XiaoMi-AI文件搜索系统
World File Search System似然
框置信深度：基于模拟的推理超矩形
在许多科学领域中，研究人员面临评估复杂统计模型的挑战，即可能的计算函数在计算上是棘手的，或者非常昂贵的计算。这导致了无似然推理方法的发展和日益普及，这为参数估计和模型比较提供了强大的替代方案。这些方法利用模拟，通过观察到的数据的比较来推断与模型在各种参数设置下产生的模拟结果的比较。在贝叶斯推论中，这些包括近似贝叶斯计算（Rubin，1984; Pritchard et al。，1999; Sisson等。，2018年），贝叶斯合成的可能性（Wood，2010; Price等，2018年），神经可能和后验估计（Rezende and Mohamed，2015年； Papamakarios，Sterratt和Murray，2019年）。在频繁的环境中，在Gourieroux，Monfort and Renault（1993）的基础工作之后，近年来才看到无可能无可能推理的进步（Masserano等人。，2022; Xie and Wang，2022年； Dalmasso等。，2024）。本研究的重点是频繁推断，针对基于模拟的模型和非标准的规律性条件的校准置信区间和区域的构建。建议的方法提供了统一的
一般量子系统的自由能原理
摘要 自由能原理 (FEP) 指出，在适当的弱耦合条件下，具有足够自由度的随机动力系统将表现为最小化意外 (又名自信息) 的上限，形式化为变分自由能。这个上限可以理解为贝叶斯预测误差。同样，它的负数是贝叶斯模型证据 (又名边际似然) 的下限。简而言之，某些随机动力系统表现出一种自我证明。在这里，我们在时空背景自由、无标度量子信息理论的形式化环境中重新表述 FEP。我们展示了如何将通用量子系统视为观察者，在标准选择自由假设下，它们成为能够为观察结果分配语义的代理。我们展示了此类代理如何在以不确定性、学习不足和量子语境为特征的环境中最小化贝叶斯预测误差。我们表明，在量子理论公式中，FEP 渐近等同于幺正原理。基于这些结果，我们提出生物系统将量子相干性用作计算资源，并隐含地用作通信资源。我们总结了一些未来研究的问题，
端到...
从外部知识库中检索适当的记录以产生信息的响应是端到端面向任务对话系统（ETODS）的核心capabil。大多数现有方法还训练检索模型或使用内存网络来检索知识基础，该基础将知识检索任务与响应生成任务取消，因此很难共同优化并且无法捕获两个任务之间的内部关系。在本文中，我们为任务为导向的对话系统提出了一个简单而统一的生成模型，该模型将ETODS任务重新铸造为单个序列生成任务，并使用最大的似然培训以统一的方式训练这两个任务。为了防止生成不存在的记录，我们设计了前缀Trie来限制模型生成，从而确保生成的记录与知识基础中的现有记录之间的一致性。三个公共基准数据集的实验结果表明，我们的方法在生成系统响应并胜过基线系统方面实现了强大的表现。为了促进该领域的未来研究，可以在https://github.com/dzy1011/uni-tod上获得该代码。
AI增强的数据同化和不确定性定量应用于地质碳存储
这项研究研究了机器学习（ML）和数据同化（DA）技术的整合，重点是实施用于地质碳储存（GCS）项目的替代模型，同时保持后状态的高富达物理结果。最初，在通道储层中的CO 2注射模拟的背景下，我们评估了两个不同的机器学习模型（FNOS）和变压器UNET（T-UNET）的替代建模能力。我们介绍了基于替代物的混合ESMDA（SH-ESMDA），这是传统的合奏对多种数据同化（ESMDA）的改编。此方法将FNO和T-UNET用作替代模型，并有可能使标准的ESMDA过程至少更快或更高，具体取决于同化步骤的数量。此外，我们引入了基于替代的混合RML（SH-RML），这是一种差异数据同化方法，依赖于随机最大似然（RML），在该方法中，FNO和T-UNET都可以计算梯度以优化目标函数，以及用于计算较高的状态模型来进行计算。我们的比较分析表明，与案例研究的常规ESMDA相比，SH-RML提供了更好的不确定性量化。
检测并绘制松属植物中槲寄生发生率的图表...
槲寄生在法国赤松林中发生率的上升是阿尔卑斯山赤松林保护和可持续性面临的主要问题之一。与天然林相比，人工林更容易受到生物入侵。研究区域覆盖着针叶林（低海拔地区主要是法国赤松），法国西南部阿尔卑斯山的一部分黑森林受到半寄生虫槲寄生的严重影响。由于槲寄生的发生，研究区域的法国赤松树枝肿胀、树体弯曲；树木死亡率惊人。为了管理和尽量减少生物入侵，检测和绘图在森林保护中起着关键作用。通过遥感技术检测和绘制生物入侵地图是研究人员要克服的挑战。高分辨率 (VHR) 卫星图像和航空图像的进步以及遥感和 GIS 技术的应用，已在森林健康状况的检测、绘图和监测方面显示出良好的效果。在本研究中，数字航空正射影像（分辨率 15 厘米）和 VHR 卫星图像 WorldView-2（全色 0.5m 和多光谱 2m）用于通过基于像素的最大似然分类器检测和绘制欧洲松林中槲寄生的存在。在 WorldView-2 光学影像上，成功绘制了欧洲松林的分布，精度较高（96%），kappa 系数为 0.84。存在槲寄生的欧洲赤松在所有波段的光谱反射率都较低，但 WorldView-2 的 NIR1、NIR2 和红边对槲寄生的区分能力更强。同样，植被指数 NDVI 85（红光和 NIR2 的波段组合）也有区分槲寄生的潜力。此外，结果表明，槲寄生与海拔呈负相关和显著相关（r=-0.5135；p<0.01），而与欧洲赤松的 DBH 呈显著正相关（r=0.52；p<0.01）。通过使用海拔和 DBH 建立了弱但统计显著的多元回归和逻辑回归，以模拟欧洲赤松树中槲寄生的发生率。通过应用基于像素的最大似然算法对松林中的槲寄生进行检测，在 WorldView-2 图像中实现了总体分类准确率 (86%) 和 kappa 系数 (0.52)。2m 分辨率 WV-2 与 0.15cm 分辨率正射影像分类输出的比较表明，空间分辨率较低但光谱分辨率较高的 WV-2 影像的分类精度较高（86%）。这项研究揭示了高分辨率光学影像在检测和绘制树木侵染地图方面具有巨大潜力。检测和绘制此类生物入侵地图可为更好地管理森林提供有用信息。关键词：检测和绘图、欧洲赤松、槲寄生、光学影像、生物入侵
使用预印刷服务器ARXIV
2.1。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9 2.2。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9 2.3。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 2.4被引用数。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 2.5。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13
基于影像对象的植被制图分类不确定性空间变化的影响因素
摘要 人们花费了大量精力来研究基于像素的分类精度和相关因素的空间变化。在过去的几年中，基于对象的分类引起了越来越多的关注。本文研究了影响基于对象的植被制图中分类不确定性空间变化的因素。我们研究了基于对象的分类中的六类因素：一般成员资格、地形、样本对象密度、空间组成、样本对象可靠性和对象特征。首先，使用引导方法得出分类不确定性（基于每个案例的分类精度）。然后，用分类或连续变量量化六类因素。在此步骤中，还讨论了计算样本对象空间组成指标的适当半径。最后，使用混合线性模型将分类不确定性建模为这些因素的函数。确定了重要因素，并从限制性最大似然拟合中估计了它们的参数。建模结果表明，海拔、样本对象大小、样本对象可靠性、样本对象密度和样本空间组成显著影响基于对象的分类不确定性。其中许多因素与基于对象的方法密切相关。本研究的结果有助于理解分类错误，并建议进一步改进分类。
中立的多新闻摘要可减轻框架偏差
媒体新闻框架偏见会加剧政治两极分化，破坏公民社会。因此，对自动缓解方法的需求日益增长。我们提出了一项新任务，即从具有不同政治倾向的多篇新闻文章中生成中立摘要，以促进平衡和无偏见的新闻阅读。在本文中，我们首先收集一个新的数据集，通过案例研究阐明关于框架偏见的见解，并为该任务提出一个新的有效指标和模型（N EU S-T ITLE）。根据我们发现标题为框架偏见提供了良好的信号，我们提出了 N EU S-T ITLE，它可以学习从标题到文章按层次顺序中和新闻内容。我们的分层多任务学习是通过使用标识符标记（“TI-TLE=>”、“ARTICLE=>”）按顺序格式化我们的分层数据对（标题、文章），并使用标准负对数似然目标微调自回归解码器来实现的。然后，我们分析并指出剩余的挑战和未来方向。最有趣的观察之一是神经 NLG 模型不仅可以产生事实上不准确或无法验证的内容，还可以产生政治偏见的内容。