XiaoMi-AI文件搜索系统
World File Search System显着性
输入细胞注意力机制降低循环神经网络的消失显着性
最近，为提高深度神经网络的可解释性，人们使用显著性来表征输入特征对模型预测的重要性。在循环神经网络 (RNN) 上使用基于显著性的方法进行可解释性研究主要针对语言任务，而它们对时间序列数据的适用性尚不明确。在本文中，我们分析了基于显著性的 RNN 方法，包括经典和门控单元架构。我们表明，RNN 显著性会随着时间的推移而消失，导致对显著特征的检测仅偏向于后续时间步骤，因此无法可靠地检测任意时间间隔内的重要特征。为了解决这个显著性消失问题，我们提出了一种新颖的 RNN 单元结构（输入单元注意力†），它可以扩展任何 RNN 单元架构。在每个时间步骤，输入单元注意力使用固定大小的矩阵嵌入，而不是只查看当前输入向量，矩阵的每一行都关注来自当前或之前时间步骤的不同输入。使用合成数据，我们表明，输入单元注意 RNN 生成的显着性图能够忠实地检测重要特征，无论它们在时间上发生如何。我们还将输入单元注意 RNN 应用于神经科学任务，该任务分析执行各种任务的人类受试者的功能性磁共振成像 (fMRI) 数据。在这种情况下，我们使用显着性来表征大脑区域（输入特征），这些区域的活动对于区分任务很重要。我们表明，标准 RNN 架构只能在 fMRI 数据的最后几个时间步骤中检测重要的大脑区域，而输入单元注意模型能够跨时间检测重要的大脑区域活动，而不会在后面的时间步骤中产生偏差。
恒河猴中连接显着性检测和运动反应的皮质机制
突然的、令人意外的感觉事件会触发神经过程，从而迅速调整行为。为了研究这种现象的系统发生和机制，我们训练两只雄性恒河猴通过对等长操纵杆施加力量来将光标保持在视觉目标内。我们研究了令人意外的听觉刺激对施加的力量、头皮脑电图 (EEG) 活动和从背外侧前额叶皮质记录的局部场电位 (LFP) 的影响。听觉刺激引起 (1) 等长力的双相调制，短暂下降然后是纠正性的紧张性增加，和 (2) 由两个大的负波 - 正波 (N70 和 P130) 主导的 EEG 和 LFP 偏转。EEG 电位在头皮顶点对称且最大，非常类似于人类的“顶点电位”。 “皮层电位和力量紧密相关：P130 振幅预测了矫正力增加的幅度，特别是在从深层而非浅层皮层记录的 LFP 中。这些结果揭示了一种系统发育上保留的皮层运动机制，支持对突出的感觉事件做出反应的适应性行为。
EEG 源衍生的显着性网络耦合支持现实世界的注意力切换
虽然选择性注意背后的大脑机制已经在受控实验室环境中得到了详细研究，但这些过程在现实世界中如何发挥作用尚不清楚。在这里，我们研究了现实世界中计算机化任务的参与度，该任务相当于标准学术测试，包括以自定进度的方式解决高中水平的问题。在这个任务中，我们使用脑电图源得出的脑源间有效耦合估计值来描述持续注意力从专注的任务状态到分心的非任务状态的转换背后的神经机制。具体来说，由于突显网络与持续注意力和注意力转换有关，我们对突显网络核心节点、前岛叶 (AI) 和前扣带皮层 (ACC) 之间的有效耦合进行了假设驱动分析。根据我们的假设，我们发现在注意力从专注于任务的状态转变为非任务分心的状态时，AI -> ACC 有效耦合会增加。这项研究可能为未来针对神经功能的脑机接口的发展提供参考，以增强持续注意力。
多视图自动镜显示
本文的目的是研究对多视图自动镜显示的零 - 帕拉克斯设定（ZP）的动态计算，以有效地减轻具有较大差异图像的模糊3D视觉。显着性检测技术可以产生显着图，这是显着性的地形表示，指的是视觉上主导的位置。通过使用显着图，我们可以预测吸引观众的关注或感兴趣地区的原因。最近，深度学习技术已应用于显着性检测。深度学习的显着对象检测方法具有突出显示大多数显着对象的优点。借助深度图，可以计算出显着对象的空间分布。在本文中，我们将根据视觉注意力比较两种动态ZPS技术。它们是1）通过基于图形的视觉显着性（GBV）算法和2）基于卷积神经网络（CNN）基于基于图形的模型的空间分布的最大显着性计算。实验证明，两种方法都可以帮助改善自动镜显示的3D效应。此外，基于显着对象的动态ZPS技术的空间分布可以比最大的基于显着性的方法获得更好的3D性能。
第4章结果与讨论4.1。试点测试
从已进行的有效性测试结果中，有关现金返还的所有声明都是有效的。这是根据表4.10证明的，其中每个语句的0.636 - 0.677的rcount使用5％和n = 200的显着性大于R表，可rtable的显着性为0.138。因此，问卷的所有声明都是有效的。
前岛叶皮质和右侧上缘回之间的神经动力学将真实情感共享与假装感知显着性分离
摘要 对疼痛的共情涉及共同的情感反应和自我与他人的区分。在本研究中，我们探讨了一个备受争议的问题：之前与情感共享相关的神经反应是否可能来自对突出的情感表现的感知。此外，我们研究了涉及情感共享和自我与他人区分的大脑网络如何支撑我们对被认为是真实或假装的疼痛的反应（而事实上，两者都是出于实验控制的原因而表现出来的）。我们发现，在观看真实和假装的疼痛面部表情视频片段的参与者中，与情感共享（前岛叶 [aIns] 和前中扣带皮层）以及情感自我与他人区分（右上缘回 [rSMG]）相关的区域激活程度更强。然后，我们使用动态因果模型评估了这两种情况下右侧 aIns 和 rSMG 之间的神经动态。这揭示了与假装疼痛相比，真实疼痛对 aIns 到 rSMG 连接的抑制作用降低。仅对于真正的疼痛，大脑到行为的回归分析强调了这种抑制效应与疼痛评级以及共情特征之间的联系。这些发现意味着，如果别人的痛苦是真实的，因此需要适当的共情反应，大脑中的神经反应确实似乎与情感分享有关，并且自我与他人的区分会发挥作用，以避免共情过度唤醒。相反，如果其他人只是假装痛苦，他们痛苦表情的感知显着性会导致神经反应下调，以避免不适当的情感分享和社会支持。
精神分裂症和精神分裂症的潜在抑制作用
背景：显着性假设认为，显着性分配的畸变最终在幻觉和异常信念中，是精神分裂症的“积极症状”。证据的证据来自对潜在抑制（LI）的研究，指的是事先暴露于刺激的现象阻碍了学习该刺激与结果之间的关系。设计：本文回顾了所有已发表的研究，研究了Li与精神分裂症与精神分裂症之间的关系。结果：当代文献表明，精神分裂症患者和高度载入精神分裂症的人（精神分裂症的多维衍生物）的人中，LI都会减弱。这表明，这些人比健康对照组分别为刺激分配了更大的显着性，并且分别在精神分裂型措施中得分较低。但是，几种混杂限制了这些结论。对精神分裂症患者的研究是由精神药物的混杂作用，样本的特质解析，因变量的变异以及缺乏统计能力的混杂作用所表达的。此外，LI范式受到学到的无关紧要，条件抑制，负启动和新颖的弹出效应的混杂影响的限制。结论：本综述的结论是，研究人员会开发出新的范式来克服这些局限性以评估显着性假设的预测。
Analisis Pengaruh供应链管理（SCM）Terhadap
在外部或内部方面，越来越严重的全球竞争对于最大程度地提高公司绩效变得非常重要。这项研究旨在通过竞争优势来测试供应链管理对公司绩效的影响，作为在Cirebon Regency中的Shopee分销商中的研究调解。所使用的抽样方法是180名受访者的饱和样本，他们是忍者摄政中的忍者伴侣。对所使用数据的分析是使用IBM统计量AMOS的结构方程建模（SEM）的定量研究方法。本研究的结果使用了2个假设类似的最大值和最大Likehood Bootstrap的结果（1）供应链管理对竞争优势的显着积极影响。这是因为小于0.05的显着性值为0.004，结果解释为1,028。（2）供应链管理对公司绩效的显着积极影响。这是因为小于0.05的显着性值为0.047，结果解释为0.922。（3）积极影响对公司绩效没有显着竞争优势。这是因为超过0.05的显着性值为0.985，结果解释为0.048。（4）通过竞争优势作为调解，对供应链管理微不足道的供应链管理产生了积极影响。这是因为大于0.05的显着性值为0.985，结果解释为0.049。
