题以及对野生动物的潜在影响而受到批评，而核能主要由于安全和废物管理问题而产生负面情绪。这些结果对于制定可再生能源行业内有效的营销策略具有重要意义。 Anahtar Kelimeler Yenilenebilir enerji、Duygu analizi、Sosyal medya söylemi、Pazarlama iletişimi
用深度学习模型检测情绪
摘要 - 这项研究提议实施基于卷积神经网络的面部情感识别系统，以实时检测情绪，旨在优化工作场所环境并提高组织生产力。评估了六种深度学习模型：标准CNN，Alexnet，VGG16，InceptionV3，Resnet152和Densenet201，Densenet201实现了最佳性能，精度为87.7％，召回96.3％。该系统显示关键绩效指标（KPI）的显着改善，包括减少数据收集时间的72.59％，诊断时间降低了63.4％，工作满意度增加了66.59％。这些发现突出了深度学习技术对工作场所情感管理的潜力，实现了及时的干预措施，并促进了更健康，更有效的组织环境。
调节情绪归因和操纵的理由
首先，我们不应该假设情感计算技术将按计划工作。在最基本的层面上，他们可能会误解人们，并将一个人的行为归因于另一个人。即使他们能够始终如一地识别人和面孔，机器也可能失败。心理学研究人员已经证明，面部和表情不一定巧妙地绘制到特定的特征和情感上，更不用说涉及到参与或侵略检测中更广泛的精神状态了。正如丽莎·巴雷特（Lisa Barrett）和她的同事所报告的那样：“同一情感类别的实例既不是通过一组普通的面部运动来可靠地表达的，也不是从一组普通的面部运动中表达出来的（Barrett等人。2019：3），因此面部的交流能力受到限制。误解的危险是明确的，并且在通过面部分析量化参与的努力中存在明显的危险。