XiaoMi-AI文件搜索系统
World File Search System推理模型
通过动态扩展内存集群
人类的大脑可以通过动态变化的环境不断地获取和学习新技能和知识，而不会忘记以前学习的信息。这样的能力可以选择性地将一些重要且最近看到的信息转移到大脑的持续知识区域。受到这种直觉的启发，我们提出了一种基于内存的新方法，用于持续学习中的图像重建和重构，由临时和不断发展的记忆组成，并具有两种不同的存储策略，并涉及临时和永久记忆。临时内存旨在保留最新信息，而不断发展的内存可以动态增加其功能，以保留永久的知识信息。这是通过提出的内存扩展机制来实现的，该机构有选择地将这些数据样本从临时存储器转移到根据信息新颖性标准在演变的存储器中删除的新群集。这种机制促进了进化记忆中群集之间的知识多样性，从而通过使用紧凑的mem-ory容量来捕获更多多样化的信息。此外，我们提出了一种两步优化策略，用于培训变分自动编码器（VAE）以实现生成和表示学习任务，该策略使用两个优化路径分别更新了生成器和推理模型。这种方法导致了一代和重建性能之间的取舍。源代码和补充材料（SM）可在https://github.com/dtuzi123/demc上找到。我们从经验和理论上表明，所提出的方法可以学习有意义的潜在表示，同时从不同领域产生各种图像。
CORNN：循环神经网络的凸优化，用于快速推断神经动力学
光学和电生理记录技术的进步使得记录数千个神经元的动态成为可能，为解释和控制行为动物的大量神经元开辟了新的可能性。从这些大型数据集中提取计算原理的一种有前途的方法是训练数据约束的循环神经网络 (dRNN)。实时进行此类训练可以为研究技术和医学应用打开大门，以在单细胞分辨率下建模和控制干预措施并驱动所需的动物行为形式。然而，现有的 dRNN 训练算法效率低下且可扩展性有限，使得即使在离线场景下分析大量神经记录也具有挑战性。为了解决这些问题，我们引入了一种称为循环神经网络凸优化 (CORNN) 1 的训练方法。在模拟记录研究中，CORNN 的训练速度比传统优化方法快 100 倍左右，同时保持或提高了建模准确性。我们进一步在数千个执行简单计算（例如 3 位触发器或定时响应的执行）的单元模拟中验证了 CORNN。最后，我们表明，尽管生成器和推理模型之间存在不匹配、观察到的神经元严重子采样或神经时间尺度不匹配，CORNN 仍可以稳健地重现网络动态和底层吸引子结构。总体而言，通过在标准计算机上以亚分钟级处理时间训练具有数百万个参数的 dRNN，CORNN 迈出了实时网络重现的第一步，该网络重现受限于大规模神经记录，并且是促进神经计算理解的强大计算工具。
Vitae课程，2024年10月20日
•2023-2025：PRIN项目，“骄傲 - 流行病中的扩散，抵抗和感染动态”，意大利大学；首席研究员（整个项目的协调员）。•2021-2023：Horizon 2020项目，“ Poshbee - 泛欧评估，监测和缓解压力源对蜜蜂健康的压力”，欧洲委员会；参与者是第三方撰稿人。•2021-2022：Covid-199战略大学项目，“摩西 - 有关疾病传播的推理模型”，特伦托大学；与马可·罗维利（Marco Roveri）的竞赛。•2020-2025：NWO跨界计划，“与农业高科技的新型和资源有效增长的系统变化”，荷兰研究委员会（Nederlandse Organisatie Organisatie Voor Wetenschappelijk Onderzoek）；跨学科财团内的任务负责人。•2019-2022：NWO人才计划Veni Grant，“ NISSA - 非线性lnternected Systems：一种结构方法”，VI.VENI.192.035，荷兰研究委员会（Nederlandse Organisatie angerisisatie voor weetenschappelijk onderzoek Onderderzoek）;首席调查员（个人赠款）。•2018-2023：代尔夫特的代尔夫特技术奖学金赠款；首席调查员（个人赠款）。•2018年：“设计稳定性？动态代谢模型的结构分析”，Delft生物工程研究所；•2018年：该项目的Biodate赠款“对改善癌症护理的合并化学放射治疗的最佳控制”，代尔夫特生物工程研究所； PI与ZoltánPerkó。•2018年：代尔夫特理工大学3ME教师阿斯巴萨·格兰特（Aspasia Grant）；个人赠款。•2017年：代尔夫特理工大学3ME教师阿斯帕斯亚·格兰特（Aspasia Grant）；个人赠款。•2016年：旅行赠款，knut och爱丽丝·沃伦伯格基金会；个人赠款。
chatgpt O1 vs. DeepSeek-r1
简介：采用高级推理模型，例如Chatgpt O1和DeepSeek-R1，代表了临床决策支持的重要一步，尤其是在儿科中。Chatgpt O1采用“经过思考的推理”（COT）来增强结构性解决问题，而DeepSeek-R1通过强化学习引入自我反思能力。本研究旨在评估使用MEDQA数据集中这些模型在儿科场景中这些模型的诊断准确性和临床实用性。材料和方法：将MEDQA数据集中的500个多项选择儿科问题提交给Chatgpt O1和DeepSeek-R1。每个问题都包含四个或更多选项，并带有一个正确的答案。在均匀条件下评估了模型，其性能指标在内，包括准确性，Cohen's Kappa以及用于评估一致性和统计显着性的卡方检验。的响应以确定模型在解决临床问题时的有效性。结果：Chatgpt O1达到了92.8％的诊断精度，大大优于DeepSeek-R1，得分为87.0％（P <0。00001）。Chatgpt O1使用的COT推理技术允许更结构化和可靠的响应，从而降低了错误的风险。相反，DeepSeek-r1虽然精确略低，但由于其开源性质和新兴的自我反射能力，表现出了出色的可访问性和适应性。Cohen的Kappa（K = 0.20）表示模型之间的一致性较低，反映了它们的独特推理策略。结论：这项研究强调了Chatgpt O1在提供准确且连贯的临床推理方面的优势，使其非常适合关键的儿科场景。DeepSeek-r1具有其灵活性和可访问性，仍然是资源有限设置中的宝贵工具。将这些模型结合在整体系统中可以利用其互补优势，从而在各种临床环境下优化决策支持。有必要进行进一步的研究，以探索其整合到多学科护理团队中，并在现实世界中的临床环境中进行应用。
Brian Tan简历
University of Colorado, Boulder, CO Summer 2022 – Spring 2023 Bachelor of Arts / Computer Science: Concentration in Artificial Intelligence and Machine Learning Bachelor of Arts / Mathematics: Computational Track Related Coursework: Algorithms, Database Systems, Software Development Methods and Tools, Numerical Analysis, Combinatorics, Real Analysis, Probability Theory, Introduction to Robotics, Human Computer Interaction, Theoretical Foundations of Data Science, Statistical Methods and Applications 1, Intro to Artificial Intelligence, Applied Machine Learning, Principles of Programming Language, Universal Design For Digital Media GPA: 3.61 Front Range Community College, Boulder, CO Fall 2021 – Spring 2022 Associate of Science / Computer Science Related Coursework: Java, C++, Discrete Mathematics, Computer Architecture, Linear Algebra, Differential Equations GPA: 3.84 – Magna Cum Laude Edmonds华盛顿州西雅图学院，2021年夏季相关课程：物理学，计算GPA：4.0相关经验研究生助教柯林斯堡，科罗拉多州立大学的计算机科学系2023年8月 - 现在是科罗拉多州立大学计算机科学系研究生助教。课程教授： - 研究助理博尔德，CO研究助理实验室的认知科学研究所（ICS），在Cu Boulder 2022年7月至2023年3月，在科罗拉多州Bolder的Leanne Hirshfield教授的研究助理工作助理，Shine Lab（Shine Lab）（认知科学系）和NSF National AI Institute for National Ai -ai air -ai -ai ai aig air -ai aig air -ai -ai ai ai aig air -ai -ai ai aig air -ai ai ai ai ai ai ai ai ai ai ai ai。在计算神经科学领域使用贝叶斯推理模型。研究助理Boulder，CO应用数学（APPM）系在CU Boulder 2023年1月至2023年3月，在应用数学系任职于Zachary Kilpatrick博士和Tahra Eissa博士的研究助理。研究助理Boulder，CO电气，计算机与能源工程（ECEE）系在CU Boulder 2022年5月至2022年6月，担任科罗拉多大学博尔德大学Ute Herzfeld教授的研究助理。使用机器学习来从NASA的ICESAT-2卫星中对数据处理的算法开发。