XiaoMi-AI文件搜索系统
World File Search System模式
EmbodiedScan：面向具身 AI 的整体多模式 3D 感知套件
摘要 在计算机视觉和机器人领域，具身代理有望探索其环境并执行人类的指令。 这就需要能够根据第一人称观察充分理解 3D 场景，并将其语境化为语言进行交互。 然而，传统研究更多地侧重于从全局视角进行场景级输入和输出设置。 为了解决这一差距，我们引入了 EmbodiedScan，这是一个多模态、以自我为中心的 3D 感知数据集和整体 3D 场景理解的基准。 它包含超过 5k 个扫描，封装了 1M 个以自我为中心的 RGB-D 视图、1M 个语言提示、160k 个 3D 导向框，涵盖 760 多个类别，其中一些与 LVIS 部分一致，以及具有 80 个常见类别的密集语义占用率。 基于这个数据库，我们引入了一个名为 Embodied Perceptron 的基线框架。它能够处理任意数量的多模态输入，并表现出卓越的 3D 感知能力，无论是在我们建立的两个系列基准测试（即基本 3D 感知任务和基于语言的任务）中，还是在野外。
抗癌药物不良反应模式
摘要简介：抗癌药物是全球药物不良反应 (ADR) 负担中的重要一环。任何量化其严重程度并提供最新知识的尝试都将有助于肿瘤学家开出更安全的处方。目的：这项观察性随访研究针对接受抗癌治疗的新诊断癌症患者进行，旨在确定 ADR 的频率、严重程度、因果关系、可预测性和可预防性。受试者和方法：对患者进行 6 个月的随访，以了解不良事件的发生情况。使用 IBM SPSS Statistics for Windows，版本 22.0。（纽约州阿蒙克）分析数据，并以描述性统计的形式呈现。结果：每位患者平均被开具约 6.85 ± 1.51（平均值 ± 标准误差）种药物。所有接受抗癌化疗的患者（100%）均出现 ADR。脱发、恶心呕吐、灼热刺痛和麻木是最常见的 ADR。女性脱发 ( P < 0.0004)、恶心 ( P < 0.03) 和口腔溃疡 ( P < 0.02) 的发生率较高。最高反应为 2 级 (69.53%)。大多数反应 (75.80%) 出现在接受第一个周期的 10 天内。99.58% 的反应并不严重。根据世界卫生组织 - 乌普萨拉监测中心的标准，99.47% 的 ADR 属于可能类别。根据 Naranjo 算法，100% 的 ADR 属于很可能类别。大约 94.80% 的反应被发现是可预测的。大约 56.47% 的反应可能是可以预防的，43.53% 的反应是无法预防的。结论：在新诊断的癌症患者中出现了多种 ADR。其中大多数是可预测的、严重程度轻度至中度的、不严重的且可以预防的。大多数 ADR 会随着时间的推移而恢复。
镜子u-net：将多模式裂变与多任务学习嫁给医学成像中的语义分割
正电子发射断层扫描（PET）和计算的刻录术（CT）通常共同用于检测肿瘤。PET/CT分割模型可以自动化肿瘤的描述，但是，当前的多模式模型不能完全阐明每种模式中的互补信息，因为它们要么串联PET和CT数据，要么在决策水平上融合它们。为了对抗这一点，我们提出了镜像u-net，它通过将多模式表示形式分配到模态特异性的解码器分支和辅助多模态解码器中，以多模态化的方式代替了传统的融合方法。在这些分支上，镜像u-net标志着一个针对每种模式量身定制的任务，以增强单峰特征，同时保留共享表示中的多模式特征。与以前的方法相比使用了其他方法或多任务学习，Mirror U-net将两个范式结合在一个统一的框架中。我们探索各种任务组合，并检查在模型中共享的哪些参数。我们在Autopet PET/CT和多模式MSD Braintumor数据集上评估了Mirror U-NET，证明了其在多模式分段中的有效性并在两个数据集中实现了先进的性能。代码：https：//github.com/zrrrrr1997/ autopet_challenge_mirrorunet
燃油零售行业商业模式创新
1. 简介 1 1.1 背景 1 1.1.1 电动汽车 1 1.1.2 公司 A 3 1.2 问题表述 3 1.3 目的 4 1.4 研究问题 4 1.5 界限 4 1.6 研究贡献 5 1.7 论文赞助商 5 1.8 处置 5 2. 燃料零售商 7 2.1 运营流程 7 3. 文献综述 9 3.1 市场环境 9 3.2 数字化转型 11 3.2.1 业务流程 11 3.2.2 数字化计划 13 3.3 变革管理 15 3.3.1 技术变革 16 3.4 商业模式 17 3.4.1 燃料零售商业模式的四个要素 19 3.4.2 移动商业模式 21 3.4.3 以客户为中心的模式 23 4. 方法26 4.1 研究策略 26 4.2 研究设计 27 4.2.1 案例研究 28 4.3 数据收集 29 4.3.1 半结构化访谈 29 4.4 数据分析 32 4.5 有效性和可靠性 32 4.6 伦理考虑 33 4.7 实证设置 35 4.7.1 参与者人口统计和选择 35 4.7.2 类别选择 35 5. 调查结果和分析 38 5.1 充电基础设施 38 5.1.1 充电点的发展 38 5.1.2 家庭和工作场所充电箱零售 39 5.1.3 充电基础设施发展中的瓶颈 40 5.2 数字化举措 42
循环器功能在约瑟夫森连接电路和Majorana零模式的编织
参考使用以下样式：文章：作者列表。句子中的纸张标题。期刊卷号，初始网页号或文章编号（年）的名称。预印本：作者列表。句子中的纸张标题。[doi或url]（年）的预印本。[如果可能的话，使用已发表论文的详细信息更新参考]带有分配的DOI：作者列表的研究数据集。标题。存储库名称，标识符[doi以URL表示]（年）。书籍：作者列表。所有单词大写的标题（出版社出版，年份）。只能引用仅发表或接受的文章和预印本；没有“提交”或“正在审查”的手稿。仅在常用或策划网站时才允许引用网站。请勿参考个人网站。请勿使用脚注或尾注。每个参考必须仅参考一项工作。参考文献不得在列表中重复。参考应限于70。参考必须首先按文本中引用的顺序进行编号，然后在图形传奇，表传奇和框中编号。
视觉问题的跨模式关系推理网络回答
视觉问题回答（VQA）是一项具有挑战性的任务，需要通过关系推理对图像和问题进行跨模式理解，从而导致正确答案。为了弥合这两种方式之间的语义差距，以前的作品着重于所有可能对的单词区域对齐，而无需更多地关注相应的单词和对象。同样处理所有对，而无需考虑关系一致性，这是模型的性能。在本文中，为了对齐关系对并整合VQA系统的解释性，我们提出了一个跨模式的关系构建网络（CRRN），以掩盖不一致的注意力图，并突出相应单词对的全部潜在比对。具体来说，我们提出了两个相关性掩码，用于模式间和模式内突出显示，从而推断出图像中句子或区域中越重要的单词。可以通过掩盖未对齐的关系来增强一致对的关注相互关系。然后，我们提出了两个新颖的损失L CMAM和L SMAM，并具有明确的超级视觉，以捕获视觉和语言之间的细粒度相互作用。我们进行了彻底的实验来证明有效性并实现了GQA基准的竞争性绩效，以达到61.74％。
在线语言教室中的互动模式
摘要在线第二语言教学近年来蓬勃发展，在技术能力和COVID-19大流行导致的教学方式的强迫变化的帮助下。这种转变强调了互动在在线教育学中的关键作用。研究表明，增加学生与讲师之间互动的机会增加对于培养第二语言获取（SLA）至关重要。但是，很少有研究量化在线语言教学中的不同类型的相互作用的产生，尤其是在经验丰富的讲师中。本研究利用互动主义框架对在线西班牙语课程中的互动进行定量分析，并根据互动启动类型进行分类：指导者提出的参与（IPP），未提出的口头参与（UOP），未提及的文本参与（UTP），即聊天（即，聊天的时间段）（即，均一次的范围）（即及时的范围），并在展示范围（ever），并在展示范围（即及格）。这些转弯）。数据包括在英国一所远程学习大学中跨越熟练的LEV ELS和课程类型的同步L2西班牙语教学的视频记录。课程类型包括语法研讨会和考试准备。结果表明，在线语言课程中的互动模式受熟练程度和课程类型的影响。较低的熟练度学生更频繁地从事互动程序，而参与扩展话语的能力取决于Spe cific活动/课程类型。这项研究有助于解决除英语（Lote）以外的LAN Guages的互动和语言教学研究的缺乏。