XiaoMi-AI文件搜索系统
World File Search System知乎
通过测量生理指标来检测智力任务期间的静息状态
摘要：已有多项旨在评估智力生产力和专门设计的任务的研究。然而，结果可能无法反映实际的智力生产力，因为设计的任务与办公室工作不同。同时，办公室工作人员有两种心理状态（工作和暂时休息状态），它们在脑力工作过程中交替变化。如果能检测到员工的心理状态，就能更准确地衡量生产力。在本研究中，作者旨在通过测量脑力工作时的生理指标（如脑电图、心电图和眼外肌和眼轮匝肌的肌电图）来开发一种检测暂时休息状态的方法。从这些测量指标中，作者提取了 6 个特征，即脑电波和脑电波、心率的低频和高频波以及眨眼和扫视眼球运动的间隔。它们被用来通过马哈拉诺比斯判别分析来检测暂时休息状态。实验结果显示，检测准确率为80.2%。该结果显示，生理指标作为心理状态检测方法之一具有可行性。
使用脑波测量值可以在家中进行的痴呆预测测试
这项研究旨在首先在家中测试痴呆症的社会问题，而无需去医院，可以通过简单地将传感器附加到头部并在15分钟内进行评估，而无需去医院，就可以做出与医生诊断相似的预测。这使我们能够满足想要检查自己和家人的潜在痴呆症患者的需求。从技术上讲，这是一种新的大脑测试技术，它将大脑连接到计算机，称为大脑计算机接口，并根据从100多个测试实验中获得的大数据来处理大脑的统计，因此不必进行医生的访谈或大脑成像测试。
kgdm：一个扩散模型，用于捕获知识图嵌入的多个关系语义
知识图嵌入（KGE）是用于知识图完成的有效且可扩展的方法。但是，大多数现有的KGE方法都遭受了多种关系语义的挑战，这常常会降低其性能。这是因为大多数KGE方法都学习实体（关系）的固定连续向量，并做出确定性实体预测以完成知识图，这几乎无法捕获多个关系语义。为了解决这个问题，预先的作品试图学习复杂的概率嵌入，而不是固定的嵌入，但遭受了严重的计算复杂性。相比之下，本文提出了一个简单而有效的框架，即知识图扩散模型（KGDM）以捕获预测中的多个关系语义。它的关键思想是将实体问题的问题投入到条件实体生成中。具体而言，KGDM通过降级扩散概率模型（DDPM）来估计目标实体在预测中的概率分布。为了弥合连续扩散模型和离散kg之间的间隙，将两个可学习的嵌入功能定义为映射实体和与连续向量的关系。为了考虑KGS的连通性模式，引入了条件实体Denoiser模型，以生成针对给定实体和关系的目标实体。广泛的实验表明，KGDM在三个基准数据集中的现有最新方法明显优于现有的最新方法。
![[通知] RFI 公告：征求日本海上自卫队信息](/simg/a\a34b64910ba82ef1edb9b2ef1f587a3e4bddb714.png)
[通知] RFI 公告：征求日本海上自卫队信息
能够证明其拥有技术支持相关知识和技能，并能与国防部签订PBL合同，对第2部分所列主题的飞机、发动机和设备进行维修、供应、维护和技术支持的公司。4.申请方法希望提供信息的公司应在2024年2月2日星期五下午3点之前提交所附表格。
严重偏瘫中风患者的认知运动功能增强...
1) Kaneko, F., Inada, T., Matsuda, N., Shibata, E., Koyama, S.：视觉诱发的动觉错觉对中风患者急性影响：初步报告, International Journal of Neurorehabilitation , 3 , 212,（2016）。 2) Kaneko, F., Shindo, K., Yoneta, M., Okawada, M., Akaboshi, K., Liu, M.：使用增强现实激发中风患者自我身体认知的新方法的病例系列临床试验：对运动功能和静息态大脑功能连接的影响, Frontiers in Systems Neuroscience , 13 , 1-14,（2019）。 3) Pollock, A., Farmer, S. E, Brady, MC, Langhorme, P., Mead, GE, Mehrholz, J., van Wijck, F.：Interventions for improve upper limb function after stroke, The Cochrane database of systems reviews , 2014 （11), CD010820, （2014）。4) Cerver, MA, Soekadar, SR, Ushiba, J., Millán, JDR, Liu, M., Birbaumer, N., Garipelli, G.：Brain-computer interface for post-stroke motor rehabilitation：a meta-analysis, Annals of Clinical and Translational Neurology , 5 , 651-663,（2018）。 5) Decety, J., Grezes, J.：Neural Mechanisms subserving the perception of human action, Trends in Cognitive Sciences , 3 , 172-178,（1999）。6） Roland, PE, Larsen, B., Lassen, NA, Skihoj, E.：Supplementary motor area and other cortical area in organization of voluntary movements in man, Journal of Neurophysiology , 43 , 118-136,（1989）。7） Porro, CA, Francescato, MP, Cettolo, V., Diamond, ME, Baraldi, P., Zuiani, C., di Prampero, PE：Primary motor and sensey cortex activity during motor performance and motor imagery：a functional magnetoimaging study, Journal of Neuroscience , 16 , 7688-7698,（1996）。 8) Hashimoto, R., Rothwell, JC：动态变化
老年人和痴呆症患者的护理和交流
1）Murray CJ：为什么日本的预期寿命如此之高？柳叶刀378 （9797）：1124-1125，2011。2）Livingston G等人：预防痴呆，干预和护理。柳叶刀390 （10113）：2673 - 2734，2017。3）Tasheva P等：医院环境中的体育活动水平与老年患者医院获得功能下降之间的关联。JAMA NetW Open 3 （1）：E1920185，2020。4）Wilson RS等人：老年人社区人口住院后的认知能力下降。神经病学78（（13）：950-956，2012。5）Hessler JB等人：痴呆症患者的行为和心理症状，护理人员的困扰和护理并发症：综合医院研究的结果。流行病精神病学27 （3）：278-287，2018。6）Marcantonio ER：住院老年人的ir妄。N Engl J Med 377 （15）：1456-1466，2017。7）Inouye SK等人：澄清混乱：混乱评估方法。一种用于检测delir-ium的新方法。Ann Intern Med 113（（12）：941-948，1990。8）Inouye SK等人：一种多组分干预措施，可防止住院老年患者的del妄。n Engl J Med 340 （9）：669-676，1999。9）Hshieh TT等：医院老年人生活计划：有效性的系统审查和荟萃分析。AM J Geri-Atr Psychiatry 26 （10）：1015-1033，2018。10）Kobayashi M，本田M：多模式综合护理方法对痴呆症患者的家庭护理人员的影响。BMC Geriatr 21 （1）：434，2021。BMC Geriatr 21 （1）：434，2021。11）Kobayashi M等人：多模式综合护理方法学培训对口腔卫生保健亲人对痴呆症患者的同理心的影响。BMC Med Educ 21（1）：315，2021。12）Yves Ginest，Rosette Marescotti：人类革命：为什么这种护理与痴呆症的老年人联系在一起？ Seibundo Shinkosha，ISBN-10：4416616819，2016。13）Sumioka H等人：与老年人与痴呆症的平稳相互作用的技术挑战：来自Humanitude™的教训。前机器人AI 8：650906，2021。14）Giang TA等人：人类护理对痴呆症和看护者的影响：范围审查。J Clin Nurs PMID：35922958，2022。15）本田Miwako：为什么“ Umanitude是一种传达友善的多模式通信护理技术”有效？ - 信息，生理和哲学考虑。痴呆症护理研究杂志6：28-39，2022。16）Gorawara-bhat R，Cook MA：以患者为中心的交流中的眼神交流。患者教育院士82（3）：442-447，2011。17）Allen C等人：床休息：一种潜在的有害治疗方法，需要更仔细的评估。lancet 354（9186）：1229-1233，1999。18）Lopez C和Blanke o：身体位置如何影响人体和外界空间的感知和有意识的经历。de Neuropsychologie Revue 2（3）：195-202，2010。19）Evest Ginest，Honda Miwako：通往人类的道路。 Seibundo Shinkosha，ISBN-10：4416523041，2022。20）Nakazawa A等人：用于评估人类招标技术技能水平的第一人称视频分析。J Intel机器人系统98：103-118，2020。21）Kurozume R等：开发人类痴呆症护理的AR培训系统。高级机器人DOI：10.1080/01691864.2021.2017342，2021。
探索基于人工智能的聊天机器人的潜力来生成联合SPARQL查询通过生物信息学知识图
生物数据库中的大量数据泛滥提供了医疗保健和生命科学领域的各种信息。这些数据库为研究人员，科学家和工作专业人员提供了加速发现，开发新的假设并确定新型模式的机会[1]。另一方面，这些数据库需要实现复杂的存储和检索系统来从这些大数据库中检索信息。这成为研究人员和科学家的挑战[2]。作为RDF知识图发布的大多数生物数据库都依赖于SPARQL（SPARQL协议和RDF查询语言）等复杂的查询语言[3]来从数据库中检索信息。没有技术知识或有限的技术知识，研究人员和域用户无法编写准确且可靠的SPARQL查询，这可能会成为利用这些数据库的全部潜力的瓶颈[3] [1]。SPARQL是一种查询语言，可以使用户从数据库中查询信息[4] [3]。许多生物数据库利用RDF（资源描述框架）数据模型，其中RDF表示信息为适用于蛋白质功能（例如蛋白质功能，基因相互作用）的复杂生物学关系的互连三元组（受试者，谓词，对象）[2] [2] [4]。RDF数据可通过SPARQL端点提供，而SPARQL查询语言是专门设计用于查询RDF数据的，可以有效
混合知识图和贝叶斯网络方法用于分析供应链弹性
最近的破坏性事件（例如Covid-19或2021年的苏伊士运河障碍物）表明，我们的社会和经济对供应链的破坏有多么脆弱[1]。由于强大的全球化，现代供应链变得非常复杂，跨越了多个国家甚至大陆，涉及更长的运输距离和全球分布的供应商。它们高度依赖于动态性质的互连和紧密合成的网络。遇到影响系统子网络的事件的破坏可能会对整个供应链产生昂贵，有时甚至是灾难性的级联效应。与关键的公共安全组织一起，我们正在开发Reskriver 1，这是一个危机管理平台和服务，为广泛的危机场景提供相关，相互联系和高质量的信息。该平台的主要目的是为危机团队提供最好的概述，以评估当前状况并将其传达给人群。示威者的供应供应替代商品和资源”着重于供应网络对危机相关商品和资源的可靠性。中心目标是对可能影响网络和瓶颈早期识别的威胁和事件的评估和管理。该平台不断地充满了有关危机商品供应链的必要信息，例如制造商，生产能力，进口商和运输路线。如果
利用人工智能检测电池故障迹象的技术开发
编号 测试电池模块 条件 B3M2 新模块 使用新电池单元的模块 B3M8 带电阻的模块 带有放电电阻（大电阻）的模块，连接到 1 个单元 B9M5 不带平衡器的模块 已拆除平衡器的模块 B9M11 4 芯新模块 带有 12 个单元中的 4 个新单元的模块 B11M11 带电阻的模块 带有放电电阻（小电阻）的模块，连接到 1 个单元，并在一定时间后打开放电电路 B12M5 8 芯新模块 带有 12 个单元中的 8 个新单元的模块 B12M8 带电阻的模块 带有放电电阻（中电阻）的模块，连接到 1 个单元