XiaoMi-AI文件搜索系统
World File Search System线索
语音敏感听觉皮层中情绪韵律的神经解码可预测儿童的社交沟通能力
在社交互动过程中，说话者通过声音传达有关其情绪状态的信息，这被称为情绪韵律。人们对儿童情绪韵律解码背后的确切大脑系统以及这些声音线索的准确神经解码是否与社交技能有关知之甚少。在这里，我们通过研究韵律的神经表征及其与儿童行为的联系来解决发展文献中的关键空白。多元模式分析显示，语音敏感听觉皮层的双侧中颞上沟 (STS) 分区中的表征解码儿童的情绪韵律信息。至关重要的是，中颞上沟的情绪韵律解码与标准化的社交沟通能力测量相关；对颞上沟韵律刺激的更准确解码预示着儿童的社交沟通能力更强。此外，社交沟通能力与解码悲伤特别相关，强调了调整负面情绪声音线索对于增强社交反应能力和功能的重要性。研究结果表明，语音敏感皮层检测言语中情绪线索的能力可以预测儿童的社交能力，包括与他人交往和互动的能力，从而弥补了一个重要的理论空白。
词汇压力的视听感：拍打手势和关节提示
抽象的人类交流本质上是多模式的。听觉演讲，但视觉提示也可以用来理解另一个说话者。大多数视听语音感知的研究都集中在语音段的感知上（即语音）。然而，对视觉信息对词汇应力等语音上段方面的感知的影响鲜为人知。在两个实验中，我们研究了不同视觉提示（例如面部关节线索和手势）对词汇应力的视听感的影响。我们介绍了disyllabic荷兰压力对的听觉词法压力连续性以及在第一个或第二个音节上产生压力的扬声器的视频（例如，表达voornaam或voornaam）。此外，我们将扬声器的表面结合起来，在音节上产生词汇应力，并在第一个音节或第二个音节上产生节拍手势，从而产生词汇应力。结果表明，人们成功地使用了视觉发音线索来在静音视频中进行压力。但是，在视听条件下，我们无法找到视觉关节线索的影响。相比之下，我们发现节拍手势的时间对齐具有强烈的影响，从而影响了参与者对词汇压力的看法。这些结果强调了在多模式上下文中考虑语言上部方面的重要性。
相关的大脑反应，但产生价值分离
摘要 最近的数据显示，在基于价值的学习过程中，涉及高阶知识和联想学习的系统之间的相互作用会驱动反应。然而，尚不清楚这些系统如何影响主观反应，例如疼痛。我们测试了指令和逆向学习如何影响疼痛和疼痛引起的大脑激活。健康志愿者（n=40）要么被指导线索和厌恶结果之间的偶然性，要么通过经验在偶然性逆转三次的范式中学习。我们使用功能性磁共振成像测量了预测线索对疼痛和热诱发大脑反应的影响。无论参与者是否收到了偶然性指令，预测线索都会随着偶然性的变化而动态调节疼痛感知。随着偶然性的变化，岛叶、前扣带回和其他区域的热诱发反应会更新，前额叶皮质的反应会介导对疼痛的动态线索效应，而脑干的延髓前腹侧 (RVM) 中的反应则在整个任务过程中受到初始偶然性的塑造。定量建模表明，在指导组中，预期值完全由指令形成，而在未指导组中，预期值则根据基于错误的学习而动态更新。这些差异伴随着前扣带回、丘脑和后岛叶等区域中基于价值的学习的神经关联分离。这些结果显示了预测如何动态影响主观疼痛。此外，成像数据描绘了三种类型的网络，这些网络涉及疼痛的产生和基于价值的学习：对初始偶然事件作出反应的网络、在反馈驱动的学习过程中随着偶然事件的变化而动态更新的网络以及对指令敏感的网络。总之，这些发现为影响疼痛的疗法设计提供了多个切入点。
MIDAS：从自然眼球运动模式深度学习预测人类行为意图
长期以来，眼球运动一直被研究作为了解人类大脑注意力机制的窗口，并作为新颖的人机界面提供。然而，并不是我们注视的所有东西都是我们想要与之互动的东西；这被称为凝视界面的点石成金问题。为了克服点石成金问题，目前的界面往往不依赖自然的凝视线索，而是使用停留时间或凝视手势。在这里，我们提出了一种完全由数据驱动的方法，用于仅基于自然凝视线索来解码人类对对象操作任务的意图。我们进行了数据收集实验，其中 16 名参与者被赋予操作和检查任务，这些任务将在他们面前的桌子上的各种物体上执行。受试者的眼球运动使用可穿戴眼球追踪器记录，允许参与者自由移动头部并注视场景。我们使用我们的 Semantic Fovea，一种卷积神经网络模型来获取场景中的物体及其与每一帧的凝视轨迹的关系。然后，我们评估数据并研究几种对意图预测的分类任务进行建模的方法。我们的评估表明，意图预测不是数据的简单结果，而是依赖于凝视线索的非线性时间处理。我们将该任务建模为时间序列分类问题，并设计双向长短期记忆 (LSTM) 网络架构来解码意图。我们的结果表明，我们可以仅从自然凝视线索和物体相对位置解码人类的运动意图，准确率为 91.9%。我们的工作证明了自然凝视作为人机交互的零 UI 界面的可行性，即用户只需自然地行动，而不需要与界面本身交互或偏离其自然的眼球运动模式。
硅在改善秋季生物防治方面的潜力...
作者：KJ Zimba · 2022 年 · 被引用 7 次 — 挥发性防御化合物通常充当害虫的威慑剂或引诱剂，因此可能被捕食者和寄生蜂利用作为宿主位置线索……
![arxiv：2502.14892v1 [cs.cv] 2025年2月17日](/simg/b\b495d4ee9dd26d76c8dad02913bbd55ecbbe1439.webp)
arxiv：2502.14892v1 [cs.cv] 2025年2月17日
应开始基于以自我为中心的流媒体视频讲话。具体地，EgoSeak从摄像头佩戴者的第一人称角度进行了演讲启动，从而准确捕获了代理商实时看到的每一刻。与第三人称或固定的摄像机视图不同，以自我为中心的观点尤其与现实世界中的代理人（例如社交机器人）尤其相关，这些机器人必须决定是否说话或保持沉默。通过利用摄像头佩戴者的直接视野（例如，面对另一个人，注意到肢体语言或凝视方向），Egospeak可以更自然地检测出微妙的线索，这些线索可以发出适当的时刻开始讲话。这对于不仅必须实时处理输入，而且在动态，多演讲者的环境中自主响应以使其显然和引人入胜的现实剂量至关重要。
模型和数据融合：癌症研究中的物理驱动学习
肿瘤细胞的机械生物学在体外理解机械和物理线索如何影响恶性组织的侵入性策略对于治愈许多癌症至关重要。 已经提出了许多体外系统模型来捕获癌细胞的复杂特征（例如 迁移，增殖，聚集和对疗法的抵抗力），以及癌症及其周围环境之间的动态和不断发展的反馈，即 机械 - 重生（Friedl）。肿瘤细胞的机械生物学在体外理解机械和物理线索如何影响恶性组织的侵入性策略对于治愈许多癌症至关重要。已经提出了许多体外系统模型来捕获癌细胞的复杂特征（例如迁移，增殖，聚集和对疗法的抵抗力），以及癌症及其周围环境之间的动态和不断发展的反馈，即机械 - 重生（Friedl）。
悉尼的日本帝国海军甲型潜艇 M24
简介 2006 年 11 月，在 1942 年悉尼突袭中“失踪”的第三艘日本袖珍潜艇被发现，这解开了澳大利亚持久的海军之谜之一。这艘船是这次大胆袭击中最成功的一艘，它的失踪引起了一连串的阴谋。在海军少尉 Katsuhisa Ban（23 岁）和海军士官 Namori Ashibe（24 岁）的指挥下，M24 进入港口，袭击了来访的美国重型巡洋舰 USS Chicago (CA-29)，没有击中海军补给船，反而将其击沉，造成 21 人死亡。重要的是，M24 逃脱了，而它的姊妹袖珍潜艇 Ha-14 和 Ha-21 被摧毁，后来被找到。四名潜艇人员证实遇难，M24 上的两名船员也推测失踪。他们都被追授日本海军高级荣誉。如今，这艘微型潜艇残骸的发现引发了对此次袭击事件和 M24 号年轻勇敢船员最终命运的重新调查。这个全国罕见的沉船遗址已成为负责管理当局的密切关注焦点，现在开始揭开它的秘密。本文总结了为保护该遗址而建立的管理框架，并探索了考古线索，这些线索为了解船员的最后行动和可能的命运提供了一些线索。
