XiaoMi-AI文件搜索系统
World File Search System排序算法
一种具有脉冲减少和位置特征的全自动多通道神经脉冲分类算法
摘要 目的：对 Neuropixels 等多通道和高通道神经探针记录的神经尖峰数据进行分类，尤其是实时分类，仍然是一项重大的技术挑战。大多数神经尖峰分类算法侧重于事后对神经尖峰进行高分类精度——但这些算法通常无法减少处理延迟以实现快速分类，甚至可能是实时分类。 方法：我们在此报告我们的图形网络多通道排序 (GEMsort) 算法，该算法主要基于图形网络，可以对多个神经记录通道进行快速神经尖峰分类。这是通过两项创新实现的：在 GEMsort 中，通过仅选择任何通道中幅度最高的神经尖峰进行后续处理，从多个通道记录的重复神经尖峰被从重复通道中消除。此外，记录代表性神经尖峰的通道被用作附加特征，以区分从具有相似时间特征的不同神经元记录的神经尖峰。 主要结果：合成和实验记录的多通道神经记录用于评估 GEMsort 的分类性能。 GEMsort 的排序结果还与其他两种最先进的排序算法（Kilosort 和 Mountainsort）在排序时间和排序一致性方面进行了比较。意义：GEMsort 可以快速对神经脉冲进行排序，非常适合用数字电路实现，以实现高处理速度和通道可扩展性。
大脑 - 计算机界面通道选择优化了使用元式和进化算法
许多大脑 - 计算机界面（BCI）研究由于其固有的复杂性而忽略了通道优化。但是，仔细的渠道选择会提高性能和用户的舒适性，同时降低系统成本。进化的元映射证明了它们在解决复杂问题方面的有用性，但尚未完全利用。该研究的目的是两个方面：（1）提出一种新型算法，以找到每个用户设置的最佳通道，并将其与其他现有的元次素化学进行比较； （2）建立将这些优化策略调整到该框架的准则。共有3个单目标（GA，BDE，BPSO）和4个多目标（NSGA-II，BMOPSO，SPEA2，PEAIL）现有算法已通过3个公共数据库进行了调整和测试：“ BCI竞争III-DATASET II”，“中心拼写“中心拼写者”和“ RSVP拼写”。双前分排序算法（DFGA），这是一种新型的多目标离散方法，特别针对BCI框架设计。的结果表明，所有元数据术的表现都超过了基于P300的BCIS的完整集和常见的8通道集。dfga使用8个通道表现出3.9％的准确性3.9％。并使用4.66个通道获得了类似的精度。地形分析还强大了为每个用户自定义频道集的需求。因此，提出的方法计算具有不同数量的通道的最佳解决方案集，从而使用户可以为下一个BCI会话选择最合适的分布。©2021作者。由Elsevier B.V.这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
基于 SARS-CoV-2 在人类呼吸道上皮中诱导的基因特征的综合荟萃分析，对 COVID-19 药物进行再利用
药物再利用有可能使现有的去风险药物对正在发生的流行病——COVID-19 进行有效干预。截至 2021 年 4 月 4 日，该流行病已感染超过 1.31 亿人，全球有 280 万人死于该疾病。我们使用了一种基于“基因特征”的新型药物重新定位策略，即应用广泛接受的基因排序算法来优先考虑 FDA 批准或正在试验的药物。我们使用 CLC Genomics Workbench 20 (QIAGEN) 挖掘了公开可用的 RNA 测序 (RNA-Seq) 数据，并在对基于严重急性呼吸综合征相关冠状病毒 2 (SARS-CoV-2) 感染原发性人呼吸道上皮细胞的三项独立研究进行荟萃分析后，确定了 283 个差异表达基因 (FDR < 0.05, log2FC > 1)。独创性通路分析 (IPA) 显示，SARS-CoV-2 激活了关键的典型通路和基因网络，这些通路和基因网络错综复杂地调节一般的抗病毒以及特定的炎症通路。从 Metacore 和 IPA 中提取的药物数据库确定了 15 个药物靶点（包含有关 COVID-19 发病机制的信息），其中 46 种现有药物可作为 COVID-19 治疗的潜在新型候选药物。我们发现 35 种抑制靶点（ALPL、CXCL8 和 IL6）的新型药物已经在 COVID-19 的临床试验中。此外，我们发现 6 种现有药物针对 4 个潜在的抗 COVID-19 靶点（CCL20、CSF3、CXCL1、CXCL10），这些靶点可能具有新的抗 COVID-19 适应症。最后，根据基因排名算法对这些药物靶点进行计算优先排序，结果显示 CXCL10 是与 2 种现有药物最常见且最强的候选药物。此外，283 种 SARS-CoV- 2 相关蛋白列表不仅可以作为抗 COVID-19 靶点，而且对于 COVID-19 生物标志物的开发也很有用。
我们和人工智能 - 生活在数据化世界中 - SSOAR
人工智能 (AI) 是 21 世纪的一项关键技术，它正在深刻影响我们的社会，并将决定性地影响未来的发展。通过其在世界各地的众多项目，歌德学院正在阐明我们生活自动化将带来的变化，以及我们每个人如何影响这些变化。它旨在在考虑人工智能发展时不仅以批判性视角而且以积极叙述来抵消对数字化和反乌托邦情景的顺从。例如，来自 24 个欧洲国家的 250 名开发人员、创意人员和研究人员参加了一场黑客马拉松，以开发创新的人工智能解决方案来帮助应对气候挑战。在对话系列“欧盟数字未来”中，艺术家和研究人员讨论了欧洲人工智能应用的未来设计。此外，与贝塔斯曼基金会合作实施的奖学金计划“The New New”支持青年活动家为公众利益创建数字工具。这三种形式都是“Generation A=Algorithm”项目的一部分，该项目旨在让欧洲各地的年轻人了解人工智能的风险、挑战和机遇。作为该项目的一部分，我们还与魏森鲍姆研究所合作开展了一项调查，重点关注欧洲年轻人对人工智能应用的担忧和希望，并将为歌德学院进一步参与该领域技术发展提供参考。“我们和人工智能——生活在数据化的世界：欧洲年轻人的经历和态度”强调必须更好地为年轻一代做好算法塑造生活的准备，并将人工智能讨论带到社会更广泛的阶层。它还表明，即使是“数字原住民”也低估了数字数据收集和分析的危险。并指出，年轻人往往对社交媒体中的信息感到满意，尽管现在人们已经知道排序算法产生的“回音室”会危及民主。必须始终严格审查人工智能应用提供的机会，并在必要时进行监管。它们应该以法治、人权和民主等价值观为指导。然而，只要权力掌握在少数高科技公司手中，这将很难实现。因此，除了教育工作者之外，政治家也被要求以透明、可持续的方式塑造人工智能的使用，并体现欧洲价值观和规范的精神。希望年轻人的参与很快将不再局限于对必要和可持续的气候政策的需求，还将包括对人工智能的政治负责任态度。
RV32IMAC RISC-V SOC 的ASIC实施 探索... 的基于能量的模型 “ sanjeevini”基于机器学习的阿育吠陀药物系统 最坏情况的基于机器学习的框架... 眼控制鼠标光标 卷积瑜伽姿势估计器 使用OpenCV和... 实时姿势估算 E ... 中增强现实和虚拟现实影响分析 语音控制的自动驾驶汽车在身体上挑战平民 一项关于大学植物群生物多样性的调查... 自动驾驶车（自动驾驶... ） 自闭症支持系统 视觉排序算法 自动破坏系统和驾驶员安全 自主的有效框架... 铁氧体超导性 人工智能及其在印度政治中的作用 某些替代密码的进化关系 入侵检测的网络流量分析 AI驱动灾难响应和恢复系统
本文深入研究了RV32IMAC RISC-V System-Chip（SOC）的ASIC实施，重点介绍了其对各种监视应用的适应性。通过利用RISC-V架构的功能，SOC旨在为各种环境（包括工业部门，战区和放射性领域）提供灵活，高效的平台。通过细致的建筑设计和优化策略，Soc在绩效，功率效率和成本效益之间取得了平衡。值得注意的是，它集成了针对监视操作的专门说明，以及对传感器集成和实时数据处理的强大支持。此外，SOC的实施利用高级技术来确保与新兴监视系统的可靠性，可扩展性和兼容性。具有自主处理复杂任务并通过基于IoT的服务来促进无缝沟通的能力，RV32IMAC RISC-V SOC的ASIC实施代表了监视技术领域的重大进步，有望增强情境意识和威胁能力。