足球比赛结果 海报会议

“ROBOT101：对机器人一个世纪的想象和实践的反思”

R.U.R.，Karel Čapek 的戏剧首次将机器人一词带入世界 于 1921 年演出。2022 年是 101 周年纪念日。  为了纪念这一高度 有影响力的工作及其引发的想法，我们正在组织一系列活动 在足球比赛结果，我们称之为 ROBOT101。

本系列的中心事件将是 R.U.R. 的制作由科技剧院 公司于 2022 年 10 月成立。我们将在 2022 年秋季组织各种活动（包括 表演之前和之后）将吸引学生、教师和社区 成员们讨论了机器人想法提出的问题。  这些包括（但不限于 to）：机器人在现实和想象中的发展（文学、电影等）； 工作和工人的状况；技术创新的背景；观点 关于差异性和包容性；以及不断发展的感知概念。另外，我们想要 提供有关当前机器人技术的能力和挑战的见解。

这是一个及时的讨论和合作机会。  我们希望借鉴 密歇根理工学院拥有多元化的人才库以及来自外部的特邀专家 大学。

“评估诊断 AI 聊天机器人背景下的认知同理心元素”

同理心是任何社会关系的重要元素，而且也非常重要 医患沟通，确保护理质量。有很多 适用于此类沟通的同理心的各个方面和维度。作为人工 智能在医疗保健领域得到大量部署，因此至关重要 如果患者直接 与这些系统交互。但同理心的许多情感方面可能并不 目前人工智能系统可以实现这一点，而认知同理心是真正可以实现的 通过医疗保健领域的人工智能来实施。我们需要更好的理解 认知同理心的要素以及如何有效利用这些要素。 在这项研究中，目的是调查同理心元素是否真的能让 提高用户对人工智能同理心的感知的差异。  我们开发了一个量表“AI认知 共情量表（AICES）”为此目的并进行了一项研究，其中实验 这种情况同时具有情感和认知同理心元素。 AICES量表 表现出合理的一致性、可靠性和有效性，以及总体上的同理心 这些元素改善了诊断人工智能聊天机器人中感知到的同理心。 

“把手放在方向盘上：驾驶员参与策略对变革的影响 检测、走神和凝视行为”

先进的驾驶辅助系统 (ADAS) 彻底改变了传统驾驶 驾驶员将部分车辆的操作控制权交给自动化 总驱动力。这些功能仅在某些预先定义的条件下起作用，并且 要求驾驶员注意周围环境。当功能发挥作用时， 驾驶员失去对周围环境的认识的风险会增加。 特斯拉等受欢迎的制造商要求驾驶员必须把手放在方向盘上 而凯迪拉克的 ADAS 则要求驾驶员时刻关注路面。我们利用了 低保真模拟和眼动追踪来检查动手效果 车轮和眼睛注视道路驾驶员在变化检测、思维方面的参与策略 半自动驾驶任务中的徘徊和凝视行为。  

冠状动脉瘤 (CAA) 描述冠状动脉的局部扩张 超过邻近动脉直径的 1.5 倍。 CAA 的患病率范围为 0.3%至5%。 CAA 的发病机制尚不清楚，但有几个因素 发挥作用，例如某些血管炎和结缔组织疾病，例如 川崎病（KD）。 CAA 大多不伴有症状及其发现 通常是偶然的。  

文献表明血流停滞和血流缓慢是相关的 伴有血栓和动脉粥样硬化。几种特定于患者的计算流体 动力学（CFD）和实验研究来分析流量和风险水平 根据血流动力学指标对 CAA 病例进行了分析。然而，效果 不同的动脉瘤形状指数和由此产生的流动参数对局部血流动力学的影响 尚未对 CAAs 进行系统研究。 

本研究的目的是调查 CAA 形状指数对局部的影响 通过考虑 KD 应用，使用响应面法 (RSM) 进行血流动力学分析 休息时（正常情况）和运动时。 CFD 是在理想化控制下进行的 考虑不同纵横比的几何形状。时间回归模型 平均壁剪应力 (TAWSS)、振荡剪切指数 (OSI) 和相对驻留 制定了时间（RRT）。这些模型可以用作有价值的工具来获得 实时评估 CAA 局部血流动力学以及由此产生的风险分层 关于梭状动脉瘤形状指数。

在本研究中，对 CAA 进行了参数化 CFD 量化，并进行了回归 正常休息条件下和运动条件下 2 个血流动力学指标的模型 使用响应面法开发条件。结果表明 无论几何结构如何，TAWSS 在运动条件下通常都会增加。它 据观察，小动脉瘤（低 Dmax/Dneck）经历非常高的 RRT 值 心率升高，这在 Z 分数标准中被视为风险案例而被忽视。这些 研究结果强调了计算工具对于实现总体理解的重要性 CAA 中的血流动力学。

“关注”恶劣天气：天气感知、基于注意力的物体检测”

尽管深度神经网络最近取得了进展，但不良目标检测 由于一些传感器在不利条件下的感知能力较差，天气仍然充满挑战 天气。因此，多模态融合不再依赖于单一传感器 一种基于多个提供冗余检测信息的有前途的方法 传感器。然而，现有的大多数多模态融合研究在调节方面效果不佳。 不同传感器在不同检测环境下的焦点，例如动态 恶劣的天气条件。此外，同时观察当地情况也很重要。 以及复杂天气条件下被忽视的全球信息 在大多数早期或后期的多模态融合作品中。鉴于这些，本文 提出了全局局部注意力（GLA）框架来自适应融合多模态 两个融合阶段的传感流，即相机、门控相机和激光雷达数据。 具体来说，GLA 通过局部注意力网络集成了早期融合， 通过全局注意力网络进行后期自适应融合来处理局部 和全局信息，自动为模态分配更高的权重 在后期融合时具有更好的检测特征，以应对特定的情况 自适应天气条件。实验结果证明了优越的性能 所提出的 GLA 与各种条件下最先进的融合方法相比 恶劣天气条件，如小雾、大雾、雪。 

移动计算设备已广泛用于存储、管理和处理关键数据 数据。为了保护存储数据的机密性，主要移动操作系统提供 全盘加密，依赖于传统加密，需要保留 解密密钥的秘密。然而，这可能不是真的，因为主动攻击者可能会 强迫受害者提供解密密钥。合理可否认加密 (PDE) 可以防御 通过用诱饵密钥伪装秘密密钥来对抗这种强制攻击者。杠杆作用 PDE 的概念，已经为移动设备构建了各种 PDE 系统。然而，一个 目前还缺少兼容主流手机的实用PDE系统 设备，同时在面对强大的多快照对手时保持安全。 这项工作通过设计第一个针对多快照的移动偏微分方程系统来填补这一空白 对手。

操作系统级恶意软件可能会危害操作系统并获取 root 权限。检测该类型 强大的恶意软件的检测具有挑战性，因为它可以轻松隐藏其入侵行为 甚至破坏恶意软件检测软件（或恶意软件检测器）。经观察 闪存设备已被当今计算设备广泛使用，我们建议 将恶意软件检测器移至位于内部的闪存转换层 (FTL) 闪存设备。由于 FTL 提供的物理隔离，操作系统级别 恶意软件既不能破坏我们的恶意软件检测器，也不能隐藏其访问行为 我们的恶意软件检测器。

“使用麦克风的表面文本交互系统”

文本输入对于大多数需要人工交互的系统来说是必需的。然而，虚拟 现实（VR）和增强现实（AR）设备缺乏高效且符合人体工程学的方式 执行文本输入。在这项工作中，我们提出了一种文本输入方法的设计 使用接触式麦克风，易于在平面上部署。然后我们计划 收集数据的实验，稍后将用于评估我们的系统。 

“优化不明确的键盘以实现与位置无关的文本输入”

在许多情况下，通过选择来输入文本可能不切实际或不可能 物理键盘或触摸屏键盘上的精确位置。我们提出了一个模棱两可的键盘 具有四个字符组，对于免视和无视都有潜在的应用 单开关文本输入，以及虚拟或增强现实中的文本输入。我们 开发一个基于消歧优化这些字符分组的程序 利用长跨度语言模型的算法。我们生产的都是按字母顺序排列的 和离线优化实验中的无约束布局，并在 纵向用户研究。我们的结果没有显示出显着差异 经过四个小时练习后的受约束和无约束布局。参加者 平均输入率为每分钟 13.0 个单词，字符率为 1.8% 单手使用且没有视觉反馈的错误率。

“不同建筑专业人士的专业知识”

作者：Josiane Isingizwe，博士生和 Ricardo Eiris，博士，助理教授， 足球比赛结果土木环境、地理空间工程系 大学

在建筑等多学科行业，需要各种专家 完成一个项目。由于大多数施工范围大且复杂 项目中，没有一个人可以提供实现项目所需的所有专业知识 项目目标和目标。专家通常被其他人视为个人 在特定知识领域具有卓越的熟练程度。人们可能会收到各种各样的 来自不同来源的专家的意见和建议，但已经实现 建议的使用完全取决于对其质量的评估。研究人员 我们发现，当项目团队内的专业知识得到正确评估时，专业人员 可以更有效地协作，生产力显着提高，并且 在客户中建立组织的良好声誉。尽管人们倾向于 充分评估专业知识、各种背景和行为参数 人们发现，这种做法会破坏个人的专业知识，甚至在同龄人中也是如此。 例如，当团队成员具有独特的特征时，专业知识感知可能会失败 （例如种族、性别、口音），尤其是当个人不知道如何 这些差异影响了他们的看法。拥有一批专业人士 可以一致地用来测试影响感知专业知识的因素 始终是一个挑战。该项目评估成员的实际实践 施工团队评估彼此的专业知识。本研究采用360度 全景和虚拟人技术打造虚拟实地考察体验 模仿现实世界的建筑工地。本研究拟招收本科生 MTU 土木和建筑专业的学生。不同种族的虚拟人 性别将带领虚拟实地考察并执行一些与领域相关的任务。参加者 将探索使用眼动仪头戴式显示器开发的平台。参加者 种族隐性偏见和学习将通过调查和感知进行评估 参与者将通过半面试的方式评估他们的专业水平。 本研究的目的是探讨建筑的异同 团队影响感知的专业知识。

“AudiWare：查找音频文件中是否存在恶意软件”

安全通信是许多领域迫切需要的功能。用户不 在这个过程中想要把他的数据暴露给除了接收者之外的世界。数据加密 是一种众所周知的通过将数据传输到另一个来有效隐藏数据的方法 形式。研究人员开发了几种行之有效的加密算法 在可行的时间内进行该领域最先进的研究。另一种方法 数据隐藏是将数据嵌入到另一个覆盖文件中，这样就不会引起任何人的关注。 目前，第二种方法在攻击者中越来越流行，用于隐藏恶意软件 并将其传递到任何系统而无需用户关注。在本文中，我们隐藏了恶意软件 在音频文件中并检测其存在。

虚拟工程严重依赖增强现实。他们作为基础 对于功能虚拟原型，工程师可以检查设计， 未来商品在虚拟环境中的形式和功能行为 沉浸式和互动式。产品设计和开发中的沟通 使用这些技术后会得到显着改善：它有助于早期检测 并避免设计缺陷，减少物理原型的数量，并节省 为企业提供时间和金钱。在许多工业应用中，虚拟现实和 增强现实被视为改进和加速产品的宝贵工具 和工艺开发。然而，许多要求仍未得到满足，留下了重大问题 基于 VR/AR 的工具和程序的持续开发和改进还有空间。

“栖息地异质性促进溪流中的 C 和 N 循环关联：预测模型 方法”

异质生境可能具有不同的物理和化学特征， 可以为不同的生物地球化学过程提供理想的微气候。另外， 在一个栖息地发生的反应产物可能会提供有限的反应物 相邻栖息地的不同过程。我们问：栖息地多样性更高的溪流 促进更多的碳和氮循环过程，其中反硝化的相对活性， 固氮、初级生产力 (GPP) 和生态系统呼吸 (ER) 相互关联吗？ 我们测量了反硝化（乙炔阻断）和固氮（乙炔还原） 在 14 个国家生态观测站网络 (NEON) 流中，从室扩展 使用基底覆盖物测量全流速率。初步结果显示 平均氮固定（μ = 0.06，SD = 0.12 mg-N m -1 h-1）取代了约 2.5% 的反应性 在河段规模上通过反硝化作用去除的 N（u = 1.97，SD = 2.87）。 GPP 和 ER 在相同的流中是使用两站贝叶斯方法根据 NEON 数据建模的， 和异质性指标（辛普森信息指数、均匀度）进行量化 来自 NEON 栖息地数据。我们将使用预测模型（线性和非线性回归， 树和基于规则的模型）来确定河床异质性或其他因素， 预测河流中反硝化、固氮、GPP 和 ER 的相对活动。 如果相同的环境因素对于确定两个或多个循环非常重要 过程，这表明该因素加强了过程之间的联系。理解 为什么 C 和 N 循环可能在河流中相互关联提供了一个研究框架 如果反硝化和固氮作用与跨生态区域的 GPP 和 ER 共变。

“为文字游戏添加详细说明：检查生成的提示对学习的影响”

教师在各种与科学相关的课程中实施了某种文字游戏 课堂设置，以便让学生学习技术词汇并提高 他们的科学思维。然而，大多数文字游戏研究表明积极 研究结果仅用于改善对所学词汇的记忆。文献 表明为了超越记住单词定义对并实现 更高层次的科学思维，学习者需要详细阐述他们所掌握的材料 正在从事。

在这项工作中，我们描述了一系列评估填字游戏效果的实验 加上细化任务。当学习者学习了一组技术词汇后 解决填字游戏时，他们要生成一组新的填字游戏提示 与这些词相关。上述任务据说可以增强学习和记忆力 让学习者总结并详细阐述所学材料，从而总结所学单词。 本次活动共招收本科生64名。 受试者内设计实验。结果表明，添加细化任务 填字游戏任务可以提高参与者的学习和记忆科学词汇的能力。 然而，当控制任务时间时，填字游戏的有效性与 阐述任务并不明显高于单独的填字游戏。我们还发现 一个有助于生成提示质量并进而提高学习质量的因素 结果是学习者在提示生成任务上花费的时间和精力。这项工作表明 在学习技术词汇中实施文字游戏的一些新的最佳实践 这需要对学习成果产生广泛影响的重要但微小的改变。

“检查社会判断的反事实意义，以改进算法决策”

开发人员不断重新调整问题框架和潜在解决方案 贯穿整个设计过程（Hoffman、Roessler 和 Moon，2004 年；Costanza-Chock，2020 年）。 当遇到潜在的网络安全威胁时，用户会仔细检查证据并采取措施 调整他们关于其可信度的理论。两者都涉及意义建构（Weick et 等人，2005 年；克莱因等人，2007）。这项研究探讨了人们如何质疑他们的 框架，假设质疑一个人的框架是改变它所必需的。 在这项研究中，我们研究了不同因素的作用（例如，信息的可变性， 模糊性、易于解释）关于替代结果可能性判断。

“从社交媒体学习：利用帖子制定有效的培训计划 人工智能/机器学习系统”

人工智能/机器学习 (AI/ML) 系统做出的决策会影响 我们的日常生活。因此，重要的是能够预测，甚至知道是否， 或者当这些系统可能出错时。

传统的培训方法向学习者展示了这些具有认知挑战性的系统 正确和错误预测的例子。但这些学习者并不多 与完全没有训练相比，他们在预测方面更加熟练。一个 在这些复杂系统中更好地训练用户的可能方法是认知教程 对于 AI (CTAI; Mueller, Tan, Linja et al., 2021)，这是一种使用的经验方法 教授人工智能/机器学习系统成功或失败的条件。

提出的一种特定 CTAI 技术涉及教授简单的规则， 可用于预测性能；这被称为规则学习。这个 技术旨在识别可以帮助用户学习人工智能/机器学习系统的规则 成功、失败、系统的边界条件以及哪些类型的差异发生变化 AI系统的输出。为了评估这种方法，我们进行了一系列实验 我们比较了不同的规则学习方法以找到最有效的 培训用户使用这些 AI/ML 系统的方法。使用 MNIST 数据集，这包括 与提供明确的描述相比，展示正面和负面的例子 可用于预测系统输出的规则。结果表明，尽管 示例帮助人们学习规则（尤其是错误示例）、教程 提供明确的规则学习并提供直接的基于示例的实践和反馈 引导人们最好地预测人工智能/机器学习系统的正确和错误分类。 下一步是为图像分类器和自动驾驶开发这些教程 系统。

“通过针对多类问题的二元反馈进行主动学习”

主动学习方法通常用于多类分类问题， 对新数据进行预测，并使用人类用户来确定是否 预测是正确的。典型的方法可能会要求人类选择正确的 如果预测不正确则分类。这项工作尝试使用二进制反馈 在预测的类别上以节省时间并允许最大程度地使用负预测 在部分训练的模型上。

“联网车辆实地研究：成果与挑战”

驾驶员决策失误仍然是公铁平交道口面临的一个挑战 （HRGC）。提高安全性的一种方法是引入新的车内警告 与外部 HRGC 警告系统通信的系统。系统给出 驾驶员收到不同的铁路道口相关警告（例如，接近道口、火车 存在）取决于车辆位置。在一项罕见的实地研究中，15 位经验丰富的人 驾驶员驾驶联网车辆（雪佛兰 Volt）并在 12 英里的里程中使用了警告系统 循环，然后完成半结构化访谈和可用性调查。结果来自 报告驾驶后调查和访谈，并为未来提供模板 涉及新技术的实地研究的可用性评估。

“定性数据编码工具：从 Excel 工作表到简单的网络平台”

许多研究领域的数据呈指数级增长，意味着革命性的措施 需要进行数据分析。在人为因素领域，研究人员已经 非常习惯不同的可用性调查问卷、工作量测量和其他 定量技术为他们的研究得出结论。有了这些定量 技术，研究人员还使用不同的定性技术，例如半结构化 访谈、案例研究等，以更深入地了解他们的研究。定性 分析通常需要仔细阅读文本、反思数据并写下 解释（Hsieh & Shannon，2005）可能会导致认知负荷。如此恰当 需要软件来使过程更加顺利。这张海报将呈现这样一个平台 用于进行分析。

“一种为 Allen Cahn 训练物理信息神经网络的新颖顺序方法 和 Cahn Hilliard 方程”

物理信息神经网络 (PINN) 通过满足以下条件来整合系统的物理原理 通过神经网络的损失函数来解决其边值问题。最近的研究 已经表明，PINN 方法可用于近似解之间的映射 偏微分方程 (PDE) 及其时空坐标。然而， 我们观察到 PINN 方法对于强非线性情况明显不准确 以及高阶时变偏微分方程，例如 Allen Cahn 和 卡恩希利亚德方程。  因此，为了克服这个问题，一种新颖的PINN方案 提出使用以下方法在连续时间段上顺序求解 PDE 单一神经网络。  新提出的方案的关键思想是相同的神经网络 网络被重新训练以求解连续时间段上的偏微分方程，同时满足 之前所有时间段已经获得的解。因此它被命名为 向后兼容 PINN (bc-PINN)。我们通过求解来说明 bc-PINN 的优点 卡恩希利亚德和艾伦卡恩方程。此外，我们还推出了两款新产品 改进所提出的 bc-PINN 方案的技术。在第一种技术中，我们有 利用一段时间的初始条件来指导神经网络 地图更接近该段上的真实地图。在第二种技术中，我们实现了 一种迁移学习方法，用于保留训练时学到的解决方案特征 上一段。  我们已经证明这两种技术可以改善 bc-PINN 方案的准确性和效率显着提高。收敛还 通过使用高阶偏微分方程的相空间表示得到了改进。 

“语音编程”

对于有运动障碍的程序员来说，语音编程可能是一个有前途的替代方案 打字。在对运动障碍程序员的采访中，我们发现大多数人更喜欢 以自然的方式说出代码，而不是像当前那样遵守严格的语法 系统需要。为了了解程序员如何讲代码，我们让程序员口述一行 突出显示或缺失的代码。我们发现他们说的是突出显示的台词 比缺线更快。他们经常在这两种情况下跳过标点符号。我们发现 两个商业语音识别器在我们的语音代码集合上的错误率很高。 根据我们的口语代码记录调整识别器的语言模型可以减少错误 减半。

“基于机器学习的准一维电子结构预测 应变下的材料”

我们提出了一种基于机器学习的模型，可以预测电子结构 准一维材料，同时它们受到变形模式，例如 如扭转和延伸/压缩。这里描述的技术适用于重要的 材料系统的类别，例如纳米管、纳米带、纳米线、杂项 手性结构和纳米组件，对于所有这些，调整机械的相互作用 变形和电子场——即应变工程——是一个活跃的领域 文献调查。我们的模型融合了全局结构对称性 和原子弛豫效应，受益于使用螺旋坐标来指定 电子领域，并利用专门的数据生成过程 求解 Kohn-Sham 密度泛函理论的对称自适应方程 坐标。

使用扶手椅单壁碳纳米管作为原型示例，我们演示了 使用模型来预测与基态电子相关的场 密度和核赝电荷，当三个参数——即半径 纳米管的长度、轴向拉伸和单位长度的扭曲均已指定 作为输入。其他感兴趣的电子特性，包括基态电子 自由能，可以通过低开销的后处理从这些预测的场中进行评估， 通常是化学准确性。此外，我们还展示了核坐标如何 可以使用聚类从预测的赝电荷场可靠地确定 为基础的技术。值得注意的是，仅发现大约 120 个数据点就足以 准确预测三维电子场，我们将其归因于 问题设置中的对称性施加的约束，低差异序列的使用 用于采样，以及内在低维特征的有效表示 的电子领域。我们评论机器学习的可解释性 模型并预计我们的框架将在自动发现中发挥作用 低维材料的研究，以及此类系统的多尺度建模。

“建模和模拟教学”

我们一直致力于开发用于教育用途的不同交互式模拟工具 今年我们正在努力设计一个工具，让教师可以设计 他们自己的虚拟模型和模拟。使用模型和交互式模拟 有助于培养计算所需的模式识别和抽象技能 思考。 Jeannette Wing、David Weintrop 和 Barbara Sabitzer 等学者 研究并撰写了关于教授计算思维的必要性的文章 在学校使用。

这张海报将包含有关过去制作的模拟工具以及内容的信息 他们的目的是教学。它还将包含有关为什么建模和模拟的信息 对于所有年龄段的学生来说都是有益的教学工具以及如何使用它们。最后， 这张海报将解释当前项目的工作和目标，以设计一个虚拟的 该工具将使教师能够完全控制模拟设计，如何参与 学生正在构建视觉模型和概念图，以及学生如何互动 与模拟。  

“使用深度学习方法进行 O-GlcNAc 化 (O-GlcNAc) 位点预测”

蛋白质翻译后修饰 (PTM) 是添加各种功能性修饰 蛋白质生物合成后的氨基酸残基基团。转换的过程 DNA 转化为 RNA 称为转录，其中信息以碱基序列编码 DNA 中的配对被传递给 RNA 分子。转录后，进行翻译过程 RNA 进一步转化为氨基形式的蛋白质序列 酸。蛋白质翻译后修饰 (PTM) 是化学修饰 在功能蛋白质组学中具有关键作用的成分。蛋白质的研究和 他们的 PTM 在治疗心脏病、癌症、神经退行性疾病时非常重要 疾病和糖尿病。 O-GlcNAc 酰化（O-GlcNAc）是一种翻译后修饰 在由 β-糖苷键定义的丝氨酸和苏氨酸残基上发现修饰 侧链羟基和N-乙酰氨基葡萄糖之间。 O-GlcNAc 的预测 给定蛋白质序列中的位点很重要，因为异常的 O-GlcNAc 酰化会影响 导致癌症和各种神经退行性疾病的潜力。在这部作品中， 采用不同的基于深度学习的方法来构建稳健的预测 模型来预测给定蛋白质序列中异常 O-GlcNAcylation 的发生。 

“通过促进未来的失败来改进跨学科思维”

软件开发的一个方面是预测潜在风险，这可能具有挑战性 在开发具有各种人类和物理特征的新型社会技术系统期间 组件。我们的跨学科团队，包括来自足球比赛结果的研究人员 计算机科学以及认知和学习科学系正在开发一个 创新的软件系统和设备，目标是让人们能够接收 技术在远程环境中提供帮助。我们在系统早期就使用了事前分析方法 设计流程，以识别和减轻这一先前未探索过的未来可能存在的风险 空间。事前分析方法将一系列系统使用中的故障集中起来，以促进 合作。我们的团队集思广益，讨论了故障场景以及消除、减轻、 或监控这些失败的风险。我们发现事前剖析方法很有价值 丰富跨学科团队沟通，以识别和减轻先前的影响 不可预见的风险。 

“使用基于 U-Net 的最先进深度学习技术进行医学图像分割”

深度学习 (DL) 的最新进展促进了多样化模式的发展 的医疗保健。生物医学图像分割是定量研究的重要组成部分 分析和临床诊断。 U-net是核心DL架构之一，主要 为生物医学图像分割而开发，并已被有效地用于 许多图像模式，例如 CT 扫描、MRI、X 射线和显微镜检查。奇异的 U-net 的模块化/结构设计使其能够通过集成进行优化 各种新颖的技术来产生最先进的确定性和预测性 结果。本研究探讨了基于 U-Net 的深度学习架构的最新发展。 这些模型的结果和性能的广泛比较将是 通过在流行的基准测试数据集上使用标准评估指标来呈现。

“使用 Vision Transformer 根据卫星图像对火星山体滑坡进行分类”

在本研究中，我们使用来自火星勘测轨道飞行器 (MRO) 的卫星图像 火星山谷码头地区的上下文相机 (CTX) 图像，用于定位山体滑坡。 我们创建了一个数据集，其中包含岩崩、泥石流和 暴跌。我们已经实现了基于视觉变换器的分类算法 阿塔塞特。 Vision Transformer采用self-attention的机制，映射一个序列 将图像块添加到语义标签，以便模型可以区分所有> 三处山体滑坡彼此相伴。视觉变压器模型正在达到准确度 在我们的研究中，分类率为 79.5%。

人们善于准确判断现实世界中的距离。虚拟现实 (VR) 系统试图在计算机模拟中准确地重新创建环境。 然而，许多研究发现，VR 中的距离被低估了。距离 判断对于许多应用都很重要，包括培训、娱乐、 原型设计和教育。如果人们误解距离，他们可能会受到训练 不正确或无法像现实世界中那样执行任务。 “直接盲走”是研究人员最常用的距离判断技术。 该技术要求参与者观察目标并尝试蒙住眼睛走向目标。 由于参与者可能会感到蒙着眼睛走路感到不安，因此实验者传统上 实验前练习盲行。很少有研究探讨这是如何 实验前盲目行走可能会影响后续的距离判断。我们多种多样 实验前盲目行走的数量（很少行走与大约 四分钟的步行），发现实验前步行越多，距离就越短 低估。由于我们的研究发现实验前步行会影响实验， 论文报告其实验前程序的细节非常重要。 尽管有很多论文研究距离判断，但很少报道这些细节。 我们建议进一步研究来量化不同的实验前步行量如何 可能会影响 VR 环境中的距离判断。我们希望这项工作有所帮助 为未来研究中的实验前程序提供信息，并提供有关如何进行实验的见解 人们会做出距离判断。

“贝叶斯神经网络分类器量化不确定性的解释和使用 用于乳腺组织病理学图像”

尽管基于卷积神经网络 (CNN) 的分类模型前景广阔 对于组织病理学图像，无法量化其不确定性。而且， 当数据有偏差时，CNN 可能会出现过度拟合。我们证明贝叶斯--CNN 可以通过自动正则化和量化来克服这些限制 不确定性。我们开发了一种新技术来利用所提供的不确定性 由贝叶斯-CNN 显着提高了很大一部分的性能 测试数据（77% 的测试数据的准确度提高了约 6%）。此外， 我们通过将数据投影到一个较低的模型中，为不确定性提供了一种新颖的解释 通过非线性降维技术来维空间。这个维度 减少可以通过可视化解释测试数据并揭示 低维特征空间中的数据结构。我们证明贝叶斯-CNN 可以比最先进的迁移学习 CNN (TL-CNN) 表现得更好 假阴性和假阳性分别减少 11% 和 7.7% 当前数据集。它仅用 186 万个参数就实现了这一性能： 相比之下，TL-CNN 为 1.3433 亿。此外，我们修改了贝叶斯CNN，引入 随机自适应激活函数。改进后的贝叶斯--CNN 表现稍差 在所有性能指标上都优于贝叶斯-CNN，并显着降低了 假阴性和假阳性的数量（两者均减少 3%）。  我们还展示 通过执行 McNemar 统计，这些结果具有统计显着性 显着性检验。这项工作展示了贝叶斯-CNN 相对于最先进的技术的优势， 解释并利用组织病理学图像的不确定性。应该能找到 在各种医学图像分类中的应用。

目的：本研究旨在评估导管消融对心房的影响 颤动 (AF) 对左心房 (LA) 血流动力学和几何变化的影响。

方法：这项探索性研究包括 10 名患者的计算流模拟 因 AF 接受导管消融术的患者。模拟完整的心动周期数据集 使用计算流体动力学在消融之前和之后。研究主要终点 是 LA 体积、LA 速度、LA 壁剪应力 (WSS)、循环的变化 (Γ)、涡度、肺静脉 (PV) 口面积和消融前后的 LA 涡流。

结果：LA 体积平均减少 (11.58±15.17%)，PV 口面积平均减少 消融后（16.6±21.41%）。速度和 WSS 变化的不均匀趋势 消融后观察。与消融前相比，4 名患者表现出较低的速度， WSS 分布和 Γ 降低 (-21.4±10.6%)，而 6 个则发展出更高的速度 和 WSS 发行版。这些几何变化决定了不同的流量混合 LA 和不同的涡旋模式，以不同的旋转速度为特征， 涡度和旋转方向。 q-criterion>0 的区域被发现是 在洛杉矶占主导地位，表明普遍存在旋转涡旋结构。

结论：房颤导管消融引起不同的几何变化 因此，LA 和 PV 会影响 LA 中的流动混合和涡流模式， 除了总体速度和 WSS 分布之外。进一步探讨影响 导管消融对心内血流动力学的影响有助于辨别模式 这可能与临床结果相关。

2019 年冠状病毒病 (COVID-19) 大流行造成的巨大影响是前所未有的 为了人类健康和我们日常生活的许多方面。战斗中的关键一步 针对 COVID-19 是对患者进行有效的诊断，流行的方法是 利用胸部 X 射线图像做出决策和/或根据患者的症状。 在本文中，我们探索基于卷积神经网络的机器学习模型 架构，用于从 X 射线图像以及临床图像中自动检测 COVID-19 症状。本研究使用的数据集来自 Kaggle 数据库和 以色列卫生部公开发布数据。从我们的实验结果来看， 我们发现支持向量机分类器在预测方面表现最好 来自症状的 COVID-19，以及名为已知与感染者接触的特征 发现是最重要的。临床症状如喉咙痛、头痛 对模型的准确性有一定程度的影响。拟议的 2D CNN 架构被发现对于预测 COVID-19 最为准确 胸部 X 射线图像。该研究结果将为医学界提供很好的参考 研究社区加速开发针对 COVID-19 的实用人工智能解决方案 检测和治疗。

“多壁碳纳米管变形的可解释机器学习模型 在扭转和弯曲下”

“将 Pixhawk 四轴飞行器与 GoPiGo 的主要和次要方面进行比较 教育”

无人机的兴起让学生能够亲身体验 STEM 通过将无人机纳入他们的课程。这张海报着眼于 相比之下，使用 Raspberry Pi 控制的 Pixhawk 四轴飞行器的优点和缺点 到 Raspberry GoPiGo。带有 Pixhawk 飞行控制器的四轴飞行器有许多传感器 例如相机、GPS、指南针等，并且由于有四个螺旋桨而能够飞行。 GoPiGo 是一个四轮地面机器人，带有使用控制的距离传感器 只有 Raspberry Pi 和电子设备。我们关注的是定价、组装、可用性 新的和有经验的学习者、课程实施以及可用功能 同时考虑到机构的资源。

“创造力和干教育：视频游戏能否提高创造性思维？”

许多高中生在开始玩电子游戏时已经玩了 10,000 多个小时 大学（麦格尼格尔，2011）。他们学到的东西是否有助于提高 STEM 问题解决能力？ 参与者为 159 名学生（70% 是游戏玩家），他们被随机分配到三组之一 游戏条件：控制（无游戏-观看视频）、控制游戏（Snood）或视角转移 游戏（过山车大亨）。完成此任务后，参与者完成了标准 创造力测量（替代使用任务，你可以用多少种不同的方式使用鞋子？）。一个 关于创造力测量的 2 x 3 方差分析显示，虽然没有差异 在想法的数量或种类上，存在统计上的显着差异 在想法的原创性上。总体而言，人们在玩视角转换游戏 比控制游戏 (M=5.63) 产生更多原创想法 (M=8.19) 或 视频控制条件（M=5.4）。这些结果扩展了之前的工作并表明 并不是所有的游戏都能激发创造性思维，但游戏的类型很重要。 讨论了对 21 世纪教育的影响。

“供应链模拟器”

我和我的团队设计了一个小游戏来演示木材供应链 上。我们的海报将展示电脑游戏从头到尾的设计过程。我们 将展示初始 UI 设计和游戏玩法的草图。我们还将展示我们如何研究 当地供应链的木材分布、环境影响和成本。 

“图像隐写术：未知信息”

现代图像隐写术在隐藏大量信息方面非常强大， 谨慎地进入图像。此过程不会增加图像的文件大小， 相反，它以离散的方式扭曲图像，以至于对于人眼和许多人来说 程序无法判断信息已被隐藏。这些信息可以 然后稍后被提取并由另一个人使用。这意味着任何可以 转换为比特可以通过图像隐蔽地传输。因此，因为恶意软件 可以通过这种方式传输，能够确定是否是非常重要的 图像包含隐藏信息以及该信息是否是恶意的。

“评估 XAI Discovery 平台和视觉解释的有效性 关于人工智能系统的用户理解”

人工智能 (AI) 和机器学习 (ML) 发挥着越来越重要的作用 在我们的生活中扮演着重要的角色。尽管它有增强和改进的潜力 我们的生活中存在这样的风险：它还会加剧现有的不平等、发展 偏见的算法，并防止以不公正的方式访问资源。为了提高透明度， 如何使用这些系统的公平和公正，可解释人工智能（XAI）领域 已经出现，旨在向各个利益相关者解释人工智能系统。 1个子领域 XAI的核心是视觉解释的实现；在这个项目中，效率 将根据 MNIST 数据集和 使用 XAI 发现平台，该平台旨在让用户探索 人工智能系统并构建有关该系统的解释。最终实施 将包括对系统的用户测试，以确定视觉解释是否有用 给用户。

“通用传感器描述架构：一种可扩展的元语言，支持异构、 不断变化的传感器数据”

收集和处理水下传感器数据是美国海军的迫切需求 操作，但传感器数据表示的异构性提出了挑战 完整、准确地使用这些数据。通用传感器描述架构 (USDS) 项目旨在设计、评估和部署一种统一的、可扩展的元语言 用于跨多种编程语言支持传统和未来的传感器数据 和环境。足球比赛结果正在与声学应用研究合作 LLC 为数据密集型开发开发强大的编程环境 应用程序。

由于希望跨多种语言处理传感器数据，因此需要 USDS 语言中的数学运算库。实施情况 此类操作将允许在 USDS 内统一数据收集和处理， 能够有效地部署到多种编程语言和环境。 足球比赛结果物理系学生安东尼·帕尔默正在领导实施和实施 验证这个库。

为了让 USDS 的使用成为软件工程师的积极体验， USDS 团队开发了一个命令行实用工具，由自动化流程组成 编译 USDS 源代码并提供单元测试和 USDS 验证。工具 通过使用内部程序充当 USDS 语言的编译器。密歇根州 技术计算机科学专业的学生 Elijah Cobb 正在领导开发该实用程序 工具。

“使用 HoloLens 在三个不同角度的虚拟键盘上打字的结果 版本 2，混合现实设备”

该项目标志着虚拟打字技术和 它们将如何彻底改变未来的打字方式。我们进行的实验使用的是 Microsoft HoloLens 第 2 版混合现实设备，将现实与有形虚拟物品混合在一起 是可以被操纵的。本研究旨在探索一种舒适、高效的方式 在三个极端的虚拟键盘上打字。我们发起的调查奠定了 在三种主要的打字条件下：水平键盘放置在桌子上，垂直键盘 放置在墙壁上的键盘，以及放置在太空中的空中键盘。我们的每一位参与者 按参与者编号按预定顺序体验所有三种条件。 我们的参与者首先输入一个校准词来设置适当的高度 以及水平和垂直条件的深度；然后是两次练习 句子和每个条件的十二个可测试句子。测试在安静的环境下进行 房间里有一张靠墙的桌子，上面放着一个二维码 它。二维码将在所有三种情况下用作我们键盘的空间锚点 附加到。我们几次试点的结果显示了打字的亲和力 空中浮动键盘，然后是垂直键盘，最后是 水平键盘。这项研究正在进行中，并有一些证据支持 最舒适、最高效的键盘，但需要进一步研究才能取得进展 这个领域并找到为用户提供最舒适的最佳键盘 和效率。

“发光设备：扩大数字援助获取范围的社会技术系统”

持续指导和指导是一项基本但未被重视的要求 缩小数字鸿沟。数字化新手和其他学习者获得信心 以及来自与人类导师的个人、情境、互动课程的能力。图书馆 和其他社区中心可以提供获得这种学习的途径，但不能 所有有需要的人都可以定期前往这些机构的实际地点。 我们的目标是以无处不在的方式接触学习者，无论他们何时何地 需要帮助。我们的照明设备项目旨在打造个性化、互动式的 通过连接学习者，可在任何地方使用基于社区的辅导计划的性质 通过常见的数字设备直接发送给导师。照明系统是一种社会技术 框架，融合数字技术和人类互动。它包括一个门户 允许用户和用户之间立即进行面对面联系的应用程序 导师，以及导师和学习资源的社会技术网络。

“尺道：在支架式交互式环境中学习逻辑语言”

使用逻辑的形式语言是计算机专业学生的一项关键数学技能 科学和其他学科。当学生学习这门语言时，他们需要反馈 关于他们构建的表达式的句法和语义正确性 - 他们在学习编程语言时得到的反馈。为了解决这一需求， 我们推出 Shakudo：一种替代的图形编程语言界面 合金建模语言，类似于基于块的入门语言，例如 刮擦。通过界面，学生使用尺道生成逻辑表达式 然后通过 Alloy 的分析引擎检查这些表达式的准确性。 尺道为学生提供了支架，让他们能够专注于练习 适合他们的学习水平。