分心

摘要： 中断一般指中途停止或断绝。中断的发生不利于工作的连贯性[1]。护理中断会分散护理人员的注意力从而导致分心,且可能对患者安全造成损害[2]。研究显示,护士在1 h工作期间平均会发生中断0.3~13.9次[3],当中断发生时临床错误增加了12.7%[4]。国内学者通过系统的文献回顾并结合各领域众多学者的观点后,将护理中断事件定义为在规定的时间、角色、环境中,护理人员在提供合乎伦理规范的护理服务过程中遇到的突然发生、打断或延缓当前事务、分散接收者注意力的外部行为[5]。

摘要： 没有自制力问:不知道为什么,我学习的时候总是会分心,有什么好的解决方法吗?严凤平答:我认为,学习时总是分心,主要有三个方面的原因:一是学习目标不够明确,导致学习时无所适从;二是精神状态不够好,如果睡眠不足、休息时间不够,精神状态必然欠佳;三是学习环境比较差,干扰物太多,容易分散注意力。

摘要： 今天互联网和数字平台所谓的注意力经济学或眼球经济学的实质并不是注意力,而是一种分心.为了理解这种注意力经济学的存在论,需要从霍布斯、洛克、西格蒙德·弗洛伊德、拉康等人来看如何通过镜子的镜像,在注意力之下形成内在的统一的形象,并让这个形象成为主体的基础.一旦我们的注意力从镜子转向电子屏幕,这种以内在镜像为基础的主体模式便逐渐消解,让位于一种新的主体模式:外—主体.外—主体反转了之前由外及内的内—主体模式,通过算法将主体分心,让之锚定在不同的数字平台上,并让主体随着互联网公司和数字平台的节奏运动,这样做的结果是,在外—主体的生产中,一方面,互联网公司收割了大量的关注和粉丝,从而获得了互联网经济学下的通货,另一方面,外—主体由于分心,已经不能形成理性的决定,从而沦为互联网公司控制下的粉丝或民粹.

摘要： 阅读往往先于写作。写作的冲动几乎总是由阅读引发的。是阅读,是对阅读的热爱,使你梦想成为作家。在你成为作家很久之后,阅读别人写的东西——以及重读过去喜爱的书——构成了一种无法拒抗的分心,使你不能集中精神写作。分心。安慰。折磨。没错,还有灵感。在书中失去自己,这个老话不是一种悠闲的幻想,而是一种会上瘾的、模范的现实。弗吉尼亚·伍尔芙在一封信中说了一句名言:有时我想,天堂就是持续不断、毫无倦意的阅读。

摘要： 目的 调查分析实习护生因使用手机导致工作分心行为、态度及影响因素.方法 对在临床医院实习的护理专业大专生上班时间使用手机行为及分心行为进行调查.结果 月生活费低于500元的护生上班时间手机使用率更低(P0.05).结论 分心行为及态度值得临床教育者、管理者关注并加以正确引导,出台管理办法制定临床使用手机有关指南建议有必要被考虑.

摘要： 行人过街时,因使用手机而造成的伤亡事故持续增长。过街时使用手机对行人信息加工、行为及安全均会产生影响。结果表明:使用手机的行人,在场景知觉阶段注意范围更狭窄,在外周视野的注意力明显下降;过街决策阶段,更容易错过过街机会或做出更有风险的决策;运动控制阶段,使用手机会改变行人步态,降低其动作稳定性。以上效应还受到行人使用手机方式的调节,但综合看来,手机分心提升了行人过街风险,更容易造成过街事故。最后,通过建立手机分心对行人过街中信息加工及行为影响的概念模型,指出未来研究应评估手机分心如何影响行人听觉信息的获取,以及间隔接受决策的子过程,从而为后期有针对性地干预提供理论基础。

摘要： 在信息时代,汽车与人们日常生活接触紧密,我们在行车中通常不能专注于驾驶任务,仍需保持对现有信息(来电信息、微信消息)的获取,这可能导致注意力的分散。本文从HUD改进和创新角度,旨在提升驾驶员安全感和注意力,减少DNRA(与驾驶员无关的工作),将从结构设计、行车偏离直线警报模式和HUD来电安全模式三个方面来论述。

摘要： 颜老师:最近,我发现自己很容易分心,做事时总会走神,因此经常出错。为此,我很紧张。这究竟是怎么回事?我应该怎么办?初一学生:罗旭罗旭同学:我很理解你,也希望你不要过度紧张、烦恼。其实,我们的大脑每时每刻都在活动,产生各种各样的想法,我们不可能、也没必要意识到自己所产生的全部想法。

摘要： 1.分心不是我的错。不要因为孩子容易分心而责怪孩子,因为长期分心、注意力不集中的孩子很可能患有ADHD综合征(注意力缺陷伴多动综合征),也就是我们通常所说的多动症。如果是这个原因,我们需要根据孩子的情况进行训练,严重者甚至需要药物治疗。

摘要： 哪些事情会导致你分心?第一类:内部干扰人的大脑天生就是渴求掌握更多信息的,为了生存,我们天生就必须要分心:在远古时代,人类必须时刻保持对周边环境的注意,每一处异动,每一种叫声,甚至每一种气味的变化,我们都需要注意,要不然就会性命不保。可以说,时刻关注身边所有的信息,是刻在我们基因里的习惯。因此,我们每天刷朋友圈、刷微博、刷新闻,生怕自己错过什么重要的信息,并不是因为我们没有定力,而是这些功能满足了我们的天性,所以不要太过自责。

摘要： 本发明公开了一种分心木多糖的制备方法，将分心木粉碎成粉末作为原料，经浸提、浓缩、沉淀、除蛋白质、冻干制得分心木粗多糖，将分心木粗多糖纯化制得分心木多糖。本发明还公开了一种分心木多糖及用途。

摘要： 提供一种分心判断装置、分心判断方法以及计算机可读介质，能够考虑车辆行进方向的变化判断分心。分心判断装置具备：第一获取部，获取表示驾驶员视线或面部朝向的第一检测信息；第一判断部，基于第一检测信息表示的驾驶员视线或面部朝向和用于判断分心驾驶而设定的判断条件判断驾驶员是否分心；第二获取部，获取表示车辆行进方向相对于车辆的直行方向的变化的第二检测信息；第二判断部，基于第二检测信息，判断车辆的行进方向是直行、左、右方向中的哪一个；判断条件变更部，在判断车辆的行进方向为直行方向时，将判断条件设定为第一判断条件，在判断车辆的行进方向为左方向或右方向时，将判断条件设定为与第一判断条件不同的第二判断条件。

摘要： 本申请提供了一种分心检测模型的训练方法、分心检测方法及装置，通过获取多个图像样本和多个图像样本各自对应的标签，并将多个图像样本分别输入初始分心检测模型中的第一特征提取模型和第二特征提取模型中，得到各图像样本对应的第一特征和第二特征，再将各图像样本对应的第一特征和第二特征输入初始分心检测模型中的分类模型中，得到各图像样本对应的驾驶状态预测结果，再根据各图像样本对应的驾驶状态预测结果和多个图像样本各自对应的标签，更新初始分心检测模型的网络参数，从而得到分心检测模型。本申请实施例可以降低分心检测的成本，而且可以保证提取到的特征更全面，提高了分心检测模型的准确性。

摘要： 提供一种分心判断装置、分心判断方法以及计算机可读介质，能够考虑车辆行进方向的变化判断分心。分心判断装置具备：第一获取部，获取表示驾驶员视线或面部朝向的第一检测信息；第一判断部，基于第一检测信息表示的驾驶员视线或面部朝向和用于判断分心驾驶而设定的判断条件判断驾驶员是否分心；第二获取部，获取表示车辆行进方向相对于车辆的直行方向的变化的第二检测信息；第二判断部，基于第二检测信息，判断车辆的行进方向是直行、左、右方向中的哪一个；判断条件变更部，在判断车辆的行进方向为直行方向时，将判断条件设定为第一判断条件，在判断车辆的行进方向为左方向或右方向时，将判断条件设定为与第一判断条件不同的第二判断条件。

摘要： 通过驾驶员回头观察进行的车道确认是为了确保安全而需要的行为，但由于视线从驾驶视野范围中脱离，所以有时判断为分心而受到警告。提供一种分心判定装置、分心判定方法以及记录介质，将从驾驶员的视线或脸的朝向的变化检测出的变化模式与预先设定的基准模式进行比较，如果变化模式为对应于基准模式的模式，则对进行分心判定的通常时判定条件进行暂时切换并判定为不为分心。

摘要： 本发明公开了一种分心木多糖的制备方法，将分心木粉碎成粉末作为原料，经浸提、浓缩、沉淀、除蛋白质、冻干制得分心木粗多糖，将分心木粗多糖纯化制得分心木多糖。本发明还公开了一种分心木多糖及用途。

摘要： 本发明公开了一种基于联邦学习的驾驶员的分心行为识别方法。本发明针对的应用场景主要包括目标检测模型、服务器和若干用户，同时各个用户都有相互独立的私有的数据集。本发明创新的将联邦学习算法与目标检测算法进行了结合。在服务器不能获得用户数据集的约束下，实现了用于检测驾驶员分心行为的YOLOv3模型的训练。同时创新的提出了在联邦学习过程中使用学习率预热的方法，用于提高模型收敛效率和性能。本发明的方法不需要过多的先验知识，不需要得到每个用户原始数据，符合隐私保护的需求，并且本发明在类似的应用场景有着较好的复用性，发明的实践价值较强。

摘要： 本发明公开了一种利用重映射注意力识别分心驾驶的方法，设计了多尺度注意力编码器以提取驾驶员图像的全局特征。由于姿势估计中的热图提供了身体部位的表达性非参数编码，通过对驾驶员部位热图和全局特征图进行哈达玛乘积，将部位信息投影到全局特征上，从而增强了驾驶员行为描述符的辨别力，为了提高鲁棒性和泛化能力，提出了部位注意力丢弃操作，即在训练过程中随机丢失某部位热图，以应对其不可见的情况。本发明引导模型着重于与驾驶员行为相关的部位，可进一步提高驾驶员行为识别准确率。本发明在交通安全领域有重要的应用价值。

摘要： 本发明公开了一种利用关键点注意力的驾驶员分心驾驶监测方法。该方法利用驾驶员的判别性关键点特征以区分具有相似外观的分心驾驶行为。本发明提出通道‑空间变换卷积来改进特征变换过程，以增强卷积特征的表示能力。同时，使用Lightweight OpenPose生成关键点热图，作为全局特征的注意力图，并提出关键点投影策略来融合关键点信息和卷积特征，即将每个关键点的热力图与全局特征图进行点乘以生成局部细化特征。关键点信息到全局特征的投影提高了最终分类表示的区分度，可进一步提高驾驶员分心驾驶监测准确率。本发明在交通安全领域有重要的应用价值。

摘要： 本发明提供了一种基于无监督学习的驾驶员分心细粒度检测方法，属于驾驶行为分析领域，包括：采集分心驾驶图像数据；将采集到的分心驾驶图像数据输入无监督学习检测模型中，利用无监督学习检测模型对分心驾驶图像数据进行分析，根据分析结果判断驾驶员分心状态；无监督学习检测模型包括骨干网络、投影头和损失函数；骨干网络为融入多层感知机MLP的RepMLP网络结构；投影头为将融入残差结构的多层感知机MLP；损失函数为基于对比学习和stop‑gradient策略的损失函数。本发明弥补了传统卷积层所堆积的CNN模型全局感知能力较差的问题，具备了较强的局部感知能力及良好的全局感知性能，可以使无监督学习检测模型对应用场景的泛化能力得到了加强。