XiaoMi-AI文件搜索系统
World File Search System本体
基于本体的糖尿病营养疗法的决策支持系统：系统文献评论
糖尿病是一种非传染性疾病，已达到流行病，全球影响5.37亿人。人工智能可以在糖尿病营养疗法中为患者或临床医生提供支持 - 在大多数1型和2型糖尿病的情况下，第一种药物疗法。尤其是基于本体的推荐人和决策支持系统可以提供专家知识的可计算代表，从而提供患者监管的营养建议或支持临床人员确定最合适的饮食。这项工作提出了对描述此类系统中糖尿病的领域的系统文献回顾，识别其潜在的概念化，系统针对的用户，所解决的糖尿病类型以及提供的营养建议。本综述还深入研究了领域本体论的结构，突出了几个方面可能会阻碍（或促进）其在推荐人中的采用和决策支持系统中用于糖尿病营养疗法。这一审查过程的结果允许强调如何制定推荐，以及临床专家在发展领域本体论中的作用，概述了表征该研究领域的研究趋势。结果还允许确定可以促进临床专家和临床指南的重要作用的研究方向，以使本体更加可互操作，从而使他们能够在有关糖尿病营养治疗的决策过程中发挥重要作用。
${\rm UTe}_2$ 中不存在向密度波相的本体热力学相变
1 康奈尔大学原子和固体物理实验室，纽约州伊萨卡 14853，美国 2 康奈尔大学 Kavli 纳米科学研究所，纽约州伊萨卡 14853，美国 3 巴黎理工学院法国国家科学研究中心 CEA / DRF / iRAMIS 固体辐射实验室，F-91128 Palaiseau，法国 4 安第斯大学物理系，波哥大 111711，哥伦比亚 5 马里兰大学物理系马里兰量子材料中心，马里兰州帕克分校，20742，美国 6 加州大学圣巴巴拉分校材料系，加利福尼亚州圣巴巴拉 93106，美国 7 美国国家标准与技术研究院 NIST 中子研究中心，100 Bureau Drive，盖瑟斯堡，马里兰州 20899，美国 8加拿大高级研究院，加拿大安大略省多伦多，M5G 1M1
公告 第19号 令和6年5月21日
2024 年 5 月 20 日 — 规格编号 6-3。产品名称或主题。不间断电源（UPS 装置）。零件编号或规格。根据规格。设备名称。数量。单位。品牌。到期日期等。组。1.00。ST。
神经科学本体知识不确定性下的可扩展查询回答：NeuroLang 方法
目前还没有统一的框架来访问这种不确定的、丰富的异构数据集合，因此研究人员不得不依赖临时工具。特别是，当前试图解决这一任务的工具的一个主要弱点是只开发了非常有限的命题查询语言。在本文中，我们介绍了 NeuroLang，这是一种基于一阶逻辑的概率语言，具有存在性规则、概率不确定性、开放世界假设下的本体集成以及内置机制，可保证对非常大的数据集进行可处理的查询回答。NeuroLang 的主要目标是提供一个统一的框架，无缝集成异构数据（如本体），并通过一组正式标准将细粒度认知领域映射到大脑区域，促进可共享和高度可重复的研究。在介绍该语言及其通用查询回答架构之后，我们讨论了现实世界的用例，展示了 NeuroLang 如何应用于实际场景。
可伸展的液体金属E-Skin，用于软机器人的本体感受振动
摘要 - 振动感知可以帮助机器人识别其动态状态以探索周围环境。但是，软机器人的内在可拉伸性为整合振动传感器带来了挑战。这项研究引入了一种创新的可拉伸电子皮肤（E-SKIN），可促进软机器人中的振动本体感受。以大约0.1 mm的厚度结构，该超薄e-Skin是使用带有液态金属颗粒（LMP）的屏幕打印技术生产的，并结合了Kirigami设计以进行无缝集成。基于Triboelectric纳米生成器的感应机制的E-Skin作用，该机制将机械振动转导为没有外部电源的电信号。通过分析由软机器人的动态运动产生的振动信号，E-Skin显示了广泛的应用。从软机器人手指的滑动运动的振动信号中，可以以99％的精度区分17种不同的纹理。此外，对软机器人抓手的摇摆运动的振动信号的分析可以估算其抓地的容器内部晶粒的类型和重量，分别达到97.7％和95.3％的精确度。因此，这项工作提出了一种实现软机器人振动本体感受的新方法，从而扩大了动态本体感受在软机器人技术中的应用。
基于本体的检索增强发电（RAG）用于Genai支持的添加剂制造
常规数据分析通常无法捕获添加剂制造（AM）过程的复杂背景，从而导致尖锐的解决方案和次优的分析结果。生成人工智能（Genai）模型（例如大语言模型（LLM））的性能在很大程度上取决于它们整合和背景培训的大量数据的能力。但是，情境化通常是由消耗的数据直接驱动的，而不一定基于基本真理。为了解决这个问题，提出了一种基于本体的检索增强发电（RAG）方法，以增强Genai产生相关提示和答案的能力。Genai通过利用结构的本体论来识别和应用相关背景，从而产生准确而有见地的解释。用例展示了拟议的基于本体的RAG框架如何运作以提供上下文感知的AM数据分析，这些数据分析可以通过执行AM数据分析时通过基本真理来促进分析透明度。
视觉和本体感受反馈对 BCI 训练期间感觉运动节律的影响
脑机接口 (BCI) 可以设计为具有多种反馈模式。为了在治疗应用中促进适当的大脑可塑性，反馈应引导用户引发所需的大脑活动，并且最好与想象的动作相似。在本研究中，我们采用脑磁图 (MEG) 测量健康受试者的神经生理变化，这些受试者使用两种不同的反馈模式进行基于运动想象 (MI) 的 BCI 训练。本研究中使用的 MI-BCI 任务持续 40-60 分钟，涉及右手或左手运动的想象。8 名受试者通过视觉反馈执行任务，14 名受试者通过本体感受反馈执行任务。我们使用广义线性模型分析了整个会话中 4-40 Hz 范围内多个频率的功率变化，以找出训练期间功率显著增加的频率。此外，还分别分析了每个梯度计的 alpha（8-13 Hz）、beta（14-30 Hz）和 gamma（30-40 Hz）波段的功率增加，以找到在整个会话期间表现出显着线性功率增加的通道。这些分析应用于三种不同的条件：休息、准备和 MI。在所有条件下，视觉反馈都增强了枕叶和左颞叶通道中主要高 beta 和 gamma 波段（24-40 Hz）的振幅。相反，在本体感受反馈期间，功率主要增加在 alpha 和 beta 波段。在所有条件下，在多个顶叶、枕叶和颞叶通道中都发现了 alpha 波段增强，而 beta 波段增加主要发生在休息和准备期间的顶叶枕叶区域，在 MI 期间发生在手部运动区域上方的顶叶通道。我们的结果表明，使用本体感受反馈的 BCI 训练会增加运动皮层中感觉运动节律的功率，而视觉反馈主要导致视觉皮层中 gamma 波段的增加。 MI-BCI 应该涉及本体感受反馈以促进运动皮层的可塑性。
antofact：通过本体驱动的强化学习揭示了LLM的奇妙事实 - 骨骼
大型语言模型（LLM）表现出了信息检索的熟练程度，而它们容易产生与现实冲突的不正确反应，这种现象被称为固有幻觉。关键挑战在于经过大量数据训练的LLM中不清楚和不可靠的事实分布。vreva-liment方法将事实检测任务视为一个问题 - 回答范式，在其中询问了LLMS有关FACTUAL知识并检查正确性的问题。但是，研究主要侧重于仅从几个特定领域（例如电影和运动）中得出测试用例，从而限制了对知识缺失的全面观察和对意外幻觉的分析。为了打扮这个问题，我们提出了构造，这是一个自适应框架，用于检测LLM的未知事实，致力于挖掘缺失知识的本体论级骨架。特定说明，我们认为LLM可以在缺失的事实中公开基于本体的相似性，并将五个代表知识图（kgs）作为基准。我们进一步设计了一种复杂的本体驱动的强化学习（ORL）机制，以自动与特定实体和关系产生易错的测试用例。Orl Mechamenism奖励KGS朝着可行的方向导航，以揭示事实错误。此外，经验努力表明，无论是否包括这些知识，主导的LLM都倾向于回答是的，而不是否定。使用32个代表性LLM的5个数据集上的实验结果表明，当前LLMS总体上缺乏事实。为了减轻LLM的过度自信，我们利用了无幻觉检测（HFD）策略来解决基线之间的不公平比较，从而提高了结果的稳健性。值得注意的是，CHATGPT在DBPEDIA上的事实错误率分别为51.6％，Yago的错误率分别为64.7％。另外，ORL机制显示出令人鼓舞的误差预测分数，大多数LLM的F1分数范围从70％到90％。与详尽的测试相比，ORL的平均召回率为80％，同时将评估时间降低35.29％至63.12％。
Microsoft Word - Revision_Enriching the Functionally Graded Materials (FGM) Ontology_draft_NEIL_PASS.docx
摘要。近年来，功能梯度材料 (FGM) 已用于多种不同类型的应用，并引起了广泛的研究关注。然而，我们还没有一种普遍接受的方式来表示 FGM 的各个方面。缺乏标准化词汇会给提取与不同应用相关方面相关的有用信息造成障碍。需要一种标准资源来描述 FGM 的各种元素，包括现有应用、制造技术和材料特性。这促使我们在 2016 年创建了 FGM 本体 (FGMO)。在这里，我们介绍了 FGM 本体的修订和扩展版本，其中包括四个维度的丰富内容：(1) 记录最近的 FGM 应用；(2) 重新组织框架以纳入制造过程类型的更新表示；(3) 丰富本体的公理；(4) 从通用核心本体 (CCO) 和产品生命周期 (PLC) 本体导入中级本体。该工作是在工业本体铸造厂（IOF）的框架内开展的，本体符合基本形式本体（BFO）。
开发知识管理应用本体以支持飞机装配系统设计 郑晓晨 1、陆金芝 1、Rebeca Arista 2、胡晓都 3,4、Joachim Lentes 3、Fernando Ubis 5、Jyri Sorvari 5 和 Dimitris Kiritsis 1
摘要 在飞机项目的早期阶段，工业架构师需要评估不同的工业场景并进行权衡，以根据不同的关键绩效指标优化未来的工业架构。以前项目中积累的专家知识为新项目提供了基础。以一致的方式捕获和重用专家知识是一项具有挑战性的任务。本文介绍了一个关于飞机装配过程形式化应用本体开发的案例研究。它旨在促进从现有程序中捕获专家知识并重用它以支持新的飞机装配系统设计。该应用本体继承了IOF-Core本体的结构和类作为基础，采用BFO作为顶级本体。历史装配过程规范和领域专家的反馈被用作本体的知识来源。提取装配过程的相关元素，包括所有操作、材料和制造资源，并将其作为个体集成到本体中。基于对这些个体的分析，可以在类似过程中重复使用的共同知识可以概括为本体的相互关联的类。使用工业试点介绍了应用本体的详细开发方法。开发的本体被集成为交易空间框架的核心功能块。它可以帮助跟踪利益相关者的需求并支持新装配过程的联合仿真。关键词 1 本体，IOF，BFO，飞机装配，知识管理，系统工程，基于本体的工程。