XiaoMi-AI文件搜索系统
World File Search System手工
从原始脑电图数据中提取功能以识别情绪
卷积神经网络（CNN）在各种任务中取得了显着的性能突破。最近，以手工提取的EEG功能喂养的基于CNN的方法稳步提高了他们在情感识别任务上的表现。在本文中，我们提出了一个新颖的综合层，称为缩放层，该层可以从原始的EEG信号中自适应地提取有效的数据驱动频谱图。此外，它利用了从一个数据驱动的模式缩放的卷积内核，以揭示频率样维度，以解决需要手工提取特征或其近似值的先前方法的缺点。ScaleingNet是基于缩放层的提议的神经网络体系结构，已在已建立的DEAP和Amigos基准数据集中实现了最新的结果。2021作者。由Elsevier B.V.这是CC下的开放式访问文章（http：//creativecommons.org/licenses/4.0/）。
可解释人工智能的神经符号视角
摘要。我们讨论了在可解释人工智能 (XAI) 研究领域中使黑盒模型更易于解释的观点。我们认为，用于训练深度学习 (DL) 模型的传统端到端学习方法不符合 XAI 的宗旨和目标。回到手工特征工程的想法，我们建议对 XAI 采用混合 DL 方法：我们建议使用 DL 自动检测有意义的、手工高级符号特征，而不是采用端到端学习，然后将其用于标准且更易于解释的学习模型。我们基于最近提出的 Kandinsky 模式基准，在概念验证中举例说明了这种混合学习模型，该模型通过使用逻辑张量网络和可解释规则集合，专注于管道的符号学习部分。在证明所提出的方法能够提供高度准确且可解释的模型之后，我们将讨论潜在的实施问题和可以探索的未来方向。
KS3 设计与技术纺织品手册
洗涤前，应将衣物分成................类。务必不要........................机器无法正确洗涤衣物。洗涤前，应始终阅读衣服上的................................说明，以便了解应在什么温度下洗涤。将衣物分开洗涤时，应查看................ 切勿将..........与..........或有色衣物一起洗涤 - 除非您希望它们一起洗涤！ 通常，所有白色衣物都可以洗........................，相同类型或..........................的所有颜色的衣物可以一起洗涤。应始终将深色和浅色衣物分开洗涤 如果衣物上有很多手工完成的细节，则需要手洗。通常，可以使用机器中较低的“手洗”或羊毛设置来洗涤手工完成的衣物........................（以保护装饰）。有些衣物会说明可以在 60 ⁰ 下洗涤，但更..............................................在较低的温度下洗涤。请记住：“如果不脏，请在.............下洗涤”。
可解释人工智能的神经符号视角
摘要。我们讨论了在可解释人工智能 (XAI) 研究领域中使黑盒模型更易于解释的观点。我们认为，用于训练深度学习 (DL) 模型的传统端到端学习方法不符合 XAI 的宗旨和目标。回到手工特征工程的想法，我们建议对 XAI 采用混合 DL 方法：我们建议使用 DL 自动检测有意义的、手工设计的高级符号特征，而不是采用端到端学习，然后由标准且更易于解释的学习模型使用这些特征。我们在概念验证中举例说明了这种混合学习模型，该模型基于最近提出的 Kandinsky 模式基准，重点关注管道的符号学习部分，同时使用逻辑张量网络和可解释规则集合。在证明所提出的方法能够提供高度准确且可解释的模型之后，我们将讨论潜在的实施问题和可以探索的未来方向。
木工车间的经验教训：培养设计
除了 HCI 的典型生产场所之外，还有其他实践世界，它们以这种对材料品质的表演性观点为起点。本文描述了这样一个场所及其对使用活体活性材料设计技术的经验教训。具体来说，我们借鉴了华盛顿州汤森港一所木工贸易学校为期 18 个月的木结构小房子民族志研究。木结构是一种手工建筑施工方法，使用大型木材通过细木工连接在一起，将木块塑造和组装成一个结构整体的手工工艺。在研究过程中，我们在建造三栋小房子的同时，学习了如何寻找、准备、建造和维护新旧生长木材的材料特性。借鉴这个案例，我们阐明了设想、设计、建造和维持活材料的过程。通过将这一案例置于生物材料的人机交互发展背景下，我们为制造和长期居住技术的设计提供了新的见解。
