MACT-SEL MACT用于选择性注意力技能MAL运动活动LOG MD MD MEFT音乐执行功能训练MEG磁脑电图MEM音乐回声记忆训练MET代谢等效的MIDI MIDI乐器数字界面MIT旋律语调MIT旋律INDONAPIC MMIP音乐情绪诱导过程MMT情绪和记忆训练; musical mnemonics training MNT musical neglect training MPC music in psychosocial training and counselling MPC-MIV MPC mood induction and vectoring MPC-SCT MPC social competence training MRI magnetic resonance imaging MSOT musical sensory orientation training MUSTIM musical speech stimulation NMT neurologic music therapy OMREX oral motor and respiratory exercises PD Parkinson's disease PECS Picture Exchange Communication System PET positron emission tomography PNF proprioceptive neuromuscular facilitation PROMPT prompts for restructuring oral muscular phonetic targets PRS perceptual representation system PSE patterned sensory enhancement QoL quality of life QUIL quick incidental learning RAS rhythmic auditory stimulation RCT randomized controlled trial RMPFC rostral medial prefrontal cortex ROM range of motion RSC rhythmic speech cueing
•美国太空合作政策和拉丁美洲(与劳拉·德尔加多·洛佩斯(LauraDelgadoLópez)合着):Arévalo-Yepes,Ciro和Sylvia Ospina,编辑。全球关于空间区域合作的看法:政策,治理和法律工具。国际宇航学院,法国巴黎,2017年。pp。6-19。 •关于人类太空飞行未来的辩论 - 30年了。 航空周与太空技术Idea Ideaxchange,2015年1月8日。 (仅Weblink)[重新发布为“去火星不间断”。航空周与太空技术,2015年2月1日,第1页。 74.] •NASA的战略方向和需要国家共识的需求。 国家研究委员会委员会关于NASA战略方向的报告。 国家学院出版社,2012年12月。 80 pp。 [我是编写此报告的NRC委员会的成员。] •奥巴马总统的国家空间政策:语调的变化和关注太空可持续性。 太空政策(第27卷,第1期),2011年2月,pp。 20-23。 •2010年美国国家太空政策及其维护《外太空条约》制度原则的潜力。 对太空法关键问题第5届Eilene M. Galloway研讨会的评论,2010年12月2日,华盛顿特区。 in:Jorgenson,Corinne(编辑) 国际太空法院的会议记录(2010年)。 美国航空与宇航学院,华盛顿特区,2011年。 pp。 692-696。 •经济和安全:资源为国家优先事项 - 太空计划。 in:劳埃德(Lloyd),里士满(Richmond M.)6-19。•关于人类太空飞行未来的辩论 - 30年了。航空周与太空技术Idea Ideaxchange,2015年1月8日。(仅Weblink)[重新发布为“去火星不间断”。航空周与太空技术,2015年2月1日,第1页。74.]•NASA的战略方向和需要国家共识的需求。国家研究委员会委员会关于NASA战略方向的报告。国家学院出版社,2012年12月。80 pp。[我是编写此报告的NRC委员会的成员。]•奥巴马总统的国家空间政策:语调的变化和关注太空可持续性。太空政策(第27卷,第1期),2011年2月,pp。20-23。•2010年美国国家太空政策及其维护《外太空条约》制度原则的潜力。对太空法关键问题第5届Eilene M. Galloway研讨会的评论,2010年12月2日,华盛顿特区。in:Jorgenson,Corinne(编辑)国际太空法院的会议记录(2010年)。美国航空与宇航学院,华盛顿特区,2011年。pp。692-696。•经济和安全:资源为国家优先事项 - 太空计划。in:劳埃德(Lloyd),里士满(Richmond M.)经济与安全:资源为国家优先事项。由威廉·B·鲁格(William B. Ruger)国家安全经济学主席赞助的研讨会会议记录。2010年5月19日至21日。美国海军战争学院,纽波特,RI。数字5。pp。245-257。•太空和平的经济和社会利益:今天和明天(与C. Jorgenson一起)。于2009年12月10日,华盛顿特区第4届Eilene M. Galloway专题讨论会。in:乔根森,科琳(ed)。国际太空法院会议录(2009年)。美国航空与宇航学院,华盛顿特区,2010年。pp。536-545。
本研究检查了2010年至2019年之间约旦银行业的基调披露(TD)与债务融资(DF)之间的关系。本研究使用了代理理论,因为它解释了TD行为以减少信息不对称和利益冲突。基于该理论,第一个假设表明TD与DF之间存在正相关。此外,第二个假设表明TD和DF之间存在双向关系。该样本由约旦银行业的15个银行组成。这项研究通过将阳性单词数除以单词总数来计算TD。结果显示TD与DF之间存在正相关关系,并且关系是双向的(Hui等,2024; Zhu等,2023),这证明了我们的两个假设。该研究结果可帮助外部财务报表用户(主要是金融家)了解新兴国家之一约旦的年度报告中使用TD。此外,结果建议在银行的年度报告中使用TD吸引更多债务融资者。关键字:语调披露,债务融资,约旦银行业,代理理论作者的个人贡献:概念化 - S.K.和A.H.R.;方法论 - A.H.R.和A.M。;软件-A.M。;验证-M.H.M.;正式分析 - A.H.R.;调查 - 又称A.A.;资源 - S.K.和A.H.R.;数据策划-A.M。;写作 - 原始草稿 - S.K.和A.H.R.;写作 - 评论和编辑 - S.K.,A.H.R.,A.M。和M.H.M.;可视化 - A.M。;监督-M.H.M.;项目管理 - M.H.M.;资金收购 - 上午对冲突的宣言:作者宣布没有利益冲突。1。简介
在人际交往中,情绪非常重要。词语、语音语调、面部表情和动作等属性都可用于描绘一个人的感受。然而,脑机接口 (BCI) 设备尚未达到情绪解读所需的水平。随着机器学习算法、干电极技术以及脑机接口在现实世界中对正常人的不同应用的快速发展,从脑电图数据中进行情绪分类最近引起了广泛关注。脑电图 (EEG) 信号是这些系统的关键资源。使用脑电图信号的主要好处是它们反映了真实的情绪,并且很容易被计算机系统解析。在这项工作中,使用通道选择预处理识别了与好情绪、中性和负面情绪相关的脑电图信号。然而,到目前为止,研究人员对各种情绪状态之间联系的具体了解有限。为了识别脑电图信号,我们使用了离散小波变换和机器学习技术,如循环神经网络 (RNN) 和 k-最近邻 (kNN) 算法。最初,使用分类器方法进行通道选择。结果,通过整合来自这些通道的 EEG 片段的特征来创建最终特征向量。使用 RNN 和 kNN 算法,对具有连接的积极、中性和消极情绪的最终特征向量进行独立分类。计算并比较了两种技术的分类性能。使用 RNN 和 kNN,平均总体准确率分别为 94.844 % 和 93.438 %。
I.单位:听力技巧a。聆听的重要性b。聆听类型c。听取的障碍d。有效的聆听ii。单元:语音a。英语的声音:元音和辅音b。音节c。单词压力d。语调III。单位:语法a。协和b。文章c。介词d。时态e。问题标签iv。单位:说话技巧a。问候和介绍b。询问并提供信息c。是的,我们可以巴拉克·奥巴马(Barack Obama)d。同意/不同意e。领导者应该知道如何管理A.P.J. A.P.J.Abdul Kalam V.单位:软技能a。 swoc b。态度c。情商d。 Netiquette e。人际交往能力参考:1。软技能,Alex博士(新德里:S。Chand&Company Ltd)2009。2。人际交往能力培训,菲利普·伯纳德(Philip Burnard)(新德里:Viva Books Private Ltd)3。每个人的软技能,Jeff Butterfield(新德里:Cengage Learning India Pvt Ltd)2012 4。情绪智力,丹尼尔·戈尔曼(Daniel Goleman)(伦敦:布卢姆斯伯里出版社)1996 5。印度学生的英语语音教科书英语劳动手册,E。SureshKumar,P。Sreehari7。沟通技巧(第二版),Sanjay Kumar&Pusplata,牛津大学出版社,2016年。
沟通是有效医疗保健的核心组成部分,影响着许多患者和医生的结果,但分析和教学都很复杂且具有挑战性。基于人类的编码和审计系统耗时且成本高昂;因此,人们对将人工智能应用于这一主题非常感兴趣,通过使用监督和无监督学习算法的机器学习。在本文中,我们介绍了健康沟通、它对患者和健康专业人员结果的重要性,以及支持这一领域对严格经验数据的需求。然后,我们讨论了历史交互编码系统和在健康环境中应用人工智能 (AI) 自动化此类编码的最新发展。最后,我们讨论了人工智能编码的可靠性和有效性的现有证据、人工智能在沟通训练和审计中的应用,以及该领域的局限性和未来方向。总之,机器学习的最新进展使得准确的文本转录以及对韵律、停顿、能量、语调、情感和沟通风格的分析成为可能。研究已证实机器学习算法具有中等至良好的可靠性,可与人工编码相媲美(或更佳),并已确定沟通变量与患者满意度之间存在一些预期和意外的关联。最后,人们尝试将人工智能应用于沟通技巧培训,以提供审核和反馈,并通过使用虚拟形象。这看起来很有希望提供保密且易于访问的培训,但最好将其用作基于人类的培训的辅助手段。© 2020 由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。
摘要本研究通过使用AI驱动的学习应用程序Hellotalk探索了英语发音技能的优化。该研究采用了准实验设计,涉及17名英语系Serambi Mekkah作为研究样本。通过预测试和后测来收集数据,评估发音精度的方面。预测试后,通过使用Hellotalk来对学生进行了为期四周的干预,以查看他们的英语发音能力是否可以提高。使用SPSS 16.0对数据进行了统计分析,统计分析显示干预前后的发音技能有显着提高,这是由测试前和测试后的平均得分(分别为49.71和79.12)表示。调查结果还显示出使用Hellotalk和学生的发音技能之间的密切相关性,尤其是在使用Hellotalk功能之后,例如伴侣匹配,文本聊天,语音消息,语音消息和视频通话,瞬间和社区互动以及社区互动,使学生能够与英语的人使用直接的口头交流和交换英语的人交流。发音有助于语音识别和校正功能,也有助于有助于改进的AI驱动功能。这项研究有望通过提供洞察力,即Hellotalk可以成为提高英语表达准确性的有效学习工具,从而为现有的文献体系做出贡献。未来的研究可以探索Hellotalk对其他发音方面的影响,例如语调,压力,节奏和音调。关键字:AI,英语,Hellotalk,Learning App,发音。通讯作者,电子邮件:sabrina@serambimekkah.ac.id
摘要 - 表达文本到语音(TTS)的目的是通过不同的口语风格综合语音,以更好地反映人类的语音模式。在这项研究中,我们试图使用自然语言作为一种提示,以控制合成语音中的样式,例如,“充满悲伤的情绪中的叹气语调,并有些无助的感觉”。考虑到没有现有的TTS语料库适合基于这项新型任务,我们首先构建了语音语料库,其语音样本不仅用内容转录,而且还具有自然语言的样式描述。然后,我们提出了一种表现力的TTS模型,名为Constructtts,该模型在以下方面是新颖的:(1)我们充分利用了自我监督的学习和跨模式公制学习,并提出了一种新颖的三阶段训练程序,以获得一种可有效地嵌入良好的句子模型,可以有效地从样式中捕获促进语音和对照式的演讲风格,从而有效地捕获语义信息。(2)我们建议在离散的潜在空间中对声学特征进行建模,并训练一种新型的离散扩散概率模型,以生成载体定量(VQ)声音令牌,而不是常用的MEL频谱图。(3)我们在声学模型培训期间共同应用共同信息(MI)估计和最小化,以最大程度地减少扬声器和样式的MI,避免使用样式提示中可能的内容和扬声器信息泄漏。已经进行了广泛的客观和主观评估,以验证指令的有效性和表现力。实验结果表明,指令可以通过控制口语样式的样式来合成高层和自然语音。
了解第二语言(L2)学习者所面临的挑战对于有效的语言获取至关重要。这项研究调查了夸张的声学特性对促进英语说话者的普通话学习的影响。使用合成的音调刺激,我们通过三个关键修改系统地操纵了音高轮廓:扩展基本频率(F0),增加F0(女性语音)并延长整体持续时间。我们的目标是评估F0扩展,较高的F0,更长的持续时间以及各种音节对普通话的学习和概括的影响。参与者从事非自适应试用语调识别任务。混合效应逻辑回归模型用于分析学习阶段,声学因素和色调的准确性。的发现揭示了从训练到测试和概括阶段的准确性提高,表明感知训练对成人说英语的人的音调有效。音调1的出现是最容易感知的,而音调3则构成了最挑战,与既定的色调获取难度层次结构一致。对声学因子的分析突出了特定于音调的效果。扩展的F0对识别音调2和音调3是有益的,但对音调1和音调4。此外,较长的持续时间也表现出各种色调的各种效果,有助于识别音调3和音调4但阻碍音调1的识别。较高的F0对于音调2是有利的,但对于音调3。此外,音节MA促进了音调1和音调2的识别,但对于音调3和音调4。这些发现增强了我们对声学特性在L2音调感知中的作用的理解,并对设计有效的培训计划的设计有影响。
步态适应对新的环境,设备或身体的变化,可以由能量消耗的持续优化驱动。然而,能量优化是否涉及隐式处理(自动发生,并以最少的认知注意力发生),显式处理(有意识地使用邀请策略有意识地发生)或两者结合尚不清楚。在这里,我们使用了双任务范式来探测在步行过程中能量优化中隐式和明确过程的贡献。为了创建我们的主要能量优化任务,我们使用了下LIMB外骨骼将人们的能量最佳步骤频率转移到低于正常优选的频率。我们的次要任务旨在从优化任务中引起明确的关注,是听觉音调歧视任务。我们发现,添加此次要任务并不能阻止步行过程中的能量优化。我们的双任务实验的参与者将其步骤频率调整为Optima的量,并以与我们以前的单任务实验中的参与者相似的速度。我们还发现,当参与者适应能量Optima时,在语调歧视任务上的表现并没有恶化。当外骨骼改变能量最佳步态时,精度得分和反应时间保持不变。调查回答表明,双重任务参与者在很大程度上不知道适应过程中对步态的变化,而单任务参与者更加了解他们的步态变化,但并未利用这种明确的意识来改善步态适应性。共同表明能量优化涉及隐式处理,从而使注意力资源可以针对步行过程中其他认知和运动目标。