XiaoMi-AI文件搜索系统
World File Search System表情
用EEG信号自动操纵机器人臂
摘要 - 该项目具有客观地识别使用传感器“情感EEG Neuroset”的一些面部表情。此设备是一种能够通过脑电图技术（EEG）接收和解释大脑生物电活动的传感器，此外，还具有16个通道，并连续准确接受脑电波。此外，传感器具有易于使用的SDK，即使没有任何大脑信号获取经验，任何人即使没有任何经验。Emotiv®数据被转移到MATLAB®进行过滤脑电波，以通过串行通信向Arduino发送信息。因此，在Arduino板上获得了三种不同表达式的识别，即眨眼，眨眼和微笑，每个表达式在Arduino板上都有不同的LED颜色。
使用多模式情感识别促进心理健康的基于强化学习的方法
摘要：这项研究旨在通过通过个性化的，具有文化特定的多模式情绪预测系统来解决焦虑和抑郁症状来增强心理健康。它提出了一种情感意识的增强学习（RL）代理，以建议定制认知行为疗法（CBT）活动。该研究重点是使用面部表情，声音和文本开发精确的，个性化的情绪前词模型，并将这些模型与RL代理集成为情感上的CBT建议。MHealth方法将深度学习模型与RL相结合，面部表情的精确度为72％，声带的73％，文本为86％，所有这些都针对斯里兰卡的环境进行了微调。通过现实世界使用和用户反馈验证始终证明，每个模型都超过70％的精度，实现了精确的情感预测的目标。引入了一种加权算法，以完善情感预测体验并在这三种方式中个性化预测，以增强心理健康。支持RL的代理商建议由心理健康专业人员批准的CBT活动，根据预测的情绪量身定制，并通过同一MHealth应用程序进行。使用DASS-21问卷评估了这些干预措施的有效性，与对照组相比，研究组中抑郁评分的显着降低（从21.08到13.54）和焦虑评分（从19.85到10.46）。该研究得出的结论是，将多模式情感预测模型与基于RL的CBT建议相结合，从而对心理健康产生积极影响，并有助于个性化的人类健康干预措施。
全体会议发言人 1：Kaoru Sumi 教授（日本函馆未来大学） 题目：利用虚拟代理进行人与人之间的互动
摘要：近年来，在线远程教育的机会不断扩大，虚拟空间中基于代理的交互在此背景下引起了人们的关注。在本次演讲中，我将讨论使用虚拟空间和代理的各种教育可能性，并介绍多项研究的示例。我还将介绍我们自己开发的使用基于游戏的学习的系统 [1] 和基于游戏的故事生成系统，该系统可以根据玩家的情绪和行为自动实时生成脚本 [2]。我将讨论系统可以用来影响人类行为的说服技术，以及面部表情和手势的印象和应用，这些是代理的表达 [3]，以及虚拟代理在虚拟空间中与其他用户交互时会发生什么。
大脑发育 - 儿童中央
根据哈佛大学发展中心的中心，儿童的认知情报不能与他的社会和情感健康分开。在一起，这三个能力在大脑中密不可分，将影响孩子的行为，健康和一生学习的能力。您不能不影响另一个领域。表情福祉和社会能力是构成新兴认知能力基础的砖和砂浆。在早期建立健康的平衡是在学校，工作场所和社会中取得成功的先决条件。所有未来的学习都取决于这一重要的基础。在这一过程中的关系至关重要，因为孩子的社会和情感健康受到与家庭成员，成人护理人员和老师的关系，他们在幼儿的生活中扮演着难以置信的重要角色。1
有或没有脑外伤的人如何解读表情符号？感知效价、唤醒度和情绪表现的相似之处和差异
摘要 面部情感识别受损在创伤性脑损伤 (TBI) 后很常见，并且与不良的社会结果有关。我们探讨了 TBI 后表情符号所描绘的情感感知是否也会受损。50 名 TBI 参与者和 50 名未受伤的同伴生成了自由文本标签来描述表情符号所描绘的情感，并在九点评定量表上评定他们的情感效价和唤醒水平。我们比较了两组的情感效价和唤醒评级如何聚类，并检查了参与者用来描述表情符号的词语的一致性。情感评级的层次聚类在未受伤组产生了四个表情符号簇，在 TBI 组产生了三个表情符号簇。未受伤组有一个强烈正面和一个中等正面的簇，而 TBI 组只有一个正情感效价簇，未按唤醒程度区分。尽管簇数量存在差异，但两组表情符号评级的层次结构显着相关。大多数表情符号与患有和未患有 TBI 的参与者用来描述它们的词语高度一致。患有 TBI 的参与者对表情符号的感知与未受伤的同龄人相似，使用相似的词语来描述表情符号，并在效价维度上对表情符号的评分也相似。患有 TBI 的个体对少数表情符号的感知唤醒差异很小。总体而言，结果表明，基本识别过程无法解释患有 TBI 的成年人报告的计算机介导通信中的挑战。检查患有 TBI 的人在上下文中对表情符号的感知是进一步了解脑损伤后在计算机介导环境中的功能性交流的重要下一步。
系统评价
背景：人类情绪识别 (HER) 是过去几年中一个热门的研究领域。尽管迄今为止取得了巨大进展，但人们对 HER 在自闭症中的应用关注相对较少。众所周知，自闭症患者在日常社交沟通和对情绪反应的原型解释方面存在问题，而这些情绪反应最常通过面部表情表现出来。这对常规 HER 系统的应用提出了重大的实际挑战，这些系统通常是为神经正常的人开发的。目标：本研究回顾了有关 HER 系统在自闭症中的应用的文献，特别是在传感技术和机器学习方法方面，以确定现有的障碍和可能的未来方向。方法：我们根据 2020 年 PRISMA 指南对 2011 年 1 月至 2023 年 6 月期间发表的文章进行了系统回顾。通过搜索 Web of Science 和 Scopus 数据库来识别手稿。纳入的论文涉及情绪识别、使用传感器和机器学习技术，以及涉及自闭症儿童、青少年或成年人。结果：搜索到 346 篇文章。共有 65 篇出版物符合资格标准并被纳入审查。结论：研究主要使用面部表情技术作为情绪识别方法。因此，摄像机是所有研究中使用最广泛的设备，尽管最近观察到生理传感器的使用呈增长趋势。快乐、悲伤、愤怒、恐惧、厌恶和惊讶是最常被提及的情绪。主要使用经典的监督机器学习技术，而无监督方法或较新的深度学习模型则被忽略。研究主要关注广义上的自闭症，但针对更具体的谱系障碍的研究有限。隐私或安全问题很少得到解决，即使有，也只是在相当不详细的层面上。
北欧资源匮乏语言的语言技术
尽管所有主流操作系统都识别法罗语并实现数字键盘兼容性，但法罗语在任何操作系统（Windows、macOS、Linux、Android、iOS）中都不支持作为系统范围的本地化语言。大型软件套件（Microsoft Office、Google Docs、Libre Office）也是如此。虽然这些系统和软件的某些组件显示出为法罗语本地化的迹象，但这种情况只是偶尔发生且是次要的（例如，表情符号的名称是法罗语，但所有主要功能都不是）。鉴于这些操作系统和软件套件在教育和专业领域的广泛应用，法罗语使用者被迫在所有个人或专业设备上选择非母语的语言界面。
在新生儿科支持宝宝的发育护理
如果您的宝宝在保温箱中，请坐在宝宝旁边，以便他们能看到您的脸。让他们握住您的手指，并用柔和的声音与他们交谈。 随着宝宝接近足月年龄，他们会更长时间地保持安静和警觉。这是与他们交谈的好时机。 让他们站在可以看到您的脸并与你目光接触的地方。观察他们的面部表情并模仿他们（例如张开嘴巴、拉舌头），鼓励他们也这样做。 用柔和的声音与宝宝交谈、读书和唱歌。您还可以通过制定日常活动（例如在换尿布、喂食、洗澡、安抚时）并使用简单、重复的语言评论正在发生的事情来帮助他们理解。