XiaoMi-AI文件搜索系统
World File Search System优越性
生物和医学中的计算机
摘要：本文提出了一种面向磁共振成像（MRI）的基于注意机制的新型胶质瘤分级网络（AGGN）。通过应用双域注意机制，可以同时考虑通道和空间信息来分配权重，这有利于突出特征图中的关键模态和位置。在多尺度特征提取模块中采用多分支卷积和池化操作来分别获得每个模态的浅层特征和深层特征，并采用多模态信息融合模块来充分融合低级细节特征和高级语义特征，促进不同模态信息之间的协同作用。通过大量实验对所提出的AGGN进行了全面的评估，结果证明了所提出的AGGN与其他先进模型相比的有效性和优越性，并且还表现出很高的泛化能力和强的鲁棒性。此外，即使没有手动标记的肿瘤掩模，AGGN 也能表现出与其他先进算法相当的性能，这减轻了端到端学习范式中对监督信息的过度依赖。
基于结构性脑 MRI 图像、网格搜索优化和卷积神经网络诊断自闭症谱系障碍
本研究提出了一种基于 sMRI 的自闭症自动诊断模型。该模型由两个基本阶段组成。第一阶段是预处理阶段，包括删除不清楚的图像、应用 Canny 边缘检测 (CED) 算法识别图像边缘、裁剪图像到系统所需的大小，最后使用数据增强将图像放大五倍。数据增强方法不应影响图像中的辨别力（例如颜色），而且由于它适用于自闭症谱系障碍 (ASD) 和正常发育 (TD) 两组，因此在执行时要小心谨慎，以免对数据造成任何操纵。在第二阶段，将网格搜索优化 (GSO) 算法应用于系统中使用的深度卷积神经网络 (DCNN)，以获得最佳超参数。因此，基于 sMRI 的 ASD 诊断方法实现了 100% 的出色成功率。通过五折交叉验证测试验证了所提模型的可靠性，并通过与最近的研究和广泛使用的预训练模型的比较证明了其优越性。
通过生成AI与专家的混合物增强物理层通信安全
摘要 - AI技术在无线通信中已被更广泛地采用。作为一种新兴的AI技术类型，生成人工智能（GAI）在通信安全方面引起了很多关注。由于其强大的学习能力，GAI模型表现出了比常规AI方法的优越性。但是，GAI仍然有几个局限性，包括高计算复杂性和有限的适应性。专家（MOE）的混合物通过门机制使用多个专家模型来词典，提出了可能的解决方案。首先，我们回顾GAI模型在物理层通信安全性中的应用，讨论局限性，并探讨MOE如何帮助GAI克服这些局限性。此外，我们为通信安全性的网络选择问题提供了一个启用MOE的GAI框架。为了证明该框架的有效性，我们在合作友好的障碍场景中提供了一个案例研究。实验结果表明，支持MOE的框架有效地有助于GAI算法，解决其局限性并增强通信安全性。
使用YOLO V5与
摘要这项研究提出了一种创新的视频监视中人行人检测方法，利用Yolov5的功率（您只看一次版本5）与基于光感知融合的功能提取相结合。所提出的方法旨在在不同的照明条件下提高行人检测系统的准确性和效率。yolov5以其实时对象检测功能而闻名，与一种新型的特征提取技术集成，该技术融合了来自多个光感知传感器的信息。这种融合策略允许模型在不同的照明方案中适应和稳健。实验结果证明了所提出的方法的优越性，实现了出色的性能。Yolov5与基于光感知的特征提取的融合，展示了行人检测中有希望的进步，以解决现实监视环境中动态照明条件带来的挑战。关键字：行人检测，视频监视，Yolov5，光感知融合，特征提取
2023; 19(3): 789-810. doi: 10.7150/ijbs.79328 综述 核酸与小分子药物联合抗癌治疗的先进策略
癌症被认为是控制细胞增殖、分化和体内平衡的基因突变的复杂恶性后果，因此肿瘤治疗极具挑战性。迄今为止，各种载货分子，包括核酸药物（pDNA、miRNA 和 siRNA）、治疗药物（阿霉素、紫杉醇、柔红霉素和吉非替尼）和成像剂（放射性同位素、荧光染料和 MRI 造影剂）已被视为临床应用的潜在药物。然而，由于肿瘤异质性和多种药物耐药性，非单一治疗药物可以产生令人满意的临床效果，而基于纳米技术的联合治疗正在成为增强抗癌效果的重要先进模式。本综述汇集了当前以纳米药物为基础的联合递送小分子药物和核酸进行抗癌治疗的先进发展。此外，明确介绍了其优越性，并详细讨论了克服临床挑战的障碍。最后，展示了未来药物和核酸联合治疗肿瘤的合理方向。
我们真的在文本分类方面取得了很大进展...
我们分析了跨知名数据集的单标签和多标签文本分类的各种方法，将其分类为单词袋，基于序列，基于图和层次结构的方法。尽管基于图的模型，但仅编码的预先训练的语言模型（尤其是BERT）仍然是最先进的方法。然而，最近的发现提出了更简单的模型，例如逻辑回归和基于Trigram的SVM的表现优于新技术。虽然仅解码的生成语言模型在学习有限的数据方面表现出了希望，但它们却落后于仅编码模型的性能。我们强调了歧视语言模型（例如BERT）比生成模型的优越性。此外，我们高度阐明了文献在方法比较中缺乏鲁棒性，尤其是关于基本的超参数优化，例如仅通过编码器的语言模型中的学习率。数据可用性：源代码可在https://github.com/drndr/multilabel-text-clf上找到。除NYT数据集外，用于我们实验的所有数据集均可公开使用。
神经语言学杂志
在我们所做的所有事情中，除了其无处不在和实用性之外，语言也许是特征特征与所有其他有众者不同的特征。因此，研究住房语言的获取，处理和神经/认知效应提供了更好地理解与认知科学多个领域有关的基本特征的机会，例如语言本身的表现和工作，例如人类的认知，脑形可变性，并且在塑造相关功能中所具有的作用在塑造相关的能力中所扮演的角色。毫无疑问，研究单语言如何获取和处理其母语对上述领域的关键见解，但在没有考虑双语主义带来相同查询的哪些同样的查询的情况下，最终永远无法实现全面的理解。为什么会这样呢？知道多种语言代表了全球默认的语言现实 - 超过50％的世界人口至少是双语的，即使不是多语言的话（Grosjean，2019； Romaine，1995）。因此，从全球少数群体（所谓的单语言）的角度来理解语言及其在思维/大脑中的敲门效应，构成了固有的谬误，这构成了误解先验的任何有意义的普遍性。的确，研究各种双语者中语言的获取和处理的研究都记录了它们之间的相似性和差异（例如，Desmet＆Duyck，2007; Meisel，2004，2011; Kaan，2014; Kaan，2014; Slabakova，2016; Kupisch＆Rothman＆Rothman，2018）。双语本身构成了语言和认知科学研究的重要自然实验室。从语言角度来看，更强调和阐明语言的发展，在心理上代表和处理语言，还是更神经科学的角度来看，它利用语言来揭示哪些大脑领域和神经网络与复杂的认知过程有关，而没有来自BI linguals的证据，我们只有比较（比）一半。鉴于双语不是一个单一思想中的两个单语言的总和，因此这一发现并不奇怪，也不会说出一个国家的优越性而不是另一个国家的优越性。他们只是强调，尽管在包括基本机制在内的多个层面上共享了很多重叠，但它们是同一基本上人类反射的独特实例。与跨语言影响有关的研究在双语获取和处理中，多十多年来，引用了众多例子之一，不仅强调了语言的相对（但受到约束）语言孔口及其与领域一般认知的亲密关系，而且还强调了更多的
人工智能能达到人类思维吗？
深度学习的变革性成就促使一些学者提出人工智能 (AI) 是否能够达到并超越人类思维水平的问题。在解决了有关该问题可能答案的方法论问题之后，本文认为，人工智能支持者提出的智能定义是“完成复杂目标的能力”，适用于机器，但并未抓住人类思维的本质。在讨论了机器和大脑在理解方面的差异以及主观体验的重要性之后，需要强调的是，大多数人工智能最终优越性的支持者忽视了身体本身对大脑的重要性、大脑的侧化以及神经胶质细胞的重要作用。通过诉诸哥德尔的不完备性定理和图灵关于计算的类似结果，可以注意到意识比数学和计算都丰富得多。最后，也许最重要的是，需要强调的是，人工算法试图仅模仿大脑皮层部分区域的意识功能，而忽略了这样一个事实：不仅每个意识体验都先于无意识过程，而且从无意识到意识的转变也伴随着信息的丢失。
文章基于社会长短期记忆网络的多飞机轨迹协同预测
摘要：飞机轨迹预测是进离场排序、冲突检测与解决等空中交通管理技术的基础。准确的轨迹预测有助于增加空域容量，确保飞机安全有序运行。目前的研究主要集中在单架飞机轨迹预测，没有考虑飞机之间的相互作用。因此，本文提出一种基于社会长短期记忆（S-LSTM）网络的模型，实现多架飞机轨迹协同预测。该模型为每架飞机建立一个LSTM网络，并通过一个池化层来整合关联飞机的隐藏状态，可以有效捕捉它们之间的相互作用。本文以北加州终端区的飞机轨迹为实验数据。结果表明，与主流的轨迹预测模型相比，本文提出的S-LSTM模型具有较小的预测误差，证明了该模型性能的优越性。另外，在存在飞机相互作用的空域场景中进行了对比实验，发现S-LSTM的预测效果优于LSTM，证明了前者考虑飞机相互作用的有效性。
将配体功效指数与化合物药代动力学特征相结合，以获得整体化合物质量评分
小分子是否适合作为口服药物，通常通过简单的物理化学规则、配体功效评分（结合物理化学特性和效力）或基于物理化学化合物特性的多参数综合评分来评估。这些规则和评分是经验性的，通常缺乏机制背景，例如药代动力学 (PK) 信息。我们引入了一种新型化合物质量评分（具体称为剂量评分和 c max 评分），其中明确包括预测的或在可用时通过实验确定的 PK 参数，例如分布容积、清除率和血浆蛋白结合。结合靶向效力，这些评分可替代估计剂量或相应的 c max。这些化合物质量评分可用于在测试级联中对化合物进行优先排序，通过整合基于机器学习的效力和 PK 预测，这些评分可用于对合成进行优先排序。我们通过项目实例展示了现有效率指标（如配体效率分数）的互补性，并且在大多数情况下具有优越性。