XiaoMi-AI文件搜索系统
World File Search System条件关系
ACE：人工智能辅助构建具有先决条件关系的教育知识图谱
知识图谱是组织信息的有效工具。在本文中，我们专注于一种特殊类型的知识图谱，即教育知识图谱（EKG），其中的先决条件关系形成了学生在学习过程中可以遵循的路径。EKG 提供了多种功能，包括对学习领域的全面视觉表示，并为学生提供了替代学习路径。手动构建 EKG 是一项耗时且劳动密集型的任务，需要领域专家评估每个概念对以确定先决条件关系。为了应对这一挑战，我们提出了一种结合机器学习技术和专家知识的方法。我们首先引入一种基于通过词嵌入捕获的语义参考的概念对先决条件评分机制。然后根据得分对概念对进行排序，并选择得分高的对进行专家评估，从而减少需要评估的总对数。向专家迭代地呈现一个概念对，并根据专家的标签在后台动态构建 EKG。随着图谱的发展，可以根据现有的先决条件推断出一些先决条件，从而进一步减少专家的任务。我们在 Web 应用程序中实现了我们的方法，允许专家与系统交互并创建自己的图谱。对真实基准数据集的评估表明，我们的 AI 辅助图谱构建方法可以形成准确的图谱，并显著减少专家在此过程中的工作量。在教育平台的数据集上进行的进一步实验表明，按照我们的方法确定的先决条件顺序学习概念对的学生总体成功率更高，这表明 EKG 可以改善教育中的学习成果。感兴趣的读者可以从我们的 Github 存储库 1 访问更多材料和数据集。
直接脑记录揭示了随机刺激中结构的连续编码
即使在富裕或混乱的环境中，大脑在处理感官输入方面也表现出色。安装示例将其归因于创建环境的复杂内部模型，这些内部模型借鉴了展开的感觉输入中的统计结构。了解这种模型的发生方式和地点是统计学习中的核心问题。未知该建模如何应用于随机感觉信号。在这里，我们通过过渡概率将条件关系确定为支持随机听觉流的编码的隐式结构。我们通过将信息理论原理应用于高频活动（75至145 Hz），使用颅内脑电图记录评估这种代表。我们演示了大脑如何在听觉系统之外的网络中连续构建随机刺激之间的条件关系，包括分层组织，包括时间，额叶和海马区域。我们的结果表明，即使在随机的刺激呈现下，层次结构上组织的大脑区域连续尝试通过保持感觉输入的概率表示来进行订购信息。
RoboExp：通过机器人操纵的交互式探索行动条件的场景图
摘要：我们介绍了交互式场景探索的新颖任务，其中机器人自主探索环境并产生一个动作条件的场景图（ACSG），该图形图（ACSG）捕获了基础环境的结构。ACSG在场景中既说明了低级信息（几何和语义）以及高级信息（不同实体之间的动作条件关系）。为此，我们提出了机器人探索（RoboExp）系统，该系统结合了大型多模型（LMM）和明确的内存设计，以增强我们的系统功能。机器人的原因以及如何探索对象，通过交互过程累积新信息，并逐步构建ACSG。利用构造的ACSG，我们说明了机器人系统系统在促进涉及涉及刚性，清晰的对象，嵌套对象和可变形对象的各种真实的操纵任务方面的有效性和效率。项目页面：https：//jianghanxiao.github.io/roboexp-web/
分析不同柑橘属的果皮结构。通过光学显微镜，SEM和μCT，用手动和自动分割
有助于更好地理解这种高度阻尼材料系统中的形式 - 结构 - 条件关系。首次使用了多种方法，使我们能够定量分析3D完整柑橘类果皮中细胞和血管bun的排列，这是成功仿生转移的先决条件。在宏观和显微镜水平上使用不同的成像技术（光学显微镜，SEM，M CT）检查果皮。因此，光和扫描电子显微镜（SEM）用于检查细胞组织和细胞排列。此外，小型计算断层扫描（M CT）用于可视化油腺的排列和血管束的方向。X射线计算的Tomo-Graphy扫描是一种以非或不足的方式呈现对象的3D可视化的方法。16,17也称为高分辨率X射线计算机断层扫描（HRXCT），因为它可以在亚微米水平（50 m m – 325 nm）下具有分辨率。16,17本研究中使用了一词微型层析成像或M CT。柑橘类物种之间存在的细胞间空间的不同强度已在及时消费的手动测量中确定。这是由于主要不均匀的生物组织以及细胞组织，液体和细胞间空间之间的弱对比度。手册，二维评估通常是主观的，并且很难再进行，但最重要的是很耗时。用于例如3维分析为18,22分类，Ilastik使用随机的森林分类器。22ct-scans软件morpho+使用流域算法，随后根据几乎分离的卷进行了颜色编码的分析。16,18还有多种其他用于二维和三维分割的软件工具，例如Fiji Weka，19 Survos，20或更快。21在这项研究中，细胞间空间不仅可以手动确定，还可以使用基于机器学习的图像分析软件Ilastik（开源项目）确定。ilastik是一个开源项目，允许用户在图像处理方面没有（很多）专业知识来执行细分和分类。23,24分类器从用户的输入中学习，该输入以类似于Microsoft Paint软件的接口进行训练。18，它提出了实时反馈和方便的接口。18个新标签用于交互作用地微调分类器。18,24一旦培训了分类器，就可以使用它来处理整个数据集。18此外，Ilastik允许使用流域算法将体积分割为较大的体素。