XiaoMi-AI文件搜索系统
World File Search System动态特性
LiDAR4D：用于新型时空视图 LiDAR 合成的动态神经场
尽管神经辐射场 (NeRF) 在图像新视图合成 (NVS) 方面取得了成功，但 LiDAR NVS 仍然基本上未被探索。以前的 LiDAR NVS 方法采用了与图像 NVS 方法的简单转变，同时忽略了 LiDAR 点云的动态特性和大规模重建问题。鉴于此，我们提出了 LiDAR4D，这是一个可微分的 LiDAR 专用框架，用于新颖的时空 LiDAR 视图合成。考虑到稀疏性和大规模特性，我们设计了一种结合多平面和网格特征的 4D 混合表示，以由粗到细的方式实现有效重建。此外，我们引入了从点云衍生的几何约束来提高时间一致性。对于 LiDAR 点云的真实合成，我们结合了光线丢弃概率的全局优化来保留跨区域模式。在 KITTI-360 和 NuScenes 数据集上进行的大量实验证明了我们的方法在实现几何感知和时间一致的动态重建方面具有优越性。代码可在 https://github.com/ispc-lab/LiDAR4D 获得。
供应链管理在公路建设项目中的应用综述
由于其线性和动态特性，公路建设项目对于国家的发展至关重要，需要仔细规划、调度和资源管理。由于对材料和设备的需求会随着项目的进展而变化，因此必须有效地分析这些资源以减少延误。工厂的易腐混合物必须按时交付，以避免浪费现场资源。项目的成功取决于及时和适当的物资和机械分配。在国际建筑行业，延误管理仍然是一个重大问题。根据公路运输和公路部 (2020-2021) 的数据，印度正在对道路基础设施进行大量投资，拥有世界第二大公路网。道路建设速度从 2014-15 年的每天 12 公里增加到 2018-19 年的每天 30 公里，2016 年至 2021 年期间，基础设施行业占印度 GDP 的近 4%。到 2022 年底，目标是每天 40 公里，这些进步凸显了资源管理和规划的重要性。在高速公路建设项目中，使用来自施工现场的实时数据可以大大改善调度和规划程序，帮助解决问题并提高生产力。
葡萄牙经济的宏观经济模型
摘要 宏观经济模型虽然不能完美地反映现实，但提供了宝贵的见解，有助于改善经济推理并帮助解释代理人的行为。本文对 M 模型的当前版本进行了一般性描述，M 模型是葡萄牙经济的宏观经济季度模型，自 2000 年代初以来由葡萄牙银行经济和研究部开发。这种半结构化模型体现了以所谓的新古典综合为基础的理论基础与更灵活的方法之间的折衷，以更好地拟合数据。由于这种模型对不断变化的经济现实采取了务实的态度，因此它仍然是一种常见且有用的工具。通过模型的几个部分之间的联系来考虑经济关系的相互联系，这些部分包括需求、供应、工资、价格、劳动力市场、金融和财政变量。M 模型用于不同的目的，是预测练习和情景分析工具包的一部分。通过模拟五种冲击，即国外需求、公共消费、汇率、油价和利率，说明了其短期和中期的动态特性。（JEL：C32、C53、E17）
![arXiv:2101.00175v1 [quant-ph] 2021 年 1 月 1 日](/simg/1\1a2607433483a4b46b93ee856d3592ccd5e40cd0.webp)
arXiv:2101.00175v1 [quant-ph] 2021 年 1 月 1 日
近年来，PT 对称非厄米系统因各种有趣的特性而在理论和实验上得到了广泛的研究和探索。在本文中，我们重点研究了三量子比特系统的动力学特征，其中一个特征是在局部 PT 对称哈密顿量下演化的。发现了熵演化过程中一种新的异常动力学模式，该模式呈现出一种参数相关的稳定态，这是由 PT 对称破缺相中哈密顿量的非厄米性决定的。二体子系统的纠缠和互信息可以超过初始值，这在厄米和两量子比特 PT 对称系统中是不存在的。此外，在具有核自旋的四量子模拟器上实现了对非厄米系统中具有非零熵和纠缠的稳定态的实验演示。我们的工作揭示了三量子比特 PT 对称系统中独特的动态特性，为在量子计算机上实现多方非厄米系统的实际量子模拟铺平了道路。
通过深度学习框架中的转移动态自动编码器进行基于生理信号的心理工作负荷估计
通过神经生理信号评估人机系统中操作员的心理工作负荷 (MW) 对于防止操作员性能不可预测的下降至关重要。 然而，生理信号的特征与之前时间步骤的历史值相关，并且其统计特性因个体和心理任务类型而异。 在本研究中，我们提出了一种新的转移动态自动编码器 (TDAE) 来捕捉脑电图 (EEG) 特征的动态特性和个体差异。 TDAE 由三个连续连接的模块组成，称为特征过滤器、抽象过滤器和转移 MW 分类器。 特征和抽象过滤器引入动态深度网络，将相邻时间步骤的 EEG 特征抽象为显着的 MW 指标。 转移 MW 分类器利用在情绪刺激下记录的源域 EEG 数据库中的大量 EEG 数据来提高模型训练稳定性。 我们在两个目标 EEG 数据库上测试了我们的算法。分类性能表明 TDAE 明显优于现有的浅层和深层 MW 分类模型。我们还研究了如何选择 TDAE 超参数，并发现通过适当的过滤顺序可以实现其准确性优势。© 2019 Elsevier B.V. 保留所有权利。
提示：基于人工智能的功能与人类参与的集成测试
人工智能技术的动态特性使得测试人机交互和协作变得具有挑战性——尤其是在这些功能被广泛部署之前。这对设计师和人工智能从业者来说是一个挑战，因为在开发阶段通常无法获得迭代的早期反馈。在本文中，我们从软件开发中的集成测试概念中汲取灵感，并提出了 HINT（人机集成测试），这是一个基于人群的框架，用于测试与人类在环工作流程集成的基于人工智能的体验。HINT 支持在现实用户任务的背景下对基于人工智能的功能进行早期测试，并利用连续的会话来模拟随时间演变的人工智能体验。最后，它为从业者提供报告，以评估和比较这些体验的各个方面。通过一项基于人群的研究，我们证明了进行随时间推移测试的必要性，因为用户行为在与人工智能系统交互时会发生变化。我们还表明，HINT 能够使用两个基于人工智能的功能原型，在各种常见的人工智能性能模式下捕捉和揭示这些不同的用户行为模式。我们通过对 13 位从业者进行半结构化访谈，进一步评估了 HINT 在部署前支持从业者评估人机交互体验的潜力。
提示：在人类参与的情况下对基于 AI 的功能进行集成测试
人工智能技术的动态特性使得测试人机交互和协作具有挑战性——尤其是在这些功能投入使用之前。这对设计师和人工智能从业者来说是一个挑战，因为在开发阶段通常无法获得迭代的早期反馈。在本文中，我们从软件开发中的集成测试概念中汲取灵感，并提出了 HINT（人机集成测试），这是一个基于人群的框架，用于测试与人类在环工作流集成的基于人工智能的体验。HINT 支持在现实用户任务的背景下对基于人工智能的功能进行早期测试，并利用连续的会话来模拟随时间演变的人工智能体验。最后，它为从业者提供报告，以评估和比较这些体验的各个方面。通过一项基于人群的研究，我们证明了需要进行随时间推移的测试，因为用户行为会在与人工智能系统交互时发生变化。我们还表明，HINT 能够使用两个基于 AI 的功能原型，在各种常见的 AI 性能模式中捕捉和揭示这些不同的用户行为模式。我们通过对 13 名从业人员进行半结构化访谈，进一步评估了 HINT 在部署前支持从业人员评估人机交互体验的潜力。
飞机结构耐撞性行为评估...
使用有限元分析评估飞机结构耐撞性行为 C. Zinzuwadia、G. Olivares、L. Gomez、H. Ly、H. Miyaki 威奇托州立大学，国家航空研究所，计算力学实验室，堪萨斯州威奇托 67260-0093 摘要 尽管全球范围内正在就飞机耐撞性的广泛方面进行研究和讨论，但目前尚无具体的动态监管要求。但美国联邦航空管理局 (FAA) 要求对每种新飞机型号进行评估，以确保飞机撞击性能不会与之前设计的典型动态特性有显著偏差或降低 [8]。复合材料机身结构部件的使用增加，需要进行新的评估，以确定相关动态结构响应的耐撞性是否提供与传统金属结构相当或更高的安全水平。通常，这种评估包括评估可幸存体积、大质量物品的保留、乘员所经受的减速载荷以及乘员紧急疏散路径。为了设计、评估和优化复合材料结构的耐撞性，必须牢记这些要求，开发分析方法和预测计算工具。为了实现这一目标，NIAR 使用 LS-DYNA ® 开发了波音 737 10 英尺 s 的数值模型
大鼠脑急性发作过程中数据驱动的网络动力学模型
癫痫是全球最常见的神经系统疾病之一。最近的研究结果表明，大脑是一个由神经元网络组成的复杂系统，癫痫发作被认为是其相互作用产生的一种新特性。基于这一观点，网络生理学已成为一种有前途的方法，用于探索大脑区域如何在健康状态和危重疾病条件下协调、同步和整合其动态。因此，本文的目的是介绍（动态）贝叶斯网络 (DBN) 的应用，以基于使用阈值分析发现的弧数对诱发癫痫发作的大鼠的局部场电位 (LFP) 数据进行建模。结果表明，DBN 分析捕捉到了发作过程中大脑连接的动态特性，以及与神经生物学的显著相关性，这些相关性源于采用药理学操作、病变和现代光遗传学技术的开创性研究。根据所提出的方法评估的弧与以前的文献取得了一致的结果，此外还展示了功能连接分析的稳健性。此外，它还提供了令人着迷的新颖见解，例如前肢阵挛和全身性强直阵挛性癫痫 (GTCS) 动态之间的不连续性。因此，DBN 与阈值分析相结合可能是研究脑回路及其动态相互作用的绝佳工具，无论是在稳态条件下还是在功能障碍条件下。
通过定向自适应动力学和不完全信息揭示测量引起的纠缠
引言：纠缠是量子系统独有的特征，研究其在复杂系统中的动态特性既有基础性动机，也有实际意义。也就是说，人们对理解在哈密顿量和测量诱导动力学相互竞争的系统中纠缠产生的不同阶段有着浓厚的兴趣（例如，参见参考文献 [ 1 – 16 ]）。这里的共同特点是，纠缠的产生取决于对测量结果的了解，即它只存在于单个测量轨迹的层面上[见图 1(a) ]。相反，平均状态（所有测量结果的平均值）通常是高度混合且无纠缠的。因此，直接检测新的纠缠动力学和转变似乎需要对测量记录进行后期选择，这对可扩展的实验实施提出了巨大的挑战 [ 17 ]。为解决这一后选择问题，人们提出了各种想法 [18-29]，并进行了一些相应的实验 [30,31]。其中许多方法侧重于测量替代量（即不直接测量系统纠缠），或研究使用反馈辅助动力学来稳定预选目标状态的效率转变 [该转变可作为实际测量诱导纠缠相变 (MIPT) 的替代 [23-26]]。虽然这些方法不需要后选择，但人们可能会担心反馈辅助动力学中的转变可能截然不同，并且与原始纠缠相变仅存在松散的关系 [25-27,32-35]。