XiaoMi-AI文件搜索系统
World File Search System虚拟环境
使用芬兰糖尿病风险评分 从棕榈油磨坊流出的外部细菌分离 隔离和鉴定Caleb中的酵母... HPV E6/E7 mRNA测定，HPV DNA测试和细胞学的疗效在检测高级宫颈病变和侵入性癌症中的疗效 205年幼儿教育和整个孩子的音乐... 供应链技术整合对正式制造绩效的影响 使用糖和镰刀菌生产淀粉酶酶，并使用糖 合作社在AWKA北部政府地区Okoye的经济中的角色和贡献 加纳机构和供应链管理实践：对AYAM的系统审查，法官Ray Achoanya前财政官员，CATH 2型糖尿病的新兴遗传特征和尼日利亚西南部的对照组：可持续发展的催化剂 原始文章种植，咀嚼和无所不在，埃塞俄比亚的Catha Edulis Plant，其生计暗示着农村家庭。基于社区的CO 教育准则对糖尿病患者知识的影响， 尼日利亚卫生系统上的人力资本祸害 几何优化和能量参数计算... 虚拟环境的安全评估框架
背景：2型糖尿病（T2DM）是尼日利亚新兴经济的全球问题。早期检测可以帮助延迟或预防该疾病。的目的：本研究旨在使用经过验证的芬兰糖尿病风险评分（Findrisc）在尼日利亚西南部城市萨加穆·奥贡州的成年人口中使用经过验证的芬兰糖尿病风险评分（Findrisc）来表征研究人群中糖尿病前期的患病率。患者和方法：从18至65岁的健康参与者（n = 581），没有已知的T2DM或怀孕史，是从Sagamu的当地城市教堂招募的。然后对Findrisc问卷进行了管理，其中包括有关年龄，BMI，腰围，蔬菜消费，体育锻炼，高血压，高血压，T2DM家族史以及高血糖历史的问题。结果：总体而言，未来10年中，有51.8％的参与者被指定有发展T2DM的风险，其中一系列类别从略有升高到非常高的风险； 34.4％的参与者的风险得分为7-11，表明风险略有升高； 11.2％的参与者的风险得分为12-14，表明风险中等，而5.3％的参与者的风险得分为15-20，表明风险很高，0.9％的参与者的风险得分高于20，表明风险较高。风险评分的性别分布表明，男性的1.7％和9.5％的女性在未来10年内具有中度至高风险（得分≥12）。Findrisc评分与体重（r = 0.49; p <0.001），BMI（r = 0.55; p <0.001）和年龄（r = 0.27; p <0.001）呈正相关。这种糖尿病前期的流行率与尼日利亚其他研究中发现的率相似。结论：这项研究证实了尼日利亚成年人中T2DM的这种简单和非侵入性筛选工具的使用。这也是提高人群中这种情况的认识的有用工具。
现实和虚拟环境中近个人和超个人观看的神经活动比较
这篇本科论文由 eGrove 的荣誉学院 (Sally McDonnell Barksdale 荣誉学院) 免费提供给您，供您免费访问。它已被 eGrove 的授权管理员接受并纳入荣誉论文。有关更多信息，请联系 egrove@olemiss.edu。
使用经颅磁刺激在枕叶上诱发侧向光幻视以导航虚拟环境
涉及大脑视觉区域的电刺激会产生被称为光幻视的人造光感知。这些视觉感知在先前涉及皮层内微模拟 (ICMS) 的研究中得到了广泛的研究，并成为开发盲人视觉假体的基础。尽管已经取得了进展，但在实施功能性 ICMS 进行视觉康复方面仍然存在许多挑战。对主枕叶进行经颅磁刺激 (TMS) 提供了一种非侵入性产生光幻视的替代方法。盲人面临的一个主要挑战是导航。在科学界，评估视觉假体辅助导航能力的方法一直被忽视。在本研究中，我们调查了唤起侧向光幻视以在计算机模拟的虚拟环境中导航的有效性。更重要的是，我们展示了虚拟环境和视觉假体的开发如何相互关联，使患者和研究人员都受益。使用两个 TMS 设备，将一对 40 毫米的 8 字形线圈放置在每个枕半球上，从而产生单侧光幻视感知。参与者的任务是使用外围设备根据存在光幻视的视觉半场进行一系列左转和右转。如果参与者能够准确地感知所有十个光幻视，则模拟目标能够前进并完全退出虚拟环境。我们的研究结果表明，参与者可以解释单侧光幻视，同时强调基于计算机的虚拟环境的集成以评估视觉假体在导航过程中的能力。
提升电子竞技中的团队合作水平：了解动态虚拟环境中的团队认知
大量研究强调了团队认知的认知过程及其与团队绩效的关系的重要性。然而，很少有研究关注将如此重要的团队合作过程应用于快节奏虚拟环境中的计算机中介协作。在本文中，我们使用电子竞技作为研究平台来解决这一限制，因为它具有快节奏的特性，并且严重依赖团队合作。我们报告了 20 名玩家对电子竞技中团队认知的描述的经验和看法。我们发现，电子竞技玩家依靠他们的游戏经验和对角色相互依赖性的理解来发展与陌生人的团队认知。我们还发现，经验丰富的团队利用对队友技能和个性的相互理解来预测反应并限制做出快速团队决策所需的口头交流。我们通过扩展对计算机中介协作的认知理解以及推进对团队认知及其如何在快节奏虚拟环境中发生的研究，为 CSCW 做出了贡献。
信息丰富的虚拟环境中基于多层多任务标记的交互
简单而廉价的交互在任何虚拟环境 (VE) 的操作和探索中都起着关键作用。在本文中，我们提出了一种交互技术，该技术以简单且计算成本低廉的方式为复杂对象提供两种不同的交互方式（信息和控制）。交互基于以专门的方式使用多个嵌入式标记。所提出的标记就像一个交互外围设备，其工作原理就像一个触摸支付，可以在 3D VE 中执行任何类型的交互。所提出的标记不仅用于与增强现实 (AR) 交互，还用于与混合现实交互。开发了一个生物虚拟学习应用程序，用于评估和实验。我们分两个阶段进行了实验。首先，我们将一个简单的 VE 与所提出的分层 VE 进行了比较。其次，对所提出的标记、一个简单的分层标记和多个单个标记进行了比较研究。我们发现所提出的标记具有更好的学习效果、交互的简易性以及相对较少的任务执行时间。与简单的 VE 相比，结果显示分层 VE 的学习效果有所改善。
具有虚拟环境接口的车辆远程操作共享控制
远程操作被认为是一种克服自动驾驶高度不确定性的方法，即在自动驾驶汽车无法自行行驶时让远程人类驾驶员接管汽车的控制权。然而，远程驾驶受到情境意识限制和网络延迟的影响，这会增加发生事故的风险。不过，在大多数情况下，自动化系统仍将正常运行，这为共享控制提供了可能性，即人机协作完成手头的任务。本论文开发了一种这样的方法，其中操作员通过在虚拟环境中操纵虚拟车辆来展示他们的意图。真实车辆观察虚拟车辆并自主模仿它。为此，车辆使用遗传算法找到与虚拟车辆相似的路径，同时避开潜在的障碍物。纵向控制采用受自适应巡航控制 (ACC) 启发的方法执行，横向控制采用模型预测控制器 (MPC) 实现。该方法通过模拟中的用户试用进行评估，与直接控制方法相比，在存在较大延迟的情况下，其性能更好。在延迟可忽略不计的情况下，其性能与直接控制相当或略差，但测试参与者在使用新方法时仍报告了更高的信心，并且总体上更喜欢使用新方法。
在协作虚拟环境中用于建筑物疏散的主动射击响应训练环境
摘要 在枪击事件或紧急情况下，安保人员对情况做出适当反应的能力取决于预先存在的知识和技能，但也取决于他们的心理状态和对类似场景的熟悉程度。在紧急情况下做出决定时，人类行为变得不可预测。在紧急情况下确定这些人类行为特征的成本和风险非常高。本文介绍了一种沉浸式协作虚拟现实 (VR) 环境，用于使用 Oculus Rift 头戴式显示器执行虚拟建筑疏散演习和枪击训练场景。协作沉浸式环境在 Unity 3D 中实现，基于运行、隐藏和战斗模式进行应急响应。沉浸式协作 VR 环境还为校园安全提供了一种独特的紧急情况训练方法。参与者可以进入云端设置的协作 VR 环境并参与枪击响应训练环境，这比大规模的真实演习具有相当大的成本优势。用户研究中的存在问卷用于评估我们的沉浸式培训模块的有效性。结果表明，大多数用户都同意，在建筑疏散环境中使用沉浸式应急响应训练模块时，他们的存在感得到了增强。
测量虚拟环境中的延迟 - UCL Discovery
摘要 — 交互式计算机系统的延迟是创建它们的组件固有的处理、传输和同步延迟的产物。在虚拟环境 (VE) 系统中，延迟会损害用户的沉浸感、身体表现和舒适度。准确测量 VE 系统的延迟以进行研究或优化并非易事。许多作者已经开发出表征延迟的技术，这些技术已逐渐变得更加容易获得和使用。在本文中，我们将描述这些技术。我们描述了一个简单的机械模拟器，旨在模拟具有各种延迟量的 VE，这些延迟量可以精细控制（在 3 毫秒以内）。我们开发了一种称为自动帧计数的新延迟测量技术，以帮助使用高速视频（在 1 毫秒以内）评估延迟。我们使用机械模拟器来测量 Steed 和 Di Luca 测量技术的准确性，并提出可以改进的地方。我们使用这些方法来测量 VE 工程师可能感兴趣的许多交互式系统的延迟，并且非常有信心。所有技术都表现出色，但 Steed 的方法既准确又易于使用，不需要专门的硬件。
测量虚拟环境中的延迟 - UCL Discovery
摘要 — 交互式计算机系统的延迟是创建它们的组件固有的处理、传输和同步延迟的产物。在虚拟环境 (VE) 系统中，延迟会损害用户的沉浸感、身体表现和舒适度。准确测量 VE 系统的延迟以进行研究或优化并非易事。许多作者已经开发出表征延迟的技术，这些技术已逐渐变得更加容易获得和使用。在本文中，我们将描述这些技术。我们描述了一个简单的机械模拟器，旨在模拟具有各种延迟量的 VE，这些延迟量可以精细控制（在 3 毫秒以内）。我们开发了一种称为自动帧计数的新延迟测量技术，以帮助使用高速视频（在 1 毫秒以内）评估延迟。我们使用机械模拟器来测量 Steed 和 Di Luca 测量技术的准确性，并提出可以改进的地方。我们使用这些方法来测量 VE 工程师可能感兴趣的许多交互式系统的延迟，并且非常有信心。所有技术都表现出色，但 Steed 的方法既准确又易于使用，不需要专门的硬件。
测量虚拟环境中的延迟 - UCL Discovery
摘要 — 交互式计算机系统的延迟是创建它们的组件固有的处理、传输和同步延迟的产物。在虚拟环境 (VE) 系统中，延迟会损害用户的沉浸感、身体表现和舒适度。准确测量 VE 系统的延迟以进行研究或优化并非易事。许多作者已经开发出表征延迟的技术，这些技术已逐渐变得更加容易获得和使用。在本文中，我们将描述这些技术。我们描述了一个简单的机械模拟器，旨在模拟具有各种延迟量的 VE，这些延迟量可以精细控制（在 3 毫秒以内）。我们开发了一种称为自动帧计数的新延迟测量技术，以帮助使用高速视频（在 1 毫秒以内）评估延迟。我们使用机械模拟器来测量 Steed 和 Di Luca 测量技术的准确性，并提出可以改进的地方。我们使用这些方法来测量 VE 工程师可能感兴趣的许多交互式系统的延迟，并且非常有信心。所有技术都表现出极高的性能，但 Steed 的方法既准确又易于使用，不需要专门的硬件。