XiaoMi-AI文件搜索系统
World File Search System准确
如何准确计算物联网计划的投资回报率
在实践中，量化一项计划的预期影响通常是一项挑战，因为计划的行动与描述业务情况的 KPI 之间通常没有直接的因果关系。这意味着我们必须求助于对从运营层面的行动到业务层面的（财务）影响的完整因果关系进行建模。根据情况，这些相互关联的影响链可能会延伸到多个层面。因此，建模始终是一项跨学科的工作，涉及业务经理和运营专家。联合研讨会可以帮助管理人员和领域专家更好地理解等式的两边。
改进的线性回归准确预测药物-靶标相互作用
在开发新药和确定其副作用时 [ 1 ]，制药科学依赖于统计学和计算机科学等相关科学分支的发现。此过程中的一个重要步骤是确定药物与药理靶标之间的相互作用。尽管可以通过体外结合试验可靠地确认相互作用的存在（例如，参见 [ 2 – 5 ]），但此类方法昂贵且耗时 [ 6 ]。为了解决这一瓶颈，已经设计并实施了计算方法来估计相互作用的概率。因此，可以根据计算机方法选择最有希望进行体外实验的候选药物。药物开发的成本进一步强调了预测药物-靶标相互作用的重要性。虽然估计数字各不相同，但他们一致认为，将一种新药推向市场需要花费数亿美元，有关概述例如，参见 [ 7 ]。此外，该过程可能总共需要 10 多年。药物-靶标相互作用预测（DTI）技术有望减少上述成本和时间，并支持药物重新定位[8]，即使用现有药物来治疗尚未用该药物治疗的疾病。
朝着基于相位材料的光子设备的准确热建模
可重新配置或可编程的光子设备正在迅速增长，并且已成为许多光学系统的组成部分。通过电刺激选择性调节电磁波的能力对于从数据通信和计算设备到环境科学和空间探索的各种应用的发展至关重要。基于粉红色的相变材料（PCM）是可重新配置光子学的最有前途的材料之一，因为它们在不同的固态结构相之间具有较大的光学对比度。尽管已经致力于准确地模拟基于PCM的设备的努力，但是在本文中，我们突出了三个重要方面，这些方面经常逃避先前的模型，但对这些设备的热和相转换行为产生了重大影响：融合的触发剂：热容量的触发，玻璃过渡时的热量变化，以及液态频率PCM的热电导率。我们进一步研究了在PCM设备中切换能量缩放的重要主题，这也有助于解释为什么在电子PCM记忆中长期以来一直忽略了上述三种效应，但仅在光子学中变得很重要。我们的发现提供了洞察力，可以促进基于PCM的光子设备的准确建模，并可以告知更有效的可重构光学元件。
利用神经生理学和机器学习准确预测热门歌曲
识别热门歌曲是出了名的困难。传统上，人们从大型数据库中测量歌曲元素，以识别热门歌曲的歌词方面。我们采用了不同的方法，测量了流媒体音乐服务提供的一组歌曲的神经生理反应，以识别热门歌曲和失败歌曲。我们比较了几种统计方法，以检查每种技术的预测准确性。使用两个神经测量的线性统计模型识别热门歌曲的准确率为 69%。然后，我们创建了一个合成数据集，并应用集成机器学习来捕获神经数据中固有的非线性。该模型对热门歌曲的分类准确率为 97%。将机器学习应用于歌曲第 1 分钟的神经反应，准确率达到 82%，表明大脑可以快速识别热门音乐。我们的结果表明，将机器学习应用于神经数据可以大大提高难以预测的市场结果的分类准确性。
Polaris：具有磁性星座的移动机器人的准确，无远见的信托
信托标记在移动机器人中是必不可少的，包括其姿势校准，上下文感知和导航。然而，现有的基准标记仅依赖于基于视觉的感知，而这种看法遭受了遮挡，能量开销和隐私泄漏等限制。我们提出了北极星，这是第一个基于新颖的，全堆栈的磁性传感的无视力标记系统。北极星即使在NLOS方案中也可以实现可靠，准确的姿势估计和上下文感知。其核心设计包括：（1）一种新型的数字调制方案，磁取向迁移键合（MOSK），可以编码关键信息，例如航路点和使用Passive Magnets的坐标； （2）一个强大而轻巧的磁传感框架，用于解码和定位磁性标签。我们的设计还为北极星提供了三个关键特征：足够的编码容量，可靠的检测准确性和低能消耗。我们已经建立了一个北极星的端到端系统，并在现实世界中进行了广泛的测试。测试结果表明北极星以达到高达0.58 mm和1°的姿势估计，功率消耗仅为25.08 mW。
使用基于循环切片的网络准确预测大脑年龄
摘要 BrainAge（根据神经影像数据预测受试者的表观年龄）是大脑衰老的重要生物标志物。BrainAge 与真实年龄的偏差与精神和神经疾病有关，并且已被证明可有效预测轻度认知障碍 (MCI) 转化为痴呆症。传统上，3D 卷积神经网络及其变体用于预测大脑年龄。然而，这些网络比 2D 网络具有更多参数并且训练时间更长。在这里，我们提出了一种基于 2D 切片的循环神经网络模型，该模型以有序的矢状切片序列作为输入来预测大脑年龄。该模型由两部分组成：一个 2D 卷积神经网络 (CNN)，它对切片中的相关特征进行编码，以及一个循环神经网络 (RNN)，它学习切片之间的关系。我们将我们的方法与其他最近提出的方法进行了比较，包括 3D 深度卷积回归网络、信息论模型和特征包 (BoF) 模型（例如 BagNet）——其中分类基于局部特征的出现，而不考虑它们的全局空间顺序。在我们的实验中，我们提出的模型的表现与当前最先进的模型相当甚至更好，参数数量几乎减少了一半，收敛时间也更短。关键词：深度学习、循环神经网络、卷积神经网络、大脑年龄、结构磁共振成像
法医实验室的扣押大麻样品中的准确测定
Table of Contents Summary of Project ……………………………………………………………………………...3 Statement of the Problem & Project Overview……………………………………………………3 Major Goals and Objectives……………………………………………………………………….7 Research Questions ……………………………………………………………………………………10研究设计，方法，分析和数据分析技术…………………………………………………………………………………………………………………………………………………………………………………。 …………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………”………………………………………………………………………………
迈向基于混乱的图像密码的准确键空间分析
摘要近年来，新的基于混乱的加密算法激增，其中许多声称具有异常大的钥匙空间。尽管加密原语（例如对称键密码）应该具有足够大的秘密键空间以抵抗蛮力攻击，但仅增加秘密密钥的大小可能不会导致安全保障的提高。n -bit键不一定会由于密钥调度算法或如何使用密钥而具有2 n -1的密钥空间。在本文中，我们从其关键时间表的角度来看，加密基于混乱的算法。我们的数值分析基于Kerckhoff的原理，并考虑用于实数计算的数字表示。我们的分析表明，这些密码的实际安全保证金显着降低，其中有些比所声称的超过200倍以上。然后，我们为这些密码提供准确的键空间估计值。最后，我们重点介绍了如何在基于混乱的密码学背景下如何使用秘密密钥的替代解决方案，并提出了一个简单的密钥时间表作为概念证明。尽管简单起见，但提出的密钥时间表不仅可以确保钥匙空间匹配密钥长度，而且还通过NIST和ENT统计测试套件，也使其成为生成安全加密密钥的可行选择。我们的工作有助于解决基于混乱的密码学中基本问题之一，该问题限制了其在加密社区中的实际影响和声誉。
简单、可靠、准确：PTW 的剂量面积产品测量仪
DAP 是入射剂量（空气比释动能）与光束面积相乘的结果。它可以通过平面电离室测量，该电离室直接安装在 X 射线焦点和患者表面之间的光束外壳上。根据平方反比定律，DAP 与焦点和患者之间的距离无关。这种关系表明，将辐射源和测量室之间的距离加倍，辐射面积将增加四倍，而剂量（空气比释动能）同时减少四倍。两种效应相互抵消。因此，剂量面积乘积与距离无关，它以优雅的方式确定检查期间所有可变参数，如管电压、管电流、过滤、辐照时间和场大小。
磁共振光谱（MRS）处理软件用于准确分析技术摘要
该软件已开发为为用户提供改进的磁共振光谱（MRS）处理方法，其中包括几个降低降噪信号增强步骤，可提供更高的灵敏度和特异性，以提高技术的诊断能力。磁共振成像（MRI）已成为一种相对常见的医学成像技术，该技术使用强磁场，无线电波和计算分析来创建体内组织的详细图像。它经常用于诊断癌症，心脏和大脑中的血管问题，肌肉骨骼和其他软组织损伤。MRS可以使用以不同方式处理的MRI仪器收集的信息来创建图形或“光谱”，该图形或“光谱”测量所选组织体积内的生化成分。MRI创建图像，MRS可以确定可以诊断出可以诊断的组织中化学物质的类型和数量，比较比率和绝对值。该技术的另一个优点是它是非侵入性的，因此不需要从患者那里取样或活检。