CN112055865A - 用于行为和/或生物状态处理的***、装置和/或过程 - Google Patents
用于行为和/或生物状态处理的***、装置和/或过程 Download PDFInfo
- Publication number
- CN112055865A CN112055865A CN201980029470.1A CN201980029470A CN112055865A CN 112055865 A CN112055865 A CN 112055865A CN 201980029470 A CN201980029470 A CN 201980029470A CN 112055865 A CN112055865 A CN 112055865A
- Authority
- CN
- China
- Prior art keywords
- content
- behavioral
- parameters
- particular user
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000003542 behavioural effect Effects 0.000 title claims abstract description 345
- 238000012545 processing Methods 0.000 title claims description 302
- 238000000034 method Methods 0.000 title claims description 197
- 230000008569 process Effects 0.000 title claims description 137
- 230000006399 behavior Effects 0.000 claims abstract description 306
- 230000015654 memory Effects 0.000 claims abstract description 104
- 230000006872 improvement Effects 0.000 claims abstract description 16
- 238000010801 machine learning Methods 0.000 claims description 214
- 230000008859 change Effects 0.000 claims description 35
- 230000004044 response Effects 0.000 claims description 21
- 230000009471 action Effects 0.000 claims description 16
- 230000018044 dehydration Effects 0.000 claims description 16
- 238000006297 dehydration reaction Methods 0.000 claims description 16
- 235000003642 hunger Nutrition 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 11
- 230000036651 mood Effects 0.000 claims description 10
- 238000001356 surgical procedure Methods 0.000 claims description 10
- 244000025254 Cannabis sativa Species 0.000 claims description 8
- 230000037351 starvation Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000010304 firing Methods 0.000 claims 2
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 70
- 238000004891 communication Methods 0.000 description 45
- WHUUTDBJXJRKMK-VKHMYHEASA-N L-glutamic acid Chemical compound OC(=O)[C@@H](N)CCC(O)=O WHUUTDBJXJRKMK-VKHMYHEASA-N 0.000 description 43
- 239000000126 substance Substances 0.000 description 42
- OGNSCSPNOLGXSM-UHFFFAOYSA-N (+/-)-DABA Natural products NCCC(N)C(O)=O OGNSCSPNOLGXSM-UHFFFAOYSA-N 0.000 description 35
- 229960003692 gamma aminobutyric acid Drugs 0.000 description 35
- 229930195712 glutamate Natural products 0.000 description 33
- ZNOVTXRBGFNYRX-ABLWVSNPSA-N levomefolic acid Chemical compound C1NC=2NC(N)=NC(=O)C=2N(C)C1CNC1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 ZNOVTXRBGFNYRX-ABLWVSNPSA-N 0.000 description 31
- 235000007635 levomefolic acid Nutrition 0.000 description 31
- 239000011578 levomefolic acid Substances 0.000 description 31
- 238000005259 measurement Methods 0.000 description 27
- 238000013528 artificial neural network Methods 0.000 description 16
- 230000004424 eye movement Effects 0.000 description 16
- 238000012544 monitoring process Methods 0.000 description 16
- VYFYYTLLBUKUHU-UHFFFAOYSA-N dopamine Chemical compound NCCC1=CC=C(O)C(O)=C1 VYFYYTLLBUKUHU-UHFFFAOYSA-N 0.000 description 14
- 230000009469 supplementation Effects 0.000 description 13
- 230000002996 emotional effect Effects 0.000 description 12
- 238000012360 testing method Methods 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 11
- 230000036541 health Effects 0.000 description 11
- WHUUTDBJXJRKMK-UHFFFAOYSA-N Glutamic acid Natural products OC(=O)C(N)CCC(O)=O WHUUTDBJXJRKMK-UHFFFAOYSA-N 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 235000013922 glutamic acid Nutrition 0.000 description 10
- 239000004220 glutamic acid Substances 0.000 description 10
- 230000010344 pupil dilation Effects 0.000 description 10
- 230000000670 limiting effect Effects 0.000 description 9
- 239000013589 supplement Substances 0.000 description 9
- 235000013305 food Nutrition 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000001413 cellular effect Effects 0.000 description 7
- 229960003638 dopamine Drugs 0.000 description 7
- 230000003054 hormonal effect Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 238000011056 performance test Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 239000000758 substrate Substances 0.000 description 6
- 210000004243 sweat Anatomy 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 239000000090 biomarker Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000004630 mental health Effects 0.000 description 5
- 239000002858 neurotransmitter agent Substances 0.000 description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 description 5
- 230000011664 signaling Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 206010002091 Anaesthesia Diseases 0.000 description 4
- 206010003805 Autism Diseases 0.000 description 4
- 208000020706 Autistic disease Diseases 0.000 description 4
- MUMGGOZAMZWBJJ-DYKIIFRCSA-N Testostosterone Chemical compound O=C1CC[C@]2(C)[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 MUMGGOZAMZWBJJ-DYKIIFRCSA-N 0.000 description 4
- 230000008649 adaptation response Effects 0.000 description 4
- 230000002411 adverse Effects 0.000 description 4
- 230000037005 anaesthesia Effects 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 230000036571 hydration Effects 0.000 description 4
- 238000006703 hydration reaction Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000006996 mental state Effects 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 230000000153 supplemental effect Effects 0.000 description 4
- 208000019901 Anxiety disease Diseases 0.000 description 3
- 206010012335 Dependence Diseases 0.000 description 3
- 241000270295 Serpentes Species 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000003321 amplification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008512 biological response Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000005556 hormone Substances 0.000 description 3
- 229940088597 hormone Drugs 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 230000035764 nutrition Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 238000010977 unit operation Methods 0.000 description 3
- 206010001497 Agitation Diseases 0.000 description 2
- 102000018899 Glutamate Receptors Human genes 0.000 description 2
- 108010027915 Glutamate Receptors Proteins 0.000 description 2
- RJKFOVLPORLFTN-LEKSSAKUSA-N Progesterone Chemical class C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H](C(=O)C)[C@@]1(C)CC2 RJKFOVLPORLFTN-LEKSSAKUSA-N 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 229940011871 estrogen Drugs 0.000 description 2
- 239000000262 estrogen Substances 0.000 description 2
- 230000002964 excitative effect Effects 0.000 description 2
- 229940014144 folate Drugs 0.000 description 2
- 235000019152 folic acid Nutrition 0.000 description 2
- 239000011724 folic acid Substances 0.000 description 2
- OVBPIULPVIDEAO-LBPRGKRZSA-N folic acid Chemical compound C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-LBPRGKRZSA-N 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 231100001261 hazardous Toxicity 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000007794 irritation Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000000583 progesterone congener Substances 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- LXNHXLLTXMVWPM-UHFFFAOYSA-N pyridoxine Chemical compound CC1=NC=C(CO)C(CO)=C1O LXNHXLLTXMVWPM-UHFFFAOYSA-N 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 208000019116 sleep disease Diseases 0.000 description 2
- 235000013599 spices Nutrition 0.000 description 2
- 229960003604 testosterone Drugs 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000239290 Araneae Species 0.000 description 1
- 208000006096 Attention Deficit Disorder with Hyperactivity Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010054089 Depressive symptom Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 102100035902 Glutamate decarboxylase 1 Human genes 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 101000873546 Homo sapiens Glutamate decarboxylase 1 Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001784 detoxification Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 235000015872 dietary supplement Nutrition 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000006397 emotional response Effects 0.000 description 1
- 230000001973 epigenetic effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 208000013403 hyperactivity Diseases 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 230000009525 mild injury Effects 0.000 description 1
- LPUQAYUQRXPFSQ-DFWYDOINSA-M monosodium L-glutamate Chemical compound [Na+].[O-]C(=O)[C@@H](N)CCC(O)=O LPUQAYUQRXPFSQ-DFWYDOINSA-M 0.000 description 1
- 235000013923 monosodium glutamate Nutrition 0.000 description 1
- 239000004223 monosodium glutamate Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000001584 occupational therapy Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004091 panning Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000009914 physiological arousal Effects 0.000 description 1
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- RADKZDMFGJYCBB-UHFFFAOYSA-N pyridoxal hydrochloride Natural products CC1=NC=C(CO)C(C=O)=C1O RADKZDMFGJYCBB-UHFFFAOYSA-N 0.000 description 1
- 230000005233 quantum mechanics related processes and functions Effects 0.000 description 1
- 235000020989 red meat Nutrition 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 235000021067 refined food Nutrition 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000000932 sedative agent Substances 0.000 description 1
- 230000001624 sedative effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 235000019615 sensations Nutrition 0.000 description 1
- 230000000192 social effect Effects 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 235000014214 soft drink Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 235000011496 sports drink Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000024883 vasodilation Effects 0.000 description 1
- 239000011726 vitamin B6 Substances 0.000 description 1
- 235000019158 vitamin B6 Nutrition 0.000 description 1
- 229940011671 vitamin b6 Drugs 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Medicinal Chemistry (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Nutrition Science (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
一种装置，包括：至少一个处理器，用于获得表示特定用户的行为概要内容的信号和/或状态，所述行为概要内容包括表示所述特定用户的当前行为状态或生物状态或者其组合的多个参数；至少一个存储器，用于存储表示行为内容的信号和/或状态；其中所述至少一个处理器用于至少部分基于所述行为概要内容或者至少部分基于表示外部因素的一个或多个参数或者其组合来为所述特定用户生成一个或多个推荐，所述一个或多个推荐针对的是所述特定用户的未来状态的改善。
Description
技术领域
本文公开的主题可涉及用于处理表示行为和/或生物状态的信号和/或状态的***、装置和/或过程。
背景技术
集成电路装置，例如处理器，可存在于各种各样的电子装置类型中。例如，一个或多个处理器可用于移动装置(例如蜂窝电话)中，以及用于计算机、数字相机、平板装置、个人数字助理、可穿戴装置等等中。移动装置和/或其他计算装置例如可包括集成电路装置，比如处理器，来出于各种目的处理表示各种各样的内容类型的信号和/或状态。随着大量的各种各样的内容可访问，信号和/或状态处理技术持续发展。然而，有时处理表示多样内容的信号和/或状态可能证明是相对资源需求高的，这可提出若干个挑战，例如包括增加的处理时间、存储需求、复杂度、成本等等。
附图说明
要求保护的主题在说明书的结尾部分中具体指出并且明确要求保护。然而，关于组织和/或操作方法，以及其目的、特征和/或优点，如果结合附图来阅读，通过参考接下来的详细描述可最好地理解，附图中：
图1是根据一实施例的示例移动装置的图示。
图2是根据一实施例的用于在计算装置中处理表示行为内容的信号和/或状态的示例处理器的图示。
图3是根据一实施例的用于处理表示行为概要内容的信号和/或状态的示例装置、***和/或过程的图示。
图4是根据一实施例的用于处理表示行为概要内容的信号和/或状态的示例装置、***和/或过程的图示。
图5是根据一实施例的用于处理表示行为概要内容的信号和/或状态的示例装置、***和/或过程的图示。
图6是根据一实施例的用于处理表示行为概要内容的信号和/或状态的示例装置、***和/或过程的图示。
图7是根据一实施例描绘用于在计算装置中处理表示行为概要内容的信号和/或状态的示例处理器的示意性框图。
图8是根据一实施例的用于处理表示行为概要内容的信号和/或状态的示例过程的图示。
图9是根据一实施例的用于处理表示行为概要内容的信号和/或状态的示例过程的图示。
图10是根据一实施例的用于处理表示行为内容的信号和/或状态的示例装置、***和/或过程的图示。
图11是根据一实施例的用于处理表示行为概要内容的信号和/或状态的示例过程的图示。
图12是根据一实施例的用于处理表示行为概要内容的信号和/或状态的示例过程的图示。
图13是根据一实施例的用于处理表示行为概要内容的信号和/或状态的示例过程的图示。
图14是根据一实施例的用于跟踪表示行为概要内容的信号和/或状态的示例过程的图示。
图15是根据一实施例的示例计算装置的示意性框图。
具体实施方式
在接下来的详细描述中参考附图，附图形成详细描述的一部分，其中相似的数字始终可指定对应的和/或类似的相似部件。要明白，例如为了图示的简单和/或清晰，附图不一定是按比例绘制的。例如，一些方面的维度相对于其他的可被夸张。另外，要理解可利用其他实施例。另外，在不脱离要求保护的主题的情况下，可做出结构上的和/或其他改变。本说明书各处提及“要求保护的主题”指的是打算被一个或多个权利要求覆盖的主题，或者其任何部分，而并不一定打算指完整的权利要求集合、权利要求集合的特定组合(例如，方法权利要求、装置权利要求等等)或者特定权利要求。还应当注意，方向和/或引用，例如上、下、顶、底等等，可用于促进对附图的讨论并且并不打算限制要求保护的主题的应用。因此，以下详细描述不应被理解为限制要求保护的主题和/或等同物。
本说明书各处提及一个实现方式、一实现方式、一个实施例、一实施例等等的意思是联系特定实现方式和/或实施例描述的特定特征、结构、特性等等被包括在要求保护的主题的至少一个实现方式和/或实施例中。从而，这种短语例如在贯穿本说明书的各种地方的出现不一定打算指代相同的实现方式和/或实施例或者任何一个特定的实现方式和/或实施例。此外，要理解描述的特定特征、结构、特性等等能够在一个或多个实现方式和/或实施例中按各种方式被组合并且因此在想要的权利要求范围内。当然，一般而言，正如专利申请的说明书一直以来的情况一样，这些和其他问题有可能在特定的使用上下文中变化。换言之，在专利申请各处，描述和/或使用的特定上下文提供了关于要得出的合理推断的有帮助引导；然而，类似地，没有进一步限定的概括而言的“在此上下文中”指的是本专利申请的上下文。
如前所述，集成电路装置，比如处理器，可存在于各种各样的电子装置类型中。例如，一个或多个处理器可用于移动装置(例如蜂窝电话)中，以及用于计算机、数字相机、平板装置、个人数字助理、可穿戴装置等等中。移动装置和/或其他计算装置例如可包括集成电路装置，比如处理器，来出于各种目的处理表示各种各样的内容类型的信号和/或状态。随着大量的各种各样的内容可访问，信号和/或状态处理技术持续发展。然而，有时处理表示多样内容的信号和/或状态可能证明是相对资源需求高的，这可提出若干个挑战，例如包括增加的处理时间、存储需求、复杂度、成本等等。
在一实施例中，内容，比如特定用户的行为概要内容，可被处理来生成推荐，例如关于特定用户的推荐。例如，至少部分经由一个或多个传感器获得的内容可被处理来为特定用户生成行为概要内容，和/或行为概要内容可至少部分被利用来为特定用户生成针对该特定用户的当前和/或未来行为和/或生物状态的推荐。另外，在一实施例中，行为概要内容可被处理来检测“静默喜爱”(silent like)。“静默喜爱”之类的指的是对于特定用户消耗的内容的认可、欣赏等等的至少部分非明确的指示。例如，一个或多个传感器可检测特定用户的一个或多个行为和/或生物方面(例如，点头、指示多巴胺释放的瞳孔扩张等等)，这些方面可被理解为指示出对被该特定用户消耗的内容的认可、欣赏等等。
在另一实施例中，特定用户的行为概要内容可被处理来生成和/或选择定制的内容供特定用户消耗。在其他实施例中，行为概要内容可至少部分被处理来跟踪关于特定用户的表现变化，以改善玩家健康，和/或提供协同心理健康管理，如下文更充分论述的。额外的实施例可包括至少部分基于操作者的行为概要内容对操作者和计算装置之间的技术辅助任务中的责任的划分。当然，这些只是行为概要内容可如何被处理和/或以其他方式利用的示例，而主题的范围在这些方面不受限制。
在一实施例中，内容，比如特定用户的行为概要内容，可被跟踪，其中行为概要内容可包括表示特定用户的当前行为状态或生物状态或者其组合的多个参数。被跟踪的表示行为内容的信号和/或状态可被存储在至少一个存储器中。另外，一实施例可包括至少部分经由执行一个或多个机器学***衡或者其组合之间的一个或多个关系。一实施例还可包括至少部分经由至少一个处理器来为特定用户生成对于与特定的一个或多个物质有关的补充的一个或多个推荐，其中一个或多个推荐可针对特定用户的后续状态的改善。当然，这些只是行为概要内容可如何被处理和/或以其他方式利用的示例，而主题的范围在这些方面不受限制。
在一实施例中，从一个或多个传感器获得的内容可被特定硬件电路处理来生成表示特定操作者的身体、心理和/或情感状态的行为概要内容。例如，处理器，比如行为处理单元，可至少部分专用于处理传感器内容来生成表示特定操作者的身体、心理和/或情感状态的行为概要内容。处理器，比如行为处理单元，在一实施例中可包括特定电路，该特定电路针对执行特定操作来相对更高效地处理传感器内容以为特定操作者生成行为概要内容。例如，在一实施例中，处理器，比如行为处理单元，可包括机器学习加速电路，该电路针对执行特定操作，这些操作可相对更高效地作用于参数的集合，比如参数的多维集合，这些参数可被利用于各种机器学习技术(例如神经网络)中，如下文更充分论述的。在一实施例中，处理器，比如行为处理单元，可例如包括协处理器，该协处理器可与通用处理器合作操作，虽然要求保护的主题在这方面不受限制。
术语“操作者”和/或“用户”指的是人类个体，和/或在本文中可被互换利用。在一实施例中，操作者和/或用户可操作机器，虽然主题的范围在这些方面不受限制。另外，就本文利用的而言，“机器”指的是制品，例如用于执行任务的机械地、电气地和/或电子地操作的装置。在一些实施例中，机器的操作可由操作者和/或计算装置的组合来执行，和/或机器的操作可至少部分基于至少一个特定操作者的行为概要，如本文更充分说明的。
就本文利用的而言，“行为概要内容”之类的指的是表示至少一个特定操作者的当前行为状态或逻辑状态或者其组合的一个或多个参数。从而，例如，“行为概要内容”之类的不仅限于特定操作者的当前状态的行为方面，而是也可包括表示关于特定操作者的一个或多个生物方面的参数，如本文更充分说明的。另外，虽然这里的一些实施例可联系“一”操作者和/或“一”特定操作者来描述，但主题不限于单个操作者。例如，至少一些实施例可包括一个或多个操作者的行为概要内容，虽然同样地，要求保护的主题的范围在这些方面不受限制。
另外，就本文利用的而言，术语“当前”之类的指的是就某个时间点而言基本上和/或近似当前的。例如，特定操作者的“当前”行为和/或生物状态指的是至少部分从相对新近的传感器内容得出的该特定操作者的行为和/或生物状态。例如，在一实施例中，特定操作者的行为概要内容可表示至少部分从在生成的几分之一秒内从一个或多个传感器获得的传感器内容得出的特定操作者的行为和/或生物状态。
图1是示例移动装置的实施例100的图示。在一实施例中，移动装置，比如100，可包括一个或多个处理器，比如处理器110和/或行为处理单元(behavioral processing unit，BPU)200，和/或可包括一个或多个通信接口，比如通信接口120。在一实施例中，一个或多个通信接口，比如通信接口120，可使能移动装置(比如移动装置100)和一个或多个其他计算装置之间的无线通信。在一实施例中，无线通信可基本上根据各种各样的通信协议(例如本文提及的那些)中的任何一者发生。
在一实施例中，移动装置，比如移动装置100，可包括存储器，比如存储器130。在一实施例中，存储器130例如可包括非易失性存储器。另外，在一实施例中，存储器，比如存储器130，其中可存储有可执行指令，例如关于一个或多个操作***、通信协议和/或应用的。存储器，比如130，还可存储特定的指令，比如BPU代码132，这些指令可被行为处理单元(例如200)执行，来至少部分生成行为概要内容。另外，在一实施例中，移动装置，比如移动装置100，例如可包括显示器，比如显示器140，一个或多个传感器，比如一个或多个传感器150，一个或多个相机，比如一个或多个相机160，和/或一个或多个麦克风，比如麦克风170。
虽然BPU 200被描述为执行指令，比如BPU代码132，但行为处理单元的其他实施例可不取得和执行代码。在一实施例中，行为处理单元可包括用于处理传感器内容和/或用于生成行为概要内容的专用和/或专门电路，如下文更充分描述的。
就本文利用的而言，“传感器”之类的指的是这样的装置和/或组件：该装置和/或组件可响应物理刺激，例如热、光、声压、磁性、特定运动，等等，和/或可响应于物理刺激而生成一个或多个信号和/或状态。从而，虽然相机160和/或麦克风170在图1中被描绘为与传感器150分离，但在一实施例中术语“传感器”之类的可包括麦克风和/或相机。示例传感器可包括——但不限于——一个或多个加速度计、陀螺仪、温度计、磁力计、气压计、光传感器、邻近传感器、心率监视器、汗液传感器、水合传感器、呼吸传感器，等等，和/或这些的任何组合。在一实施例中，一个或多个传感器可监视特定操作者的生物和/或行为状态的一个或多个方面。
在一实施例中，为了为特定操作者生成行为概要内容，计算装置，例如移动装置100，可从一个或多个传感器(比如传感器150、相机160和/或麦克风170或者这些的任何组合中的一个或多个)获得表示内容的信号和/或状态。另外，在一实施例中，处理器，比如行为处理单元200，可处理传感器内容，比如来自传感器150、相机160和/或麦克风170或者这些的任何组合中的一个或多个的内容，来为特定操作者生成行为概要内容。在一实施例中，处理器，比如行为处理单元200，可包括行为内容处理电路。例如，处理器，比如行为处理单元200，在一实施例中可包括机器学习加速电路。
例如，处理器，比如行为处理单元200，可包括针对涉及相对较大的参数集合的操作的一个或多个算术单元，比如可被用于机器学习(比如神经网络)中的参数集合。在一实施例中，机器学习加速电路，比如针对涉及神经网络参数集合和/或其他相对较大的参数集合的操作的算术单元，可被利用来处理传感器内容以为特定操作者生成行为概要内容。在一实施例中，行为概要内容可被利用来影响特定机器的操作，为特定操作者生成针对特定操作者的行为和/或生物状态的推荐，生成定制内容来供特定操作者消耗，等等，这些只是举了几个非限制性示例。
在一实施例中，通用处理器，比如处理器110，和行为处理单元，比如200，可包括分开的集成电路装置。在其他实施例中，通用处理器，比如处理器110，和行为处理单元，比如200，可形成在同一集成电路管芯和/或集成电路封装上。另外，在一实施例中，处理器，比如行为处理单元200，可包括可与通用处理器(比如110)合作操作的协处理器。例如，处理器，比如110，可执行包括操作***、应用等等的代码。另外，在一实施例中，行为处理单元，比如200，可执行针对为一个或多个操作者生成行为概要内容的操作。例如，行为处理单元，比如200，可包括电路，用于相对更高效地执行特定指令和/或指令集合，比如代码132，用于作用于相对较大的参数集合，例如可联系特定机器学习技术(例如包括神经网络)利用的。
在一实施例中，行为概要内容，比如可由行为处理单元(比如200)生成的，可被传达于行为处理单元(比如200)和各种各样的装置、***和/或过程的任何一者之间。例如，由行为处理单元200生成的行为概要内容可被存储在存储器(比如130)中，和/或可被推送和/或以其他方式提供给处理器110和/或其他装置和/或***。在一实施例中，行为概要内容可经由一个或多个有线和/或无线通信网络被传达于计算装置(比如移动装置100)和一个或多个其他网络装置(比如一个或多个其他计算装置)之间。当然，主题的范围在这些方面不受限制。
在一实施例中，行为概要内容可包括表示特定操作者的行为和/或生物状态的参数的特定指定集合，该参数的特定指定集合可至少部分被各种各样的装置、***和/或过程利用于各种各样的应用和/或目的任何一者。在一实施例中，通过生成包括行为概要内容的参数的指定集合，其他装置、***、应用和/或过程例如可免除生成行为概要内容的责任，并且可转而专注于专长和/或专业的特定领域。例如，应用开发者可设计应用来利用一个或多个特定操作者的行为概要内容的一个或多个参数，而不必招致开发用于收集和/或处理传感器内容和/或用于生成行为概要内容的电路、代码等等的成本(时间、金钱、资源等等)。
虽然图1描绘了移动装置的实施例，比如移动装置100，但其他实施例可包括其他类型的计算装置。计算装置的示例类型可包括例如各种各样的数字电子装置的任何一者，包括——但不限于——桌面和/或笔记本计算机、高清晰度电视、数字视频播放器和/或记录器、游戏机、***接收机、蜂窝电话、平板装置、可穿戴装置、个人数字助理、移动音频和/或视频重放和/或记录装置，或者前述的任何组合。
图2是处理器(比如行为处理单元)在计算装置中处理表示行为内容的信号和/或状态的实施例200的图示。在一实施例中，为了为特定用户生成行为概要内容，比如行为概要内容240，处理器，比如行为处理单元200，可从一个或多个传感器(比如传感器230中的一个或多个)获得表示内容的信号和/或状态。另外，在一实施例中，处理器，比如行为处理单元200，可处理传感器内容，比如来自传感器230中的一个或多个的内容，以为特定用户生成行为概要内容，比如行为概要内容240。在一实施例中，处理器，比如行为处理单元200，可包括行为内容处理电路。例如，处理器，比如行为处理单元200，在一实施例中可包括传感器参数处理电路，比如电路210，和/或可包括机器学习加速电路，比如电路220。
在一实施例中，处理器，比如行为处理单元200，可提供电路来至少部分为特定用户生成行为概要内容，比如行为概要内容240，以被利用于各种各样的可能应用的任何一者，比如本文描述的示例应用。例如，在一实施例中，行为概要内容可被提供给决策做出(decision-making)装置、过程和/或***，比如决策做出装置、***、和/或过程250。在一实施例中，处理器，比如行为处理单元200，例如可相对更高效地处理从一个或多个行为、生物和/或环境传感器或者其组合获得的与特定用户和/或特定环境相关联的信号和/或状态。在一实施例中，处理器，比如行为处理单元200，可为特定操作者的“隐藏”(例如，情感)状态计算概率，这至少部分是通过生成可被一个或多个装置、***和/或过程(比如决策做出装置、***和/或过程250)利用于各种各样的可能目的的任何一者的行为概要内容(比如行为概要内容240)来实现的。例如，如上所述，行为概要内容可被利用来为特定用户生成针对特定用户的行为和/或生物状态的推荐，检测静默喜爱，生成定制内容来供特定用户消耗，跟踪关于特定用户的表现变化，改善玩家健康，和/或提供协同心理健康管理，等等，这些只是举了几个非限制性示例。其他示例可包括在共享责任的情形中确定操作者和机器之间的责任的划分(例如，技术辅助驾驶、飞行、无人机操作等等)。例如，如果操作者被确定为是愤怒的，则武器可不允许开火。另外，例如，如果驾驶员被确定为是愤怒的，则汽车可不允许迅速加速，和/或如果驾驶员被确定为是疲劳的，则汽车可增大其对操控的影响。当然，主题的范围在这些方面不受限制。
如上所述，在一实施例中，特定用户的行为概要内容可被跟踪，其中行为概要内容可包括表示特定用户的当前行为状态或生物状态或者其组合的多个参数。另外，在一实施例中，例如可确定跟踪的行为概要内容与特定用户的身体内的一个或多个特定物质的生物利用度或平衡或者其组合之间的一个或多个关系。一实施例还可包括为特定用户生成对于与特定的一个或多个物质有关的补充的一个或多个推荐，其中一个或多个推荐可针对特定用户的后续状态的改善。当然，要求保护的主题的范围在这些方面不受限制。
在一实施例中，至少部分基于行为概要内容的基于机器的决策做出，比如决策做出装置、***和/或过程250，可例如包括以改善特定用户的当前和/或后续状态为目标的对于该特定用户的与特定的一个或多个物质有关的补充的动态推荐。在一实施例中，传感器内容可包括来自各种各样的可能来源的任何一者的内容和/或可以是可变的内容。在一实施例中，处理器，比如行为处理单元，可包含机器学习(例如，神经网络等等)，至少部分是为了在提供例如至少部分由行为概要内容表示的概率的同时适应于一个或多个特定传感器的存在和/或不存在。
在一实施例中，至少部分基于行为概要内容的基于机器的决策做出，比如决策做出装置、***和/或过程250，可包括动态内容创建和/或可包括对可影响特定操作者和/或用户和/或个体的安全的装置的物理控制。在一实施例中，传感器内容可包括来自各种各样的可能来源的任何一者的内容和/或可以是可变的内容。在一实施例中，处理器，比如行为处理单元，可包含机器学习(例如，神经网络等等)，至少部分是为了在提供例如至少部分由行为概要内容表示的概率的同时适应于一个或多个特定传感器的存在和/或不存在。
在一实施例中，基于机器的决策做出，比如可由决策做出装置、***和/或过程250执行的，例如可至少部分取决于操作者的当前状态和/或操作者相对迅速地响应操作者状态的变化的能力。各种各样的可能传感器类型可提供表示特定操作者的生物和/或行为状态的各种方面和/或表示一个或多个环境因素和/或其他外部因素的内容。在一实施例中，处理器，比如行为处理单元200，可包括传感器参数处理单元，比如传感器参数处理单元210。在一实施例中，传感器参数处理单元，比如传感器参数处理单元210，可从一个或多个传感器(比如传感器230)获得信号和/或状态，和/或可处理来自一个或多个传感器的信号和/或状态以组合、协调、正规化和/或以其他方式调节来自一个或多个传感器的信号和/或状态。
例如，传感器参数处理单元，比如传感器参数处理单元210，可以使传感器内容为进一步处理(例如经由机器学习操作)做好准备。在一实施例中，机器学习加速电路，比如机器学习加速电路220，可至少部分处理传感器内容以推断特定操作者的基本上当前的生物和/或行为状态。例如，相机传感器之类的可将一个或多个信号和/或状态提供给传感器参数处理单元，比如传感器参数处理单元210。传感器参数处理单元210可例如生成表示瞳孔扩张、焦点、眨眼持续时间和/或眨眼率或者这些的任何组合的一个或多个参数。
在一实施例中，机器学***和/或这些的任何组合的参数。
在一实施例中，行为概要内容可包括参数的指定集合，例如至少上述那些的子集。在一实施例中，处理器，比如行为处理单元200，可生成以为了各种各样的目的和/或应用的任何一者向各种各样的装置、***和/或过程的任何一者提供关于特定用户的行为和/或生物状态的内容的方式指定的表示行为概要内容的参数的集合。另外，指定行为概要内容参数的这种集合可被任何数目的装置、***和/或过程同时利用。
在一实施例中，处理器，比如行为处理单元200，可反复地获得传感器内容和/或可反复地生成特定用户的行为概要内容。例如，可按规律的和/或指定的间隔收集和/或以其他方式获得传感器内容，和/或可按规律的和/或指定的间隔生成行为概要内容。在一实施例中，一个或多个装置、***和/或过程可例如在一段时间中跟踪行为概要内容，以例如检测行为概要内容的变化。
在一实施例中，处理器，比如行为处理单元200，可有利地至少部分被专用计算资源利用来例如处理传感器内容，和/或为特定用户生成行为概要内容，比如240。另外，通过生成包括行为概要内容(比如240)的参数的指定集合，***、装置和/或过程可免除生成行为概要内容的责任，并且可例如专注于专长和/或专业的特定领域。另外，可以为***、装置和/或过程降低开发成本，这至少部分是由于有来自处理器(比如行为处理单元200)的行为概要内容参数的指定集合可用。
在一实施例中，处理器，比如行为处理单元200，可基本上实时地将传感器内容(例如，行为和/或生物传感器内容，或者其组合)与先前关系的表示(例如，可测量的和/或人类状态之间的已知和/或已确定的联系)相合并。另外，在一实施例中，处理器，比如行为处理单元200，可利用机器学习技术(例如，神经网络等等)来映射表示操作者的生物和/或行为状态的一个或多个方面的传入传感器内容。在一实施例中，处理器，比如行为处理单元200，可包括对于从各种各样的可能来源获得的内容(例如，来自生物和/或行为传感器的内容和/或表示其他因素的内容的组合)的相对更高效的协调和/或处理的支持，以生成参数的指定集合，比如行为概要内容240。另外，在一实施例中，可提供一个或多个存储器装置来存储操作者相关内容和/或操作者无关内容以使能对特定用户中的状态变化的相对更迅速的识别。
在一实施例中，机器学习操作，比如可被处理器(比如行为处理单元200)执行的，例如可将用户特定内容存储在一个或多个存储器装置中和/或也可存储用户通用内容(例如，传感器内容和/或用户状态之间的已确定和/或基本上已知的关系)。在一实施例中，用户特定内容和/或用户通用内容可被处理，例如经由机器学习操作被处理，以生成一个或多个输出状态向量，比如行为概要内容240。
在一实施例中，通过来自一个或多个传感器的内容、已确定的和/或基本上已知的关联和/或关系的知识和/或机器学习的组合，处理器，比如行为处理单元200，可生成表示特定用户的基本上当前的行为和/或生物状态的参数。在一实施例中，行为概要内容，比如240，可包括指示例如关于用户状态(比如愤怒、兴奋、疲劳、分心，等等)的得分的一个或多个参数。另外，对来自传感器的相对更大量的内容的利用可允许用户状态的改善和/或可允许用户状态之间的更好区分。例如，在一实施例中，恐惧和/或兴奋都可增大心率，但恐惧、没有兴奋可导致用户肩膀的束缚。行为处理单元，比如200，在一实施例中可至少部分基于从一个或多个相机获得的内容来区分用户的恐惧和/或兴奋。当然，主题的范围在这些方面不受限制。
在一实施例中，外部因素在生成行为概要内容和/或决策做出方面可起到作用。例如，指示一个或多个外部因素的一个或多个参数，比如外部因素参数260，可被行为概要单元(比如BPU 200)获得，和/或可被决策做出装置、***和/或过程(比如决策做出***250)获得。表示外部因素的参数可包括例如表示位置、时段、外部个体的存在和/或身份和/或一般情绪的参数。另外，在一实施例中，参数，比如参数270，可以是从用户获得的。例如，用户可提供表示特定物质(例如，营养补充、药品、食物、饮料等等)的补充和/或消耗的实例的输入参数。例如，输入参数270可包括表示物质身份、数量、补充的时间和/或日期等等的参数。
图3是用于为了各种各样的可能应用和/或目的的任何一者处理行为概要内容(比如行为概要内容240)的示例装置、***和/或过程的实施例300的图示。如上所述，处理器，比如行为处理单元200，可至少部分基于传感器内容，比如来自传感器230中的一个或多个的内容，来生成行为概要内容，比如行为概要内容240。在一实施例中，行为概要内容，比如行为概要内容240，可至少部分被利用来至少部分基于用户/玩家(比如用户340)的当前生物和/或行为状态来演变和/或调整虚拟现实和/或游戏和/或特定用户/玩家(比如用户340)正在消耗和/或将要消耗的其他内容。以这种方式，例如，内容，比如视频游戏内容，可针对特定用户/玩家(比如用户340)被定制，以相对更高效地在特定用户中诱发期望的状态。
另外，在一实施例中，行为概要内容，比如行为概要内容310，可例如至少部分被利用来跟踪行为概要内容和特定用户的身体内的一个或多个特定物质的生物利用度或平衡或者其组合之间的一个或多个关系。一实施例还可包括为特定用户生成对于与一个或多个特定物质有关的补充的一个或多个推荐，其中一个或多个推荐可针对特定用户的当前和/或后续状态的改善。例如，在一实施例中，来自指向用户的眼睛的一个或多个相机、麦克风、测量汗液和/或温度的皮肤传感器、对于用户的手指的一个或多个压力传感器、心率监视器、水合传感器和/或呼吸监视器或者这些的任何组合的内容可被利用作为补充推荐***的一部分。
在一实施例中，来自指向用户的眼睛的一个或多个相机、麦克风、测量汗液和/或温度的皮肤传感器、对于用户的手指的一个或多个压力传感器、心率监视器、水合传感器和/或呼吸监视器或者这些的任何组合的内容可例如被利用作为沉浸式游戏***或者补充推荐***的一部分。在一实施例中，处理器，比如行为处理单元200，可从一个或多个传感器(比如以上提及的一个或多个传感器)获得内容，和/或可生成表示特定用户/玩家的基本上当前的生物和/或行为状态的参数的集合，比如行为概要内容240。经由相机获得的传感器内容例如可被处理来生成表示瞳孔扩张、焦点、眨眼持续时间和/或眨眼率(这些只是举了几个非限制性示例)的行为概要内容，比如行为概要内容240。另外，数字音频内容，比如可经由麦克风获得的，例如可被处理来生成表示例如音量、音调和/或情绪的行为概要内容，比如行为概要内容240。
在一实施例中，已确定和/或基本上已知的关系，比如关系参数314，可包括行为概要内容和/或用户状态之间的关系和/或可包括科学上确定的关系。在一实施例中，可从传感器输出搜集的内容和用户的行为和/或生物状态之间的关系可至少部分经由一个或多个科学出版物(比如科学出版物参数315)来确定。例如，瞳孔扩张根据一个或多个科学出版物(例如来自国立卫生研究院(National Institute of Health，NIH)的科学出版物)可与多巴胺释放相链接。另外，例如，多巴胺释放根据一个或多个科学研究(例如可由Nature研究杂志发表的)可与期盼和/或对刺激的相对加剧的情感响应相链接。在一实施例中，表示从科学出版物搜集的关系的内容可被存储在至少一个存储器(例如存储器130)中，和/或可被提供给用于执行机器学习操作的装置、***和/或过程，比如机器学习320处所示。
在一实施例中，除了科学上确定的关系以外和/或取代科学上确定的关系，可通过内容收集和/或机器学习离线地确定其他关系。例如，测试对象，比如一个或多个用户和/或操作者，可提供行为和/或生物状态内容和/或可提供生物和/或行为标记内容，使得这种生物标记和行为和/或生物状态之间的关系可被确定，比如习得关系参数316。在一实施例中，例如，随着向测试对象呈现旨在唤起特定状态的内容和/或物质，可为测试对象记录生物标记。经由机器学习，比如机器学习320，在一实施例中用户的多种生物和/或行为状态可被学习以通过生物和/或行为标记来识别。
在一实施例中，装置、***和/或过程，比如机器学习320，可至少部分基于行为概要内容(比如行为概要内容240)为特定用户(比如用户340)生成推荐(比如推荐参数330)。在此上下文中，“推荐”指的是对于可被一个或多个个体、装置、***和/或过程采取的建议和/或动作的一个或多个指示。例如，推荐，比如推荐参数330，可包括呈现给特定用户的针对改善特定用户的行为和/或生物状态的一个或多个方面的建议。又例如，推荐，比如推荐参数330，可针对一个或多个特定物质的补充。另外，又例如，推荐，比如推荐参数330，可向装置、***和/或过程指示更改内容，比如特定用户正在消耗和/或将要消耗的视频游戏和/或虚拟现实内容。另外，例如，推荐，比如推荐参数330，可配置和/或重配置装置、***和/或过程来在共享责任的情形中(例如，技术辅助驾驶、飞行、无人机操作等等)更改操作者与装置、***和/或过程之间的责任的划分。当然，要求保护的主题的范围在这些方面不受限制。
如上所述，在一实施例中，游戏和/或虚拟现实***可利用特定用户(比如用户340)的行为概要内容(比如行为概要内容240)，来演变内容，以使得游戏和/或虚拟内容可被调整来在特定用户中产生期望的效果。例如，装置、***和/或过程，比如机器学***的下降。在一实施例中，游戏***可至少部分通过更改呈现给操作者的内容以尝试吸引操作者的兴趣和/或以其他方式造成操作者兴趣水平的提高来响应兴奋水平的下降。当然，响应用户的兴趣水平的变化只是游戏和/或虚拟现实***可有利地利用行为概要内容(比如行为概要内容240)的一种方式。另一示例可包括调整流媒体内容，例如基于因特网的音频流媒体，以在特定用户中诱发特定状态。例如，流媒体无线电台(例如，Pandora、Spotify、Apple Music等等)可至少部分基于行为概要内容来更改“放松”无线电台和/或播放列表的内容以在特定用户中诱发放松的状态。这相对于没有针对特定个体调整的通用放松型内容流、相对于基于明确用户“喜爱”的流和/或相对于没有考虑到特定用户的生物和/或行为状态的流，可具有特别的优点。
例如，内容提供装置、***和/或过程，比如游戏和/或虚拟现实***，例如可向特定用户和/或特定的用户群组呈现旨在产生诸如恐惧、兴奋、放松等等之类的指定状态的内容。行为概要内容，比如行为概要内容240，和/或比如可由行为处理单元(比如行为处理单元200)生成的，例如可被监视来跟踪用户和/或用户群组的各种状态水平。在一实施例中，内容提供装置、***和/或过程可在用户和/或用户群组上测试内容的各种版本以经由行为处理单元(比如行为处理单元200)获得例如关于特定用户和/或用户群组的知识。例如，内容提供者可能希望就对蛇、僵尸等等的恐惧的不同水平测试内容的版本。当然，关于恐惧的类型和/或可以测试的其他行为和/或生物响应，主题是没有限制的。
在一实施例中，内容提供装置、***和/或过程可为个体用户和/或用户群组记录内容状态得分。内容状态得分可例如被内容提供者利用来选择和/或生成旨在产生特定用户中的期望状态的用户特定内容(例如，如果特定用户通过行为概要内容指示出对蛇的更大恐惧，则用蛇来替换蜘蛛)。在一实施例中，这种定制可以在没有关于特定用户的知识的情况下发生，和/或内容提供装置、***和/或过程可至少部分基于检测到的特定用户的演变的生物和/或行为状态的变化来测试和/或随着时间的流逝演变。
在一实施例中，至少部分基于例如至少部分经由可例如由行为处理单元(比如行为处理单元200)生成的行为概要内容(比如行为概要内容240)指示的特定用户的生物和/或行为状态的对内容的定制可例如被有利地用于定向广告***中。在一实施例中，可至少部分基于例如至少部分经由行为概要内容(比如行为概要内容240)指示的特定用户的生物和/或行为状态来生成和/或选择广告，比如在线广告。例如，从视频游戏内呈现给特定用户的广告牌可至少部分响应于至少部分基于特定用户的行为概要内容确定该特定用户可能脱水而描绘软饮料。类似地，例如，至少部分响应于至少部分基于行为概要内容确定用户处于饥饿中，可向该用户显示关于快餐厅的广告。当然，这些只是示例广告，而主题的范围在这些方面不受限制。
至少部分基于行为概要内容的对广告的定制例如还可包括确定向特定用户显示特定广告的有利时间点。例如，关于特定品牌的特定广告比如在视频游戏和/或其他数字内容内可被定时为与多巴胺释放和/或静默喜爱(作为非限制性示例)一致，使得该特定用户可将他或她的幸福感觉与广告的品牌关联起来。
在涉及内容的定制的另一实施例中，比如对于一个或多个用户至少部分基于行为概要内容来适应性改变视频游戏内容，可包括至少部分基于多个用户的行为概要内容来生成和/或选择内容。例如，在视频游戏***中，如果特定用户“1”害怕特定的游戏元素“x”(例如，可至少部分基于用户1的行为概要内容确定)并且如果用户“2”害怕特定游戏元素“y”(例如，可至少部分基于用户2的行为概要内容确定)，并且如果特定视频游戏例如涉及用户1和用户2合作对抗怪物，则视频游戏***可生成至少部分由元素x和y构成的怪物。同样，主题的范围不限于这些特定示例。
在另一实施例中，至少部分基于例如至少部分经由行为概要内容(比如行为概要内容240)指示的特定用户的生物和/或行为状态的对内容的定制可有利地被用于例如教育情景中。在一实施例中，可至少部分基于一个或多个特定用户的生物和/或行为状态来为该一个或多个特定用户选择、更改和/或以其他方式调整用于技术辅助教学***和/或用于基于虚拟现实的教育工具的教育内容。例如，可至少部分基于对突破前、专注/分心和/或后悔/承认的指示来选择、更改和/或以其他方式调整教育内容。类似地，例如，对来自行为概要内容的共情的指示可支持调整虚拟教师以使得学生可良好地响应该虚拟教师。
在其他实施例中，可至少部分基于行为概要内容(比如行为概要内容240)来向用户(比如玩家)提供推荐以改善用户健康。例如，实施例可例如包括对生物状况的识别，比如经由监视和/或跟踪行为概要内容，并且还可包括生成建议性内容来鼓励用户在游戏环境外采取特定的动作，其目标是改善用户/玩家健康。例如，如果***、装置和/或过程，比如***、装置和/或过程320，从行为概要内容(比如行为概要内容240)确定用户(比如行为概要内容240)可能脱水了，则可在游戏和/或虚拟现实环境内向用户显示和/或以其他方式传达消息，作为休息一下和/或寻求营养的提醒。关于食物、睡眠、药物、补充等等，可做出类似的推荐。另外，可至少部分基于至少部分经由行为概要内容(比如行为概要内容240)指示的生物状况来更改和/或以其他方式调整游戏玩法。例如，如果行为概要内容，比如行为概要内容240，指示出用户可能饥饿，则内容提供***，比如游戏***，可将角色会面地点从公园更改到食物设施。这种更改可用作对用户/玩家寻求营养的提醒。
在一实施例中，角色和/或其他游戏和/或虚拟现实元素可被利用来向特定玩家传达推荐。例如，在游戏和/或虚拟现实环境内，角色会面可被安排在餐馆和/或其他食物设施内发生以暗示可能是时候调节血糖了。另外，在一实施例中，用户，比如玩家，可例如向游戏和/或虚拟现实***提供指示，比如经由游戏***和/或其他计算装置的用户界面。内容提供***，比如游戏***，可至少部分根据用户的输入来修改和/或以其他方式调整内容。例如，用户可提供关于用户最喜爱的零食的输入，并且这些最喜爱的零食可被包含到由***生成的关于营养的推荐中。
另外，在一实施例中，装置、***和/或过程，比如机器学***。
在一实施例中，可对特定用户/操作者施行表现测试，该表现测试可要求响应于呈现的内容的动作。例如，表现测试可涉及将物体放置在可要求具有相对更高准确性的交互的各种屏幕位置和/或引入可要求相对迅速的响应的挑战序列。在一实施例中，这种测试可以是“隐藏”的，因为玩家例如可不知晓他们在被测试。
在一实施例中，外部***，比如游戏和/或虚拟现实***，可独特地标记和/或以其他方式编号表现测试。外部***可向行为处理单元(比如BPU 200)通知表现测试的开始和/或还可提供与特定表现测试相关联的独特标签和/或号码。BPU 200例如可跟踪用户对于该表现测试的生物响应(例如，心率、汗液等等)。另外，在一实施例中，外部***可向BPU 200指示出表现测试的完成，并且BPU 200可进而将相关行为概要内容提供回给外部。例如，包括得分参数的向量可被提供和/或可被存储在外部***处。通过为个体用户/玩家随着时间的流逝存储表现内容，并且可能包含机器学习，外部***可识别出特定的用户/玩家与个体的典型表现相比可表现得如何。
也可利用实施例来识别被用户消耗的内容内的操纵模式。1927年，伊恩·巴甫洛夫描述了人类的“生物适应响应”，作为对于突然运动和新鲜刺激的本能生物响应。这个响应可包括α电波的临时阻塞、到脑部的增大的血管扩张、降低的心率，等等。研究人员后来研究了电视内容的各种方面，例如包括场景切换、摇摄、剪辑和变焦，可如何激活生物适应响应。内容创建者可利用技术来故意通过迅速的特征变化抓住消费者的注意力，这种迅速的特征变化可相对频繁和/或连续地激活消费者的适应响应。对适应响应的这种相对频繁和/或连续的激活可导致成瘾和/或其他负面的健康后果。通过监视用户的生物和/或行为指标，例如经由跟踪焦点转移和/或心率下降，实施例可识别可能打算激活适应响应的模式。实施例可进一步通知用户这种操纵可能在发生。
另外，利用从用户获得的额外生物计量指标的可能输入，更复杂的技术和/或模式可被开发(例如，由科学界和/或娱乐界开发)来试图让用户保持参与和可能上瘾。例如，一种模式，比如焦点每4秒变化，持续2分钟，然后是每30秒多巴胺释放，持续2分钟，等等，可被发现显著增大用户持续某个特定量的时间地参与的可能性。随着这种模式和/或技术变得越加复杂，用户可能不能够容易地识别何时他/她可能***纵。在一实施例中，至少部分经由对生物标记的跟踪和/或监视，比如经由从传感器输出的行为概要内容的生成，可识别已确定的和/或已知的操纵模式。实施例还可实时地(例如，基本上随着其发生)向用户通知这种模式的存在。
在实施例中，如果在已确定和/或已知的操纵性技术和/或模式的情境内发生内容(例如，游戏、电视节目、电影等等)的呈现，则可提醒用户，比如经由显示器140提醒。通过让处理器(比如BPU 200)例如至少部分经由对传感器内容的处理和/或对行为概要内容(比如行为概要内容240)的生成来检测这种操纵性技术和/或模式，用户可将注意力集中于被消耗的内容上，而无需也尝试检测操纵性技术和/或模式。例如，用户/消费者可完全参与内容并且可请求响应于对操纵性技术和/或模式的检测而被通知。用户，比如玩家，例如一般可受益于这种实施例，即使没有请求被通知检测到的操纵性技术和/或模式，这至少部分是由于内容提供者可能被鼓励(例如，经由曝光的可能性)节制对这种操纵性技术和/或模式的利用。例如，正如在菜单上包括卡路里计数可为餐馆形成节制卡路里量的激励，对操纵性技术和/或模式的识别可鼓励内容开发者节制对操纵性技术和/或模式的使用。另外，实施例可例如将操纵性模式检测包含作为家长控制***的一部分。
额外的实施例可包括机器学习装置、***和/或过程，用于通过玩家识别的越界状态来管理可能的成瘾和/或可能产生的负面后果。在一实施例中，玩家/用户可比如经由对计算装置(比如移动装置100)的输入来明确地指示出玩家已进入了“越界状态”。例如，在用户可能玩到很晚还不睡觉的情形中，或者在用户可能忘记了约会的情形中，或者在用户可能认识到已超过了需要吃饭的点的情形中，等等，用户可经由与计算装置(比如移动装置100)的用户界面的交互来明确指示出这种情形。至少部分基于用户的关于越界状态的输入，处理器，比如BPU 200，可利用机器学习和/或其他分析技术来认识和/或识别与进入越界状态相关联的行为模式。在一实施例中，计算装置，比如移动装置100，可至少部分响应于对可能诱发越界状态的模式的识别而通知用户，使得用户可采取适当的步骤(例如，停止玩特定游戏)来避免越界状态和/或不想要的后果。
另外，实施例可包括在推荐健康提示被传达给内容提供***(比如游戏***)时向用户通知推荐健康提示。例如，用户可请求响应于处理器(比如BPU 200和/或处理器110)生成要被传达给内容提供者的推荐(比如推荐330)而被提醒。例如，在推荐参数(比如参数330)可被提供给内容提供者以让内容提供者嵌入与例如脱水有关的建议性内容的情形中，也可例如独立于游戏和/或内容提供者向用户提供通知，比如经由显示器140来提供。这种指向用户的通信可帮助解决如下情形：其中，用户否则可能依赖于来自内容提供***(比如游戏***)的建议性内容来表达可改善用户健康的动作。此外，这种实施例可向用户提供对于可受用户的行为和/或生物状态的影响的游戏内定向广告的某种可见性。
另外，在一实施例中，可由生物变化来预测表现退化。例如，在计算机辅助驾驶中，人类操作者可在下午3:00和凌晨3:00保持在其特定车道内，但到凌晨3:00之前压力水平可显著增大。行为处理单元，比如BPU 200，可至少部分通过从一个或多个传感器获得的内容来检测压力的这种生物指标。在一实施例中，对生物压力指标的检测和/或表现测试内容可被结合利用来预测即将发生的危险状况和/或做出推荐和/或采取其他适当的动作。
在另一实施例中，例如由行为处理单元(比如行为处理单元200)提供的行为概要内容(比如行为概要内容240)可被利用来帮助管理用户的心理健康。例如，如上所述，在一实施例中，外部因素在生成行为概要内容和/或决策做出方面可起到作用。例如，指示一个或多个外部因素的一个或多个参数，比如外部因素参数312，可被行为概要单元(比如BPU200)获得，和/或可被决策做出装置、***和/或过程(比如机器学***(例如，减少不想要的状态和增加想要的状态)。
在一实施例中，一个或多个外部个体的存在、身份和/或状态可至少部分经由从一个或多个外部个体的个人计算装置获得一个或多个信号和/或状态来确定。在其他实施例中，行为处理单元，比如BPU 200，可被利用来确定一个或多个外部个体的存在、身份和/或状态。例如，行为处理单元，比如BPU 200，可例如至少部分通过以下方式来确定一个或多个外部个体的存在、身份和/或状态：经由语音监视(例如，对由麦克风生成的信号和/或状态的分析)，经由对用户和一个或多个特定的外部个体之间的电话呼叫的检测，通过对用户与一个或多个个体用户的社交媒体内容的交互的检测，和/或经由对用户经由与一个或多个外部个体有关的电话呼叫、社交媒体发帖、电子邮件文本和/或可听对话对一个或多个外部个体的讨论的检测和/或监视。在一实施例中，外部个体的存在、身份和/或状态可至少部分经由对个人用户与外部个体的交互的监视和/或经由对用户对外部个体的明确的和/或暗示的描述的监视来确定。在一实施例中，对个人用户与外部个体的交互的监视和/或对用户对外部个体的描述的监视例如可至少部分由行为处理单元(比如BPU 200)至少部分基于传感器内容(比如来自传感器230的内容)来执行。
微妙的模式有时存在于个体的心理/情感状态的变化和外部因素(比如对某些食物的消耗、各种社交交互、和/或与各种媒体渠道(例如，电视、无线电台和/或网站)的交互)之间。不合需要的情感状态可持续产生社会影响，这些社会影响可表现为家庭和/或学校中的暴力，以及成瘾和/或***率。实施例可使能识别可导致诸如愤怒之类的不合需要的情感状态的微妙模式，并且随后可做出推荐来预先制止个体发展到不合需要的心理状态和/或返回到更合需要的心理状态。
在一个示例中，家庭暴力和/或其他***可至少部分通过识别一种模式来避免，比如超过三个小时在特定位置(例如酒吧，指示出酒精消耗)，然后在特定餐馆吃东西(例如牛排餐厅，指示出红肉消耗)，这可与晚上后来增加的愤怒相关联。实施例例如可推荐某个人离开特定位置和/或建议个体警惕增加的愤怒。
如上所述，外部个体的状态可由行为处理单元，比如BPU 200提供。例如，由BPU200生成的行为概要内容可包括表示一个或多个特定外部个体的情感、行为和/或生物状态的一个或多个参数。在一些情形中，例如，表示外部个体的状态的内容的包含可显著改善各种实施例的实用性和/或质量。例如，没有外部个体的状态，机器学习装置、***和/或过程，比如机器学习320，可生成推荐，比如推荐330，指示出用户在星期二晚间打电话给用户的姐姐是不明智的，因为在该时间期间打电话给她负面地影响了用户的心理状态。一般而言，在此示例中，用户的姐姐在星期二一般有重要会议，并且在星期二晚间她是紧张并且易怒的，对于用户导致增加的愤怒。然而，对于此示例，当星期二会议被取消时，用户的姐姐可能不是紧张和/或易怒的。通过例如利用表示外部个体的心理和/或情感状态的内容作为输入，机器学习装置、***和/或过程，比如机器学习320，可生成关于重新考虑给用户的姐姐的电话呼叫的改善的推荐，比如推荐330。例如，因为机器学习320被提供了指示出用户的姐姐当前不紧张和/或没有显示出愤怒迹象的输入，机器学习可比如经由推荐参数330推荐用户着手发出该电话呼叫。另外，例如，关于向用户的姐姐发出电话呼叫的警告可为姐姐实际表现出紧张和/或愤怒的情形保留。当然，这只是外部个体的状态可如何被检测和/或利用的一个示例，而要求保护的主题的范围在这些方面不受限制。
此外，实施例可包括在个体的群组之间共享行为概要内容(比如行为概要内容240)和/或推荐(比如推荐330)。例如，个体群组的个体成员可具有个人计算装置，比如移动装置100，其例如可包含传感器，比如传感器150、相机160和/或麦克风170，并且其也可包含行为处理单元，比如BPU 200。在一实施例中，可在群组内共享群组的个体成员的行为概要内容，比如行为概要内容240，和/或推荐，比如推荐330。特定个体的行为概要内容(比如行为概要内容240)和/或推荐(比如推荐330)可被发送，例如经由蜂窝网络、无线局域网和/或各种各样的其他有线和/或无线通信技术的任何一者中的信号封包，被发送到群组的一个或多个其他成员的个人计算装置。例如，朋友和/或家庭可例如为了协同健康管理而经由其各自的个人计算装置(例如，移动装置100)链接起来，使得其各自的状态向量(例如，行为概要内容240和/或推荐330)可被用作输入来被行为处理单元(比如BPU 200)利用，和/或被决策做出装置、***和/或过程(比如决策做出***250)利用，和/或被机器学习装置、***和/或过程(比如机器学习320)利用。
通过至少部分在个体群组的个体之间共享行为概要内容和/或推荐，群组的特定个体之间的更复杂模式和/或交互可被监视和/或跟踪，从而改善建议和/或推荐(比如推荐330)的质量。例如，如果两个家长和孩子被链接起来，则实施例可识别出不是孩子的任何模式导致了孩子进入不合需要的心理状态，而是与家长中的一者或两者相关联的模式导致的。可在各种个体群组之间(比如家庭内)共享行为概要内容和/或推荐的实施例可例如被利用来避免和/或警告暴力和/或***，比如家庭暴力和/或***。
例如，用户和用户的重要他人(例如，配偶、家庭伴侣、男友、女友，等等)可每人具有各自的个人计算装置，比如移动装置100。在一实施例中，用户的个人计算装置和重要他人的个人计算装置可至少部分在两个装置之间共享行为概要内容和/或推荐。也就是说，两个个人计算装置可以是“链接”的。在一实施例中，用户的个人计算装置，比如移动装置100，可比如经由通过显示器140呈现给用户的视觉内容和/或经由音频输出来推荐改变位置以避免潜在家庭***的情形。在一实施例中，这种推荐可至少部分基于从重要他人的个人计算装置获得的行为概要内容(比如行为概要内容240)和/或推荐(比如推荐330)。
在另一实施例中，例如由行为处理单元(比如行为处理单元200)提供的行为概要内容(比如行为概要内容240)可被利用来帮助管理用户的身体和/或心理健康。例如，在一实施例中，与眼睛运动有关的行为概要内容与GABA和谷氨酸神经递质的平衡之间的关系可被跟踪、评估和/或学***衡GABA(一种镇静神经递质)与谷氨酸(一种兴奋性神经递质)。然而，在一些情形中，GABA和谷氨酸之间的平衡例如可不被立即地和/或完美地执行。例如，诸如GAD1之类的基因突变、诸如维他命B6之类的辅助因子可用性或者由于发育中大脑中的过量谷氨酸引起的增加数目的谷氨酸受体部位可不利地影响GABA/谷氨酸平衡。举几个例子，在学习语言处理、睡眠和/或情绪中可涉及谷氨酸。
在一些情形中，谷氨酸可例如被某些加工食物所操纵，并且可能不被测量和/或标示。谷氨酸的过量例如可导致，这可不利地影响儿童，因为大脑在发育。为了帮助解决这个问题，可限制膳食并且可推荐一般GABA补充。然而，频繁的实验室测试可能是成本高昂的。另外，因为GABA/谷氨酸平衡可相对频繁和/或连续地变化，因此可能是无法充分地频繁地执行实验室测试来跟踪这种变化的。例如，自闭症儿童的家长，在家长可能够认识到诸如喊叫、咬人、自我伤害等等之类的比较夸张的行为的情形中可求助于行为监视。可更容易、高效和/或非侵入性地认识到GABA/谷氨酸失衡的实施例例如可被有利地利用来解决与GABA/谷氨酸失衡有关的问题。另外，例如，实施例可支持在诸如喊叫、咬人、自我伤害等等之类的行为变得明显之前认识到GABA/谷氨酸失衡。
在一实施例中，机器学***衡的变化，所述指示眼睛运动的行为概要内容包括指示眨眼持续时间、眼睛飞快运动、眨眼率、聚焦能力、瞳孔扩张等等的参数。在一实施例中，相机可近似连续地跟踪特定用户的眼睛行为。与对于GABA补充的需要和/或GABA补充的效果有关的内容也可被跟踪。在一实施例中，装置、***和/或过程可比如经由机器学***衡的变化。另外，在一实施例中，可比如经由机器学***衡变化来为特定用户生成关于GABA补充的推荐。实施例可例如帮助确保可在健康和/或社交能力上产生改善的有益GABA/谷氨酸平衡，比如对于处于关键发展阶段的自闭症儿童。另外，实施例例如可被有利地利用于儿童、学生、具有睡眠障碍的那些人和/或具有焦虑症的那些人。
在另一实施例中，行为概要内容(比如与眼睛运动相关联的行为概要内容)和5-甲基四氢叶酸(5-MTHF)的生物利用度水平之间的关系可比如经由机器学***衡，等等)中。大约9-11％的一般人群，和大约98％的自闭症人群，可具有影响一种形式的叶酸到另一种形式的转换的基因突变。至少部分由于5-MTHF的亚最优水平的相对更高的后果，容易和/或高效地识别生物可利用5-MTHF中的变化可能是有益的。
在一实施例中，机器学习，比如机器学习320，可通过监视眼睛运动中的行为指标来基本上实时地(即，几乎随着其发生)识别生物可利用的5-MTHF中的变化。例如，可跟踪特定用户的例如与眼睛飞快运动、眨眼率、聚焦能力和/或瞳孔扩张有关的行为概要参数。也可跟踪与对于5-MTHF补充的需要和/或5-MTHF补充的效果有关的内容。在一实施例中，装置、***和/或过程可比如经由机器学习技术来学习，以至少部分基于眼睛运动参数和/或至少部分基于与对5-MTHF补充的需要和/或5-MTHF补充的效果有关的内容(比如科学出版物内容315)来识别5-MTHF生物利用度的变化。
另外，在一实施例中，可比如经由机器学习320至少部分基于所识别的5-MTHF生物利用度变化来为特定用户生成关于5-MTHF补充的推荐。在实施例中，可在个体感知到变化已发生之前识别5-MTHF的生物利用度的变化，从而帮助减少负面后果。在一实施例中，所识别的5-MTHF的生物利用度的变化和/或对于5-MTHF的补充的推荐可被传达给特定用户的照看者。这例如在如下情形中可能是有利的：受影响的个体可能不能够传达或理解该变化，比如在自闭症的情况下可能是这种情形。另外，实施例可帮助至少部分解决连续实验室测试的不可行性，和/或可帮助自闭症儿童的家长例如预先避免相对更高后果的行为(例如，喊叫、咬人、自我伤害，等等)。自闭症儿童的家长例如可执行行为监视，但可倾向于注意到相对更极端的行为。实施例可允许可在更有后果的行为显现之前发生的诸如眼睛运动、语音特性等等之类的更微妙行为的关联。另外，实施例可提供对于对补充的需要的早期识别。
在额外的实施例中，机器学习，比如机器学习320，可通过监视与语音和/或话音有关的行为概要参数来基本上实时地识别生物可利用5-MTHF的变化。例如，可跟踪特定用户的例如与语音音调、情绪分析、音量、频率、音高、音色等等有关的行为概要参数。在一实施例中，例如可利用麦克风来近乎连续地跟踪与语音和/或话音有关的行为概要参数。在一实施例中，用户可被提供以给定的段落来大声阅读和/或可被提供以主观性问题来回答，比如“你今天过得怎么样？”。从以这种方式阅读和/或回答的用户收集的语音内容可至少部分被利用来跟踪语音和/或话音参数和/或识别5-MTHF生物利用度的变化。在另一实施例中，可经由基本上始终开启的麦克风来监视语音特性。这种替换方式对于不愿意和/或不能够以明确方式口头交互的个体(比如在自闭症的情况下可能是这种情形)可具有特别的价值。
如上所述，也可跟踪与对于5-MTHF补充的需要和/或5-MTHF补充的效果有关的内容。在一实施例中，装置、***和/或过程可比如经由机器学习技术来学习，以至少部分基于语音和/或话音相关参数和/或至少部分基于与对5-MTHF补充的需要和/或5-MTHF补充的效果有关的内容(比如科学出版物内容315)来识别5-MTHF生物利用度的变化。另外，如上所述，可比如经由机器学习320至少部分基于所识别的5-MTHF生物利用度变化来为特定用户生成关于5-MTHF补充的推荐。
在另一实施例中，机器学***的信息可能是难以获得的。食品标签例如可记载“调味品”、“香料”和/或“天然香辛料”，而没有关于谷氨酸的实际测量。另外，如上所述，至少部分与过量谷氨酸水平有关的可能不利后果例如可包括睡眠障碍、焦虑和/或无法专注，并且在发育中大脑中可具有相对更高的不利后果(例如，谷氨酸受体部位的数目的增加)。
在一实施例中，行为处理单元，比如BPU 200，和/或机器学***衡可能***纵的位置。指示出谷氨酸/GABA平衡可能***纵的位置的内容可被传达给个体，从而允许个体和/或照看者避免这种位置。以这种方式避免过度兴奋对于具有焦虑症的那些人可能是有帮助的。谷氨酸/GABA平衡对于尝试学***衡的变化，并且可跟踪指示出平衡变化发生的位置的参数。在一实施例中，至少部分响应于为特定个体识别出谷氨酸/GABA平衡的变化，该特定个体的位置可被确定并且指示该位置的参数可被存储在数据库中。在一段时间中，可发展出谷氨酸/GABA平衡内容和关联的位置内容的数据库。来自谷氨酸/GABA和/或位置数据库的内容可至少部分被利用来识别谷氨酸/GABA失衡最有可能发生的特定位置。例如，在一实施例中，可识别特定的餐馆，从而允许用户和/或照看者避开这种位置。实施例可提供一种用于识别谷氨酸操纵的相对高效和/或非侵入性的技术。
为了收集与谷氨酸/GABA平衡变化相关联的位置内容，个体可佩戴可跟踪位置和/或在某个位置花费的时间的手镯和/或其他可穿戴装置。在一实施例中，可穿戴装置例如可包括GPS接收器和/或地面无线网络发送器。另外，在一实施例中，机器学习装置、***和/或过程，比如机器学习320，可至少部分经由用户，比如家长和/或照看者，例如提供指示特定用户的过度兴奋(例如，无法专注)的证据的输入，比如用户输入311，来被训练。在一实施例中，与相对更高谷氨酸状态有关的模式和/或其可能的来源(例如，位置)可至少部分经由机器学习装置、***和/或过程(比如机器学习320)来学习。例如，在足球教练可在足球练习中提供相对更高谷氨酸的运动饮料的情形中，可为家长识别否则难以识别的谷氨酸来源。在另一实施例中，取代用户提供的识别特定行为状态的内容和/或除了用户提供的识别特定行为状态的内容以外，眼睛行为可被跟踪来至少部分识别相对更高谷氨酸状态。
另外，在一实施例中，可为一个或多个用户在一段时间中收集和/或存储从可穿戴传感器、来自移动装置的传感器和/或其他传感器获得的内容以至少部分识别可与抑郁症状相关联的行为模式。在一实施例中，可穿戴装置、电话和/或其他装置可包括行为处理单元，比如BPU 200，和/或可包括一个或多个用于机器学习的装置、***和/或过程，比如320，来生成和/或分析行为概要内容和/或生成位置内容。
实施例也可包括用于机器学***衡(例如，***、***、孕激素等等)的变化。科学出版物已例如识别出了激素水平与大脑功能之间的关联，以及激素水平与执行涉及精细运动技能的任务的能力之间的关联。在一实施例中，可通过环境声音监视，比如经由可能基本上和/或显著意义上来说始终开启的麦克风，来识别指示激素失衡的轻微损伤的模式。在一实施例中，麦克风可例如由移动装置提供。指示激素失衡的损伤在个体上可能是相对较低后果的，并且因此对于个体而言孤立地做出推断和/或结论可能是困难的。然而，这种损伤，比如可至少部分经由麦克风传感器内容来识别的，例如可作为一个群组被识别来归因于激素失衡。例如，与每晚做晚饭有关的声音可随着激素平衡而变化。与激素失衡相关联的声音例如包括对于笨拙的指示、古怪的动作、掉落东西、在烹饪时的轻度烧伤，等等。
在一实施例中，麦克风可至少部分被利用来基本上连续地跟踪与特定用户相关联的环境声音。还可跟踪与对于补充的需要和/或补充的效果有关的内容，比如从科学期刊获得的参数315。在一实施例中，装置、***和/或过程可比如经由机器学***衡的变化来向用户推荐一个或多个特定物质的补充。
图4是用于处理表示行为概要内容的信号和/或状态的示例装置、***和/或过程的实施例400的图示。在一实施例中，机器学习和/或人工智能和/或其他技术，比如机器学习440，可检测“静默喜爱”，和/或可生成指示静默喜爱的一个或多个参数，比如静默喜爱参数450。如上所述，静默喜爱指的是对于对特定用户(比如用户410)消耗的内容的认可、欣赏等等的至少部分非明确的指示。例如，一个或多个传感器可检测特定用户的一个或多个行为和/或生物方面(例如，点头、指示多巴胺释放的瞳孔扩张等等)，这些方面可被理解为指示出对被该特定用户消耗的内容的认可、欣赏等等。可指示出喜爱当前消耗的数字内容的特定用户的其他生物和/或行为方面例如可包括——作为非限制性示例——头部运动、语音音量、心率、呼吸、汗液、血压、眼睛运动、眨眼率、瞳孔扩张，等等。在一实施例中，基本上理解的关系，比如多巴胺释放和/或瞳孔扩张，和/或相对新近的和/或基本上当前确定的和/或学习的关系可至少部分被利用来确定静默喜爱。
在一实施例中，机器学***。检测“静默喜爱”的示例益处可包括从用户获得“喜爱”，而不要求可能中断沉浸式体验的明确用户输入。如果没有检测静默喜爱的能力，那么或者将会需要从用户获得明确的喜爱，或者根本不会获得来自用户的这种指示。当然，主题的范围不限于这些特定示例。
另外，在一实施例中，指示已确定和/或基本上已知的关系的参数，比如检测到关系参数430，可包括指示行为概要内容和/或用户状态之间的关系的参数和/或可包括指示科学上确定的关系的参数。在一实施例中，可从传感器输出搜集的内容与用户的行为和/或生物状态之间的关系可至少部分基于表示一个或多个科学出版物的参数，比如科学出版物参数432，来确定。在一实施例中，可跨多个用户确定表示其他关系的参数，比如参数434。
为了训练机器学习装置、***和/或过程，比如装置、***和/或过程440，可从一个或多个用户(比如特定用户410)获得指示明确的“喜爱”和/或“不喜爱”的参数，比如参数412和/或414，和/或还可获得内容消耗参数，比如消耗参数415。机器学习装置、***和/或过程，比如机器学习装置、***和/或过程440，可将指示所获得的明确“喜爱”和/或“不喜爱”的参数与行为概要内容(比如行为概要内容420)中的变化关联起来，以训练一个或多个机器学习参数。在一实施例中，一个或多个用户可例如通过对网页的特定元素的适当选择，比如经由点击，来提供明确的喜爱和/或不喜爱。
在一示例实施例中，数字内容提供者，比如数字音频内容提供者Pandora和/或Spotify，例如可至少部分基于从处理器(比如行为处理单元200)获得的行为概要内容(比如行为概要内容420)来选择和/或演变内容来呈现给特定用户(比如用户410)，而不是使这种确定基于从用户获得的明确的和/或有限的“喜爱”或“不喜爱”输入和/或除了这样以外。例如，在一实施例中，数字音频内容提供者可至少部分基于指示静默喜爱的参数(比如450)来为特定用户修改播放列表和/或流媒体音频内容。
虽然以上描述的一些实施例例如联系特定用户对内容的消耗来论述了静默喜爱，但主题的范围在这个方面不受限制。例如，生理唤醒对于具有自闭症和/或注意力缺陷、多动症(ADHD)的儿童的职业治疗可发挥作用。装置、***和/或过程的实施例，比如本文描述的那些，例如可检测儿童的皮肤电活动的变化，例如至少部分通过从可测量运动和/或一个或多个生物方面的可穿戴传感器获得信号和/或状态。
图5是包括处理器(比如行为处理单元520)的***在计算装置中处理表示行为内容的信号和/或状态的实施例500的图示。在一实施例中，为了为特定用户，比如用户510，生成行为概要内容，比如行为概要内容521，处理器，比如行为处理单元520，可从一个或多个传感器(比如传感器540中的一个或多个)获得表示内容的信号和/或状态。另外，在一实施例中，处理器，比如行为处理单元520，可处理传感器内容，比如来自传感器540中的一个或多个的内容，来为特定用户生成行为概要内容，比如行为概要内容521。在一实施例中，处理器，比如行为处理单元520，可包括行为内容处理电路。例如，处理器，比如行为处理单元520，在一实施例中可包括传感器内容处理电路，比如电路522，和/或可包括机器学习电路，比如电路524和/或526。
在一实施例中，处理器，比如行为处理单元520，可提供电路来至少部分为特定用户，比如用户510，生成行为概要内容，比如行为概要内容521，以被利用于各种各样的可能应用和/或目的的任何一者。例如，处理器，比如行为处理单元520，可生成行为概要内容，比如行为概要内容521，来至少部分确定“静默喜爱”，比如可与特定用户对数字媒体的消耗有关的。在一实施例中，行为概要内容，比如行为概要内容521，可包括指示静默喜爱的一个或多个参数，比如一个或多个静默喜爱参数530。当然，这只是由处理器(比如行为处理单元520)生成的行为概要内容(比如行为概要内容521)可如何被利用的一个示例，而主题的范围在这些方面不受限制。
在一实施例中，一个或多个传感器，比如传感器540，可提供表示特定操作者的生物和/或行为状态的各种方面，和/或表示一个或多个环境因素和/或其他外部因素的内容。在一实施例中，如前所述，传感器540可包括一个或多个传感器类型的一个或多个传感器。另外，在一实施例中，处理器，比如行为处理单元520，可包括电路，比如电路522，来处理从一个或多个传感器(比如传感器540)获得的内容。在一实施例中，从传感器(比如传感器540)获得的内容可包括数字信号和/或状态、模拟信号和/或状态或者这些的任何组合。例如，电路522可包括数字电路、模拟电路或者其组合。在一实施例中，传感器内容处理电路，比如电路522，可将一个或多个模拟信号转换成数字信号，虽然主题的范围在这个方面不受限制。在一实施例中，电路，比如电路522，可处理来自一个或多个传感器(比如传感器540)的信号和/或状态，以组合、协调、正规化、放大、过滤和/或以其他方式调节来自一个或多个传感器(比如传感器540)的信号和/或状态，虽然主题的范围在这些方面不受限制。
另外，在一实施例中，处理器，比如行为处理单元520，可包括用于确定和/或选择加权参数和/或用于确定和/或选择特定的机器学习装置、***和/或过程的电路。例如，电路524例如可确定和/或选择一个或多个特定的机器学习技术，比如一个或多个特定的神经网络和/或包括一个或多个加权参数，来用于机器学习操作中。在一实施例中，对加权参数和/或机器学习操作(包括一个或多个神经网络)的确定和/或选择例如可至少部分基于识别被特定用户(比如用户510)消耗的内容的一个或多个方面(例如，标题、流派、内容类型，比如音乐、交互式游戏、视频等等)的内容，比如参数515。在一实施例中，指示被一个或多个特定用户(比如用户510)消耗的内容的一个或多个方面的参数(比如参数515)可由一个或多个内容提供者(比如内容提供者505)提供。在一实施例中，内容提供者，比如内容提供者505，可例如包括数字视频内容提供者、数字音频内容提供者、视频游戏内容提供者、虚拟现实内容提供者等等，虽然主题的范围在这些方面不受限制。
在一实施例中，机器学***或者这些的任何组合的多个参数。在一实施例中，处理器，比如行为处理单元520，可反复地和/或基本上周期性地获得传感器内容和/或反复地和/或基本上周期性地为特定用户(比如用户510)生成行为概要内容，比如行为概要内容521。
在一实施例中，处理器，比如行为处理单元520，可例如在离线训练操作期间为各种传感器组合和/或为由一个或多个内容提供者(比如内容提供者505)提供的特定参数(比如参数515)确定适当的权重。在另一实施例中，在在线操作期间，例如，一组输入可被记录和/或在后来被用作训练参数。例如，用户，比如用户510，可为由一个或多个内容提供者(比如内容提供者505)提供和/或建议的特定内容提供明确的喜爱和/或不喜爱，比如可表示为参数513。另外，在一实施例中，已确定和/或基本上已知的关系(比如由参数550表示)可包括行为概要内容和/或用户状态之间的关系和/或可包括科学上确定的关系。例如，指示可从传感器输出搜集的内容与用户的行为和/或生物状态之间的关系的参数(比如参数552)可至少部分经由一个或多个科学出版物来确定。在一实施例中，可例如跨多个用户和/或跨群体确定表示其他关系的参数，比如参数554。
虽然实施例500被描述为例如检测静默喜爱，但要求保护的主题的范围在这个方面不受限制。例如，BPU 520可被利用来为各种各样的应用(比如本文描述的示例应用)的任何一者生成行为概要内容和/或执行决策做出和/或做出推荐。
图6是包括处理器(比如行为处理单元620)的***在计算装置中处理表示行为内容的信号和/或状态的实施例600的图示。在一实施例中，为了为特定用户，比如用户610，生成行为概要内容，比如行为概要内容621，处理器，比如行为处理单元620，可从一个或多个传感器(比如传感器640中的一个或多个)获得表示内容的信号和/或状态。另外，在一实施例中，处理器，比如行为处理单元620，可处理传感器内容，比如来自传感器640中的一个或多个的内容，来为特定用户生成行为概要内容，比如行为概要内容621。在一实施例中，处理器，比如行为处理单元620，可包括行为内容处理电路。例如，处理器，比如行为处理单元620，在一实施例中可包括传感器内容处理电路，比如电路622，和/或可包括机器学习电路，比如电路624和/或626。在一实施例中，处理器，比如BPU 620，还可从传感器(比如传感器640)获得内容，来跟踪一个或多个环境方面(例如，环境声音、温度、气压、高度、位置、等等)。
在一实施例中，处理器，比如行为处理单元620，可提供电路来至少部分为特定用户，比如用户610，生成行为概要内容，比如行为概要内容621，以被利用于各种各样的可能应用和/或目的的任何一者。例如，处理器，比如行为处理单元620，可生成行为概要内容，比如行为概要内容621，来例如至少部分识别人类身体内的特定物质的失衡。在一实施例中，行为概要内容，比如行为概要内容621，可包括指示眼睛运动、语音和/或话音方面、环境声音等等的一个或多个参数。当然，主题的范围在这些方面不受限制。
在一实施例中，处理器，比如行为处理单元620，可包括用于确定和/或选择加权参数和/或用于确定和/或选择特定的机器学习装置、***和/或过程的电路。例如，电路624例如可确定和/或选择一个或多个特定的机器学习技术，比如一个或多个特定的神经网络和/或包括一个或多个加权参数，来用于机器学习操作中。在一实施例中，对加权参数和/或机器学习操作(包括一个或多个神经网络)的确定和/或选择例如可至少部分基于识别被特定用户(比如用户610)消耗的物质的一个或多个方面的内容，比如参数643。
在一实施例中，机器学***或者这些的任何组合的多个参数。在一实施例中，处理器，比如行为处理单元620，可反复地和/或基本上周期性地获得传感器内容和/或反复地和/或基本上周期性地为特定用户(比如用户610)生成行为概要内容，比如行为概要内容621。另外，如上所述，行为概要内容，比如行为概要内容621，可包括指示语音语调、语音情绪、音量、频率、音高、音色等等的一个或多个参数。另外，如上文也提及的，行为概要内容，比如行为概要内容621，可包括表示眼睛飞快运动、眨眼率、聚焦能力和/或瞳孔扩张的一个或多个参数，这些只是举了几个额外的非限制性示例。
在一实施例中，处理器，比如行为处理单元620，可例如在离线训练操作期间为各种传感器组合和/或为由一个或多个内容提供者提供的特定参数确定适当权重。在另一实施例中，在在线操作期间，例如，一组输入可被记录和/或在后来被用作训练参数。例如，用户，比如用户610，例如可明确地提供与特定物质的补充和/或消耗有关的输入和/或可提供与指示特定个体的过度兴奋和/或指示其他观察到的行为的行为有关的输入。另外，在一实施例中，已确定和/或基本上已知的关系(比如由参数650表示)可包括行为概要内容和/或用户状态之间的关系和/或可包括科学上确定的关系。例如，指示可从传感器输出搜集的内容与用户的行为和/或生物状态之间的关系的参数(比如参数652)可至少部分经由一个或多个科学出版物来确定。在一实施例中，可例如跨多个用户和/或跨群体确定表示其他关系的参数，比如参数654。
图7是描绘出用于在计算装置中处理内容(比如从传感器730获得的内容)来生成表示行为内容的信号和/或状态的示例装置(比如行为处理单元)的实施例700的示意性框图。在一实施例中，处理器，比如行为处理单元700，可处理数字信号和/或状态或者模拟信号和/或状态，或者其组合(例如，混合信号)。各种各样的数字和/或模拟电路类型的任何一者可被利用来处理数字、模拟和/或混合信号信号和/或状态，如下文更充分说明的。在一实施例中，处理器(比如行为处理单元700)的一个或多个方面可被实现为在模拟域中操作，而一个或多个其他方面可被实现为在数字域中操作。在其他实施例中，处理器，比如行为处理单元700，可被实现为基本上完全在数字域和/或模拟域中操作。
在一实施例中，处理器，比如行为处理单元700，一般可基本上连续地从传感器(比如一个或多个传感器730)获得内容，和/或可基本上连续地生成输出信号和/或状态，比如行为概要内容725。生成的输出信号和/或状态，比如行为概要内容725，可例如被提供给一个或多个决策做出***，比如决策做出***740。
在一实施例中，传感器参数处理阶段，比如传感器参数处理阶段701，可从一个或多个传感器(比如传感器730)获得信号和/或状态(例如，数字、模拟和/或混合信号)。在一实施例中，传感器参数处理阶段，比如传感器参数处理阶段701，可例如至少部分通过组合内容、调节定时、执行噪声降低和/或其他信号降低操作，正规化内容或者这些的任何组合来处理来自一个或多个传感器的信号和/或状态。然而，要求保护的主题的范围在这个方面不受限制。
另外，在一实施例中，传感器内容操控电路，比如传感器内容操控电路717，可将从传感器(比如从传感器730)获得的信号和/或状态指引到一个或多个传感器处理单元，比如传感器处理单元(sensor processing unit，SPU)705中的一个或多个。在一实施例中，传感器处理单元，比如SPU 705，可经由一个或多个控制信号(比如在控制单元(比如控制单元703)和传感器处理单元(比如SPU 705)之间传达的控制信号)被配置。传感器处理单元，比如SPU 705，可以使传感器内容做好准备，比如使从一个或多个传感器(比如传感器730)获得的信号和/或状态做好准备，来供例如机器学习处理阶段(比如机器学习处理阶段702)进一步处理。在一实施例中，传感器内容操控电路，比如传感器内容操控电路717，可例如至少部分基于从控制单元(比如控制单元703)和/或从存储器(比如存储器712)获得的一个或多个控制信号来指引内容。
在一实施例中，传感器处理阶段，比如传感器处理阶段701，可包括一个或多个传感器处理单元，比如传感器处理单元705，这些传感器处理单元可被配置为单独操作或者按一个或多个各种组合来操作。传感器处理单元，比如SPU 705，可单独地和/或合作地执行可以指定和/或实现的多种操作的任何一者。这种操作可例如包括组合信号和/或状态，调节信号和/或状态的定时，执行噪声降低和/或其他信号降低操作，和/或正规化内容，这只是列出几个示例。
一个或多个传感器处理单元，比如SPU 705，可被实现为在模拟域中操作和/或一个或多个单元可被实现为在数字域中操作。在一实施例中，传感器，比如传感器730，可提供包括模拟信号和/或包括数字内容(例如，信号和/或状态)的信号和/或状态。另外，在一实施例中，由一个或多个传感器(比如730)获得的一个或多个模拟信号可利用模拟到数字转换电路被转换成数字内容。在其他实施例中，从传感器(比如传感器730)获得的模拟信号例如可被维持为模拟信号来供一个或多个传感器处理单元(比如SPU 705)处理。另外，在一实施例中，个体传感器处理单元，比如SPU 705，可至少部分基于要被特定SPU执行的特定任务和/或至少部分基于要从传感器(比如传感器730)获得的特定信号类型而被模拟和/或数字地实现。在一实施例中，从相对更简单到相对更复杂不等的多种滤波器、信号放大器和/或信号衰减电路中的一个或多个例如可被一个或多个特定传感器处理单元(比如SPU 705)执行。传感器处理单元操作，比如本文提及的示例操作，在联系一个或多个机器学习单元的行为概要内容生成的更大情境中具有特别的相关性。例如，传感器处理单元操作可以在考虑到行为概要内容生成的最终目标的情况下执行。
在一实施例中，特定的传感器处理单元，比如SPU 705，可例如包括被实现为在模拟域中操作的噪声降低、滤波、衰减、组合、放大电路、等等。模拟电路可例如包括一个或多个运算放大器、晶体管、电容器、电阻器，等等，虽然要求保护的主题的范围在这个方面不受限制。电路，比如噪声降低、滤波、衰减、组合、放大电路等等，例如也可实现在数字域中，或者实现在模拟和/或数字的组合中。又例如，特定的传感器处理单元，比如特定的SPU 705，可实现在模拟和/或数字中来组合信号和/或状态。在一实施例中，组合信号和/或状态的单元可在模拟域中或数字域中或者其组合中实现。在一实施例中，模拟滞后“赢家通吃”电路例如可至少部分实现来改善噪声鲁棒性和/或至少部分减轻传感器输入流之间的定时差异。当然，主题的范围在这些方面不受限制。另外，噪声降低、滤波、衰减、组合、和/或放大只是可被一个或多个传感器处理单元(比如SPU 705)执行的示例任务，并且同样地，要求保护的主题的范围在这些方面不受限制。
另外，在一实施例中，传感器处理单元，比如SPU 705，可被实现来生成可展现出某个范围的近似、不精确和/或不可复制性的输出。在一实施例中，机器学习单元，比如ML706，可帮助减轻否则可由于传感器处理单元(比如SPU 705)可能展现的近似、不精确和/或不可复制性而发生的后果。就本文利用的而言，传感器处理单元(比如SPU 705)的上下文中的“可复制”指的是对于输入的给定重复集合生成相同输出的能力。这个上下文中的“不可复制性”指的是一个或多个传感器处理单元(比如SPU 705)对于输入的给定重复集合不一定生成相同输出。也就是说，在一实施例中，一个或多个传感器处理单元，比如SPU 705，可按对于相似的输入集合不保证相似输出的方式来实现。
在一实施例中，内容操控电路，比如内容操控电路718，可将由一个或多个传感器处理单元(比如SPU 705)生成的内容(比如信号和/或状态)指引到机器学习阶段(比如机器学习阶段702)。由一个或多个传感器处理单元(比如SPU 705)生成的内容(比如信号和/或状态721)例如也可被至少临时地存储在存储器(比如存储器716)中。在一实施例中，存储器716例如可包括缓冲器，比如先进先出缓冲器，虽然要求保护的主题的范围在这个方面不受限制。在一实施例中，内容操控电路，比如内容操控电路718，可例如至少部分基于从控制单元(比如控制单元703)和/或从存储器(比如存储器712)获得的一个或多个控制信号来指引内容。
机器学习阶段，比如机器学习阶段702，可包括内容操控电路，比如内容操控电路708，其例如可将从传感器处理阶段(比如传感器处理阶段701)获得的内容(比如信号和/或状态721)，指引到一个或多个机器学习单元(ML)，比如机器学习单元706。在一实施例中，内容操控电路，比如内容操控电路708，可至少部分基于从控制单元(比如控制单元703)和/或从存储器(比如存储器713)获得的一个或多个控制信号来指引内容，比如信号和/或状态721。
在一实施例中，机器学习单元，比如机器学习单元706，可经由一个或多个控制信号(比如在控制单元(比如控制单元703)和机器学习单元(比如机器学习单元706)之间传达的控制信号)被配置。在一实施例中，一个或多个机器学习单元，比如机器学习单元706，可被配置为单独地操作或者与一个或多个其他机器学习单元按一种组合操作。在一实施例中，个体机器学习单元，比如机器学习单元706，可实现特定的机器学习技术。另外，一个或多个机器学习单元，比如机器学习单元706，可被实现为在模拟域中或者数字域中或者其组合中操作。例如，在模拟域中操作的机器学习单元可包括电压和/或电流求和电路来对若干个信号和/或状态求和，和/或可包括可向个体信号和/或状态应用加权因子的装置，比如可变阻抗装置。当然，要求保护的主题的范围在这些方面不受限制。
内容操控/选择电路，比如内容操控/选择电路707，在一实施例中可选择和/或组合由一个或多个机器学习单元(比如机器学习单元706)生成的内容。另外，内容操控/选择电路，比如内容操控/选择电路707，可将输出，比如表示行为概要内容725的信号和/或状态，指引到决策做出***，比如决策做出***740。在一实施例中，控制单元，比如控制单元703，可获得由机器学习单元(比如机器学习单元706)生成的输出的至少一部分。
在一实施例中，控制单元，比如控制单元703，可配置和/或控制行为处理单元700的一个或多个方面。在一实施例中，控制单元，比如控制单元703，可从多种来源获得输入和/或可至少部分基于所获得的输入来控制行为处理单元700的各种方面。在一实施例中，控制单元输入可从行为处理单元700本身内的单元获得和/或从一个或多个其他来源获得。例如，控制单元703可获得用户参数715(例如，用户ID或描述特定用户的其他参数)。在一实施例中，用户参数，比如参数715，可以是从一个或多个外部来源获得的和/或可以是从行为处理单元700内的一个或多个存储器获得的。例如，一个或多个特定用户的用户参数可被存储在存储器(比如存储器704)中。行为处理单元700的各种方面可至少部分基于可按个体用户存储在存储器(比如存储器704)中的参数来被配置和/或重配置。例如，控制单元，比如控制单元703，可与存储器(比如存储器704)通信，以从存储器704获得特定用户的配置内容，和/或可至少部分基于所获得的配置内容来配置行为处理单元700。另外，在一实施例中，控制单元，比如控制单元703，可从决策做出***，比如决策做出***740，或者从一个或多个外部来源，比如外部***750，获得内容。
虽然示例行为处理单元700被描绘为具有特定的存储器装置，比如存储器704、712、713和/或716，但其他实施例可包括分布在处理单元的各种区域中的存储器元件。例如，存储器元件可被包括在一个或多个传感器处理单元705中和/或一个或多个机器学习单元706中。此外，存储器，比如存储器704，可被实现为可允许各种大小和/或存储器访问速度的存储器装置和/或技术的层次体系。另外，存储器，比如存储器704，例如可存储机器学习加权参数和/或其他机器学习参数，和/或也可存储控制信号。
在一实施例中，控制单元，比如控制单元703，可至少部分基于由控制单元获得的输入来生成一个或多个输出信号和/或状态，比如一个或多个控制信号。控制信号输出生成可以是一个或多个输入的函数，该一个或多个输入可包括例如用户识别参数，内容类型参数，情境参数，任务参数，传感器可用性参数，或者行为概要内容指定参数，或者这些的任何组合。当然，这些只是可被控制单元(比如控制单元703)获得的输入的示例类型，而要求保护的主题的范围不限于这些特定示例。
如上所述，控制单元，比如控制单元703，可获得可包括用户识别内容和/或描述特定用户的其他参数的用户参数715。另外，在一实施例中，控制单元，比如控制单元703，例如可获得描述正被用户消耗的内容(例如，音乐、电影、游戏、数字书等等)的参数，描述正被用户执行的任务的参数，或者描述情境和/或环境的参数，或者这些的任何组合。在一实施例中，情境和/或环境参数711可以是由外部***(比如外部***750)提供的和/或是从外部***获得的。另外，在一实施例中，内容和/或任务参数710可以是由决策做出***(比如决策做出***740)提供的和/或是从决策做出***获得的。例如，描述内容类型的参数可指示出用户在听音乐和/或以其他方式消耗音乐，而不是在参与交互式游戏。另外，例如，描述用户/操作者和/或任务的参数可指示出正被执行的任务的类型(例如，飞行、驾驶、做手术等等)，和/或可指示出特定的用户/操作者。另外，例如，描述情境和/或环境的参数可指示出特定的情景(例如，位置、时段、日期，等等)，其他个体的存在，或者其他情境信息，或者这些的任何组合。
控制单元，比如控制单元703，例如也可获得可指示传感器可用性的参数，比如参数714。此外，控制单元，比如控制单元703，可例如获得参数，比如参数719，该参数可指示出要被机器学习阶段702例如相对优先地生成的行为概要内容(比如行为概要内容725)的一个或多个特定参数和/或参数类型。另外，表示要被机器学习阶段702生成的行为概要内容725的一个或多个方面的一个或多个参数720可被提供给控制单元(比如控制单元703)和/或被控制单元获得。例如，在一实施例中，参数720可包括对控制单元703的反馈，该反馈可影响行为处理单元操作。
如上所述，控制单元，比如控制单元703，可至少部分基于可从某个范围的来源的任何一者获得的输入来生成一个或多个控制信号。例如，由控制单元703获得的输入可允许选择来自一个或多个存储器元件(比如存储器704、712、713和/或716中的一个或多个)的特定内容，来被利用于配置传感器处理阶段701和/或机器学习阶段702以便处理。例如，传感器处理阶段701和/或机器学习阶段702可基于特定用户/操作者、特定任务或者特定情境或者其组合被配置。通过以这种方式调整处理，可以生成改善的行为概要内容，和/或可改善效率(例如，在利用相对更少资源的同时，对于行为概要内容的改善的置信)。另外，在一实施例中，控制单元703可至少部分基于由控制单元703获得的输入来经由对操控电路708的控制将传感器处理阶段701的输出(例如，中间结果)操控到特定的机器学习单元705。类似地，控制单元703可至少部分基于所获得的输入来经由对操控/选择电路707的控制来选择来自一个或多个特定的机器学习单元706的输出。另外，对机器学习单元706的输入的加权可至少部分基于所获得的输入来确定。例如，控制单元，比如控制单元703，在一实施例中可根据用户/操作者识别、内容类型、环境情境或者传感器可用性或者这些的任何组合来操控、选择和/或加权中间结果(例如，由传感器处理阶段701生成的内容)。当然，要求保护的主题的范围在这些方面不受限制。
另外，在一实施例中，处理器(比如行为处理单元700)内的资源分配可至少部分基于行为概要内容指定参数，比如参数719。在一实施例中，控制单元，比如控制单元703，可获得例如可指示出一个或多个行为概要参数相对优先的行为概要内容指定参数719，并且可至少部分基于指定的行为概要内容参数来选择特定的传感器处理单元705和/或特定的机器学***的资源(例如，SPU 705、机器学***，等等。
虽然本文描述的一些实施例对于机器学习提到了神经网络技术，但主题的范围在这个方面不受限制。其他实施例可包含当前现有的或者将来要开发的其他机器学习技术。另外，对于实现神经网络的实施例，例如，在离线部署前训练操作期间可从***中去除传感器，使得神经网络可为各种传感器组合确定适当的权重。在另一实施例中，在在线操作期间，例如，一组输入生物标记可被记录和/或在后来被用作训练参数，其中预测的行为处理单元输出可至少部分被利用来训练可能缺乏初始输入的某个子集的一个或多个网络。对于在线推断，可至少部分基于可用传感器输入来选择适当的神经网络。这种布置在操作者可从***、装置和/或过程中去除一个或多个传感器的情形中可能是有利的。例如，在外科手术期间，外科医生可去除他或她的可能在跟踪眼睛运动的眼镜。在一实施例中，例如可至少部分响应于可用传感器输入的这种变化来选择不同的神经网络配置。例如，控制单元，比如控制单元703，可检测传感器可用性的变化(例如，由传感器可用性输入714表示)，和/或可至少部分基于检测到的传感器可用性的变化来重配置传感器处理单元705和/或机器学习单元706。
图8是用于生成行为概要内容的示例过程的实施例800的图示。根据要求保护的主题的实施例可包括块810-870的全部，少于块810-870，和/或多于块810-870。另外，块810-870的顺序只是示例顺序，而要求保护的主题的范围在这些方面不受限制。
在一实施例中，行为处理单元(比如行为处理单元700)可获得描述特定用户/操作者的一个或多个参数(例如，用户ID)，描述被用户消耗的内容的一个或多个参数，或者指示传感器可用性的一个或多个参数，或者这些的任何组合。在一实施例中，行为处理单元，比如行为处理单元700，可至少部分基于所获得的参数来配置和/或重配置行为处理单元的一个或多个方面。例如，从块810处开始，描述用于配置行为处理单元(比如行为处理单元700)的示例过程。
如块815处所指示，可确定是否指定了特定的用户/操作者。如上所述，可经由由控制单元(比如控制单元703)获得的一个或多个描述性参数(比如参数715)来识别特定用户。至少部分响应于确定没有指定特定用户/操作者，可利用默认配置参数，如块825处所指示。至少部分响应于确定指定了特定用户/操作者，可以获得特定用户/操作者的特定存储器偏移量参数。例如，控制单元，比如控制单元703，可从存储器获得为所识别的用户/操作者指定的偏移量。
另外，如块830处所指示，可确定是否指定了特定内容类型(例如，正被特定用户消耗的内容的类型)。在一实施例中，可经由由控制单元(比如控制单元703)获得的一个或多个参数(比如参数709)来识别特定内容类型。至少部分响应于确定没有指定特定内容类型，可利用与内容类型有关的默认配置参数，如块835处所指示。至少部分响应于确定指定了特定内容类型，可以获得特定内容类型的特定存储器偏移量参数。例如，控制单元，比如控制单元703，可从存储器获得为所识别的内容类型指定的偏移量。
在一实施例中，可以指定指示传感器可用性的一个或多个参数。例如，控制单元，比如控制单元703，可获得指示传感器可用性的一个或多个参数714。在一实施例中，可基于所指示的传感器可用性来获得存储器偏移量参数。在一实施例中，特定传感器和/或传感器类型的可用性和/或不可用性可导致不同的行为处理单元配置。
如块860处所指示，例如，控制单元，比如控制单元703，可从响应于获得用户特定参数、内容类型参数和/或传感器可用性参数获得的一个或多个偏移量参数所指示的一个或多个存储器位置执行读取操作来为行为处理单元(比如700)获得配置参数。在一实施例中，可生成一个或多个控制信号，比如如块870处所指示，从而至少部分配置行为处理单元(比如700)的一个或多个方面。例如，至少部分基于生成的控制信号，可为传感器内容处理和/或行为概要内容生成操作选择一个或多个特定的传感器处理单元，比如705，和/或一个或多个特定的机器学习单元，比如706。另外，例如，控制信号可经由内容操控电路将传感器内容指引到特定的传感器处理单元，可将传感器处理单元生成的中间结果指引到特定的机器学习单元，和/或可选择特定机器学习单元的输出。
图9是用于生成行为概要内容的示例过程的实施例900的图示。根据要求保护的主题的实施例可包括块910-940的全部，少于块910-940，和/或多于块910-940。另外，块910-940的顺序只是示例顺序，而要求保护的主题的范围在这些方面不受限制。
在一实施例中，指示一个或多个特定的输出参数(例如，优先化行为概要内容参数)的一个或多个参数可被行为处理单元(比如行为处理单元700)获得。在一实施例中，行为处理单元，比如700，可至少部分基于所获得的参数来配置和/或重配置行为处理单元的一个或多个方面。例如，从块910处开始，描述用于配置行为处理单元(比如行为处理单元700)的示例过程。
如块920处所指示，可确定是否指定了特定输出参数相对优先级。如上所述，可例如经由由控制单元(比如控制单元703)获得的一个或多个参数(比如参数719)来将特定的行为内容参数指定为相对优先的。另外，至少部分响应于确定指定了相对优先的输出参数，可额外确定相对优先的输出参数是否未能满足或超过指定的置信参数，如块930处所指示。
在一实施例中，如块940处所指示，例如，额外的资源，比如额外的和/或不同的传感器处理单元705、额外的和/或不同的机器学习单元706或者这些的任何组合，可被分配来处理传感器内容和/或生成指定的行为概要内容。在一实施例中，可生成一个或多个控制信号，从而至少部分重配置行为处理单元(比如行为处理单元700)的一个或多个方面。例如，至少部分基于生成的控制信号，一个或多个特定的额外和/或不同的传感器处理单元，比如传感器处理单元705，和/或一个或多个特定的额外和/或不同的机器学习单元，比如机器学习单元706，可被分配用于传感器内容处理和/或行为概要内容生成。
图10是例如用于处理表示行为内容的信号和/或状态来将对特定机器的一个或多个方面的控制的责任从特定操作者转移到自动化装置、***和/或过程的示例装置、***和/或过程的实施例1000的图示。在一些情形中，转移可从人类指引的机器向有相对大量的决策做出由机器执行的人类-机器合作发生。一些基于机器的决策可至少部分取决于操作者的状态和/或基本上立即和/或相对迅速地响应操作者的状态的变化的能力。此外，越来越多的传感器，比如传感器1030，可能够生成表示操作者的生物和/或行为状态的各种方面的信号和/或状态。实施例，包括行为处理单元1010，例如可协调由传感器(比如传感器1030)生成的内容，和/或可加速传感器内容的处理以相对迅速地将操作者的相对特征丰富和/或正规化的状态(例如，行为概要参数1015)提供给一个或多个外部决策做出***，比如决策做出***1020。在一实施例中，通过例如将传感器内容的处理整合和/或隔离到专门装置(比如BPU 1010)中，可以改善和/或确保足以确定操作者的行为和/或生物状态的资源的可用性。另外，实施例例如可提供实时生物传感器内容的加速处理和/或用于从经处理的传感器内容推断操作者的行为和/或生物状态的机器学习。
一些实施例对于可受益于对操作者状态的基本上实时的确定的任何领域(例如包括军事和/或商业场景中的技术辅助驾驶和/或飞行)可能是相关的。实施例在责任的分配可至少部分基于操作者状态来转移的情形中可能是尤其相关的。例如，为了为特定操作者，比如操作者1040，生成行为概要内容，比如行为概要内容1015，处理器，比如行为处理单元1010，可从一个或多个传感器(比如传感器1030中的一个或多个)获得表示内容的信号和/或状态。另外，在一实施例中，处理器，比如行为处理单元1010，可处理传感器内容，比如来自传感器1030中的一个或多个的内容，以为特定操作者，比如操作者1040，生成行为概要内容，比如行为概要内容1015。
在一实施例中，基于计算装置的决策做出***、装置和/或过程，比如***1020，例如可包括机器学习和/或人工智能技术。行为概要内容，比如行为概要内容1015，可例如包括表示焦点、兴奋、愤怒、恐惧、疲劳、脱水、困惑、烦乱和/或专注/分心的多个参数。在一实施例中，行为概要内容的各种方面可单独包括参数的向量。例如，“愤怒”向量在一实施例中可包括指示特定状态的参数，与该状态有关的得分，置信参数，和/或方向和/或趋势参数。另外，在一实施例中，基于计算装置的决策做出***、装置和/或过程，比如***1020，可将校准和/或提示参数，比如参数1025，提供给处理器，比如行为处理单元1010，虽然同样地，主题的范围在这些方面不受限制。
另外，在一实施例中，处理器，比如行为处理单元1010，可以反复地和/或连续地获得传感器内容和/或可以反复地和/或连续地为特定操作者生成行为概要内容。例如，可按规律的间隔收集和/或以其他方式获得传感器内容，和/或可按规律的间隔生成行为概要内容。在一实施例中，基于计算装置的决策做出***、装置和/或过程，比如***1020，可例如在一段时间中跟踪行为概要内容，以检测行为概要内容的变化。
如上所述，实施例可包括对表示传感器内容的信号和/或状态的处理。在至少一些实施例中，传感器内容可包括模拟信号和/或数字信号，或者其组合。另外，虽然可联系各种示例实施例描述数字处理电路，但主题不限于数字实现方式。例如，实施例可实现用于处理传感器内容的模拟电路。类似地，可被生成来控制机器的操作的信号和/或状态例如可包括数字和/或模拟信号和/或状态，或者其组合。在一实施例中，模拟滞后“赢家通吃”电路例如可至少部分实现来改善噪声鲁棒性和/或至少部分减轻传感器输入流之间的定时差异。当然，主题的范围在这些方面不受限制。
如上所述，实施例可被利用在可受益于对特定操作者的生物和/或行为状态的基本上实时的确定的情形(例如包括比如商业和/或军事场景中的技术辅助驾驶和/或飞行)中。当然，主题不限于这些特定示例。在一实施例中，用于操作特定机器的一个或多个方面的责任可例如至少部分取决于特定操作者的基本上当前的生物和/或行为状态而从操作者转移到计算装置。例如，图10描绘了在计算装置决策做出***、装置和/或过程(比如1020)的控制下的责任区域，图示为区域1054。图10还描绘了在特定操作者(比如操作者1040)的控制下的责任区域，图示为区域1052。图10中还描绘的区域1050图示了基于计算装置的决策做出***、装置和/或过程(比如1020)和基于操作者的控制(比如由操作者1040进行的控制)之间的共享责任的区域。在一实施例中，特定操作者，比如操作者1040，和/或基于计算装置的决策做出***、装置和/或过程，比如***1020，是否执行由区域1050图示的任务可至少部分取决于特定操作者的基本上当前的生物和/或行为状态。在一实施例中，这种确定可例如至少部分由基于计算装置的决策做出***、装置和/或过程(比如***1020)至少部分基于从处理器(比如行为处理单元1010)获得的行为概要内容(比如行为概要内容1015)来做出。
返回到操作者(比如飞行员)驾驶飞机飞行的示例，操作者可控制飞机的一些方面，而基于计算装置的决策做出***、装置和/或过程(比如***1020)控制飞机的其他方面。对于当前示例，可变责任的区域，比如可变责任的区域1050，可表示可至少部分取决于飞行员的基本上当前的生物和/或行为状态被至少部分从飞行员控制转移到计算装置的飞机操作的一个或多个方面。例如，如果处理器，比如行为处理单元1010，例如至少部分经由传感器内容检测到飞行员疲劳、烦乱、愤怒等等超过指定阈值，则飞行控制(例如，飞机方向舵、升降舵，等等)的责任和/或操作可从飞行员控制被转移到由基于计算装置的决策做出***、装置和/或过程(比如***1020)进行的控制。
在另一示例中，共享责任区域1050可表示汽车制动***，该汽车制动***在正常状况下可在特定操作者的至少部分控制之下。至少部分响应于处理器(比如行为处理单元1010)为特定操作者生成指示出特定操作者的基本上当前的生物和/或行为状态的变化的行为概要内容并且该变化可指示出对于操作者和/或对于他人的危险状况，基于计算装置的决策做出***、装置和/或过程，比如***1020，可承担对制动***的控制。当然，主题不限于这些特定示例。
在另一示例中，外科手术期间的麻醉可根据基于计算装置的决策做出***、装置和/或过程(比如***1020)来对患者施行。在一实施例中，外科医生可构成“操作者”，因为外科医生可经由一个或多个传感器被监视。麻醉的施行最初可至少部分基于外科手术的预期持续时间。处理器，比如行为处理单元1010，可为外科医生生成行为概要内容，并且基于计算装置的决策做出***、装置和/或过程，比如***1020，可至少部分基于外科医生的当前生物和/或行为状态来确定麻醉的施行是否应当被更改。例如，行为概要内容可指示出外科医生体验到的压力水平的增大，和/或可指示出外科医生对手术期间的错误的承认。基于计算装置的决策做出***、装置和/或过程，比如***1020，例如可基于至少部分由于增大的压力水平和/或检测到的错误承认而引起的外科手术的预期持续时间的预期增加而更改麻醉的施行。
在涉及外科手术的另一示例中，外科医生可利用机器人手术装置，其可被手动使用，可自动操作，和/或可在机器人手术装置和外科医生之间共享操作方面(例如，机器辅助操作模式)。在一实施例中，至少一个处理器，比如***1020，可至少部分基于行为概要内容发起对手术治疗的一个或多个方面的控制以将对手术治疗的控制至少部分从外科医生转移到机器人手术装置。
又例如，执法人员可携带一个或多个武器。处理器，比如行为处理单元1010，可为执法人员生成行为概要内容，并且基于计算装置的决策做出***、装置和/或过程，比如***1020，可至少部分基于该执法人员的当前生物和/或行为状态来确定关于该执法人员的武器的功能的一些方面是否应当被更改。例如，行为概要内容可指示出执法人员体验到的愤怒水平的增大，和/或可指示出就执法人员而言的某种损伤的程度。基于计算装置的决策做出***、装置和/或过程，比如***1020，可例如确定锁住武器上的保险装置，以阻止对武器的使用。或者，例如，行为概要内容可向决策做出***、装置和/或过程(比如***1020)提供指示，以提供在瞄准武器方面的额外帮助。例如，武器可至少部分基于行为概要内容被从手动瞄准模式转变到辅助瞄准模式。
图11是用于处理表示行为内容的信号和/或状态的示例过程的实施例1100的图示。根据要求保护的主题的实施例可包括块1110-1120的全部，少于块1110-1120，和/或多于块1110-1120。另外，块1110-1120的顺序只是示例顺序，而要求保护的主题的范围在这些方面不受限制。
如块1110处所指示，可从一个或多个传感器(比如传感器730)获得内容。传感器内容例如可被处理来为至少一个特定操作者生成行为概要内容，如块1120处所指示。如上所述，传感器内容，比如从传感器730获得的信号和/或状态，可被行为处理单元(比如行为处理单元700)所处理，该行为处理单元可例如包括一个或多个传感器处理单元，比如SPU705，和/或一个或多个机器学***方/幂、乘法逆元和/或部分乘积操作或者这些的任何组合。
图12是用于处理表示行为内容的信号和/或状态的示例过程的实施例1200的图示。根据要求保护的主题的实施例可包括块1210-1240的全部，少于块1210-1240，和/或多于块1210-1240。另外，块1210-1240的顺序只是示例顺序，而要求保护的主题的范围在这些方面不受限制。
在一实施例中，可从一个或多个传感器获得与特定操作者和/或环境相关内容有关的内容，如块1210处所指示。如块1220处还指示的，可对传感器内容执行传感器融合操作。在一实施例中，传感器融合操作可包括组合、正规化、减少和/或以其他方式处理传感器内容以为机器学***方/幂、乘法逆元和/或部分乘积操作或者这些的任何组合的计算。
在一实施例中，行为概要内容，比如行为概要内容725，例如可表示特定操作者的基本上当前的行为和/或生物状态，如块1230处也指示的。另外，如块1240处所描绘的，至少部分基于表示一个或多个外部因素的行为概要内容和/或参数的决策做出操作可被执行，例如如上文联系决策做出***740所论述。
在一实施例中，行为处理单元，比如行为处理单元700，例如可表示对其他方案的改进，比如可包括对通用处理装置的使用。例如，专门和/或专用的电路，比如控制电路703、SPU 705、机器学习单元706等等，可至少部分基于传感器内容，比如传感器内容730，来更高效地生成内容，比如行为概要内容。在一实施例中，专用和/或专门的电路，比如行为处理单元700，例如可消耗相对更少的功率和/或更少的能量，可实现在半导体管芯上的相对较小的区域内，可对于传感器内容的变化响应更迅捷，可更迅速、准确和/或可靠地生成行为概要内容。例如，专门硬件，比如本文描述的示例实施例，与通用硬件可能实现的相比可支持对相对更准确的行为概要内容的生成。
图13是用于处理表示行为概要内容的信号和/或状态的示例过程的实施例1300的图示。根据要求保护的主题的实施例可包括块1310-1320的全部，少于块1310-1320，和/或多于块1310-1320。另外，块1310-1320的顺序只是示例顺序，而要求保护的主题的范围在这些方面不受限制。
如块1310处所指示，表示特定用户的行为概要内容的一个或多个信号和/或状态可经由至少一个计算装置的至少一个处理器(比如处理器110)获得，其中行为概要内容可包括表示特定用户的基本上当前的行为状态或生物状态或者其组合的多个参数，比如参数240。另外，如1320处所指示对于特定用户的一个或多个推荐可至少部分基于行为概要内容和/或至少部分基于表示外部因素的一个或多个参数或者这些的组合来经由至少一个处理器(比如处理器110)生成，其中一个或多个推荐可基本上针对特定用户的未来状态的改善。另外，如上所述，实施例可包括生成打算被传达给一个或多个其他个体的行为概要内容和/或推荐。例如，如上所述，针对合作心理健康管理的实施例例如可包括在个体的群组内的个人计算装置之间共享行为概要内容和/或推荐。
在一实施例中，为特定用户生成一个或多个推荐例如可至少部分由行为处理单元(比如BPU 700)来生成。也就是说，在实施例中，行为处理单元，比如BPU 700，可生成行为概要内容和/或也可对行为概要内容和/或表示外部因素的一个或多个参数执行机器学习操作以为特定用户生成一个或多个推荐和/或执行其他决策做出操作。
图14是用于跟踪表示行为概要内容的信号和/或状态的示例过程的实施例1400的图示。根据要求保护的主题的实施例可包括块1410-1430的全部，少于块1410-1430，和/或多于块1410-1430。另外，块1410-1430的顺序只是示例顺序，而要求保护的主题的范围在这些方面不受限制。
如块1410处所指示，表示特定用户的行为概要内容的一个或多个信号和/或状态可经由至少一个计算装置的至少一个处理器来跟踪，其中行为概要内容可包括表示特定用户的基本上当前的行为状态或生物状态或者其组合的多个参数。另外，如1420处所指示，表示被跟踪的行为概要内容的信号和/或状态可被存储在计算装置的至少一个存储器中。
另外，如块1430处所指示，被跟踪的行为概要内容与特定用户的身体内的一个或多个特定物质的生物利用度和/或平衡之间的一个或多个关系可至少部分经由至少一个处理器执行一个或多个机器学习操作来确定。在一实施例中，对于特定用户的推荐可至少部分基于行为概要内容和/或至少部分基于表示外部因素的一个或多个参数或者这些的组合来经由至少一个处理器生成，其中一个或多个推荐可基本上针对特定用户的未来状态的改善。
在一实施例中，决策做出装置、***和/或过程，比如决策做出***740，可至少部分经由至少一个处理器执行一个或多个机器学***衡或者其组合之间的一个或多个关系。实施例还可包括决策做出装置、***和/或过程，比如决策做出***740，来为特定用户生成对于与特定的一个或多个物质有关的补充的一个或多个推荐，其中一个或多个推荐可针对特定用户的后续状态的改善。
在本专利申请的上下文中，术语“连接”、术语“组件”和/或类似的术语打算是物理的，但不一定始终是有形的。这些术语是否指代有形主题从而在特定的使用上下文中可变化。作为示例，有形连接和/或有形连接路径可比如由能够在两个有形组件之间导通电流的有形电连接(比如包括金属或其他导体的导电路径)来做出。类似地，有形连接路径可至少部分被影响和/或控制，使得正如典型情况那样，有形连接路径可被断开或闭合，这有时是由于一个或多个外部得出的信号(比如外部电流和/或电压，比如用于电开关的)的影响。电开关的非限制性示例包括晶体管、二极管，等等。然而，“连接”和/或“组件”在特定的使用上下文中类似地虽然是物理的，但也可以是非有形的，比如客户端和服务器之间通过网络的连接，其一般指的是客户端和服务器发送、接收和/或交换通信的能力，如稍后更详细论述。另外，术语“连接”可被利用在神经网络模型的上下文中，并且在一实施例中例如可以指在节点之间传递的参数，这可包括表示输出值的参数和/或参数的集合。另外，在一实施例中，节点之间的连接可包括权重参数。例如，一个或多个权重参数在一实施例中例如可按指定的方式在表示一个或多个输出值的一个或多个参数上操作以产生连接，比如第一层的节点和第二层的节点之间的连接。
因此，在特定的使用上下文中，比如讨论有形组件的特定上下文中，术语“耦合”和“连接”是以这些术语是不同义的方式被使用的。也可按展现相似意图的方式来使用相似的术语。从而，“连接”用于指示出两个或更多个有形组件之类的例如有形地发生直接物理接触。从而，利用先前示例，电连接的两个有形组件经由有形电连接物理地连接，如前所述。然而，“耦合”用于意指可能两个或更多个有形组件有形地发生直接物理接触。然而，也用于意指两个或更多个有形组件之类的不一定有形地发生直接物理接触，但能够合作、保持联络和/或交互，例如通过发生“光耦合”。类似地，术语“耦合”也被理解为意指间接连接。还要注意，在本专利申请的上下文中，由于存储器，比如存储器组件和/或存储器状态，打算是非暂态的，所以术语物理至少在联系存储器使用的情况下一定意味着这种存储器组件和/或存储器状态(继续该示例)是有形的。
此外，在本专利申请中，在特定的使用上下文中，比如在讨论有形组件(和/或类似地，有形材料)的情形中，在“在…上”(on)和“在…上方”(over)之间存在区别。作为示例，将物质放置在基底“上”指的是涉及直接物理和有形接触的放置，而在被放置的物质和这后一示例中的基底之间没有介质，比如媒介物质；然而，放置在基底“上方”，虽然被理解为可能包括放置在基底“上”(因为“在…上”也可准确地被描述为“在…上方”)，被理解为包括一个或多个介质(比如一个或多个中间物质)存在于被放置的物质和基底之间的情形，使得被放置的物质不一定与基底发生直接物理和有形接触。
类似的区分在适当的特定使用上下文中(比如讨论有形材料和/或有形组件的上下文中)在“在…下”(beneath)和“在…下方”(under)之间做出。“在…下”在这种特定的使用上下文中打算一定暗示着物理和有形接触(与刚才描述的“在…上”类似)，“在…下方”可能包括存在直接物理和有形接触的情形，但不一定暗示着直接物理和有形接触，比如如果一个或多个介质(比如一个或多个媒介物质)存在的话。从而，“在…上”要被理解为意指“在紧挨着的上方”并且“在…下”要被理解为意指“在紧挨着的下方”。
类似地要理解诸如“在…上方”和“在…下方”之类的术语要被以与先前提及的术语“上”、“下”、“顶”、“底”等等类似的方式来理解。这些术语可用于促进讨论，但不打算一定要限制要求保护的主题的范围。例如，术语“在…上方”作为示例并不意欲暗示权利要求范围仅限于实施例正面朝上的情形，例如与颠倒的实施例相比较。一个示例包括倒装芯片作为一个举例说明，其中例如在各种时间(例如，在制造期间)的朝向可不一定对应于最终产品的朝向。从而，如果一个物体作为示例在特定朝向中在适用的权利要求范围内，比如作为一个示例的颠倒朝向，则类似地，希望后者也被解读为在另一朝向中被包括在适用的权利要求范围内，比如同样作为示例的正面朝上，反之亦然，即使适用的字面权利要求语言有被以其他方式解读的可能性。当然，同样，正如专利申请的说明书一直以来的情况那样，描述和/或使用的特定上下文提供了关于要得出的合理推断的有帮助指导。
除非另有指出，否则在本专利申请的上下文中，术语“或”如果被用于关联列表，比如A、B或C，则打算意指A、B和C，这里是在包含意义上使用的，以及A、B或C，这里是在排他意义上使用的。有了此理解，“和”是在包含意义上使用的并且打算意指A、B和C；而“和/或”可被十分谨慎地使用来明确表示所有前述含义都是想要的，虽然这种使用不是必需的。此外，术语“一个或多个”和/或类似的术语用于描述单数形式的任何特征、结构、特性之类的，“和/或”也用于描述多个特征、结构、特性之类的和/或特征、结构、特性之类的某种其他组合。类似地，术语“基于”和/或类似的术语被理解为不一定想要表达因素的穷尽列表，而是允许不一定被明确描述的额外因素的存在。
此外，希望对于涉及要求保护的主题的实现并且要受到关于程度的测试、测量和/或规范的情形被以如下方式来理解。作为示例，在给定情形中，假设要测量物理属性的值。如果关于程度的测试、测量和/或规范的可替换合理方案——至少是关于该属性的(继续该示例)——是本领域普通技术人员至少对于实现而言合理地有可能想到的，则要求保护的主题打算覆盖这些可替换合理方案，除非另有明确指示。作为示例，如果某个区域上的测量的图示被产生并且要求保护的主题的实现提及采用该区域上的斜率的测量，但估计该区域上的斜率的多种合理的可替换技术存在，则要求保护的主题打算覆盖这些合理的可替换技术，除非另有明确指示。
就要求保护的主题与一个或多个特定测量有关而言，比如关于能够被物理测量的物理表现，例如——不限于——温度、压力、电压、电流、电磁辐射等等，则相信要求保护的主题不属于法定主题的抽象概念司法例外。更确切地说，断言物理测量不是思维步骤，并且类似地，不是抽象概念。
然而，要注意采用的典型测量模型是一个或多个测量可分别包括至少两个成分的总和。从而，对于给定测量，例如，一个成分可包括确定性成分，其在理想意义上，可包括物理值(例如，经由一个或多个测量寻求)，经常采取一个或多个信号、信号样本和/或状态的形式，而一个成分可包括随机成分，其可具有多种来源，这多种来源可能量化起来是有挑战性的。有时，例如，测量精确性的缺乏可影响给定的测量。从而，对于要求保护的主题，除了确定性模型以外还可使用统计或随机模型来作为关于可涉及要求保护的主题的一个或多个测量值的识别和/或预测的方案。
例如，相对较大数目的测量可被收集来更好地估计确定性成分。类似地，如果测量变化——这是通常可发生的，则可能方差的某个部分可被说明为确定性成分，而方差的某个部分可被说明为随机成分。通常，希望让与测量相关联的随机方差相对较小，如果可行的话。也就是说，通常，可能更希望能够以确定性方式(而不是随机方式)来解释测量变化的合理部分，作为对识别和/或可预测性的辅助。
按照这些原则，多种技术已开始被使用，使得一个或多个测量可被处理来更好地估计底层的确定性成分，以及估计可能随机的成分。这些技术当然可随着围绕给定情形的细节而变化。然而，通常，更复杂的问题可涉及对更复杂技术的使用。就此而言，如上文提到的，物理表现的一个或多个测量可被确定性地和/或随机地建模。采用模型允许了收集的测量可能被识别和/或处理，和/或可能允许例如对于要采取的后来测量而言对底层确定性成分的估计和/或预测。给定的估计可能不是完美估计；然而，一般而言，预期平均起来一个或多个估计可更好地反映底层确定性成分，例如，如果可被包括在一个或多个获得的测量中的随机成分被考虑的话。当然，实际上来说，希望能够比如通过估计方案生成影响要采取的测量的过程的物理上有意义的模型。
然而，在一些情形中，如所指示的，潜在影响可能是复杂的。因此，试图理解要考虑的适当因素可能是尤其有挑战性的。在这种情形中，因此对于生成一个或多个估计采用试探是不罕见的。试探指的是使用经验相关方案，这些方案可反映实现的过程和/或实现的结果，例如对于历史测量的使用而言。试探例如可被用于更解析性的方案可能过于复杂和/或几乎难解的情形中。从而，关于要求保护的主题，新颖特征在示例实施例中可包括可例如被用于估计和/或预测一个或多个测量的试探。
还要注意，术语“类型”和/或“类似”如果被使用，比如结合特征、结构、特性等等的使用，用“光”或“电”作为简单示例，意思是以如下这种方式至少部分是该特征、结构、特性等等的和/或涉及该特征、结构有、特性等等：微小变化的存在，即使是可能否则不会被认为与该特征、结构、特性等等一致的变化，一般不会阻止该特征、结构、特性等等成为某个“类型”和/或是“类似”的(例如是“光类型”或者“类似光的”)，如果这些微小变化充分微小，使得该特征、结构、特性等等在这种变化也存在的情况下仍将被认为是基本上存在的。从而，继续此示例，术语光类型和/或类似光的属性一定打算包括光属性。类似地，术语电类型和/或类似电的属性作为另一示例一定打算包括电属性。应当注意，本专利申请的说明书只提供了一个或多个说明性示例，而要求保护的主题并不打算被限于一个或多个说明性示例；然而，同样，正如关于专利申请的说明书一直以来的情况那样，描述和/或使用的特定上下文提供了关于要得出的合理推断的有帮助指导。
在本专利申请的上下文中，术语网络装置指的是能够经由网络和/或作为网络的一部分通信的任何装置并且可包括计算装置。虽然网络装置可能够传达信号(例如，信号封包和/或帧)，比如经由有线和/或无线网络传达，但它们也可能够执行与计算装置相关联的操作，比如算术和/或逻辑操作，处理和/或存储操作(例如，存储信号样本)，比如作为有形、物理存储器状态存储在存储器中，和/或在各种实施例中可例如作为服务器装置和/或客户端装置操作。能够作为服务器装置、客户端装置和/或以其他方式操作的网络装置可包括例如专用机架安装式服务器、桌面计算机、膝上型计算机、机顶盒、平板设备、上网本、智能电话、可穿戴装置、组合前述装置的两个或更多个特征的集成装置，等等，或者这些的任何组合。如上所述，信号封包和/或帧例如可被交换，比如在服务器装置和/或客户端装置以及其他类型的装置之间，例如包括在经由有线和/或无线网络耦合的有线和/或无线装置之间，或者这些的任何组合。注意术语服务器、服务器装置、服务器计算装置、服务器计算平台和/或类似的术语是可互换使用的。类似地，术语客户端、客户端装置、客户端计算装置、客户端计算平台和/或类似的术语也是可互换使用的。虽然在一些实例中，为了描述的容易，这些术语可被按单数形式使用，例如通过提及一“客户端装置”或者一“服务器装置”，但该描述打算酌情涵盖一个或多个客户端装置和/或一个或多个服务器装置。按照类似的原则，提及一“数据库”被理解为酌情意指一个或多个数据库和/或其部分。
应当理解，为了描述的容易，网络装置(也称为联网装置)可按计算装置来实现和/或描述，反之亦然。然而，还应当理解这个描述绝不应当被解释为使得要求保护的主题限于一个实施例，比如仅计算装置和/或仅网络装置，而是相反，可被实现为多种装置或者其组合，例如包括一个或多个说明性示例。
网络也可包括现在已知的和/或以后将要开发的布置、衍生和/或改进，例如包括过去、当前和/或将来的大容量存储，例如网络附接存储(network attached storage，NAS)、存储区域网络(storage area network，SAN)和/或其他形式的装置可读介质。网络可包括因特网的一部分、一个或多个局域网(local area network，LAN)、一个或多个广域网(wide area network，WAN)、有线型连接、无线型连接、其他连接，或者这些的任何组合。从而，网络在范围和/或广度上可以是全世界的。类似地，子网络，比如可采用不同的体系结构和/或可基本上遵从和/或基本上兼容不同协议(比如网络计算和/或通信协议(例如，网络协议))的，可在更大的网络内交互操作。
术语电子文件和/或术语电子文档在本文档各处被使用来指一组存储的存储器状态和/或一组物理信号，它们以一种方式关联以从而至少逻辑上形成文件(例如，电子的)和/或电子文档。也就是说，其并不意欲隐含地指代例如对于一组关联的存储器状态和/或一组关联的物理信号使用的特定语法、格式和/或方案。如果例如想要特定类型的文件存储格式和/或语法，则其被明确地提及。还要注意例如存储器状态的关联可能是逻辑意义上的，而不一定是有形的物理意义上的。从而，虽然文件和/或电子文档的信号和/或状态成分例如要被逻辑地关联，但其存储在一实施例中例如可存在于有形物理存储器中的一个或多个不同地方中。
在本专利申请的上下文中，术语“条目”、“电子条目”、“文档”、“电子文档”、“内容”、“数字内容”、“项目”和/或类似的术语意欲指代物理格式(比如数字信号和/或数字状态格式)的信号和/或状态，该信号和/或状态例如如果被装置(比如数字装置，例如包括计算装置)显示、播放、有形生成等等和/或以其他方式执行则可被用户感知到，但否则可能不一定是容易被人类感知的(例如，如果采取数字格式的话)。类似地，在本专利申请的上下文中，以使得用户能够容易地感知到底层内容本身的形式提供给用户的数字内容(例如，以人类可消耗的形式呈现的内容，比如举例来说听音频、感知触觉感和/或看到图像)对于用户而言被称为“消耗”数字内容、数字内容的“消耗”、“可消耗”数字内容和/或类似的术语。对于一个或多个实施例，电子文档和/或电子文件可例如包括被计算和/或联网装置执行或者将被计算和/或联网装置执行的采取标记语言的代码(例如，计算机指令)的网页。在另一实施例中，电子文档和/或电子文件可包括网页的一部分和/或区域。然而，要求保护的主题并不打算在这些方面受到限制。
另外，对于一个或多个实施例，电子文档和/或电子文件可包括若干个成分。如先前所指示，在本专利申请的上下文中，成分是物理的，但不一定是有形的。作为示例，关于电子文档和/或电子文件的成分在一个或多个实施例中可包括例如采取物理信号和/或物理状态的形式(例如，能够被物理显示)的文本。通常，存储器状态例如包括有形成分，而物理信号不一定是有形的，虽然信号可变得(例如，被使得)有形，例如如果出现在有形显示器上的话，这不是罕见的。另外，对于一个或多个实施例，关于电子文档和/或电子文件的成分可包括图形对象(例如图像，比如数字图像)，和/或子对象，包括其属性，这同样包括物理信号和/或物理状态(例如，能够被有形地显示)。在一实施例中，例如，数字内容可包括例如文本、图像、音频、视频和/或其他类型的电子文档和/或电子文件，包括其一些部分。
另外，在本专利申请的上下文中，术语参数(例如，一个或多个参数)指的是描述信号样本的集合的材料，比如一个或多个电子文档和/或电子文件，并且以物理信号和/或物理状态(比如存储器状态)的形式存在。例如，一个或多个参数(比如涉及包括图像的电子文档和/或电子文件)，可包括例如捕捉图像的时段，图像捕捉装置(比如相机)的纬度和经度，等等。在另一示例中，与数字内容(比如作为示例的包括技术文章的数字内容)相关的一个或多个参数，可例如包括一个或多个作者。要求保护的主题并不打算围绕任何格式的有意义的描述性参数，只要该一个或多个参数包括物理信号和/或状态，这些物理信号和/或状态作为参数示例可包括收集名称(例如，电子文件和/或电子文档识别符名称)、创建的技术、创建的目的、创建的时间和日期、逻辑路径(如果被存储的话)、编码格式(例如，计算机指令的类型，比如标记语言)和/或为了对于一个或多个使用而言遵从协议(例如，意思是基本上遵从和/或基本上兼容)而使用的标准和/或规范，等等。
信号封包通信和/或信号帧通信，也称为信号封包传输和/或信号帧传输(或者只是“信号封包”或“信号帧”)，可在网络的节点之间被传达，其中节点例如可包括一个或多个网络装置和/或一个或多个计算装置。作为说明性示例，而没有限制地，节点可包括采用本地网络地址的一个或多个站点，比如在本地网络地址空间中。类似地，装置，比如网络装置和/或计算装置，可与该节点相关联。还要注意在本专利申请的上下文中，术语“传输”打算作为可在多种情形的任何一种中发生的某种类型的信号通信的另一术语。从而，对于“传输”通信并不打算暗示通信的特定方向性和/或通信路径的特定发起端。例如，仅仅是对于该术语本身的使用在本专利申请的上下文中并不打算对于被传达的一个或多个信号具有特定的暗示，例如信号是否被传达“到”特定装置，信号是否被传达“自”特定装置，和/或关于通信路径的哪一端可能在发起通信，例如在“推送型”的信号传送中或者在“拉取型”的信号传送中。在本专利申请的上下文中，推送和/或拉取型信号传送是由通信路径的哪一端发起信号传送来区分的。
从而，信号封包和/或帧可作为示例经由通信信道和/或通信路径(比如包括因特网和/或Web的一部分)从经由接入节点耦合到因特网的站点传达，或者反之。类似地，信号封包和/或帧可例如经由网络节点被转发到耦合到本地网络的目标站点。经由因特网和/或Web传达的信号封包和/或帧例如可经由包括一个或多个网关、服务器等等的路径被路由，比如被“推送”或“拉取”，该路径可例如基本上根据目标和/或目的地地址和到目标和/或目的地地址的网络节点的网络路径的可用性来路由信号封包和/或帧。虽然因特网和/或Web包括可交互操作的网络的网络，但并不是所有这些可交互操作的网络都一定是可用的和/或公共可访问的。
在特定专利申请的上下文中，网络协议(比如用于在网络的装置之间通信)可至少部分基本上根据分层描述(比如所谓的开放***互连(Open Systems Interconnection，OSI)七层型方案和/或描述)来表征。网络计算和/或通信协议(也称为网络协议)指的是一组信令约定，比如用于通信传输的，例如可发生在网络中的装置之间的。在本专利申请的上下文中，术语“在…之间”和/或类似的术语被理解为包括“在…间”，如果对于特定使用而言是适当的话，反之亦然。类似地，在本专利申请的上下文中，术语“兼容”、“遵从”和/或类似的术语被理解为分别包括基本上兼容和/或基本上遵从。
网络协议，比如基本上根据上述OSI描述表征的协议，具有若干层。这些层被称为网络栈。各种类型的通信(例如，传输)，比如网络通信，可跨各种层发生。网络栈中的最低级别层，比如所谓的物理层，可表征符号(例如，比特和/或字节)可如何经由物理介质(例如，双绞铜线对、同轴线缆、光缆、无线空气接口、这些的组合，等等)作为一个或多个信号(和/或信号样本)被传达。前进到网络协议栈中的更高级别层，经由在这些更高级别层参与基本上兼容和/或基本上遵从特定网络协议的通信，额外的操作和/或特征可以是可用的。例如，网络协议的更高级别层可例如影响装置许可、用户许可，等等。
网络和/或子网络在一实施例中可经由信号封包和/或信号帧通信，比如经由参与的数字装置并且可基本上遵从和/或基本上兼容——但不限于——以下网络协议栈的任何一者的现在已知和/或将要开发的版本：ARCNET，AppleTalk，ATM，蓝牙，DECnet，以太网，FDDI，帧中继，HIPPI，IEEE 1394，IEEE 802.11，IEEE-488，互联网协议套组，IPX，Myrinet，OSI协议套组，QsNet，RS-232，SPX，***网络体系结构，令牌环，USB，和/或X.25。网络和/或子网络可采用例如以下所列项的现在已知和/或以后将要开发的版本：TCP/IP，UDP，DECnet，NetBEUI，IPX，AppleTalk，等等。互联网协议(IP)的版本可包括IPv4、IPv6和/或其他以后将要开发的版本。
关于与网络(包括通信和/或计算网络)有关的方面，无线网络可将装置，包括客户端装置，与网络相耦合。无线网络可采用独立的自组织网络、网状网络、无线LAN(WirelessLAN，WLAN)网络、蜂窝网络，等等。无线网络还可包括由无线无线电链路等等耦合的终端、网关、路由器等等的***，它们可自由地、随机地移动和/或任意组织其自身，使得网络拓扑可变化，有时甚至是迅速地变化。无线网络还可采用多个网络接入技术，包括某个版本的长期演进(Long Term Evolution，LTE)、WLAN、无线路由器(Wireless Router，WR)网格、第2代、第3代或第4代(2G、3G或4G)蜂窝技术等等，无论是当前已知的和/或以后将要开发的。网络接入技术可例如实现对于具有不同程度的移动性的装置(比如计算装置和/或网络装置)的广域覆盖。
网络可使能经由无线网络接入技术和/或空中接口的射频和/或其他无线类型通信，比如全球移动通信***(Global System for Mobile communication，GSM)，通用移动电信***(Universal Mobile Telecommunications System，UMTS)，通用封包无线电服务(General Packet Radio Services，GPRS)，增强数据GSM环境(Enhanced Data GSMEnvironment，EDGE)，3GPP长期演进(Long Term Evolution，LTE)，LTE高级版，宽带码分多址接入(Wideband Code Division Multiple Access，WCDMA)，蓝牙，超宽带(ultra-wideband，UWB)，802.11b/g/n，等等。无线网络可包括几乎任何类型的现有已知的和/或将要开发的无线通信机制和/或无线通信协议(当然包括前述的)，通过其信号可在装置之间、在网络之间、在网络内等等传达。
在一个示例实施例中，如图15中所示，***实施例可包括本地网络(例如，装置1504和介质1540)和/或另一类型的网络，比如计算和/或通信网络。因此，为了图示，图15示出了可被采用来实现任一类型或者两种类型的网络的***的实施例1500。网络1508可包括一个或多个网络连接、链路、进程、服务、应用和/或资源来促进和/或支持通信，比如通信信号的交换，例如在计算装置(比如1502)和另一计算装置(比如1506)之间，计算装置可例如包括一个或多个客户端计算装置和/或一个或多个服务器计算装置。作为示例，而非限制，网络1508可包括无线和/或有线通信链路、电话和/或电信***、Wi-Fi网络、Wi-MAX网络、因特网、局域网(LAN)、广域网(WAN)，或者这些的任何组合。
图15的示例装置在一实施例中可包括例如客户端计算装置和/或服务器计算装置的特征。还要注意术语计算装置一般而言无论是被用作客户端还是用作服务器还是其他的，都至少指由通信总线连接的处理器和存储器。类似地，至少在本专利申请的上下文中，这被理解为指代35USC§112(f)的含义内的充分结构，使得特别希望35USC§112(f)不被术语“计算装置”和/或类似术语的使用所暗指；然而，如果出于某种不是立即明显的原因确定前述理解不能成立并且35USC§112(f)因此一定被术语“计算装置”和/或类似术语的使用所暗指，那么希望，依照该法规章节，用于执行一个或多个功能的相应结构、材料和/或动作被理解和解读为至少例如在图1-14中描述，并且在本专利申请的与前述(一个或多个)附图相关联的文本中描述的。
根据要求保护的主题的实施例可包括一种在没有进一步人类干预的情况下在至少一个计算装置上执行计算机指令的方法，其中该至少一个计算装置包括至少一个处理器和至少一个存储器。一实施例可包括从至少一个计算装置的至少一个存储器取得计算机指令以便在至少一个计算装置的至少一个处理器上执行，在至少一个计算装置的至少一个处理器上执行取得的计算机指令，并且在至少一个计算装置的至少一个存储器中存储在至少一个计算装置的至少一个处理器上执行了取得的计算机指令的任何结果。在一实施例中，要被执行的计算机指令包括用于处理表示特定用户的行为和/或生物状态的内容的指令，其中执行取得的指令还包括经由至少一个计算装置的至少一个处理器获得表示特定用户的行为概要内容的一个或多个信号和/或状态，其中行为概要内容包括表示特定用户的当前行为状态或生物状态或者其组合的多个参数，并且经由至少一个处理器至少部分基于行为概要内容或者至少部分基于表示外部因素的一个或多个参数或者其组合来为特定用户生成一个或多个推荐，其中一个或多个推荐是基本上针对特定用户的未来状态的改善的。
另外，在一实施例中，获得表示行为概要内容的一个或多个信号和/或状态可包括反复地获得经更新的行为概要内容。例如，在一实施例中，经更新的行为概要内容可被周期性地获得和/或按指定的间隔获得。
在一实施例中，特定用户的行为概要内容可包括例如表示以下所列项的多个参数：焦点、兴奋、愤怒、恐惧、疲劳、脱水、专注/分心、突破前、静默喜爱、后悔/承认错误、饥饿、草率/精确、共情、或者社交参与水平、或者这些的任何组合，虽然要求保护的主题的范围在这个方面不受限制。另外，表示外部因素的一个或多个参数可例如包括表示以下所列项的一个或多个参数：位置、时段、外部个体的存在和/或身份、或者一般情绪、或者这些的组合。
在一实施例中，生成一个或多个推荐可包括经由至少一个处理器执行一个或多个机器学习操作来确定外部因素和/或行为概要内容之间的一个或多个关联。另外，在一实施例中，表示外部因素的一个或多个参数可包括表示特定用户当前消耗的内容的一个或多个参数。此外，例如，执行一个或多个机器学习操作可确定特定用户当前消耗的内容与行为概要内容之间的一个或多个关联以为特定用户识别静默喜爱。
在一实施例中，表示外部因素的一个或多个参数可包括表示特定用户当前消耗的内容的一个或多个参数，和/或执行一个或多个机器学习操作可确定特定用户当前消耗的内容与行为概要内容之间的一个或多个关联以选择要被呈现给特定用户的后续内容。另外，表示外部因素的一个或多个参数可包括表示特定用户当前消耗的内容的一个或多个参数，和/或为特定用户生成一个或多个推荐可包括执行一个或多个机器学习操作以确定特定用户当前消耗的内容与行为概要内容之间的一个或多个关联，其中对于特定用户的一个或多个推荐可包括与以下所列项有关的一个或多个动作：脱水、饥饿、或者疲劳，或者其组合。
在一实施例中，一种装置可包括至少一个计算装置，该至少一个计算装置包括至少一个处理器和至少一个存储器，该至少一个计算装置在没有进一步人类干预的情况下在至少一个处理器上执行计算机指令。在一实施例中，要执行的计算机指令可被从至少一个存储器取得来在至少一个处理器上执行，并且至少一个计算装置可在至少一个计算装置的至少一个存储器中存储将从在至少一个处理器上对要执行的计算机指令的执行生成的任何结果。在一实施例中，要被执行的计算机指令可包括处理表示特定用户的行为和/或生物状态的内容的指令。在一实施例中，至少一个处理器可获得表示特定用户的行为概要内容的信号和/或状态，行为概要内容包括表示特定用户的当前行为状态或生物状态或者其组合的多个参数。另外，在一实施例中，至少一个存储器可存储表示行为内容的信号和/或状态，和/或至少一个处理器可至少部分基于行为概要内容和/或至少部分基于表示外部因素的一个或多个参数和/或其组合来为特定用户生成一个或多个推荐，一个或多个推荐针对的是特定用户的未来状态的改善。
在一实施例中，至少一个处理器可至少部分从行为内容处理器获得特定用户的行为概要内容。另外，在一实施例中，至少一个处理器可反复地获得经更新的行为概要内容。例如，处理器可周期性地，和/或按指定的间隔获得经更新的行为概要内容。此外，在一实施例中，特定用户的行为概要内容可例如包括表示以下所列项的多个参数：焦点、兴奋、愤怒、恐惧、疲劳、脱水、或者专注/分心、和/或这些的任何组合。在一实施例中，特定用户的行为概要内容还可包括例如表示以下所列项的一个或多个参数：突破前、静默喜爱、后悔/承认错误、饥饿、草率/精确、共情、或者社交参与水平、或者这些的任何组合。
在一实施例中，表示外部因素的一个或多个参数可例如包括表示以下所列项的一个或多个参数：位置、时段、外部个体的存在和/或身份、或者一般情绪、或者这些的组合。另外，至少一个处理器可例如执行一个或多个机器学习操作来确定外部因素和/或行为概要内容之间的一个或多个关联。在一实施例中，至少一个处理器可至少部分基于所确定的外部因素和/或行为概要内容之间的一个或多个关联来为特定用户生成一个或多个推荐。另外，在一实施例中，表示外部因素的一个或多个参数可包括表示要被特定用户消耗的内容的一个或多个参数，和/或至少一个处理器可执行一个或多个机器学习操作来确定要被特定用户消耗的内容和/或行为概要内容之间的一个或多个关联以为特定用户识别静默喜爱。
在一实施例中，表示外部因素的一个或多个参数可包括表示要被特定用户消耗的内容的一个或多个参数，和/或至少一个处理器可执行一个或多个机器学习操作来确定要被特定用户消耗的内容与行为概要内容之间的一个或多个关联以选择要被呈现给特定用户的后续内容。另外，在一实施例中，表示外部因素的一个或多个参数可包括例如表示要被特定用户消耗的内容的一个或多个参数，并且/或者，为了为特定用户生成一个或多个推荐，至少一个处理器可执行一个或多个机器学习操作来确定要被特定用户消耗的内容与行为概要内容之间的一个或多个关联，其中对于特定用户的一个或多个推荐可包括与以下所列项有关的一个或多个动作：脱水、饥饿、或者疲劳，或者其组合。
现在再次参考图15，在一实施例中，第一和第三装置1502和1506可例如能够为网络装置和/或计算装置渲染图形用户界面(graphical user interface，GUI)，使得用户操作者可参与***使用。装置1504在此图示中可能发挥类似的功能。类似地，在图15中，计算装置1502(图中的“第一装置”)可与计算装置1504(图中的“第二装置”)相接口，该计算装置1504在一实施例中例如也可包括客户端计算装置和/或服务器计算装置的特征。处理器(例如，处理装置)1520和存储器1522——其可包括主存储器1524和次存储器1526——可例如借由通信总线1515通信。术语“计算装置”在本专利申请的上下文中指的是***和/或装置，比如计算装置，其包括处理(例如，执行计算)和/或存储采取信号和/或状态的形式的数字内容(比如电子文件、电子文档、参数、测量、文本、图像、视频、音频，等等)的能力。从而，计算装置在本专利申请的上下文中可包括硬件、软件、固件或者这些的任何组合(除了软件本 身以外)。如图15中所描绘的计算装置1504只是一个示例，而要求保护的主题的范围不限于这个特定示例。
如上所述，对于一个或多个实施例，计算装置可包括例如各种各样的数字电子装置的任何一者，包括但不限于桌面和/或笔记本计算机、高清晰度电视、数字多功能盘(digital versatile disc，DVD)和/或其他光盘播放器和/或记录器、游戏机、***接收机、蜂窝电话、平板装置、可穿戴装置、个人数字助理、移动音频和/或视频重放和/或记录装置，或者前述的任何组合。另外，除非另有具体声明，否则比如参考附图和/或以其他方式描述的过程也可全部或部分由计算装置和/或网络装置执行和/或影响。装置，比如计算装置和/或网络装置，就能力和/或特征而言可变化。要求保护的主题打算覆盖各种各样的可能变化。例如，一种装置可包括数值小键盘和/或有限功能的其他显示器，例如用于显示文本的单色液晶显示器(liquid crystal display，LCD)。然而，与之对比，作为另一示例，具备web能力的装置可包括物理和/或虚拟键盘、大容量存储、一个或多个加速度计、一个或多个陀螺仪、全球定位***(global positioning system，GPS)和/或其他位置识别型能力、和/或具有更高程度的功能的显示器，例如触摸敏感彩色2D或3D显示器。
如先前提出的，计算装置和/或网络装置与无线网络之间的通信可根据已知的和/或将要开发的网络协议，这些网络协议例如包括全球移动通信***(global system formobile communications，GSM)，GSM演进的增强数据速率(enhanced data rate for GSMevolution，EDGE)，802.11b/g/n/h，等等，和/或微波接入全球互通(orldwideinteroperability for microwave access，WiMAX)。计算装置和/或联网装置也可具有订户身份模块(subscriber identity modul，SIM)卡，其例如可包括可拆离或嵌入的智能卡，该智能卡能够存储用户的预订内容，和/或也能够存储联系人列表。用户可以拥有计算装置和/或网络装置或者可以其他方式作为用户，例如主用户。装置可被无线网络运营商、有线网络运营商和/或互联网服务提供商(Internet Service Provider，ISP)指派地址。例如，地址可包括国内或国际电话号码、互联网协议(IP)地址和/或一个或多个其他识别符。在其他实施例中，计算和/或通信网络可被实现为有线网络、无线网络或者这些的任何组合。
计算和/或网络装置可包括和/或可执行多种现在已知的和/或将要开发的操作***、其衍生和/或版本，包括计算机操作***，比如Windows、iOS、Linux，移动操作***，比如iOS、Android、Windows Mobile，等等。计算装置和/或网络装置可包括和/或可执行多种可能的应用，比如使能与其他装置的通信的客户端软件应用。例如，一个或多个消息(例如，内容)可比如经由现在已知的和/或以后将要开发的一个或多个协议被传达，这些协议适合于电子邮件、短消息服务(short message service，SMS)和/或多媒体消息服务(multimediamessage service，MMS)的通信，包括经由至少部分由计算和/或通信网络的一部分形成的网络，比如社交网络，包括但不限于Facebook、LinkedIn、Twitter、Flickr和/或Google+，这只是提供几个示例。计算和/或网络装置还可包括可执行计算机指令来处理和/或传达数字内容，例如文本内容、数字多媒体内容，等等。计算和/或网络装置还可包括可执行计算机指令来执行多种可能的任务，比如浏览、搜索、播放各种形式的数字内容，包括本地存储的和/或流传输的视频，和/或游戏，例如但不限于幻想体育联盟。提供前述内容只是要说明要求保护的主题打算包括各种各样的可能特征和/或能力。
在图15中，计算装置1502可以例如以物理状态和/或信号(例如，存储在存储器状态中)的形式提供可执行计算机指令的一个或多个来源。计算装置1502可借由网络连接(例如经由网络1508)与计算装置1504通信。如前所述，连接虽然是物理的，但可不一定是有形的。虽然图15的计算装置1504示出了各种有形物理组件，但要求保护的主题不限于只具有这些有形组件的计算装置，因为其他实现方式和/或实施例可包括替换布置，这些替换布置可包括额外的有形组件或更少的有形组件，其例如不同地工作，而实现相似的结果。更确切地说，提供示例只是作为举例说明。并不希望要求保护的主题在范围上限于说明性示例。
存储器1522可包括任何非暂态存储机制。存储器1522可例如包括主存储器1524和次存储器1526，额外的存储器电路、机制或者其组合可被使用。存储器1522可例如包括随机访问存储器、只读存储器，等等，比如采取一个或多个存储装置和/或***的形式，例如包括光盘驱动器的盘驱动器、磁带驱动器、固态存储器驱动器，等等，这只是举几个示例。
存储器1522可被利用来存储可执行计算机指令的程序。例如，处理器1520可从存储器取得可执行指令并进而执行取得的指令。存储器1522也可包括用于访问装置可读介质1540的存储器控制器，该装置可读介质1540可携带数字内容和/或可使得数字内容可访问，数字内容例如可包括例如处理器1520和/或能够执行计算机指令的某种其他装置(比如控制器，作为一个示例)可执行的代码和/或指令。在处理器1520的指引下，非暂态存储器，比如存储物理状态(例如，存储器状态)的存储器单元，例如包括可执行计算机指令的程序，可例如被处理器1520执行并且能够生成信号来经由网络传达，如前所述。生成的信号也可被存储在存储器中，也如先前所提出。
存储器1522可存储电子文件和/或电子文档，比如与一个或多个用户有关的，并且也可包括计算机可读介质，该计算机可读介质可携带内容和/或可使得内容可访问，该内容包括代码和/或指令，其例如是处理器1520和/或能够执行计算机指令的某种其他装置(比如控制器，作为一个示例)可执行的。如前所述，术语电子文件和/或术语电子文档在本文档各处被使用来指一组存储的存储器状态和/或一组物理信号，它们以一种方式关联以从而形成电子文件和/或电子文档。也就是说，其并不意欲隐含地指代例如对于一组关联的存储器状态和/或一组关联的物理信号使用的特定语法、格式和/或方案。还要注意例如存储器状态的关联可能是逻辑意义上的，而不一定是有形的物理意义上的。从而，虽然电子文件和/或电子文档的信号和/或状态成分要被逻辑地关联，但其存储在一实施例中例如可存在于有形物理存储器中的一个或多个不同地方中。
算法描述和/或符号表示是信号处理和/或相关领域的普通技术人员用来将其工作的实质表达给该领域的其他技术人员的技术的示例。算法在本专利申请的上下文中并且一般而言被认为是导致期望结果的操作和/或类似信号处理的自洽序列。在本专利申请的上下文中，操作和/或处理涉及对物理量的物理操纵。通常，虽然并非一定，这种量可采取电和/或磁信号和/或状态的形式，这些信号和/或状态能够被存储、传送、组合、比较、处理和/或以其他方式操纵，例如作为构成各种形式的数字内容的成分的电子信号和/或状态，比如信号测量、文本、图像、视频、音频，等等。
已证明有时，主要是出于习惯用法的原因，将这种物理信号和/或物理状态称为比特、值、元素、参数、符号、字符、项、数字、数值、测量、内容等等是方便的。然而，应当理解，所有这些和/或类似的术语将与适当的物理量相关联并且只是方便的标签。除非另有具体声明，从先前论述清楚可见，要明白在本说明书各处，利用诸如“处理”、“计算”、“运算”、“确定”、“确立”、“获得”、“识别”、“选择”、“生成”等等之类的术语的论述可以指特定装置(比如专用计算机和/或类似的专用计算和/或网络装置)的动作和/或过程。因此，在本说明书的上下文中，专用计算机和/或类似的专用计算和/或网络装置能够处理、操纵和/或变换该专用计算机和/或类似的专用计算和/或网络装置的存储器、寄存器和/或其他存储装置、处理装置和/或显示装置内的信号和/或状态，这些信号和/或状态通常采取物理的电子量和/或磁量的形式。在这个特定专利申请的上下文中，如上所述，术语“特定装置”因此包括通用计算和/或网络装置，比如通用计算机(一旦其被编程为执行特定的功能，比如根据程序软件指令执行)。
在一些情况中，存储器装置的操作，比如从二进制一到二进制零(或者反过来)的状态的变化，例如可包括变换，比如物理变换。对于特定类型的存储器装置，这种物理变换可包括一物品到另一不同状态或事物的物理变换。例如(但不作限制地)，对于某些类型的存储器装置，状态的变化可涉及电荷的累积和/或存储或者存储的电荷的释放。类似地，在其他存储器装置中，状态的变化可包括物理变化，比如磁性取向上的变换。类似地，物理变化可包括分子结构的变换，比如从结晶形式到无定形形式，或者反过来。在另外的其他存储器装置中，物理状态的变化可涉及量子力学现象，比如重叠、纠缠等等，其例如可涉及量子比特(量子位)。前述内容并不打算作为其中存储器装置中的从二进制一到二进制零(或者反过来)的状态的变化可包括变换(比如物理但非暂态的变换)的所有示例的穷尽列表。更确切地说，前述内容打算作为说明性示例。
再次参考图15，处理器1520可包括一个或多个电路，比如数字电路，来执行计算程序和/或过程的至少一部分。作为示例，而非限制，处理器1520可包括一个或多个处理器，比如控制器、微处理器、微控制器、专用集成电路、数字信号处理器、可编程逻辑器件、现场可编程门阵列，等等，或者这些的任何组合。在各种实现方式和/或实施例中，处理器1520可执行信号处理，通常基本上是根据取得的可执行计算机指令，以例如操纵信号和/或状态、构造信号和/或状态，等等，其中以这种方式生成的信号和/或状态例如被传达和/或存储在存储器中。
图15还将装置1504示为包括例如可结合输入/输出装置操作的组件1532，使得信号和/或状态可在装置(比如装置1504与输入装置和/或装置1504与输出装置)之间被适当地传达。用户可利用输入装置，比如计算机鼠标、触控笔、跟踪球、键盘，和/或能够接收用户动作和/或运动作为输入信号的任何其他类似的装置。类似地，用户可利用输出装置，比如显示器、打印机，等等，和/或能够为用户提供信号和/或生成刺激(比如视觉刺激、音频刺激和/或其他类似的刺激)的任何其他装置。
在一实施例中，一种装置可包括：至少一个处理器，用于跟踪表示特定用户的行为概要内容的信号和/或状态，行为概要内容包括表示特定用户的当前行为状态或生物状态或者其组合的多个参数；至少一个存储器，用于存储所跟踪的表示行为内容的信号和/或状态；其中至少一个处理器用于执行一个或多个机器学***衡或者其组合之间的一个或多个关系。在特定实现方式中，至少一个处理器还用于为特定用户生成对于与特定的一个或多个物质有关的补充的一个或多个推荐，该一个或多个推荐针对的是特定用户的后续状态的改善，其中至少一个处理器用于至少部分基于特定用户的当前行为概要内容或者至少部分基于一个或多个所确定的关系或者这些的组合来生成一个或多个推荐。在特定实现方式中，行为概要内容可包括表示特定用户的眼睛运动的一个或多个参数。在特定实现方式中，为了执行一个或多个机器学***衡之间的一个或多个关系。在特定实现方式中，特定用户的身体内的一个或多个特定物质包括5-甲基四氢叶酸(5-MTHF)。在特定实现方式中，至少一个处理器用于执行一个或多个机器学***衡的变化之间的一个或多个关系，所述激素包括***、***或孕激素，或者其组合。
一实施例可包括一种方法，包括：经由至少一个处理器跟踪表示特定用户的行为概要内容的信号和/或状态，其中行为概要内容包括表示特定用户的当前行为状态或生物状态或者其组合的多个参数；将所跟踪的表示行为内容的信号和/或状态存储在至少一个存储器中；并且至少部分经由至少一个处理器执行一个或多个机器学***衡或者其组合之间的一个或多个关系。在特定实现方式中，该方法还可包括至少部分经由至少一个处理器至少部分基于特定用户的当前行为概要内容或者至少部分基于一个或多个所确定的关系或者其组合来为特定用户生成对于与特定的一个或多个物质有关的补充的一个或多个推荐，其中一个或多个推荐是针对特定用户的后续状态的改善的。在特定实现方式中，行为概要内容包括表示特定用户的眼睛运动的一个或多个参数。在特定实现方式中，执行一个或多个机器学***衡或者其组合之间的一个或多个关系可包括确定表示眼睛运动的一个或多个参数与特定用户的身体内的GABA与谷氨酸之间的平衡之间的一个或多个关系。在特定实现方式中，特定用户的身体内的一个或多个特定物质可包括5-甲基四氢叶酸。在特定实现方式中，确定所跟踪的行为概要内容与特定用户的身体内的一个或多个特定物质的生物利用度或平衡或者其组合之间的一个或多个关系包括确定表示眼睛运动的一个或多个参数与特定用户的身体内的5-甲基四氢叶酸的生物利用度之间的一个或多个关系。在特定实现方式中，行为概要内容包括表示特定用户的语音音调、情绪分析、音量、频率、音高或音色或者这些的任何组合的一个或多个参数，其中特定用户的身体内的一个或多个特定物质包括5-MTHF。在特定实现方式中，行为概要内容包括指示特定用户到访的一个或多个位置的一个或多个参数，其中确定所跟踪的行为概要内容与特定用户的身体内的一个或多个特定物质的生物利用度或平衡或者其组合之间的一个或多个关系包括至少部分通过识别谷氨酸/GABA平衡的一个或多个变化并且识别变化发生的一个或多个位置来识别操纵了谷氨酸/GABA平衡的一个或多个位置。
在一实施例中，一种装置可包括：至少一个存储器，用于存储包括从一个或多个传感器获得的信号和/或状态的传感器内容；以及行为内容处理电路，其包括机器学***、或者这些的任何组合。在特定实现方式中，行为内容处理电路可反复地生成行为概要内容。在特定实现方式中，一个或多个传感器可包括至少一个相机、至少一个麦克风、至少一个汗液和/或温度传感器、至少一个压力传感器、至少一个心率监视器、至少一个水合传感器、或者至少一个呼吸传感器、或者这些的任何组合。在特定实现方式中，行为内容处理电路可处理来自至少一个麦克风的传感器内容以生成表示以下所列项的一个或多个参数：音量、音调、或者情绪、或者这些的任何组合。在特定实现方式中，行为内容处理电路可处理来自至少一个相机的传感器内容以生成表示以下所列项的一个或多个参数：瞳孔扩张、焦点、眨眼持续时间、或者眨眼率、或者这些的任何组合。在特定实现方式中，机器学习电路可处理表示特定操作者的一个或多个特性的内容或者用户通用内容或者其组合，来训练机器学习参数集合。
一实施例可包括一种方法，包括：从一个或多个传感器获得表示传感器内容的一个或多个信号和/或状态；并且至少部分利用包括执行一个或多个特定机器学***、或者这些的任何组合。在特定实现方式中，处理传感器内容以为特定操作者生成行为概要内容可包括反复地处理传感器内容以更新行为概要内容。在特定实现方式中，反复地处理传感器内容包括按指定的间隔处理传感器内容。在特定实现方式中，处理传感器内容包括处理从至少一个麦克风获得的内容以生成表示以下所列项的一个或多个参数：音量、音调、或者情绪、或者这些的任何组合。在特定实现方式中，处理传感器内容包括处理从至少一个相机获得的内容以生成表示以下所列项的一个或多个参数：瞳孔扩张、焦点、眨眼持续时间、或者眨眼率、或者这些的任何组合。
一实施例可包括一种装置，包括：用于从一个或多个传感器获得表示传感器内容的一个或多个信号和/或状态的装置；以及用于处理传感器内容的装置，包括用于为至少一个特定操作者生成行为概要内容的装置，其中至少一个特定操作者的行为概要内容包括表示至少一个特定操作者的基本上当前的行为状态或生物状态或者其组合的多个参数。在特定实现方式中，表示至少一个特定操作者的基本上当前的行为状态或生物状态或者其组合的多个参数可包括表示以下所列项的一个或多个参数：焦点、兴奋、愤怒、恐惧、疲劳、脱水、专注/分心、突破前、静默喜爱、后悔/承认错误、饥饿、草率/精确、共情、或者社交参与水平、或者这些的任何组合。
在以上描述中，已描述了要求保护的主题的各种方面。为了说明，记载了具体细节(例如数量、***和/或配置)作为示例。在其他情况中，公知的特征被省略和/或简化以免模糊要求保护的主题。虽然这里图示和/或描述了某些特征，但许多修改、替换、变化和/或等同现在将是本领域技术人员可想到的。因此，要理解所附权利要求打算覆盖落在要求保护的主题内的所有修改和/或变化。
Claims (24)
1.一种装置，包括：
至少一个处理器，用于获得表示特定用户的行为概要内容的信号和/或状态，所述行为概要内容包括表示所述特定用户的当前行为状态或生物状态或者其组合的多个参数；
至少一个存储器，用于存储表示行为内容的信号和/或状态；
其中所述至少一个处理器用于至少部分基于所述行为概要内容或者至少部分基于表示外部因素的一个或多个参数或者其组合来为所述特定用户生成一个或多个推荐，所述一个或多个推荐针对的是所述特定用户的未来状态的改善。
2.如权利要求1所述的装置，其中所述至少一个处理器用于至少部分从行为内容处理器获得所述特定用户的行为概要内容。
3.如权利要求1或权利要求2所述的装置，其中所述至少一个处理器用于反复地获得经更新的行为概要内容。
4.如权利要求1至3的任何一项所述的装置，其中所述特定用户的行为概要内容包括表示以下所列项的多个参数：焦点、兴奋、愤怒、恐惧、疲劳、脱水、或者专注/分心、或者这些的任何组合。
5.如任何在前权利要求所述的装置，其中所述特定用户的行为概要内容包括表示以下所列项的一个或多个参数：突破前、静默喜爱、后悔/承认错误、饥饿、草率/精确、共情、困惑、或者社交参与水平、或者这些的任何组合。
6.如任何在前权利要求所述的装置，其中所述表示外部因素的一个或多个参数包括表示以下所列项的一个或多个参数：位置、时段、外部个体的存在、身份和/或状态、或者一般情绪、或者这些的组合。
7.如任何在前权利要求所述的装置，其中所述至少一个处理器用于执行一个或多个机器学习操作来确定所述外部因素和/或所述行为概要内容之间的一个或多个关系和/或关联。
8.如权利要求7所述的装置，其中所述至少一个处理器用于至少部分基于所确定的所述外部因素和/或所述行为概要内容之间的一个或多个关系和/或关联来为所述特定用户生成所述一个或多个推荐。
9.如权利要求8所述的装置，其中所述表示外部因素的一个或多个参数包括表示要被所述特定用户消耗的内容的一个或多个参数，并且其中所述至少一个处理器用于执行所述一个或多个机器学习操作来确定要被所述特定用户消耗的内容与所述行为概要内容之间的一个或多个关系和/或关联以为所述特定用户识别静默喜爱。
10.如权利要求8或权利要求9所述的装置，其中所述表示外部因素的一个或多个参数包括表示要被所述特定用户消耗的内容的一个或多个参数，并且其中所述至少一个处理器用于执行所述一个或多个机器学习操作来确定要被所述特定用户消耗的内容与所述行为概要内容之间的一个或多个关系和/或关联以选择要被呈现给所述用户的后续内容。
11.如权利要求8至10的任何一项所述的装置，其中所述表示外部因素的一个或多个参数包括表示要被所述特定用户消耗的内容的一个或多个参数，并且其中，为了为所述特定用户生成所述一个或多个推荐，所述至少一个处理器用于执行所述一个或多个机器学习操作来确定要被所述特定用户消耗的内容与所述行为概要内容之间的一个或多个关系和/或关联，其中对于所述特定用户的所述一个或多个推荐包括与以下所列项有关的一个或多个动作：脱水、饥饿、或者疲劳，或者这些的组合。
12.一种方法，包括：
经由至少一个计算装置的至少一个处理器获得表示特定用户的行为概要内容的一个或多个信号和/或状态，其中所述行为概要内容包括表示所述特定用户的当前行为状态或生物状态或者其组合的多个参数；并且
经由所述至少一个处理器至少部分基于所述行为概要内容或者至少部分基于表示外部因素的一个或多个参数或者其组合来为所述特定用户生成一个或多个推荐，其中所述一个或多个推荐是基本上针对所述特定用户的未来状态的改善的。
13.如权利要求12所述的方法，其中获得表示所述行为概要内容的所述一个或多个信号和/或状态包括反复地获得经更新的行为概要内容。
14.如权利要求12或权利要求13所述的方法，其中所述特定用户的行为概要内容包括表示以下所列项的多个参数：焦点、兴奋、愤怒、恐惧、疲劳、脱水、专注/分心、突破前、静默喜爱、后悔/承认错误、可能的焦点、饥饿、草率/精确、共情、困惑、或者社交参与水平、或者这些的任何组合。
15.如权利要求12至14的任何一项所述的方法，其中所述表示外部因素的一个或多个参数包括表示以下所列项的一个或多个参数：位置、时段、外部个体的存在、身份和/或状态、或者一般情绪、或者这些的组合。
16.如权利要求12至15的任何一项所述的方法，其中生成所述一个或多个推荐包括经由所述至少一个处理器执行一个或多个机器学习操作来确定所述外部因素和/或所述行为概要内容之间的一个或多个关系和/或关联。
17.如权利要求16所述的方法，其中所述表示外部因素的一个或多个参数包括表示所述特定用户当前消耗的内容的一个或多个参数，并且其中执行所述一个或多个机器学习操作确定所述特定用户当前消耗的内容与所述行为概要内容之间的一个或多个关系和/或关联以为所述特定用户识别静默喜爱。
18.如权利要求16或权利要求17所述的方法，其中所述表示外部因素的一个或多个参数包括表示所述特定用户当前消耗的内容的一个或多个参数，并且其中执行所述一个或多个机器学习操作确定所述特定用户当前消耗的内容与所述行为概要内容之间的一个或多个关系和/或关联以选择和/或修改内容来随后呈现给所述用户。
19.如权利要求16至18的任何一项所述的方法，其中所述表示外部因素的一个或多个参数包括表示所述特定用户当前消耗的内容的一个或多个参数，并且其中为所述特定用户生成所述一个或多个推荐包括执行所述一个或多个机器学习操作以确定所述特定用户当前消耗的内容与所述行为概要内容之间的一个或多个关系和/或关联，其中对于所述特定用户的所述一个或多个推荐包括与以下所列项有关的一个或多个动作：脱水、饥饿、或者疲劳，或者这些的组合。
20.一种装置，包括：
至少一个处理器，用于至少部分基于从行为处理单元获得的表示特定操作者的行为概要内容的信号和/或状态来跟踪所述特定操作者的行为状态或生物状态或者其组合；
至少一个存储器，用于存储表示所述行为概要内容的信号和/或状态；
其中所述至少一个处理器用于检测所述特定操作者的行为状态或生物状态或者其组合的特定变化；并且
其中，至少部分响应于检测到的所述特定操作者的行为状态或生物状态或者其组合的变化，所述至少一个处理器用于对于联系所述特定操作者执行的技术辅助任务发起对特定机器的一个或多个方面的控制以将对所述特定机器的一个或多个方面的控制至少部分从所述特定操作者转移。
21.如权利要求20所述的装置，其中检测到的所述特定操作者的行为状态或生物状态或者其组合的变化包括以下所列项的水平的变化：愤怒、烦乱、后悔、注意、专注、精确、可能的焦点、或者疲劳、或者这些的任何组合。
22.如权利要求21所述的装置，其中所述特定机器包括执法武器并且其中所述特定操作者包括执法人员，并且其中所述至少一个处理器用于发起对武器发射***和/或武器瞄准***的一个或多个方面的控制以将对武器安全***和/或武器发射***的控制至少部分从所述特定操作者转移。
23.如权利要求21或权利要求22所述的装置，其中所述特定机器包括机器人手术装置并且所述特定操作者包括外科医生，并且其中所述至少一个处理器用于发起对外科手术的一个或多个方面的控制以将对外科手术的控制从所述外科医生至少部分转移到所述机器人手术装置。
24.如权利要求20至23的任何一项所述的装置，其中所述行为处理单元包括：
至少一个存储器，用于存储包括从一个或多个传感器获得的信号和/或状态的传感器内容；以及
行为内容处理电路，包括机器学习电路来执行一个或多个特定的机器学习操作，以处理所述传感器内容来为至少一个特定操作者生成行为概要内容，其中所述行为内容处理电路还包括多个可配置传感器内容处理单元来单独执行特定的传感器内容处理操作，并且其中所述机器学习电路包括多个可配置机器学习单元来单独执行特定的机器学习技术，而且其中，个体传感器内容处理单元或者个体机器学习单元或者其组合是至少部分根据一个或多个控制信号可配置的，所述一个或多个控制信号是由控制电路至少部分响应于一个或多个传感器可用性参数、一个或多个传感器类型参数、描述特定用户的一个或多个参数、一个或多个环境参数、一个或多个行为概要内容指定参数或者从决策做出***获得的一个或多个参数或者这些的任何组合来生成的。
Applications Claiming Priority (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/922,644 | 2018-03-15 | ||
| US15/922,687 US11259729B2 (en) | 2018-03-15 | 2018-03-15 | Systems, devices, and/or processes for behavioral and/or biological state processing |
| US15/922,644 US10373466B1 (en) | 2018-03-15 | 2018-03-15 | Systems, devices, and/or processes for tracking behavioral and/or biological state |
| US15/922,671 | 2018-03-15 | ||
| US15/922,671 US20190287028A1 (en) | 2018-03-15 | 2018-03-15 | Systems, devices, and/or processes for behavioral content processing |
| US15/922,687 | 2018-03-15 | ||
| PCT/GB2019/050691 WO2019175569A1 (en) | 2018-03-15 | 2019-03-12 | Systems, devices, and/or processes for behavioral and/or biological state processing |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112055865A true CN112055865A (zh) | 2020-12-08 |
Family
ID=65904468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980029470.1A Pending CN112055865A (zh) | 2018-03-15 | 2019-03-12 | 用于行为和/或生物状态处理的***、装置和/或过程 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112055865A (zh) |
| WO (1) | WO2019175569A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11928163B2 (en) | 2022-02-11 | 2024-03-12 | Arm Limited | Apparatus, method and computer program for creating digital memories for a particular person |
| US11995527B2 (en) | 2022-02-11 | 2024-05-28 | Arm Limited | Apparatus, method and computer program for developing a behaviour tool to estimate a behaviour of a person |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001039097A2 (en) * | 1999-11-21 | 2001-05-31 | Living Software Applications Ltd. | An interactive system for providing psychological stimulation tuned to personal issues |
| CN101379493A (zh) * | 2006-02-06 | 2009-03-04 | 索尼株式会社 | 基于生物信息的信息推荐*** |
| US9183761B1 (en) * | 2012-05-02 | 2015-11-10 | Samepage, Inc. | Behavior management platform |
| RU2014129016A (ru) * | 2011-12-16 | 2016-02-10 | Конинклейке Филипс Н.В. | Хронологический журнал действий пользователя и ассоциированных эмоциональных состояний |
| US20160086500A1 (en) * | 2012-10-09 | 2016-03-24 | Kc Holdings I | Personalized avatar responsive to user physical state and context |
| WO2017078288A1 (ko) * | 2015-11-02 | 2017-05-11 | 삼성전자 주식회사 | 사용자 프로파일을 생성하기 위한 전자 장치 및 방법 |
| US20170200449A1 (en) * | 2011-04-22 | 2017-07-13 | Angel A. Penilla | Methods and vehicles for using determined mood of a human driver and moderating vehicle response |
| EP3293691A1 (en) * | 2016-09-09 | 2018-03-14 | Sony Corporation | System and method for providing recommendation on an electronic device based on emotional state detection |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004049916A2 (en) * | 2002-11-27 | 2004-06-17 | At Home Care Partners, Inc. | System for providing at home health care service |
| US9149236B2 (en) * | 2013-02-04 | 2015-10-06 | Intel Corporation | Assessment and management of emotional state of a vehicle operator |
| CN203438860U (zh) * | 2013-07-25 | 2014-02-19 | 长安大学 | 一种基于压力传感器的疲劳驾驶主动监控*** |
| GB201404234D0 (en) * | 2014-03-11 | 2014-04-23 | Realeyes O | Method of generating web-based advertising inventory, and method of targeting web-based advertisements |
| JP6778872B2 (ja) * | 2016-06-28 | 2020-11-04 | パナソニックＩｐマネジメント株式会社 | 運転支援装置及び運転支援方法 |
-
2019
- 2019-03-12 WO PCT/GB2019/050691 patent/WO2019175569A1/en active Application Filing
- 2019-03-12 CN CN201980029470.1A patent/CN112055865A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001039097A2 (en) * | 1999-11-21 | 2001-05-31 | Living Software Applications Ltd. | An interactive system for providing psychological stimulation tuned to personal issues |
| CN101379493A (zh) * | 2006-02-06 | 2009-03-04 | 索尼株式会社 | 基于生物信息的信息推荐*** |
| US20170200449A1 (en) * | 2011-04-22 | 2017-07-13 | Angel A. Penilla | Methods and vehicles for using determined mood of a human driver and moderating vehicle response |
| RU2014129016A (ru) * | 2011-12-16 | 2016-02-10 | Конинклейке Филипс Н.В. | Хронологический журнал действий пользователя и ассоциированных эмоциональных состояний |
| US9183761B1 (en) * | 2012-05-02 | 2015-11-10 | Samepage, Inc. | Behavior management platform |
| US20160086500A1 (en) * | 2012-10-09 | 2016-03-24 | Kc Holdings I | Personalized avatar responsive to user physical state and context |
| WO2017078288A1 (ko) * | 2015-11-02 | 2017-05-11 | 삼성전자 주식회사 | 사용자 프로파일을 생성하기 위한 전자 장치 및 방법 |
| EP3293691A1 (en) * | 2016-09-09 | 2018-03-14 | Sony Corporation | System and method for providing recommendation on an electronic device based on emotional state detection |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019175569A1 (en) | 2019-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11259729B2 (en) | Systems, devices, and/or processes for behavioral and/or biological state processing | |
| Lim et al. | Emotion recognition using eye-tracking: taxonomy, review and current challenges | |
| US11303976B2 (en) | Production and control of cinematic content responsive to user emotional state | |
| US20210098110A1 (en) | Digital Health Wellbeing | |
| CN108574701B (zh) | 用于确定用户状态的***和方法 | |
| Lottridge et al. | Affective interaction: understanding, evaluating, and designing for human emotion | |
| US9805381B2 (en) | Crowd-based scores for food from measurements of affective response | |
| US10572679B2 (en) | Privacy-guided disclosure of crowd-based scores computed based on measurements of affective response | |
| KR20240031439A (ko) | 개인 맞춤식 디지털 치료 방법 및 디바이스 | |
| JP6452443B2 (ja) | データ・ネットワーク・サービスを介した感情共有のためのバイオセンサーの使用 | |
| US20160302711A1 (en) | Notifying a user about a cause of emotional imbalance | |
| Chassiakos et al. | Current trends in digital media: How and why teens use technology | |
| US20220211583A1 (en) | Infant feeding system | |
| US20150332603A1 (en) | Understanding data content emotionally | |
| EP2972678A1 (en) | Wearable computing apparatus and method | |
| Heraz et al. | Recognition of emotions conveyed by touch through force-sensitive screens: Observational study of humans and machine learning techniques | |
| Spoladore et al. | A semantic-enabled smart home for AAL and continuity of care | |
| CN112055865A (zh) | 用于行为和/或生物状态处理的***、装置和/或过程 | |
| Mouchabac et al. | Prevention of suicidal relapses in adolescents with a smartphone application: Bayesian network analysis of a preclinical trial using in silico patient simulations | |
| Rincon et al. | Detecting emotions through non-invasive wearables | |
| US10841083B2 (en) | Systems, devices, and/or processes for OMIC content processing and/or communication | |
| JP2018503187A (ja) | 被験者とのインタラクションのスケジューリング | |
| EP4195181A1 (en) | Aroma training using virtual reality | |
| US20230306232A1 (en) | Apparatus, method and computer program for developing a behaviour tool to estimate a behaviour of a person | |
| US10373466B1 (en) | Systems, devices, and/or processes for tracking behavioral and/or biological state |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |