XiaoMi-AI文件搜索系统
World File Search System玩家
使用游戏视频的重复演示的互联网游戏障碍游戏玩家的渴望测量：静止状态脑电图研究
©作者2023。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：//创建ivecommons。org/licen ses/by/4。0/。Creative Commons公共领域奉献豁免（http：//创建ivecommons。Org/publi cdoma in/Zero/1。0/1。0/）适用于本文中提供的数据，除非在数据信用额度中另有说明。
心血管疾病中的先天免疫力 - 识别新型分子玩家和目标
1 Department of Cardiology, Campus Benjamin Franklin, Charit é -Universitätsmedizin Berlin, Corporate Member of Free University Berlin, Humboldt University in Berlin, Berlin Institute of Health, 12200 Berlin, Germany 2 Berlin-Brandenburg Center for Regenerative Therapy (BCRT), Charit é-University Medicine Berlin, 12200 Berlin, Germany 3 German Center for Cardiovascular Research (DZHK), 12200 Berlin, Germany 4 de Gasperis Cardio Center and Transplant Center, Niguarda Hospital, 20162 Milano, Italy 5 Department of Functional Genomics, Interfaculty Institute of Genetic and Functional Genomics, 17475 Greifswald, Germany 6 Institute of Bioinformatics, University Medicine Greifswald, 17487 Greifswald,德国7心血管研究所，伊坎医学院西奈山，纽约，纽约，纽约，10029，美国8柏林卫生研究院，Charité -universitätsmedizin柏林，柏林，10117柏林，德国 *通信：Pollerwolfgang1@gmail.com >/div>>1 Department of Cardiology, Campus Benjamin Franklin, Charit é -Universitätsmedizin Berlin, Corporate Member of Free University Berlin, Humboldt University in Berlin, Berlin Institute of Health, 12200 Berlin, Germany 2 Berlin-Brandenburg Center for Regenerative Therapy (BCRT), Charit é-University Medicine Berlin, 12200 Berlin, Germany 3 German Center for Cardiovascular Research (DZHK), 12200 Berlin, Germany 4 de Gasperis Cardio Center and Transplant Center, Niguarda Hospital, 20162 Milano, Italy 5 Department of Functional Genomics, Interfaculty Institute of Genetic and Functional Genomics, 17475 Greifswald, Germany 6 Institute of Bioinformatics, University Medicine Greifswald, 17487 Greifswald,德国7心血管研究所，伊坎医学院西奈山，纽约，纽约，纽约，10029，美国8柏林卫生研究院，Charité -universitätsmedizin柏林，柏林，10117柏林，德国 *通信：Pollerwolfgang1@gmail.com
心血管疾病中的先天免疫力 - 识别新型分子玩家和目标
1 Department of Cardiology, Campus Benjamin Franklin, Charit é -Universitätsmedizin Berlin, Corporate Member of Free University Berlin, Humboldt University in Berlin, Berlin Institute of Health, 12200 Berlin, Germany 2 Berlin-Brandenburg Center for Regenerative Therapy (BCRT), Charit é-University Medicine Berlin, 12200 Berlin, Germany 3 German Center for Cardiovascular Research (DZHK), 12200 Berlin, Germany 4 de Gasperis Cardio Center and Transplant Center, Niguarda Hospital, 20162 Milano, Italy 5 Department of Functional Genomics, Interfaculty Institute of Genetic and Functional Genomics, 17475 Greifswald, Germany 6 Institute of Bioinformatics, University Medicine Greifswald, 17487 Greifswald,德国7心血管研究所，伊坎医学院西奈山，纽约，纽约，纽约，10029，美国8柏林卫生研究院，Charité -universitätsmedizin柏林，柏林，10117柏林，德国 *通信：Pollerwolfgang1@gmail.com >/div>>1 Department of Cardiology, Campus Benjamin Franklin, Charit é -Universitätsmedizin Berlin, Corporate Member of Free University Berlin, Humboldt University in Berlin, Berlin Institute of Health, 12200 Berlin, Germany 2 Berlin-Brandenburg Center for Regenerative Therapy (BCRT), Charit é-University Medicine Berlin, 12200 Berlin, Germany 3 German Center for Cardiovascular Research (DZHK), 12200 Berlin, Germany 4 de Gasperis Cardio Center and Transplant Center, Niguarda Hospital, 20162 Milano, Italy 5 Department of Functional Genomics, Interfaculty Institute of Genetic and Functional Genomics, 17475 Greifswald, Germany 6 Institute of Bioinformatics, University Medicine Greifswald, 17487 Greifswald,德国7心血管研究所，伊坎医学院西奈山，纽约，纽约，纽约，10029，美国8柏林卫生研究院，Charité -universitätsmedizin柏林，柏林，10117柏林，德国 *通信：Pollerwolfgang1@gmail.com
视觉空间工作记忆和注意力控制是英雄联盟电子游戏专家、普通玩家和非玩家之间的区别
电子游戏被认为是研究认知与专业知识关系的新兴领域。尽管如此，一些方法实践阻碍了科学进步（例如，异质样本、专业知识定义模糊等）。英雄联盟 (LOL) 是一款大规模玩的电子游戏，其结构定义适中，符合克服当前研究局限性的要求。本研究旨在分析专家级 LOL 玩家、普通 LOL 玩家和非电子游戏玩家之间的认知差异。80 名参与者样本被分为三个不同的专业组。参与者接受了工作记忆、注意力、认知灵活性和抑制的行为测试评估。用于组比较的 Kruskal-Wallis 测试表明，专家在工作记忆测试中的表现明显优于普通玩家和非电子游戏玩家。在注意力测试中，玩家和非电子游戏玩家之间也存在显著差异。讨论了该方法对未来神经科学和人机交互研究的意义。
游戏对游戏玩家和社会的影响 - FLEX
“娱乐游戏的影响” “游戏疗法” “冒险游戏的影响” “赛车游戏的影响” “认知影响游戏” “游戏玩家行为” “视频游戏的影响” “益智游戏的影响” “游戏教学” “游戏健康” “问题游戏” “游戏成瘾” “学习游戏” “积极影响游戏” “消极影响游戏” “大脑训练游戏” “游戏行为” “教育游戏” “游戏分析” “游戏攻击性” “动作游戏的影响” “在线游戏的影响” “康复游戏” “游戏社会实验” “体育游戏的影响” “游戏心理学” “游戏玩家心理学” “游戏影响” “心理游戏” “游戏玩家成瘾” “行为控制游戏” “心理压力游戏” “健康游戏玩家”
自适应严肃游戏中的玩家建模和适应方法
随着越来越多的学生追求高等教育，教育工作者和研究人员开始寻求更好、更有效的学生教育方法。严肃游戏 (SG) [1] 提供了一条这样的探索途径，并在教育和培训中得到了广泛的应用 [2-7]。通过将学习过程游戏化，这些游戏可以更好地吸引学生参与教育过程并提高学习效率 [8-10]。严肃游戏还可以让学生接触到传统课堂上无法获得的新内容或体验。然而，严肃游戏并不是对每个学生都有普遍帮助，因为许多游戏都依赖于学生自我激励和按照自己的节奏学习 [11]。此外，不能指望教师亲自调整游戏内容或在学生玩游戏时单独帮助他们。解决这个问题的方法是将严肃游戏与自动自适应教育技术结合起来，使游戏能够提供自动帮助、调整游戏内容或修改游戏难度，类似于人类导师为学习困难的学生所做的那样 [12]。有效的 SG 专注于优化
使用 AI 玩家预测游戏难度和参与度
本文介绍了一种用于预测人类玩家行为和体验的自动游戏测试新方法。我们之前已经证明，深度强化学习 (DRL) 游戏代理可以预测游戏难度和玩家参与度，并将其操作化为平均通过率和流失率。我们通过使用蒙特卡洛树搜索 (MCTS) 增强 DRL 来改进这种方法。我们还基于以下观察激发了一种增强的预测特征选择策略：AI 代理的最佳表现可以产生比代理平均表现更强的与人类数据的相关性。这两种添加方式都可以持续提高预测准确性，并且 DRL 增强型 MCTS 在最难的级别上的表现优于 DRL 和原始 MCTS。我们得出结论，通过自动游戏测试进行玩家建模可以从结合 DRL 和 MCTS 中受益。此外，如果 AI 游戏玩法平均而言无法产生良好的预测，那么研究重复的最佳 AI 代理运行的子集也是值得的。
![b'in最近的地标结果[Ji等。 ，Arxiv：2001.04383（2020）]，显示在允许玩家共享无界维度的量子状态时，近似于两人游戏的值是不可决定的。在本文中，我们研究了量子系统的尺寸在t界面时，我们研究了两人游戏的计算复杂性。更具体地说，我们给出一个大小的半决赛程序，以实验12（log 2（at） + log（q）log（at）） /\ xcf \ xb5 2来计算添加剂\ xcf \ xb5-对具有T \ xc3 \ XC3 \ xc97 t -dimemensional量的两种玩法游戏的值的近似值 - 分别。对于固定尺寸t，此尺寸在Q中以q和准溶解度为单位，从而改善了先前已知的近似算法，而最差的运行时间保证最多在q和a中是指数。为了证明，我们与量子可分离性问题建立了联系，并采用了改进的多部分量子finetti定理，并具有线性约束，我们通过量子熵不平等得出。](/simg/1/1eb8edb93c176a0334628f287995a2757f02cfe3.webp)
b'in最近的地标结果[Ji等。 ，Arxiv：2001.04383（2020）]，显示在允许玩家共享无界维度的量子状态时，近似于两人游戏的值是不可决定的。在本文中，我们研究了量子系统的尺寸在t界面时，我们研究了两人游戏的计算复杂性。更具体地说，我们给出一个大小的半决赛程序，以实验12（log 2（at） + log（q）log（at）） /\ xcf \ xb5 2来计算添加剂\ xcf \ xb5-对具有T \ xc3 \ XC3 \ xc97 t -dimemensional量的两种玩法游戏的值的近似值 - 分别。对于固定尺寸t，此尺寸在Q中以q和准溶解度为单位，从而改善了先前已知的近似算法，而最差的运行时间保证最多在q和a中是指数。为了证明，我们与量子可分离性问题建立了联系，并采用了改进的多部分量子finetti定理，并具有线性约束，我们通过量子熵不平等得出。
b'in最近的地标结果[Ji等。，arxiv：2001.04383（2020）]，显示在允许玩家共享无限维度的量子状态时，近似两人游戏的值是不可决定的。在本文中，我们研究了量子系统的尺寸在t界定时，两人游戏的计算复杂性。更具体地说，我们给出一个半尺寸的尺寸的程序，以实验12（log 2（at） + log（q）log（at）） /\ xcf \ xb5 2来计算附加\ xcf \ xb5-关于具有T \ xc3 \ x97 t -dimum量的两次播放游戏的值的附加值，近似值，该量的量游戏分别。对于固定尺寸t，这在Q中以Q和准多态的多项式缩放在A中，从而改善了先前已知的近似算法，其中最差的运行时保证最充其量是Q和A中的指数。为了证明，我们与量子可分离性问题建立了联系，并采用了改进的多部分量子finetti定理，并具有线性约束，我们通过量子熵不等式得出。
虚拟现实游戏脑电图性能指标与玩家评分的比较评估
摘要 — 低成本脑电图 (EEG) 设备被研究人员广泛用于人机交互、视频游戏和软件系统中，以评估交互设计对用户情绪的影响。然而，低成本 EEG 设备提供的情绪状态性能指标存在一些可靠性和准确性问题，这可能会误导开发人员的设计决策。在本研究中，我们将 EEG 设备与三款虚拟现实游戏相结合，以研究从 EEG 数据中提取的性能指标的可靠性。我们对 14 名玩家进行了实验，他们使用了具有不同游戏内动作水平的虚拟现实游戏。我们的分析表明，EEG 设备提供的性能指标与实际玩家体验之间存在显著差异。最后，我们使用临时线性模型直接从原始 EEG 估计玩家的情绪状态水平。我们还展示了不同情绪的大脑活动图，揭示了大脑活动与特定情绪之间的普遍关系。索引词 — 虚拟现实、EEG、玩家情绪、大脑活动图
以玩家为中心的人工智能实现自动游戏个性化
大量研究致力于数字应用的自动个性化，尤其是互联网应用[8]。随着互联网服务内容的增长，个性化应用（如推荐系统）有助于缓解信息过载和决策疲劳[8]。这项工作范围从网页上相对简单的更改（例如，使用每个用户的姓名）到使用更深层次的用户需求和行为模型的复杂定制[28]。电脑游戏是一个相对较新的个性化领域。与信息搜索和电子商务等经典个性化领域相比，人们玩游戏的原因更为广泛（例如，挑战、探索、审美体验和社交活动）。因此，更难确定游戏应该适应的个体玩家的需求和偏好。此外，与其他数字应用（如网站）相比，电脑游戏通常涉及更复杂的内容和用户交互。典型的游戏玩法是多感官的（例如，视觉、听觉和触觉），并包含多层含义（例如，正式规则和故事）。因此，要个性化游戏，需要进一步的技术进步（如何程序化地调整更复杂的游戏内容）和新的设计原则（如何根据各种玩家需求进行个性化），而不是我们从经典的个性化领域学到的东西。因此，电脑游戏是研究下一阶段个性化技术的绝佳领域。在本文中，我们采用了 Bakkes、Tan 和 Pisan 的定义 [ 4 ]，即个性化游戏是根据当前玩家的信息进行自我调整的游戏，例如通过自动确定适合当前玩家的难度级别。本文的主要论点是，现有的个性化游戏人工智能研究可以从更多以玩家为中心的视角中受益。尽管他们在技术上做出了贡献，但该领域的大多数现有工作主要面向更复杂的算法和系统功能。这种以系统为中心的个性化方法已经在个性化网络应用程序的早期研究中尝试过。它导致了试图“找到工具的用途，并部署最酷的新功能”的实践，并使这些应用程序对它们应该服务的人群不那么有用[ 28 ]。我们的目标是展示游戏人工智能研究的现状为了避免类似的缺点，游戏 AI 研究社区可以从进一步将技术研究与玩家需求和行为的深度模型结合起来中受益。在本文中，我们通过认知科学理论绘制了游戏 AI 在个性化方面的研究现状，介绍了我们为加强上述一致性而开展的初步工作。具体来说，我们使用 Norman 关于行动阶段的认知理论 [ 37 ] 来研究玩家经历的每个阶段的最新研究成果，并确定有待进一步研究的未解决的问题。