XiaoMi-AI文件搜索系统
World File Search System检测性能
利用可分散磁性纳米电极上的表面限制基因扩增进行超灵敏和快速循环肿瘤 DNA 液体活检
摘要：循环肿瘤DNA（ctDNA）检测已被认为是一种有前途的癌症诊断液体活检方法，各种ctDNA检测用于早期检测和治疗监测。基于可分散磁性纳米粒子的电化学检测方法已被提议作为基于检测性能和平台材料的特点的ctDNA检测的有前途的候选方法。本研究提出了一种纳米粒子表面局部基因扩增方法，将Fe3O4-Au核-壳纳米粒子整合到聚合酶链式反应（PCR）中。这些高度分散且磁响应的超顺磁性纳米粒子充当纳米电极，在PCR扩增后在纳米粒子表面原位扩增和积累目标ctDNA。随后捕获这些纳米粒子并进行重复的电化学测量以诱导重构介导的信号放大，以实现超灵敏（约3aM）和快速（约7分钟）的体外转移性乳腺癌ctDNA检测。该检测平台还可以检测体内样本中的转移性生物标志物，凸显了其临床应用的潜力，并可进一步扩展到对各种癌症进行快速、超灵敏的多重检测。关键词：循环肿瘤DNA、液体活检、基因扩增、电化学检测、磁性纳米粒子、表面功能化、超顺磁性
使用潜在向量表示的晶圆图缺陷模式半监督分类
摘要 —随着半导体设计和制造工艺的全球化，集成电路制造阶段的缺陷检测需求变得越来越重要，在提高半导体产品的产量方面发挥着重要作用。传统的晶圆图缺陷模式检测方法涉及使用电子显微镜进行手动检查以收集样本图像，然后由专家评估缺陷。这种方法劳动密集且效率低下。因此，迫切需要开发一种能够自动检测缺陷的模型来替代手动操作。在本文中，我们提出了一种方法，该方法首先采用预先训练的 VAE 模型来获取晶圆图的故障分布信息。该信息作为指导，结合原始图像集进行半监督模型训练。在半监督训练期间，我们利用师生网络进行迭代学习。本文提出的模型在基准数据集 WM-811K 晶圆数据集上进行了验证。实验结果表明，与最先进的模型相比，该模型具有更高的分类精度和检测性能，满足了工业应用的要求。与原始架构相比，我们取得了显着的性能提升。索引术语——缺陷检测；半监督学习；无监督学习；变异自动编码器
单眼3D对象检测基于空间关系和脱钩深度预测
自主驾驶是未来的趋势。准确的3D对象检测是实现自动驾驶的先决条件。目前，3D对象检测依赖于三个主要传感器：单眼相机，立体声摄像机和LIDAR。与基于立体摄像机和激光镜头的方法相比，单眼3D对象检测提供了优势，例如广泛的检测字段和低部署成本。但是，现有的单眼3D对象检测方法的准确性不是理想的，尤其是对于遮挡目标。为了应对这一挑战，本文引入了一种新颖的方法，用于单眼3D对象检测，称为SRDDP-M3D，旨在通过考虑目标之间的空间关系，并通过脱钩方法来改进深度预测，以改善单眼3D对象检测。我们考虑如何在环境中相对于对象相对于对象的定位，并编码相邻对象之间的空间关系，对于遮挡的目标，检测性能是专门提高的。此外，还引入了将目标深度预测到目标视觉深度和目标属性深度的两个组成部分的策略。此解耦旨在提高预测目标整体深度的准确性。使用KITTI数据集的实验结果表明，这种方法显着提高了闭塞靶标的检测准确性。
使用增益比和结合机器学习Dwinanda Bagoes Ansori，Joko Slamet，Muhammad Zakky Ghufron，Muham
最近，Android用户的数量已大大增加，这使Android成为攻击者发起恶意活动的目标。恶意软件或恶意代码通常嵌入到Android应用中，以访问用户的设备并检索个人数据。研究人员探索了各种方法来减轻Android恶意软件的传播。此外，Android恶意软件数据集具有巨大的尺寸，并具有数百个功能。选择适当的特征选择方法是产生可靠检测模型的挑战之一。本文提出了一种使用增益比选择和一个集成机器学习算法来检测Android恶意软件并将其分为五个类别的方法。通过增益比计算方法根据其重要性值降低的特征。然后，被认为必要的功能包含在结合许多模型的分类过程中。使用Cicmaldroid2020（加拿大网络安全研究所Android 2020）的实验数据集表明，所提出的方法可以改善检测性能。增益比的特征选择提高了几种机器学习分类算法的检测准确性，幼稚的贝叶斯的2.59％，最近的邻居和2.29％的支持向量机。因此，随机森林，额外树木和最近邻居的结合机器学习模型取得了最高的性能，精度为94.57％，精度分数为94.71％。
MIMO- ...
摘要本文考虑使用频率调制的连续波（FMCW）信号和多输入多输出（MIMO）虚拟阵列之间的汽车雷达之间的相互减轻。在第一次，我们得出了一个空间域干扰信号模型，不仅说明了时间频的不连贯性（例如，不同的fmcw参数和时间O效应），而且还解释了较慢的时间模拟参数和时间opimo代码，并且阵列conerence conscorence Incoherence coherence coherence confuration confuration diefiration die-er-Er-Er-Ectects rand condence rances rances rad rack rad and conding rad racked and Accessinging Accessinging actinging brading actinging actinging actinging actinging rockinging brading brading。使用标准MIMO-FMCW对象信号模型使用显式干扰信号模型，我们将干扰缓解措施变成不一致的MIMO-FMCW干扰下的空间域对象检测。通过在传输和接收转向矢量空间时利用派生干扰模型的结构特性，我们通过波束成形优化得出检测器，以实现良好的检测性能，并进一步提出了该检测器的自适应版本，以增强其实际适用性。使用分析闭合形式表达式，合成级仿真和系统级模拟确认我们对所选基线方法的效果的效果。
Surface plasmon assisted high-performance photodetectors based on hybrid TiO 2 @GaO x N y -Ag heterostructure
摘要：在这项工作中，我们报告了基于TIO 2 @GaO x n y -ag异质结构的基于高性能的紫外线可见（UV-VIS）光电探测器。Ag颗粒被引入TIO 2 @GaO X n y，以增强异质结设备的可见光检测性能。在380 nm处，TIO 2 @gao x n y -ag的响应率和探测率分别为0.94 A/W和4.79×10 9 Jones，它们在580 nm处增加到2.86 A/W和7.96×10 10 Jones。响应的上升和下降时间分别为0.19/0.23和0.50/0.57 s。唯一的，在580 nm处，制造的设备的响应性比基于Tio 2，Ga 2 O 3和其他异质界的光电探测器高1-4个数量级。TiO 2 @gao x n y -ag杂结型装置的出色光电特性主要归因于金属 - 高中 - 微米 - 金属中的异质结的类型结构的协同效应，而不是有效地促进了成立式的ag级，而不是有效地促进了ag的等化速率。它被有限的差异时间域法（FDTD）模拟和光电测量所照亮。具有高效率检测的TiO 2 @GaO X N Y -AG阵列是适合在节能通信，成像和传感网络中应用的候选者。
现实世界音乐对象识别
我们向当代光学识别（OMR）中最紧迫的两个问题提供了解决方案。我们提高了低质量，现实世界的识别准确性（即包含衰老，照明或污垢伪像）输入数据，并提供置信度评级的模型输出以实现有效的人类后处理。具体来说，我们提出了（i）复杂的输入增强方案，可以通过合成数据和现实世界文档的嘈杂扰动的结合来减少消毒基准和现实任务之间的差距； （ii）一种可用于改善OMR系统在低质量数据上的性能的对抗歧视域的适应方法； （iii）模型集合和预测融合的组合，该组合为每个预测产生值得信赖的置信度评级。我们在新创建的测试集上评估了我们的贡献，该测试集由来自国际音乐得分图书馆项目（IMSLP）/petrucci音乐库的手动注释的各种现实世界质量的页面组成。通过提出的数据增强方案，与最先进的培训相比，嘈杂的现实世界数据的检测性能从36.0％增加了一倍，达到73.3％。然后将此结果与强大的信心评级相结合，为OMR部署在现实世界中的道路铺平了道路。此外，我们还显示了无监督的对抗域适应的优点，以将36.0％的基线提高到48.9％。
轻量级显着对象检测的比例自适应网络
显着对象检测（SOD）广泛用于运输中，例如道路损坏检测，辅助驾驶等。但是，由于其大量计算和参数，重量级草皮方法很难在计算能力低的情况下应用。大多数轻型SOD方法的检测准确性很难满足应用程序要求。我们提出了一个新颖的轻质尺度自适应网络，以实现轻质限制和检测性能之间的权衡。我们首先提出了比例自适应特征提取（安全）模块，该模块主要由两个部分组成：多尺度特征交互，可以提取不同尺度的特征并增强网络的表示能力；和动态选择，可以根据输入图像根据其贡献自适应地分配不同的权重。然后，基于安全模块，设计了一个轻巧和自适应的骨干网络，并结合了多尺度特征聚合（MFA）模块，将规模自适应网络与比例自适应网络相结合。我们在六个公共数据集上对模型进行定量和定性评估，并将其与典型的重量级和轻量级方法进行比较。只有2.29 M参数，它可以在GTX 3090 GPU上实现62 fps的预测速度，远远超过其他型号，并且可以保证实时性能。模型性能达到了一般重量级方法的性能，并超过了最先进的轻量级方法。
整合 FNIRS 与机器学习
本研究的目的是介绍一种辅助诊断帕金森病 (PD) 的方法，即将功能性近红外光谱 (fNIRS) 研究分类为 PD 阳性或阴性。fNIRS 是一种非侵入性光信号模式，可传达大脑的血液动力学反应，特别是大脑皮层血氧变化；与其他神经成像模式相比，它是一种非侵入性且具有成本效益的方法，因此值得探索其作为辅助 PD 检测工具的潜力。除了将 fNIRS 与机器学习相结合之外，这项工作的贡献还在于实施和测试了各种方法，以找到实现最高性能的实现。所有实现都使用逻辑回归模型进行分类。从每个参与者的 fNIRS 研究中提取了一组 792 个时间和光谱特征。在两个表现最佳的实现中，使用了一组特征排序技术来选择精简的特征子集，然后使用遗传算法对其进行精简。为了实现最佳检测性能，我们的方法达到了 100% 的准确率、精确率和召回率，F1 得分和曲线下面积 (AUC) 为 1，使用了 14 个特征。这大大推进了 PD 诊断，凸显了将 fNIRS 和机器学习相结合用于非侵入性 PD 检测的潜力。关键词：帕金森病、功能性近红外光谱、机器学习、特征子集选择、遗传算法
多视图3D对象检测的多视图actentive上下文化
我们介绍多视图的细心上下文化（MVACON），这是一种简单而有效的方法，用于改善基于查询的多视图3D（MV3D）对象检测中的2D- TO-3D功能。尽管在基于查询的MV3D对象检测的领域取得了显着的进展，但先前的艺术通常会因高分辨率的高分辨率2D特征而缺乏基于密集的注意力提升的高分辨率2D特征，或者由于高计算成本，或者由于3D Queries的高度密集地接地不足，无法以3D Queries的高度质量为基于稀疏注意的多级2D功能。我们提出的MVACON使用代表密集但计算稀疏的细心特征连续化方案击中了两只鸟，该方案对特定的2d到3d feleture提升方法不可知。在实验中，使用BEVFormer及其最近的3D变形注意（DFA3D）变体以及PETR对纳斯曲霉基准进行了彻底的测试，并显示出一致的检测性能提高，尤其是在位置，方向和VELOCITY PRECTICTAR中提高了一致的检测性能。还可以在Waymo-Mini基准测试器上进行测试，并具有类似的改进。我们在定性和定量上表明，基于全局群集的上下文有效地编码了MV3D检测的密集场景级上下文。我们提出的MVA-CON的有希望的结果加强了计算机视觉中的格言 - “（contectu-alsized）特征事项”。