XiaoMi-AI文件搜索系统
World File Search System神经质
脑科学 - DSpace
摘要：性格是个人行为和情绪模式的特征集，由生物和环境因素发展而来。性格特征的识别对于使人机交互 (HCI) 应用程序更加逼真、更有针对性和用户友好至关重要。使用神经科学数据识别性格的能力是性格的神经生物学基础。本文旨在结合头皮脑电图 (EEG) 和机器学习技术自动识别性格。由于静息状态脑电图尚未被证明能够有效预测性格，我们使用了情绪处理过程中引发的脑电图记录。本研究基于 AMIGOS 数据集中的数据，该数据集反映了 37 名健康参与者的反应。从清理后的脑电图信号中提取脑网络和图论参数，同时使用 k 均值算法将每个特征得分分为低级和高级。随后使用特征选择算法将特征集大小缩减为最佳的 10 个特征，以分别描述每个特征。最后采用支持向量机 (SVM) 对每个实例进行分类。我们的方法对外向性、宜人性、责任心、神经质和开放性的分类准确率分别为 83.8%、86.5%、83.8%、83.8% 和 73%。
和谐与个性：分析ai-aged Music偏好与个人特质之间的联系
人工智能（AI）在过去几十年中取得了进步，以至于能够产生创意作品，其中一个领域是音乐。先前的研究表明，人类倾向于对AI艺术表现出负面的偏见，尽管与人类是否能够准确区分AI艺术家与人类艺术家的结果存在对比的结果。先前的研究表明，在5巨头人格特征，年龄人口统计学，创造性的身份和对AI技术的熟悉程度中具有不同特征的人对AI的视觉艺术作品有所不同。但是，没有研究在AI生成的音乐领域调查了这一现象。因此，本研究旨在检查音乐组成领域中的个人特征与AI感知之间的关系。我们假设年轻人将能够比老一辈更好地区分AI-和人类生成的音乐。此外，我们假设在开放和愉悦的人方面得分很高的人对AI生成的音乐的负面态度较小，而在神经质和尽职尽责的人中，对AI生成音乐的负面态度更高。在对在线调查做出回应的31个参与者的样本中，我们发现了感知到的作曲家身份与参与者的偏好之间的显着相关性，而我们没有发现个人特征与参与者的准确性和偏好之间的任何显着相关性。讨论了对我们对AI生成的艺术品的理解的影响。
最佳自适应电极选择，以同时记录神经元的产量
神经矩阵样式，用于脑机界面（BMIS）和神经科学研究的高密度电极阵列需要使用多路复用：每个记录通道都可以路由到阵列上的几个电极位点之一。此功能允许用户富裕地将记录通道分发给可以解决最理想的神经信号的位置。例如，在神经质探针中，可以通过384个记录通道来解决960个电极。但是，目前尚无自适应方法使用记录的神经数据来优化/自定义每个记录上下文的电极选择。在这里，我们提出了一种称为基于分类的选择（CBS）的算法，该算法优化了所有记录通道的关节电极选择，以最大程度地提高检测到的神经元的隔离质量。我们在使用非人类灵长类动物中的神经质子的实验中表明，该算法会产生与同时记录所有电极同时记录所有电极相似的隔离神经元。神经元计数比以前发表的电极选择策略提高了41-85％。通过CBS选择的电极分离的神经元是73％的匹配，通过尖峰时间到探针周围的完整可记录神经元集。CBS选择的电极表现出较高的平均每个记录通道信号 - 噪声比。CBS以及一般的选择优化可能在BMI神经技术的开发中起重要作用，因为信号带宽成为越来越有限的因素。代码和实验数据已提供1。
最佳自适应电极选择，以同时记录神经元的产量
神经矩阵样式，用于脑机界面（BMIS）和神经科学研究的高密度电极阵列需要使用多路复用：每个记录通道都可以路由到阵列上的几个电极位点之一。此功能允许用户富裕地将记录通道分发给可以解决最理想的神经信号的位置。例如，在神经质探针中，可以通过384个记录通道来解决960个电极。但是，目前尚无自适应方法使用记录的神经数据来优化/自定义每个记录上下文的电极选择。在这里，我们提出了一种称为基于分类的选择（CBS）的算法，该算法优化了所有记录通道的关节电极选择，以最大程度地提高检测到的神经元的隔离质量。我们在使用非人类灵长类动物中的神经质子的实验中表明，该算法会产生与同时记录所有电极同时记录所有电极相似的隔离神经元。神经元计数比以前发表的电极选择策略提高了41-85％。通过CBS选择的电极分离的神经元是73％的匹配，通过尖峰时间到探针周围的完整可记录神经元集。CBS选择的电极表现出较高的平均每个记录通道信号 - 噪声比。CBS以及一般的选择优化可能在BMI神经技术的开发中起重要作用，因为信号带宽成为越来越有限的因素。代码和实验数据已提供1。
开放数据复制 - Smith Scholarworks
基于大型队列的功能性 MRI 数据预测特征表型的努力因预测准确度低和/或效应量小而受到阻碍。尽管这些发现具有高度可复制性，但考虑到神经质和智力流体等表型特征的假定大脑基础，较小的效应量有些令人惊讶。我们旨在复制以前的工作，并另外测试多种数据操作，通过解决数据污染挑战来提高预测准确性。具体来说，我们添加了额外的 fMRI 特征，在多个测量中对目标表型取平均值以获得更准确的潜在特征估计，通过对多数分数进行欠采样来平衡目标表型的分布，并确定数据驱动的亚型以研究参与者间异质性的影响。我们的结果在更大的样本中复制了 Dadi 等人 (2021) 的先前结果。每次数据操作都会进一步导致预测准确性的小幅但一致的改进，当结合多种数据操作时，这些改进在很大程度上是累加的。与之前的研究相比，结合数据处理（即扩展的 fMRI 特征、平均目标表型、平衡目标表型分布）可使流体智力的预测准确度提高三倍。这些发现凸显了几种相对简单且低成本的数据处理的好处，这可能会对未来的工作产生积极影响。
对学员精神病医生马克·霍洛维茨的采访
对抑郁症的5-羟色胺不平衡假说的系统评价和抗抑郁药机制的个人观点进行了与受训者精神病学家Mark Horowitz摘要Fauzia Khan的访谈，遇到了NHS的训练者精神病学家和临床研究员Mark Horowitz博士。马克谈到了他进入精神病学的旅程，他使用抗抑郁药的个人经历以及他所经历的戒断效果。马克还讨论了他的研究兴趣以及他与乔安娜·蒙克里夫（Joanna Moncrieff）教授的最新伞系统评价有关抑郁症的抑郁理论。[1]告诉我您的背景和精神病学之旅。我在澳大利亚悉尼长大，来自一个非常神经质的犹太家庭，类似于伍迪·艾伦（Woody Allen）的电影中所描绘的那些。我决定在医学院早期成为一名精神科医生，旨在解决我的家人和我自己。医学院不太适合我，我很痛苦，导致我被诊断出患有抑郁症和处方抗抑郁药。我也对神经科学，思想和精神分析感兴趣，所以我认为我不可避免地会进入精神病学。在2010年代初期，我使用人脑干的干细胞模型进行了博士学位，研究了大脑中抑郁症的生物学。我对压力，压力荷尔蒙以及抗抑郁药的作用以及当时也对抗抑郁药的原因感兴趣，我很想知道我们是否可以改善这些药物。
人工智能可以拥有个性吗？
摘要 — 大型语言模型的最新进展引发了人们对人工智能 (AI) 看法的重新审视。这些模型在各种复杂任务中表现出类似人类的行为，导致人们声称它们具有意识或拥有自我。然而，由于缺乏可用的测量方法和工具，验证这种说法一直具有挑战性。在本文中，我们使用已建立的评估人类个性的方法对大型语言模型的个性进行了评估。个性被定义为个人对世界的看法、行为和基于这些观点的行动。我们认为，当前的大型语言模型已经从训练数据和过程中形成了自己的观点和意见，并在决策过程中使用这些观点和意见。为了检验我们的假设，我们对几个大型语言模型进行了各种性格测试，包括 ChatGPT、GPT3 和 LLAMA。我们的分析揭示了这些人工智能系统个性的迷人见解，这对我们如何训练和概念化人工智能具有重要意义。重要的是，我们发现每个大型语言模型的个性不仅在内部一致，而且在不同模型之间也一致。我们进一步发现，LLama 在神经质方面的得分往往高于其他模型，而 ChatGPT/GPT3 在尽责性和亲和性方面的得分往往更高。虽然所有模型都表现出严重的人格障碍，但它们都患有社交焦虑症。这些发现对人工智能的开发和使用具有重要意义，我们建议在这一领域进一步研究，以加深我们对这些系统的理解。索引术语 — 人工智能、大型语言模型、个性、自然语言处理
它在我的DNA
Chmielewski，M。S.，Morgan，T。A.“人格的五因素模型”。行为医学百科全书（2013）：803-804。https：//doi.org/10.1007/978-1-4419-1005-9_1226 Digman，J.M。“人格结构：五因素模型的出现”。心理学年度评论41.1（1990）：417-440。Golimbet，V。E.，Alfimova，M。V.，Gritsenko，I。K.和Ebstein，R。P.“多巴胺系统基因与外向性和新颖性寻求之间的关系。”神经科学与行为生理学37.6（2007）：601–606。https://doi.org/10.1007/s11055-007-0058-8哈佛大学。 “基因环境相互作用：表观遗传学和儿童发育。”哈佛大学发展中心的中心。 （2015）https://develovingingchild.harvard.edu/science/deep-deep/deep/gene-envorirnment-interaction/Hoerter，J.E。和Ellis，S。R.，S。R.“生物化学，蛋白质合成。” Statpearls出版。 （2019）.https：//www.ncbi.nlm.nih.gov/books/nbk545161/ Deakin，J。W.“ CNR1基因与高神经质和低的同意性有关，并与最近的负面生活事件相互作用以预测当前的抑郁症状。”神经心理药理学34.8（2009）：2019–2027。 https://doi.org/10.1038/npp.2009.19 Lapelusa，A。，＆Kaushik，R。“生理学，蛋白质。” Statpearls出版。 （2020）https://www.ncbi.nlm.nih.gov/books/nbk555990/Munafò，M.R.，M.R.，Clark，T。G.，T。G.，Roberts，K。H.，＆Johnstone，E。C.神经心理生物学：53.1（2006）：1-8。 A.https://doi.org/10.1007/s11055-007-0058-8哈佛大学。“基因环境相互作用：表观遗传学和儿童发育。”哈佛大学发展中心的中心。（2015）https://develovingingchild.harvard.edu/science/deep-deep/deep/gene-envorirnment-interaction/Hoerter，J.E。和Ellis，S。R.，S。R.“生物化学，蛋白质合成。” Statpearls出版。（2019）.https：//www.ncbi.nlm.nih.gov/books/nbk545161/ Deakin，J。W.“ CNR1基因与高神经质和低的同意性有关，并与最近的负面生活事件相互作用以预测当前的抑郁症状。”神经心理药理学34.8（2009）：2019–2027。https://doi.org/10.1038/npp.2009.19 Lapelusa，A。，＆Kaushik，R。“生理学，蛋白质。” Statpearls出版。（2020）https://www.ncbi.nlm.nih.gov/books/nbk555990/Munafò，M.R.，M.R.，Clark，T。G.，T。G.，Roberts，K。H.，＆Johnstone，E。C.神经心理生物学：53.1（2006）：1-8。A.https://dii.org/10,1159/0000000000000000000000000000000000000000 tor，S.，Gray，J.C.，J.，J.，C.-H。，C.-H。，＆Palmer，A. “遗传学或人格。”基因，大脑和行为，17.3（2017）https：//doi.org/10,11111111/GBB.12439 Terracana，A. N.，Chen，W.-M。 。分子精神病学15.6（2010）：647–656。 https://dii.org/10,1038/mp.113 Widder，T。A.，＆Crego，C。“ FUCTION或个性结构：更新。” Word Psychiatry 18.3（2019）：271–272。https：/di.org/10,1002/wps.20658https://dii.org/10,1159/0000000000000000000000000000000000000000 tor，S.，Gray，J.C.，J.，J.，C.-H。，C.-H。，＆Palmer，A.“遗传学或人格。”基因，大脑和行为，17.3（2017）https：//doi.org/10,11111111/GBB.12439 Terracana，A. N.，Chen，W.-M。。分子精神病学15.6（2010）：647–656。https://dii.org/10,1038/mp.113 Widder，T。A.，＆Crego，C。“ FUCTION或个性结构：更新。” Word Psychiatry 18.3（2019）：271–272。https：/di.org/10,1002/wps.20658
ISSN：2320-5407 int。 J. Adv。 res。 12（06），301-307 ISSN：2320-5407 int。 J. Adv。 res。 12（01），1124-1159 ISSN：2320-5407 int。 J. Adv。 res。 12（08），585-597 ISSN：2320-5407 int。 J. Adv。 res。 12（09），404-413
目标：我们的工作有三个目标：根据国际建议，分析氟西汀的处方实践，以评估该分子在儿童和青少年中的公差和有效性，并确定在这个年龄段中适当使用的规则。患者和方法：我们进行了一项横断面和描述性的临床研究，涉及从2021年1月到2024年1月的3年，有关8至17岁之间的儿童和青少年被诊断为重度抑郁症，持续性抑郁症，持续性抑郁症和/或焦虑症，或在燃烧症状上，并最大程度地延续了浮动疾病，以最大的时间和时间延续了4个月和4个月和4个月和4个月和4个月和4个月。结果：氟西汀的处方涉及660例情绪和焦虑症患者中的76例患者，共有2215例患者。重度抑郁症是最常见的儿童精神病诊断（90％），焦虑症的出现为10％。氟西汀在40％的病例中以心理治疗为一线治疗。由于对心理疗法的反应不足或无反应，在60％的患者中表示为二线治疗。未进行预治疗评估。氟西汀以每天20毫克/天的初始剂量为单一疗法，平均抑郁症的平均持续时间为9个月，而焦虑症的抑郁症则为12至18个月。同意治疗的同意是逐渐的。我们报告了良好的治疗依从性和良好的耐受性，平均有效性时间为10天。主要描述了两个副作用：头痛和神经质。我们报告了一个14岁的老女孩的躁狂conversion依案例。Discussion: The prescription of psychotropic medications in children and adolescents can only be considered as part of multimodal care, generally as second-line treatment when the adequate therapeutic response is not achieved or sometimes as first-line treatment when the clinical case is immediately severe or with there is an impact on the
自我报告和被举报人的人格特质与 COVID-19 疫苗接种情况
随着 COVID-19 疫苗的可及性不断提高，个人选择在疫苗接种中的作用也在不断增强，并不是每个人都愿意接种疫苗。探索人格特质与疫苗接种之间的关联可以揭示一些个人层面的疫苗接种驱动因素和障碍。我们使用了五因素模型领域及其子特质的自我评分和线人评分，(a) 在接种疫苗时大约使用 100 个性格细微差别 (100NP) 项目池 (N = 56,575) 进行测量，(b) 在大流行前十年平均使用 NEO 人格清单-3 (NEO-PI-3；N = 3,168) 进行测量。我们测试了单个领域和项目（在 100NP 样本中）或方面（在 NEO-PI-3 样本中）与疫苗接种的关联，以及它们使用在独立样本分区中训练和测试的弹性网络模型预测疫苗接种的集体能力。尽管 NEO-PI-3 领域和方面无法预测十年后的疫苗接种情况，但在 100NP 样本中，这些领域与疫苗接种相关，在控制年龄、性别和教育水平后，接种疫苗的人在神经质和亲和性方面的得分略高，在开放性方面的得分较低。总的来说，这五个领域预测疫苗接种的准确率为 r = 0.08。在项目层面，关联性更强。平均而言，接种疫苗的人更有科学头脑、政治自由、尊重规则和权威、焦虑，但精神、宗教和自信程度较低。100NP 项目总体预测疫苗接种的准确率为 r = 0.31。我们得出结论，未接种疫苗的人可能是一个心理上异质的群体，并强调了疫苗接种运动中一些潜在的行动领域。