COME306 数字信号处理 3 0 0 3 5 ARB124 阿拉伯语 II 3 0 0 3 5 COME310 实时系统 3 0 0 3 5 CHN123 中文 I 3 0 0 3 5 COME311 数据安全 3 0 0 3 5 CHN124 中文 II 3 0 0 3 5 COME312 用户界面设计 3 0 0 3 5 ESP123 西班牙语 I 3 0 0 3 5 COME313 数学建模 3 0 0 3 5 ESP124 西班牙语 II 3 0 0 3 5 COME314 控制系统简介 3 0 0 3 5 FRN123 法语 I 3 0 0 3 5 COME317 智能机器人 2 0 2 3 5 FRN124 法语 II 3 0 0 3 5 COME318 计算机图形学 3 0 0 3 5 GER123 德语 I 3 0 0 3 5 COME319 移动编程 2 0 2 3 5 GER124 德语 II 3 0 0 3 5 COME324 可视化编程 2 0 2 3 5 RSN123 俄语 I 3 0 0 3 5 COME326 网络编程 2 0 2 3 5 RSN124 俄语 II 3 0 0 3 5 COME401 数据挖掘 3 0 0 3 5 COME402 人工神经网络 3 0 0 3 5 COME403 软件工程 3 0 0 3 5 COME404 模糊控制器 3 0 0 3 5 COME405 人工智能 3 0 0 3 5 COME406 并行计算 3 0 0 3 5 COME407 图像处理 3 0 0 3 5 COME408 网络安全 3 0 0 3 5 COME409 自动机理论 3 0 0 3 5 COME410 系统编程 3 0 0 3 5 COME411 系统分析与设计 3 0 0 3 5 COME412 嵌入式系统 3 0 0 3 5 COME414 优化技术 3 0 0 3 5 COME416 编译器设计 3 0 0 3 5 COME418 自然语言处理 3 0 0 3 5 COME420 生物医学和实验室仪器 3 0 0 3 5 COME422 脑机接口简介 3 0 0 3 5
ADS-B 广播式自动相关监视 AH 抽象层次 AOIS 航空运行信息系统 AR 增强现实 A-SMGCS 先进地面移动引导和控制系统 ATC 空中交通管制 ATCO 空中交通管制操作员 ATCR 空中交通管制雷达 ATM 空中交通管理 COO 协调员 CTOT 计算的起飞时间 CWP 管制员工作位置 DEL 交付 DTD 接地距离 EID 生态界面设计 EOBT 预计起飞时间 ER 探索性研究 ETOT 预计起飞时间 FDP 飞行数据处理 FOV 视场 GGV 注视、手势、语音 GND 地面 HDE 低头设备 HMD 头戴式显示器 ICAO 国际民用航空组织 IFR 仪表飞行规则 IHP 中间等待点 ILS 仪表着陆系统 IMC 仪表气象条件 JU 联合承诺 LOC 航向道 LVP 低能见度程序 OOT 离开塔台 PP 伪飞行员 PSR 主监视 RADAR 雷达无线电探测与测距
电化学生物传感器已成为通过非侵入性汗液分析跟踪人体生理动态的有前途的工具之一。然而,以高度可控和可重复的方式集成多路复用传感器以实现长期可靠的生物传感仍然是一个关键挑战,尤其是在灵活的平台上。本文首次报道了一种完全喷墨打印和集成的多路复用生物传感贴片,它具有极高的稳定性和灵敏度。这些理想的特性是通过独特的互穿界面设计和对活性材料质量负载的精确控制实现的,这要归功于优化的油墨配方和液滴辅助打印工艺。该传感器对葡萄糖的灵敏度为 313.28 μ A mm − 1 cm − 2,对酒精的灵敏度为 0.87 μ A mm − 1 cm − 2,并且在 30 小时内漂移最小,这是文献中最好的。集成贴片可用于可靠、无线的饮食监测或通过表皮分析进行医疗干预,并将促进可穿戴设备在智能医疗应用方面的进步。
摘要虽然近年来人工智能研究领域受益于日益复杂的机器学习技术,但由此产生的系统却缺乏透明度和可理解性,尤其是对于最终用户而言。在本文中,我们探讨了将虚拟代理纳入可解释人工智能 (XAI) 设计对最终用户感知信任的影响。为此,我们基于一个简单的语音识别系统进行了关键字分类用户研究。通过这项实验,我们发现虚拟代理的集成可以提高用户对 XAI 系统的信任度。此外,我们发现用户的信任在很大程度上取决于用户代理界面设计中使用的模式。我们的研究结果显示出一种线性趋势,其中代理的视觉存在与语音输出相结合比单独的文本输出或语音输出产生更大的信任度。此外,我们分析了参与者对所呈现的 XAI 可视化的反馈。我们发现,增加虚拟代理的人性化和与虚拟代理的交互是如何改进所提出的 XAI 交互设计的两个最常见的提及点。基于这些结果,我们讨论了当前的局限性以及在 XAI 领域进一步研究的有趣主题。此外,我们为未来的项目提出了 XAI 系统中虚拟代理的设计建议。
尽管教育领域的 HCAI 是一个新兴领域,但研究仍然有限。尽管如此,Yang 等人。[17] 指出,研究趋势为教育带来了 AI 的新应用,例如采用机器学习和新的深度学习算法。此外,AI 研究可以通过更精确的适应和个性化来改善智能辅导。在关注 HCAI 时,重点是“使用 AI 学习”,例如 Replika [7],一个由 AI 驱动的虚拟朋友或聊天机器人伴侣;Thinkster [12],一个用 AI 构建的虚拟数学导师,用于创建个性化学习计划;以及 Cognii [2],一个使用对话式 AI 吸引学生的虚拟学习助手。这份立场文件增加了沿着这条研究路线的辩论。本文研究的问题如下:1)编程如何融入学校科目学习?2)编程如何利用 HCAI 来提高学习效果?本文重点探讨如何将 HCAI 融入学校的编程活动中,而不是 AI 系统的用户界面设计。我们将 HCAI 的立场和讨论建立在研究中,这些研究源于对学校编程的教育研究活动。
摘要:脑肿瘤检测应用程序是一款移动应用程序,它使用先进的算法从医学图像中检测脑肿瘤。该应用程序允许医疗专业人员快速准确地诊断脑肿瘤,这对于早期治疗和改善患者预后至关重要。该应用程序设计为用户友好且高效,具有简单的界面,可轻松上传和分析图像。该应用程序能够在短时间内提供准确的结果。它结合使用放射线学和形态学特征来评估医学图像。随着脑肿瘤患病率的不断上升,脑肿瘤检测应用程序有可能彻底改变我们诊断和治疗这些复杂疾病的方式,从而提高全球患者的护理质量。该应用程序设计为易于使用且高效。该应用程序旨在供医生直接使用,使他们能够快速准确地检测医学图像中是否存在脑肿瘤。关键词:脑肿瘤检测、卷积神经网络、计算机辅助技术、图像处理 Python、Java、磁共振成像(MRI)、移动应用程序开发、用户界面设计、放射学、神经网络、医学图像、深度学习、应用程序开发、机器学习算法。
发现Van der Waals(VDW)磁铁为冷凝物理物理和自旋技术打开了新的范式。但是,使用VDW铁磁磁铁的主动自旋设备的操作仅限于低温温度,从而抑制了其更广泛的实际应用。在这里,展示了使用石墨烯的异质结构中使用VDW行程的Ferromagnet Fe 5 Gete 2的侧向自旋阀设备的稳健室温操作。Fe 5 Gete 2的室温自旋特性在用石墨烯的界面上测量,具有负自旋偏振。横向自旋阀和自旋细分测量通过通过自旋动力学测量探测Fe 5 Gete 2 /Geate 2 /石墨烯界面旋转特性,从而提供了独特的见解,从而揭示了多方向自旋偏振。密度功能理论与蒙特卡洛模拟结合使用,在Fe 5 Gete 2中显示出明显的Fe磁矩,以及在Fe 5 Gete 2 / Graphene界面上存在负自旋极化。这些发现在环境温度下基于VDW界面设计和基于VDW-MAGNET的Spintronic设备的应用开放机会。
本文识别并描述了无人驾驶车辆系统中影响操作员工作负荷的因素。我们的目标是为开发用于设计和操作复杂人机系统的工作负荷模型提供基础。1986 年,Hart [1] 开发了一种基础性的工作负荷概念模型,该模型为应用最为广泛的工作负荷测量技术——NASA 任务负荷指数 [2] [3] 奠定了基础。然而,自那时以来,模型和因素识别以及工作负荷控制措施取得了许多进展。此外,鉴于技术进步(包括自动化和自主性),需要进一步盘点和描述影响人类工作负荷的因素。因此,我们提出了一个工作负荷构造的概念框架,并提出了可能影响操作员工作负荷的因素分类。这些因素称为工作负荷驱动因素,与各种系统元素(包括环境、任务、设备和操作员)相关。此外,我们还讨论了如何操纵工作负荷调节因素(例如自动化和界面设计)来影响操作员工作负荷。我们认为,在构建复杂的人机系统时,需要考虑工作量驱动因素、工作量调节因素以及驱动因素和调节因素之间的相互作用。
范德华 (vdW) 磁体的发现为凝聚态物理和自旋电子技术开辟了新范式。然而,具有 vdW 铁磁体的有源自旋电子器件的操作仅限于低温,从而限制了它们更广泛的实际应用。本文展示了使用石墨烯异质结构中的 vdW 流动铁磁体 Fe 5 GeTe 2 的横向自旋阀器件在室温下的稳健操作。在具有负自旋极化的石墨烯界面处测量了 Fe 5 GeTe 2 的室温自旋电子特性。横向自旋阀和自旋进动测量通过自旋动力学测量探测 Fe 5 GeTe 2 /石墨烯界面自旋电子特性,揭示了多向自旋极化,从而提供了独特的见解。密度泛函理论计算与蒙特卡罗模拟相结合,揭示了 Fe 5 GeTe 2 中显著倾斜的 Fe 磁矩以及 Fe 5 GeTe 2 /石墨烯界面处存在负自旋极化。这些发现为范德华界面设计和基于范德华磁体的自旋电子器件在室温下的应用提供了机会。
微电网作为一种结构,随着能源损失率的降低,可再生能源的有效利用,使用储能系统自动运行的可能性以及其提供的盈利能力,它每天都变得更加重要。此外,这种有助于减少碳足迹的结构将在不久的将来使用纳米格里德和智能电网而变得至关重要。创新的动态能源管理系统将使微电网提供的这些优势更容易访问,同时促进电动汽车的整合和有效贡献。另一方面,由于机器学习和深度学习中的有前途且有用的发展和算法,基于人工智能(AI)的控制方法和应用程序不断增加。因此,强化学习的概念(RL)对系统的控制提供了非常规的观点。这项研究是创建基于AI的能源管理系统的最后一步,根据所有这些要求和发展,介绍了图形界面设计。在这项研究中,用于确定管理措施的深度RL代理以及为做出必要预测的预测模型所收集的预测模型都聚集在一个屋顶下。索引术语 - 强化学习,GUI设计,微电网,深度学习,能量管理,人工智能