XiaoMi-AI文件搜索系统
World File Search System自然语言
人工智能与自然语言处理在设计中的应用
摘要 人工智能 (AI) 和自然语言处理 (NLP) 正在改变设计师处理和执行任务的方式，从根本上改变了各种设计学科的格局，包括工业、时尚、室内、界面和视觉传达设计。本研究探讨了生成式 AI 和 NLP 如何显著增强设计流程的创造力和功能性。目标是研究和开发 AI 和 NLP 在设计中的应用，评估这些技术与现有工作流程的集成，并解决可持续创新所必需的道德考虑。通过研究 AI 和 NLP 在设计中的交集，本研究旨在开发一个集成这些技术的系统，以促进设计师的创作过程并建立实用指南。
生成的AI大语言模型（LLM）与自然语言过程（NLP）之间的战斗。
早期的NLP系统是基于规则的，依靠手工编码的规则来解释语言。但是，该领域已经发展。现代NLP使用统计和机器学习技术，允许机器从广泛的数据集中学习语言模式。此学习使NLP系统能够执行情感分析，语言翻译以及语音识别和文本识别等任务。
1学生，2教授1-2计算机科学工程，1 Sharnbasva University，Kalaburagi，Karnataka，印度摘要：心脏病是领先的 使用机器的糖尿病预测... 增强糖尿病治疗的胰岛素功效：关键... 与自然语言处理和机器学习算法的呼叫机器人的调查 有心脏血管疾病对角线 AI驱动的无人机应用 酒店的环保实践：促进可持续性... 使用arduino-uno 的地板清洁机器人 印度农业的多元化种植模式 印度Patna博物馆的案例研究 自主送货机器人小印度人... 智能耕种机器人用于检测工厂... 使用MediaPipe和... 的手势识别 中的重新分配的异质数据存储管理 统计和数学在人工智能，机器学习，数据中的重要性 智能学科监控机器人 环境挑战，生物多样性和性别... 使用混合密码学的安全文件存储 稀土激活磷酸盐的简短合成方法和发光发展
1学生，2教授1-2计算机科学工程，1个Sharnbasva University，Kalaburagi，Karnataka，India摘要：心脏病是全球死亡率的主要原因，需要有效及时诊断。这项研究提出了一种使用先进的机器学习技术和数据驱动的见解来预测心脏病的新方法。该系统设计用于识别心脏病，利用各种机器学习分类器在选定功能上的性能。采用了预测模型，包括决策树（DT），天真贝叶斯（NB），随机森林（RF）和支持向量机（SVM）来识别心脏病。评估这些分类器的有效性，以确定最准确的心脏病检测方法。此外，该系统还为患者提供有关最近医生的信息，从而促进快速获得医疗诊断和治疗。这种综合方法旨在增强对心脏病的早期检测和干预，最终改善患者的结果并减轻医疗保健系统的负担。索引术语 - 心脏病，机器学习，预测，识别，决策树，天真的贝叶斯，随机森林，支持向量机，数据驱动的见解，早期检测，医学诊断，医疗保健系统。
具有手语和自然语言的双语社交机器人
随着技术的进步，机器人越来越多地进入我们的社会，在教育中找到使用[1] [6]，治疗[4] [3]，娱乐[21]和其他领域。在人类互动和人类机器人互动（HRI）领域中，语音是最友好，最自然的交流方式[20]，它促进了清晰而对话的交流，而语气和情感的表现力则有助于更具吸引力的互动[2]。同时，手势是人类通讯的组成部分，当机器人可以进行基于手势的通信时，它会增强人类与机器人之间的自然性和融洽关系[24] [22]。手势提供了视觉维度，补充语音以传达信息[9]，表达情绪[8]和指导动作[10]，使机器人更像人性化和引人入胜[19]。共同创造了更直观和相关的HRI体验。然而，当聋人在场时，言语和手势可能被证明是无效的交流手段。gibson [5]说明，在一个感觉系统中遇到损害的个体通常会提高替代感官渠道作为补偿机制的熟练程度。这种现象被称为感觉补偿，这意味着耳聋的人可能表现出视觉和触觉方式的灵敏度提高。在许多国家 /地区，手语是听力损失的人的第一语言[11]。因此，在同时聋哑人或听力障碍和非聋子的情况下，可以以自然语言进行交流的机器人具有重要意义。它可以帮助弥合那些主要使用口语语言的人与依靠手语的人之间的沟通差距，使每个人都可以有效地互动并参与各种社会，教育和专业背景。本文介绍了一项初步研究，旨在在胡椒机器人的平板电脑上展示带有手语和字幕的化身，同时使胡椒能够说出带有伴随的手势的自然语言，因为机器人的自由度限制了我们直接使用它的手语言。机器人通信系统的多模式性质可确保它可以满足不同的受众群体的需求，从而适应手语用户和熟练口语的个人。
Gazexplain：学习预测视觉扫描的自然语言解释
摘要。在探索视觉场景时，人类的扫描路径是由他们的基本注意力过程驱动的。了解视觉扫描对各种应用至关重要。传统的扫描模型预测目光的何处和何时在不提供解释的情况下变化，在理解固定背后的基本原理方面存在差距。为了弥合这一差距，我们介绍了Gazexplain，这是一项关于视觉扫描预测和解释的新研究。这涉及注释自然语言解释，以介绍跨眼睛追踪数据集的固定，并提出具有关注语言解码器的通用模型，该模型共同预测扫描路径并生成解释。它集成了一种独特的语义对准机制，以增强固定和解释之间的一致性，以及跨数据库共同训练的通用方法。这些新颖性为可解释的人类视觉扫描预测提供了一种全面且适应性的解决方案。对各种眼睛追踪数据集进行的广泛实验证明了GAZ-在扫描Path的预测和解释中解释的有效性，从而为人类的视觉关注和认知过程提供了宝贵的见解。
儿童的自闭症检测：叙事分析中的机器学习和自然语言处理
摘要：尽管达成共识，即早期鉴定会导致自闭症谱系障碍患者（ASD）的更好结果，但最近的研究表明，希腊人口诊断的平均诊断年龄大约为六年。但是，对于来自低收入或少数族裔背景的家庭而言，这种诊断年龄被延迟了两年。这些差异会导致对干预结果的不利影响，这对ASD儿童经常消费和劳动密集型的语言评估进一步负担。至关重要的需要，可以增加对早期评估和诊断的访问，这将是严格且客观的。当前的研究利用了人工智能的能力开发一个可靠且实用的模型，以根据其叙事和词汇技能将ASD的儿童与典型的同龄人区分开来。我们将基于自然语言处理的提取技术应用于自动获取语言特征（叙事和词汇技巧），从68名ASD和52个儿童的讲故事和52个通常开发的儿童的儿童的讲故事，然后在儿童结合的叙事和表现力的词汇数据上训练了机器学习模型，以有效地与典型的儿童区分典型的儿童。根据调查结果，该模型可以区分ASD与通常开发的儿童，获得96％的精度。具体而言，与决策树和梯度增强模型相比，在使用的模型中，历史梯度提升和XGBoost的性能略高，尤其是在准确性和F1得分方面。这些结果旨在为ASD儿童（尤其是那些获得早期识别服务访问权限的儿童）部署机器学习技术。
使用 GPT 嵌入优化自然语言处理方法以自动检测阿尔茨海默病
摘要：开发非侵入性且经济有效的阿尔茨海默病 (AD) 检测方法对于早期预防和缓解该病至关重要。我们通过使用音频增强技术和新颖的转录方法来优化使用自然语言处理 (NLP) 对自发语音的 AD 检测。具体来说，我们利用 Boll 谱减法来提高音频保真度，并使用最先进的 AI 服务（基于本地的 Wav2Vec 和 Whisper，以及基于云的 IBM Cloud 和 Rev AI）创建转录，并评估它们与传统手动转录方法的性能。然后使用基于 GPT 的转录嵌入对支持向量机 (SVM) 分类器进行训练和测试。我们的研究结果表明，基于 AI 的转录大大优于传统的手动转录，其中 Wav2Vec（增强音频）在本地系统中实现了最佳准确度和 F-1 分数（两个指标均为 0.99），而 Rev AI（标准音频）在基于云的系统中表现最佳（两个指标均为 0.96）。此外，除了音频增强的微小影响外，这项研究还揭示了采访者讲话对模型性能的不利影响。根据我们的研究结果，当前的 AI 转录和 NLP 技术在利用现有数据准确检测 AD 方面非常有效，但由于缺乏训练数据，难以对可能的 AD 和轻度认知障碍 (MCI)（AD 的前驱阶段）进行分类，为未来实施自动 AD 检测系统奠定了基础。
SHAYEGH NA, BYER D, GRIFFITHS Y, COLEMAN PW, DEANE LA, TONKIN J. 使用公开的自然语言处理工具 (ChatGPT) 评估人工智能对患者关于可充气阴茎假体的常见问题的回答。Can J Urol 2024;31(3):11880-11885。
简介：人工智能 (AI) 驱动的聊天机器人的兴起极大地影响了医疗保健信息传播格局的演变，为患者提供了可访问且互动的平台，以获取有关医疗程序和病情的知识。在泌尿外科的各种外科手术中，可充气阴茎假体 (IPP) 是治疗男性勃起功能障碍的常见方法。随着患者越来越多地寻求全面的资源来了解此程序需要做什么，基于人工智能的聊天技术（如 ChatGPT）变得越来越突出。本研究旨在评估 ChatGPT 提供准确且易于理解的 IPP 程序常见问题答案的能力。材料和方法：在单独的对话会话中向 ChatGPT 聊天机器人提出了十个关于 IPP 程序的常见问题 (FAQ)，没有后续问题或重复。证据-
对自然语言规划的 llms 进行基准测试
我们引入了 N ATURAL P LAN ，这是一个自然语言中的现实规划基准，包含 3 个关键任务：旅行规划、会议规划和日历安排。我们将评估重点放在 LLM 的规划能力上，并提供关于任务的完整信息，方法是将 Google 航班、Google 地图和 Google 日历等工具的输出作为模型的上下文。这样就无需使用工具使用环境来评估规划上的 LLM。我们观察到 N ATURAL P LAN 是针对最先进模型的具有挑战性的基准。例如，在旅行规划中，GPT-4 和 Gemini 1.5 Pro 分别只能实现 31.1% 和 34.8% 的解决率。我们发现，随着问题复杂性的增加，模型性能急剧下降：当有 10 个城市时，所有模型的性能都低于 5%，这凸显了 SoTA LLM 在自然语言规划方面存在巨大差距。我们还对 N ATURAL P LAN 进行了广泛的消融研究，以进一步阐明自我校正、少量泛化和具有长上下文的上下文规划等方法对改进 LLM 规划的 (不) 有效性。
利用自然语言处理 (NLP) 来...
自然语言处理 (NLP) 正在经历一场革命，因为大数据和大型语言模型改变了表示和分析文本信息以及额外信号和含义的能力。本次会议旨在汇集经济学中使用这些方法的最新研究。14h 开幕词 14h05 开幕词 -“经济学中文本数据的未来挑战” Stephen Hansen 教授，伦敦大学学院 第 1 节 - 使用 NLP 改进预测和理解叙述 14h40 让文本发挥作用：使用报纸文本进行经济预测（Kalamara、Turrell、Redl、George、