XiaoMi-AI文件搜索系统
World File Search System感知
对疫苗接种期间的感知，知识和态度：横断面研究
简介：相互诉讼大流行增强了疫苗接种的重要性，但是，一旦免疫率随疫苗犹豫而变化，涉及几个因素，就很难实现足够的覆盖率。目的：了解SARS-COV-2和JUIZ de Fora中其他病原体的粘附或拒绝疫苗的原因，并预防新的暴发/流行病，知识，知识，感知和对疫苗接种的态度。方法：该研究是横向，定量和描述性的。样本（n = 655）由Juiz de Fora的公民组成，这些公民匿名回答了联邦Juiz de Fora大学提供的在线问卷和健康的基本统一。对疫苗功效，重要性和安全性的看法；准确的知识和识别有关此事的虚假新闻的能力；接收信息的主要来源和疫苗接种依从性的决定因素。进行了简单的描述性分析。结果：参与者的平均年龄是32岁，大多数是白人，女性，具有较高的教育和经济水平。对COVID-19（98,93％）的首次剂量很高，而97.3％的人表现出了年度疫苗接种的倾向。对疫苗接种的不正确知识的最高率是疫苗垃圾的参与者（71,43％）。结论：尽管疫苗接受和感知和对疫苗的足够知识很高，但疫苗的犹豫与检测到假新闻和降低健康素养的能力低有关。关键字：疫苗接种；新冠肺炎;健康知识。疫苗姿势的主要决定因素是：信息源，是风险群体的一部分，对个人和集体保护的理解，自由疫苗接种，对SARS-COV-2严重性的看法以及对剂量的副作用的信念不超过其益处。因此，应考虑公共策略以监测抗疫苗的态度和进一步的研究，以根据流行病学背景来理解疫苗接种行为的动态决定因素。
镰状细胞疾病成人的修订疾病感知问卷（IPQ-R）的心理测量特征
抽象目标：镰状细胞疾病（SCD）是全球最常见的单基因疾病。心理和行为因素通常被报告为在预测SCD健康结果中起着重要作用。专注于适应特定的健康状况及其治疗时，事实证明，健康与疾病的常识模型（CSM）具有启发式价值。在其他健康状况下，疾病结果直接受到疾病感知的影响。因此，这项研究的目的是探索修订后的疾病感知问卷（IPQ-R）的心理测量专有。设计：我们对517例镰状细胞疾病患者进行了横断面评估，并收集了406 IPQ-R的结果。通过这些数据，我们验证了信仰量表的因子结构和提出的修改，以通过确定的因素分析来改善其对数据的拟合。此外，我们通过探索性因素分析探索了因果归因量表的阶乘结构。结果：初始模型与数据显示不良。在结构修改后，消除了两个具有低负载的项目（模型2），在项目（模型3）和项目重新分配之间添加的协方差（模型4），最后提出的模型提出了与数据的正确拟合。在进行此模型规范之前，我们审查并编辑了九项研究，探讨了IPQ-R的心理计量学特性，以突出其他已将IPQ-R适应特定人群的作者进行的所有修改，并允许与我们自己的修改进行比较。结论：考虑到以前的发现，这项研究表明，在IPQ-R的尺寸结构上需要进一步的工作。
自动驾驶汽车感知（E061670）
本课程由项目补充的讲座组成。讲座：•介绍和介绍自动驾驶汽车的用例。• Basic problems in autonomous vehicle perception (positioning, observation, • SLAM problem...) • Physical principles of perception and sensors (light-material interaction, • properties of light, antennas and propagation...) • Mathematical concepts of sensor performance (bandwidth, resolution, • quantization, dynamic range...) • Sensor technology (quantitative vs qualitative, active vs passive sensors, • strengths and弱点...）•定位原理（绝对和相对参考系统，探测器，•跟踪，猛击...）•映射原理（大满贯，缝制，摄影测量，注册...）•对环境的解释（对象检测和跟踪，路径计划...）
使用感知和CNN算法的自动驾驶汽车中的人工智能
梅赛德斯 - 奔驰和德省大学慕尼黑大学的尤里卡·普罗米修斯（Eureka Prometheus Prometheus Prometheus Promist），以及1984年卡内基·梅隆大学的Navlab和ALV项目，为引入了1980年代的首款自给自足，真正的自动驾驶汽车，并在1984年引入了第一辆自给自足和真正的自动驾驶汽车。在早期阶段，自动驾驶汽车在神经网络（ALVINN）中使用自动陆上车使用神经网络来检测线路并导航。这些车辆受到处理缓慢的处理器和数据不足的限制。自动驾驶汽车必须做出更快的决定，并观察车辆存在的环境。在人工智能增长后，这些车辆配备了AI。AI连接到车辆中存在的每个传感器，并处理从传感器收集的数据。使用这些收集的数据是使用复杂算法的，AI实时做出决策。
解决自主驾驶感知的开放式对象检测：关注道路对象
摘要 - 预计自动驾驶汽车（AV）将采取安全有效的决定。因此，AVS需要对现实世界的情况进行健壮，尤其是应付开放世界的设置，即处理新颖性的能力，例如看不见的对象。经典的对象检测模型经过训练，以识别一组预定义的类，但在推理阶段很难概括为新颖的类。开放式对象检测（OSOD）旨在解决正确检测未知类别对象的挑战。但是，自主驾驶系统具有特定的开放式特性，这些特性尚未涵盖OSOD方法。的确，检测误差可能导致灾难性事件，强调优先考虑盒子检测质量而不是数量的重要性。此外，可以利用在公路场景中遇到的物体的特定特征来改善其在开放世界中的检测。在这种情况下，我们介绍了一种新的自主驾驶感知对象的定义，从而实现了AV专业的开放式对象检测器创建的ADO的命题。所提出的模型使用了一个新的分数，该分数从语义分割的背景基础真理中学到了。在道路对象评分上的这一点可以衡量该对象是否在可驱动区域上，从而增强了未知检测的选择。实验评估是在模拟和现实世界数据集上进行的，并揭示我们的方法的表现优于未知对象检测设置中的基线方法，在已知对象上与封闭式对象检测器具有相同的检测性能。
大脑优化提取复杂声音特征以驱动连续听觉感知 Berezutskaya, Y.; Freudenburg, ZV; Güçlü, U.; Gerven,
了解人类大脑如何处理听觉输入仍然是一个挑战。传统上，人们会区分低级和高级声音特征，但它们的定义取决于特定的理论框架，可能与声音的神经表征不匹配。在这里，我们假设构建一个数据驱动的听觉感知神经模型，对相关声音特征做出最少的理论假设，可以提供一种替代方法，并可能更好地匹配神经反应。我们收集了六名观看长时间故事片的患者的皮层脑电图记录。原始电影配乐用于训练人工神经网络模型以预测相关的神经反应。该模型实现了高预测准确率，并且很好地推广到第二个数据集，其中新参与者观看了不同的电影。提取的自下而上的特征捕捉了特定于声音类型的声学特性，并与各种响应延迟曲线和不同的皮质分布相关。具体而言，一些特征编码了与语音相关的声学特性，其中一些特征表现出较短的延迟曲线（与后外侧裂皮质中的反应相关），而另一些特征表现出较长的延迟曲线（与前外侧裂皮质中的反应相关）。我们的研究结果支持并扩展了当前对语音感知的看法，证明了外侧裂皮质中存在时间层次，并且在视听语音感知过程中涉及该区域以外的皮质部位。
对高速机器人控制的针刺刺激的感知和电生理反应的表征
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。此预印本版的版权持有人于2025年2月21日发布。 https://doi.org/10.1101/2025.02.20.25322639 doi：medrxiv preprint
探索化石燃料的风险感知，e- ...
在发表的文章中，表3中出现了错误。不幸的是，表3的内容与表2中的内容相同。校正的表3及其标题“多个线性回归分析的结果，以预测使用或购买使用电动驱动器的车辆的准备。RP，风险感知。”出现在下面 在发表的文章中，有一个错误。 在抽象中，变量之间关系的方向无意中逆转。 对抽象进行了更正。 此句子先前指出：“发现汽车的亲和力与对电子燃料和化石燃料的风险感知呈正相关，但与电动驱动器有负相关。”校正后的句子如下：“发现汽车亲和力与对电子燃料和化石燃料的风险感知有负相关，但与电动驱动器相关。”作者对此错误表示歉意，并指出，这不会以任何方式改变文章的科学结论。 原始文章已更新。RP，风险感知。”出现在下面在发表的文章中，有一个错误。在抽象中，变量之间关系的方向无意中逆转。对抽象进行了更正。此句子先前指出：“发现汽车的亲和力与对电子燃料和化石燃料的风险感知呈正相关，但与电动驱动器有负相关。”校正后的句子如下：“发现汽车亲和力与对电子燃料和化石燃料的风险感知有负相关，但与电动驱动器相关。”作者对此错误表示歉意，并指出，这不会以任何方式改变文章的科学结论。原始文章已更新。
一周完全的皮质失明后，一个非常罕见的完全视觉恢复的案例，燃烧后两只眼睛都没有光感知
皮质失明是一种神经系统疾病，是由于枕叶中的基因藻氨酸途径破坏，导致双侧视力丧失[1]，并以正常的基础镜头，眼部运动和瞳孔功能为特征[1]。这是枕皮质损伤[2]因不同病因而引起的失明的重要原因。皮质失明在存在/不存在视觉功能，严重程度，视觉不足的意识以及在不同患者中恢复功能的幅度方面有所不同[3]。尽管由于脑缺血和缺血，但皮质失明可能是燃烧的继发性，但很少有报道。燃烧的机制可能是通过导致流向大脑的血液流动的破坏，从而导致脑部灌注灌注，这可能会导致视觉皮质区域的参与导致皮质失明。尽管皮质失明可能在脑外科手术中很常见，头部创伤[4]，但中风等等，但在烧伤患者中非常罕见。
RAP-G：使用遗传算法进行深度边缘计算的可靠性感知服务放置
摘要 - 为了确保较低的延迟，服务提供商越来越多地转向边缘计算，将服务和资源从云到网络的边缘，尽可能靠近用户。但是，由于视频和图像处理应用程序在计算上特别密集，因此它们的部署通常基于边缘和云之间的分布式配置，这在依靠不可靠的网络时可能会增加故障的风险。在这项工作中，我们提出了算法RAP-G（具有遗传学的可靠性意识服务放置），该算法使用遗传算法（GA）考虑了网络链接的可靠性并在云和边缘之间分发服务。我们还开发了一种称为RF2（可靠性意识的第一拟合）的第一拟合算法的新变体，该算法在合理的时间内考虑可靠性。评估了RAP-G算法的性能，并将其与RF2算法进行比较。实验结果表明，考虑在服务提供的可靠性和RAP-G的优势方面的重要性。索引术语 - 边缘计算，人工智能，超可靠的低潜伏期通信，服务编排