XiaoMi-AI文件搜索系统
World File Search System辨别
标题 初级视觉皮层中的现有功能不会因非匹配感官任务的新技能习得而受到干扰 作者列表 Brian B. Jeon 1
通讯作者：Sandra J. Kuhlman，电子邮件：skuhlman@cmu.edu 附属机构 1 卡内基梅隆大学生物医学工程系，2 认知神经基础中心，3 神经科学研究所，4 生物科学系 摘要 获得新技能可能会扰乱现有的网络功能。为了直接评估先前获得的皮质功能是否在学习过程中发生改变，使用耦合到初级视觉皮层 (V1) 神经元的光学脑机接口设备对小鼠进行抽象任务训练，其中选定的活动模式会得到奖励。使用双光子钙成像纵向记录兴奋性神经元。尽管在执行任务期间局部神经活动发生了显著变化，但在训练环境之外评估的调节特性和刺激编码并未受到干扰。同样，在不同的视觉辨别训练任务后保持反应的神经元中的刺激调节是稳定的。然而，视觉辨别训练增加了表征漂移的速度。我们的结果表明，虽然某些形式的感知学习可能会改变单个神经元对刺激编码的贡献，但新技能学习本质上并不会破坏成人 V1 中刺激表征的质量。
BCI 认知测试屏幕上的空间注意力可视化
摘要：早期诊断对于痴呆症的治疗非常重要，但痴呆症患者往往不愿意去看医生。在我们的实验室中，我们正在使用基于 P300 的拼写脑机接口 (Spelling-BCI) 开发一种廉价且简单的认知功能筛查工具。通过使用辨别分数创建注意力聚焦图并比较结果，我们希望确认痴呆症患者之间的差异以及痴呆症筛查的价值。BCI 使用基于行和列的 P300 成分计算的辨别分数来估计字符。因此，我们根据每个字符的分数开发了一个注意力聚焦图。结果，随着 NC 变成 MCI/AD，它显示得更白和更黑。NC 估计为 83.3%，MCI 估计为 63.0%，AD 估计为总字符数的 33.3%。此外，AD 倾向于在包含目标字符的行和列之外做出反应。这些结果被认为是认知功能下降导致注意力集中度下降所致。因此，有人提出可以从注意力集中度图中确认痴呆症患者之间的差异，这对痴呆症筛查很有用。关键词：痴呆症、BCI、P300、注意力、ERP 1. 引言
高级索具工 PIAEN38ADVR03
重点陈述 本次评估的目的是确定高级索具工的熟练程度，高级索具工拥有丰富的专业知识，通常比索具工多 5 年以上的经验。索具是他们的主要全职职责，使他们能够始终做出明智的决定，并辨别正确和错误的做法。他们善于解决其他人可能遇到的问题，展示他们的熟练程度。他们的综合知识基础包括：
通过长短期记忆循环深度神经网络提高基于脑电图的情绪识别的准确性
人们已经采用了多种方法来辨别人类的情绪，包括分析语音模式和语调（ Moriyama 和 Ozawa，2003；Zeng 等人，2009）。然而，值得注意的是，这种身体状态很容易被操纵或模仿（ Schuller 和 Schuller，2021）。面部表情及其变化通常用于情绪识别；然而，这些表情可以被个人有意修改，这对准确辨别他们的真实情绪提出了挑战（ Aryanmehr 等人，2018； Dzedzickis 等人，2020； Harouni 等人，2022）。 EEG（脑电图）是一种通过测量大脑内集体神经活动产生的电压变化来监测大脑活动的技术（San-Segundo 等人，2019 年；Dehghani 等人，2020 年、2022 年、2023 年；Sadjadi 等人，2021 年；Mosayebi 等人，2022 年）。脑电图是大脑活动和功能的反映，具有多种应用，包括但不限于情绪识别（Dehghani 等人，2011a、b、2013；Ebrahimzadeh 和 Alavi，2013；Nikravan 等人，2016；Soroush 等人，2017、2018a、b、2019a、b、2020；Bagherzadeh 等人，2018；Alom 等人，2019；Ebrahimzadeh 等人，2019a、b、c、2021、2022、2023；Bagheri 和 Power，2020；Karimi 等人，2022；Rehman 等人，2022；Yousefi 等人，2022， 2023 年）。
有效社会合作的集体思维模型的脑启发理论
摘要 - 社会智能表现出通常被称为心理理论（汤姆）的能力，以辨别他人的行为意图，信念和其他精神状态。汤姆在多代理和人机上的行动环境中尤其重要，因为每个代理都需要了解其他代理的心理状态，以便更好地做出响应，互动和协作。最近的研究表明，汤姆模型具有推断信仰，意图并预测未来的观察和行动的能力。尽管如此，它在解决复杂任务方面的部署仍然特别有限。当代理人数量增加时，挑战就会出现，环境变得更加复杂，并且与环境互动并预测彼此的精神状态变得困难和耗时。为了克服这种局限性，我们从集体思维理论（TOCM）机制中汲取灵感，将所有其他代理的观察结果预测到一个统一但多元的代表性中，并辨别我们自己的行为如何影响这种心理状态。基于这个基础，我们构建了一个富有想象力的空间来模拟多代理交互过程，从而提高了复杂决策环境中多个代理之间合作的效率。在具有不同数量的代理的各种合作任务中，实验结果强调了与多代理增强学习（MARL）基准相比，我们方法的优越效率和表现。我们对基于SNN和DNN的决策网络实现了一致的提升，并证明TOCM对他人心理状态的推论可以转移到新任务中，以快速，灵活地适应。
2024生物学I：大问题模块摘要
科学总是要领先。这就是它的工作方式！作为一个光荣的人类努力，我们认为这有点正确（有点错了）。然后，我们认为更加困难，并逐步使其变得更好。例如，门德尔的定律是一个了不起的突破，并提供了重要的基础，但是绿豌豆和黄色豌豆并不多教我们关于身高或疾病等复杂人类特征的继承。和生物学的中心教条（DNARNA蛋白质）在根本上是正确的，但其对蛋白质的强调也错过了指导性状如何制成的信息流的关键方面。二十年前，人类基因组序列的初稿已经完成，世界上最聪明的人类遗传学家认为，没有编码蛋白质的98％的基因组是“垃圾”。这个垃圾是关于分子和细胞功能，健康和疾病的无尽发现发现的金矿。我们为有望改变一切的个性化基因组数据的海啸做好准备，因此，我们将辨别和批判性思想的人介绍如何利用大数据来理解，预测和治疗我们DNA中编码的对健康影响的特征。在短短的几年内，您将有助于塑造这场革命。在这个班级中，我将介绍人类的生物学发现故事以及生物学理解的稳定增长，因为我们努力辨别炒作与希望。从门德尔开始，转到人类基因组项目，然后是个性化的基因组学，我们将看到进化如何给我们一个“备忘单”，以使生物学看似巨大的复杂性。您将能够描述出色的人类遗传多样性如何发现和利用基因组中的信息以获得更好的医学和人类健康的关键。
提高运动想象 BCI 的性能-...
目标：基于运动想象 (MI) 的脑机接口 (BCI) 通常用于控制应用。然而，这些应用需要强大而有判别力的神经模式，因此可能需要丰富的 MI 经验。受康复领域的启发，在康复领域，具体化是改善皮质活动的关键要素，我们的研究提出了一种新颖的控制方案，在控制过程中提供虚拟具体化的反馈以提高性能。方法：受试者经历了两个沉浸式虚拟现实控制场景，他们使用脑电图 (EEG) 控制设备的二维运动。这两个场景仅在是否提供具体化反馈（反映分类意图的运动）方面有所不同。在经历每个场景后，受试者还回答了一份问卷，在问卷中他们对场景的沉浸感和反馈的具体化程度进行评分。结果：与没有具体化反馈的标准控制方案相比，受试者在使用我们的控制方案时表现出更高的控制性能、更大的大脑活动模式可辨别性和增强的皮质激活。此外，自我评价的体现和临场感得分与表现呈现出显著的正线性关系。意义：我们研究的结果提供了证据，表明提供体现反馈作为意图分类指导可能对控制应用有效，因为它可以诱导增强的神经活动和具有更大辨别能力的模式。通过将体现反馈应用于沉浸式虚拟现实，我们的研究也是另一个例子，表明虚拟现实是改善 MI 的有前途的工具。
基于颜色空间变换模型的晶圆颗粒计算机视觉检测技术
结果表明，由于背景图像噪声比颗粒尺寸更占主导地位，因此无法辨别晶圆上的颗粒。另一方面，所提出的方法可以以最小的串扰检查晶圆表面，并且使用实验定义的 HSV 颜色空间模型，可以按类型分离颗粒。生成的图像在视觉上清晰，没有颗粒和背景之间的串扰。所提出的方法简单、快速且易于使用，并表现出良好的颗粒分类性能。因此，该方法有望用于晶圆缺陷检测步骤，增强晶圆缺陷分类过程。