XiaoMi-AI文件搜索系统
World File Search System如变分
利用变分自动编码器进行生成主动学习，用于兽医学放射学数据生成
摘要 — 近年来，随着人们对宠物保健的兴趣日益浓厚，兽医对计算机辅助诊断 (CAD) 系统的需求也随之增加。由于缺乏足够的放射学数据，兽医 CAD 的发展陷入停滞。为了克服这一挑战，我们提出了一种基于变分自动编码器的生成主动学习框架。此方法旨在缓解兽医 CAD 系统可靠数据的稀缺问题。本研究利用了包括心脏扩大放射图像数据和慢性肾病超声图像数据的数据集。在删除注释并标准化图像后，我们采用了一个数据增强框架，该框架包括数据生成阶段和用于过滤生成数据的查询阶段。实验结果表明，当通过该框架生成的数据添加到生成模型的训练数据中时，射线图像中的 frechet 起始距离从 84.14 减小到 50.75，超声图像中的 frechet 起始距离从 127.98 减小到 35.16。随后，当生成的数据被纳入分类模型的训练中时，混淆矩阵的真负数也从射线照片上的 0.16 提高到 0.66，超声图像上的真负数从 0.44 提高到 0.64。所提出的框架有可能解决医学 CAD 数据稀缺的挑战，从而促进其发展。
通过功能约束结构图变分自动编码器实现结构和功能连接组的统一嵌入
摘要。图论分析已成为建模大脑功能和解剖连接的标准工具。随着连接组学的出现，主要感兴趣的图或网络是结构连接组（来自 DTI 纤维束成像）和功能连接组（来自静息态 fMRI）。然而，大多数已发表的连接组研究都集中在结构或功能连接组上，但当它们之间的互补信息在同一数据集中可用时，可以联合利用它们来提高我们对大脑的理解。为此，我们提出了一种功能约束的结构图变分自动编码器 (FCS-GVAE)，它能够以无监督的方式整合来自功能和结构连接组的信息。这导致了联合低维嵌入，从而建立了一个统一的空间坐标系，用于跨不同主体进行比较。我们使用公开的 OASIS-3 阿尔茨海默病 (AD) 数据集评估了我们的方法，并表明变分公式对于最佳地编码功能性大脑动态是必不可少的。此外，与不使用互补连接组信息的方法相比，所提出的联合嵌入方法可以更准确地区分不同的患者亚群。
上下文子空间变分量子特征求解器和非上下文投影假设的稳定器框架
摘要：量子化学是噪声中型量子 (NISQ) 设备的一个有前途的应用。然而，量子计算机迄今为止尚未成功解决具有真正科学意义的问题，算法的进步对于充分利用当今可用的普通 NISQ 机器来说是必不可少的。我们讨论了一种基于将分子汉密尔顿量划分为两部分的基态能量估计方法：一部分是非上下文的，可以用经典方法求解，另一部分是上下文分量，可通过变分量子特征求解器 (VQE) 程序获得量子校正。这种方法被称为上下文子空间 VQE (CS-VQE)；然而，在将其部署到 NISQ 设备上之前，还有一些障碍需要克服。我们在这里解决的问题是 ansatz，即我们在 VQE 期间对其进行优化的参数化量子态；最初并不清楚汉密尔顿量的分裂应如何反映在 CS-VQE ansa ̈ tze 中。我们提出了一种“非上下文投影”方法，该方法由稳定器形式中 CS-VQE 的重新表述所阐明。这定义了从完整电子结构问题到上下文子空间的假设限制，并促进了可在 NISQ 设备上部署的 CS-VQE 的实现。我们使用量子模拟器验证了非上下文投影假设，并展示了一组小分子的化学精确基态能量计算，同时显著减少了所需的量子比特数和电路深度。
标题：基于小波的变分近似功能磁共振成像中的脑活动联合检测-估计
自从首次报道人类的血氧水平依赖性 (BOLD) 效应 (Ogawa 等人，1990) 以来，功能性磁共振成像 (fMRI) 就成为一种强有力的工具，可以非侵入性地研究感觉运动或认知任务与间接反映诱发神经活动的血流动力学 BOLD 反应之间的关系。fMRI 使我们能够确定当人类受试者受到特定刺激时哪些皮质区域会引起激活。fMRI 的主要目标之一是通过探索接受相同实验范式的一组受试者 (通常约 15 个) 来显示共同认知功能的存在。组级分析很大程度上依赖于公平的受试者内统计分析。后者传统上是使用基于实验设计矩阵的一般线性模型 (GLM) 进行的，该矩阵指定了对每个刺激的预期 BOLD 响应。这种 GLM 还假定了所谓的血流动力学响应函数 (HRF) 的预设形式。然而，将后者函数固定为某种规范形状似乎过于严格且具有误导性。事实上，正如各种实验所证明的那样，HRF 可能因受试者而异，甚至可能因给定受试者大脑皮层区域而异。
使用变分循环神经网络进行主动推理，为习惯智能体进行目标导向规划
摘要：至关重要的是要问，代理如何仅使用通过习惯性感觉运动经验获得的部分世界模型来生成行动计划，从而实现目标。尽管许多现有的机器人研究都使用了前向模型框架，但存在高自由度的泛化问题。当前的研究表明，采用生成模型的预测编码 (PC) 和主动推理 (AIF) 框架可以通过学习低维潜在状态空间中的先验分布来开发更好的泛化，该先验分布表示从习惯性感觉运动轨迹中提取的概率结构。在我们提出的模型中，学习是通过推断最佳潜在变量以及突触权重来最大化证据下限来进行的，而目标导向规划是通过推断潜在变量来最大化估计下限来完成的。我们提出的模型在模拟中使用简单和复杂的机器人任务进行了评估，通过为正则化系数设置中间值，证明了在有限的训练数据下学习中具有足够的泛化能力。此外，比较模拟结果表明，由于先验学习将运动计划的搜索限制在习惯轨迹范围内，因此所提出的模型在目标导向规划中优于传统的前向模型。
研究论文：使用集成迁移学习和量子变分分类器进行脑肿瘤检测的新模型
如果没有正确诊断，脑肿瘤是一种细胞异常增大。早期发现脑肿瘤对于临床实践和生存率至关重要。脑肿瘤有各种形状、大小和特征，治疗方法也各不相同。人工检测肿瘤既困难又耗时，而且容易出错。因此，对计算机诊断系统的需求很大，可以准确检测脑肿瘤。在本研究中，从 inceptionv3 模型中提取深度特征，其中得分向量从 softmax 获取并提供给量子变分分类器 (QVR)，以区分神经胶质瘤、脑膜瘤、无肿瘤和垂体瘤。分类后的肿瘤图像已传递到所提出的 Seg 网络，在该网络中对实际感染区域进行分割以分析肿瘤严重程度。已在三个基准数据集（例如 Kaggle、2020-BRATS 和本地收集的图像）上评估了所报告研究的结果。该模型实现了超过 90% 的检测分数，证明了所提出模型的有效性。
元变分量子特征求解器：学习参数化汉密尔顿量的能量分布以进行量子模拟
我们提出了元变分量子本征求解器 (VQE)，这是一种能够学习参数化汉密尔顿量的基态能量分布的算法。如果使用几个数据点训练元 VQE，它将提供初始电路参数化，可用于计算特定信任区域内汉密尔顿量的任何参数化的基态能量。我们使用 XXZ 自旋链、电子 H 4 汉密尔顿量和单传输量子模拟测试该算法。在所有情况下，元 VQE 都能够学习能量函数的形状，在某些情况下，与单个 VQE 优化相比，它可以提高准确性。元 VQE 算法在优化数量方面提高了参数化汉密尔顿量的效率，并为单个优化的量子电路参数提供了良好的起点。所提出的算法可以很容易地与变分算法领域的其他改进相结合，以缩短当前最先进技术与具有量子优势的应用之间的距离。
公告第177号令和6年11月14日分任支出负担
2 天前 — GLT-CG-2000001 日本陆上自卫队装备通用规格。2 一般事项。本规格中未指定的任何事项均受制造商规定的规格、内部标准和商业惯例的约束。 3 产品 ...
令和6年10 月22 日- 分任契约担
6 天前 — 金额 ¥。 （不含消费税和地方税） 产品名称。 规格。 单位数量。 单价。 金额。 IP 收发器租赁。 根据规格。 ST。 6。 以下保证金。 总计。 交货地点。 爱媛自卫队...
公告第63号令和6年10月24日- 分支出负担
4 天前 — 拆卸制导武器相关物品。零件编号或规格。按规格。所用设备的名称。数量。1.00。单位。品牌。到期日期等。组。1.P。指定检查包装。ST。1.7 G1。交付或...