XiaoMi-AI文件搜索系统
World File Search System识别任务
基于二维铁电半导体极化切换的高线性和对称突触记忆晶体管
基于人工突触的受脑启发的神经形态计算硬件为执行计算任务提供了有效的解决方案。然而，已报道的人工突触中突触权重更新的非线性和不对称性阻碍了神经网络实现高精度。在此，这项工作开发了一种基于 α -In 2 Se 3 二维 (2D) 铁电半导体 (FES) 中的极化切换的突触记忆晶体管，用于神经形态计算。α -In 2 Se 3 记忆晶体管利用记忆晶体管配置和 FES 通道中电配置极化状态的优势，表现出出色的突触特性，包括近乎理想的线性度和对称性以及大量可编程电导状态。因此，α -In 2 Se 3 记忆晶体管型突触在模拟人工神经网络中的数字模式识别任务中达到了 97.76% 的高精度。这项工作为在先进的神经形态电子学中使用多端 FES 记忆晶体管开辟了新的机遇。
通过基于图的空间进行脑电图情绪识别......
摘要 — 基于脑电图 (EEG) 信号的情绪识别在情感计算和脑机接口 (BCI) 领域引起了广泛关注。尽管已经提出了几种深度学习方法来处理情绪识别任务，但开发有效提取和使用判别特征的方法仍然是一个挑战。在这项工作中，我们提出了一种新颖的时空注意神经网络 (STANN)，通过多列卷积神经网络和基于注意的双向长短期记忆的并行结构来提取 EEG 信号的判别空间和时间特征。此外，我们通过图信号处理 (GSP) 工具探索 EEG 信号的通道间关系。我们的实验分析表明，当原始 EEG 信号或其图形表示（在称为 GFT-STANN 的架构中）用作模型输入时，所提出的网络改进了价和唤醒水平的逐主题二元分类以及价-唤醒情绪空间中的四类分类的最新结果。
听到富有表现力的生物信号会引起同情
旨在引发同理心的界面为 HCI 提供了实现重要亲社会成果的机会。最近的研究表明，感知富有表现力的生物信号可以促进情感理解和与他人的联系，但这项工作主要局限于视觉方法。我们提出，听到这些信号也会引起同理心，并通过听见心跳来检验这一假设。在一项基于实验室的受试者研究中，参与者（N = 27）在不同心跳条件下完成了一项情绪识别任务。我们发现，听到心跳会改变参与者的情感视角，并提高他们报告的“感受他人感受”的能力。从这些结果来看，我们认为听觉心跳非常适合作为一种共情干预，并且由于其音乐和非视觉性质，可能对某些群体和使用环境特别有用。这项工作为共情听觉界面建立了基线，并提供了一种评估未来设计效果的方法。
视觉任务的通才建模界面
我们提出了指示插道，这是一个将计算机视觉任务与Human指令保持一致的统一且通用的框架。与现有的方法相比，将先验知识整合并预先定义了每个视觉任务的输出空间（例如，构想和坐标），我们将各种视觉任务施加到人类直觉的图像操纵程序中，其输出空间是一个灵活的交互式像素空间。具体而言，该模型是建立在扩散过程的基础上的，并经过培训可以根据用户说明进行预测像素，例如将男人的左肩围绕红色或左右涂上蓝色面具。指示示例可以处理各种视觉任务，包括未识别任务（例如分割和关键点）和生成任务（例如编辑和增强）和在新颖数据集中胜过先前的方法。这代表了朝着视觉任务的通才建模界面迈出的坚实一步，在计算机视觉领域中推进了人工通用的intel。
大型语言模型删除了概念
通过神经元修剪编辑的模型编辑进展，对从大语言模型中删除不良概念的承诺有望。尚不清楚模型是否具有重新构造的修剪概念的能力。为了调查这一点，我们通过跟踪命名实体识别任务的再培训期间的修剪神经元的概念显着性和相似性来评估模型中的概念。我们的发现表明，模型可以通过将高级概念重新定位到早期的层次，并将修剪的概念重新恢复后延伸，并将其重新分配给具有类似语义的启动的neurons。这表明模型表现出多性性的能力，并且可以在单个神经元中融合旧和新概念。虽然神经元修剪为模型概念提供了不可证明的性能，但我们的结果突出了永久概念删除以改善模型安全性的挑战。监控概念的重新出现和开发技术以减轻不安全的概念的重新学习将是更重要的模型编辑的重要方向。总的来说，我们的工作强烈证明了在LLMS概念后的概念概念中的弹性和流动性。
将人类认知心理学应用于人工智能的可能性，以改善皮肤病学诊断及其准确性
摘要探讨了人类思想和认知心理学的状态，模式识别是我们表现出色的技能。新皮层是仅在哺乳动物中发现的大脑的最外部部分，是造成这种能力的原因。随着高级神经网络的发展，人类可以更好地处理视觉和听觉模式。能够寻找模式通常被认为是我们认为是卓越模式处理（SPP）的一部分。随着我们的发展，我们的能力变得越来越复杂，从而创造了人工智能。人工智能席卷了世界，是创造和认可的很大一部分。AI对于标准模式识别任务而言是值得注意的，因为它具有大量数据和数据驱动的机器学习的进步。但是，AI内部存在很大的差距，可以克服其达到人类水平的技能处理能力。这创建了一个问题，即我们如何通过将认知心理学原理应用于AI并推进模式处理系统以及是否可能建立跨越差距的桥梁。如果可能的话，它可以提高医疗保健中AI诊断能力的准确性和精度吗？
hobot.pdf
前额叶领域对视觉意识的贡献对于全球神经元工作空间理论和意识高阶理论至关重要。本研究的目的是测试视觉意识判断前内侧前额叶皮层（AMPFC）的潜在参与。我们旨在通过神经可塑性样机制暂时影响左AMPFC的神经元动力学。我们使用了不同的theta爆发刺激（TBS）方案，并结合了视觉识别任务和视觉意识等级。在参与者内部设计之前，在实验范式之前应用了连续的TBS（CTB），间歇性TBS（ITB）或假TBS。与假TBS相比，我们观察到参与者在CTB上有足够的判断（元认知效率）的能力有所提高，而不是ITB。效果伴随着不正确的响应中视觉意识等级的较低。在识别任务绩效中没有明显的差异。我们将这些结果解释为PFC参与元认知基础的大脑网络的证据。此外，我们讨论了TMS研究的结果是否可以作为PFC参与意识本身的证据。
解读吸毒者的情绪：面部和身体情绪识别以及厌恶情绪的证据
摘要：背景：不同的药物会损害额叶皮质，特别是与情绪和认知功能有关的前额叶区域，导致药物滥用者解码情绪缺陷。本研究旨在通过面部、身体和厌恶情绪识别探索药物滥用者的认知障碍，扩大情绪处理的研究范围，测量准确性和反应速度。方法：我们招募了 13 名可卡因成瘾者和 12 名酒精成瘾者，他们在意大利接受治疗服务，并与 33 名匹配的对照组进行比较。实验评估包括面部情绪和身体姿势识别任务、厌恶评级任务和 Barrat 冲动量表。结果：我们发现情绪过程受到可卡因和酒精的不同影响，这表明这些物质会影响不同的大脑系统。结论：药物滥用者在面部、身体和厌恶情绪的阐述方面似乎不太准确。考虑到参与者没有认知障碍，我们的数据支持情绪障碍独立于认知功能损害而出现的假设。
国际标准气氛 - 航空航天行业的技术测量主权工具医学图像识别的神经网络概述
摘要。医学图像识别在计算机诊断中起着至关重要的作用，并且深度学习技术（尤其是神经网络）的进步得到了极大的增强。本文对神经网络在医学图像识别中的应用进行了全面综述，强调了它们的优势和缺点。神经网络受人脑功能的启发，由以层组织组织的相互联系的人工神经元组成。通过学习过程，神经网络可以分析和分类医学图像，从而准确诊断和治疗。本文探讨了神经网络的基本组成部分，包括神经元，权重和激活功能，并使用诸如返回范围之类的算法解释了训练过程。它还讨论了图像识别任务中常用的各种类型的神经网络，例如用于处理图像和复发神经网络（RNN）的卷积神经网络（CNN），用于分析顺序数据。通过检查来自不同医学领域的研究示例，该综述证明了神经网络在医学图像识别中的有效性及其通过提高诊断准确性和患者结果来彻底改变医疗保健的潜力。
人工智能任务的道德规范表
一些备受瞩目的事件，例如对弱势群体进行情绪识别系统的大规模测试以及使用问答系统进行道德判断，都突显了技术往往会给那些已经被边缘化的人带来更不利的结果。这里的问题不仅仅是单个系统和数据集，还有人工智能任务本身。在本立场文件中，我主张不仅在单个模型和数据集的层面上考虑伦理考虑，也在人工智能任务的层面上考虑伦理考虑。我将介绍这种努力的一种新形式，即人工智能任务的伦理表，致力于充实隐藏在任务通常如何构建以及我们在数据、方法和评估方面所做的选择中的假设和伦理考虑。我还将以情绪识别任务为例，介绍一个包含 50 项道德考量因素的道德表模板。道德表是一种在构建数据集和系统之前参与和记录道德考量因素的机制。与调查文章类似，少量精心制作的道德表可以为众多研究人员和开发人员提供服务。