本文即将由 Synthese 发表。最终版本可能包含微小更改,请引用已发布的版本。如何成为计算神经科学的现实主义者 Danielle J. Williams 华盛顿大学圣路易斯 danielle.williams@wustl.edu 摘要 最近,一种现实主义版本已被提出来解决计算神经科学中使用的简化策略(Chirimuuta,2023;2024)。根据这种观点,计算模型为我们提供了有关大脑的知识,但不应以任何意义从字面上理解,甚至拒绝大脑进行计算的想法(计算主义)。我承认需要考虑神经科学中的简化策略以及它们如何有助于我们对计算模型的解释;但是,我认为我们是否应该接受或拒绝关于大脑的计算主义是一个单独的问题,可以通过物理计算的哲学理论独立解决。这认真对待了大脑进行计算的想法,同时也对神经科学中的计算模型采取了类比立场。我将这种现实主义称为“类比计算现实主义”。类比计算现实主义是一种现实主义观点,它致力于计算主义,同时采用某些计算模型来挑选出真实的模式(Dennett,1991;Potochnik,2017),这些模式提供了一种可能性解释,同时不考虑模型实际上是在大脑中实现的。
作者:毛拉·麦克菲(Maura Macphee)(不列颠哥伦比亚大学),乔·豪(Aston University)*,Hafsah Habib 3(阿斯顿大学),Emilia Piwowarczyk(不列颠哥伦比亚省大学),Geoff University,Geoff Wong(牛津大学),44牛津大学)伯明翰),Sheri Oduola(东英吉利大学),Alex Kenny(McPin Foundation),6 Annabel Walsh(McPin Foundation)(McPin Foundation),Rachel Upthegrove(伯明翰大学,早期介入7 Service,伯明翰妇女和儿童NHS NHS NHS基金会NHS Foundation) Health 9 Foundation Trust),Justine Lovell(伯明翰和Solihull NHS心理健康基金会信托基金),Ian 10 Maidment(Aston University)11
摘要 - 公共道路上自动驾驶(AD)技术的快速部署提出了重大的社会挑战。莱达(LiDar)的安全性(光检测和范围)是AD部署的新挑战之一,因为它通过准确的3D环境感知在启用4级自治方面至关重要。最近的研究线表明,LiDar欺骗攻击可能会损害LIDAR,从而通过向LIDAR发射恶意激光来覆盖合法感知。然而,以前的研究仅在受控环境中成功证明了它们的攻击,但是在现实的高速,长距离广告场景中攻击的可行性中存在差距。为了弥合这些差距,我们设计了一个新型移动的车辆欺骗(MVS)系统,该系统由3个子系统组成:激光雷达检测和跟踪系统,自动摄像机系统和激光雷达欺骗系统。此外,我们设计了一种新的对象去除攻击,一种自适应的高频去除(A-HFR)攻击,即使对脉冲指纹特征的最近激光雷达,也可以通过利用目标LIDARS扫描时间的灰色盒子知识来有效。使用我们的MVS系统,我们不仅是第一个展示激光欺骗对实际广告方案的攻击,在这种情况下,受害者车辆以高速行驶(60 km/h)驾驶,而且该攻击是从长距离(110米)发射的,而且我们也是第一次对雷达欺骗的攻击实际上由流行的行驶行驶,实际上是通过流行的行驶攻击的人。我们的对象去除攻击实现了≥96%的攻击成功率,以驾驶60 km/h的车辆到制动距离(20米)。最后,我们讨论了与我们的MVS系统攻击的可能对策。这项研究不仅弥合了LiDAR安全性与AD安全研究之间的关键差距,而且为建立针对新兴威胁的强大对策奠定了基础。
科索沃虽然得到了美国和许多西方盟友的承认,但尚未成为欧洲理事会或联合国的成员。本文以新古典现实主义和小国概念的视角看待科索沃问题,强调国内政治制度和领导形象在科索沃外交政策制定中的重要性。本文认为,受民族主义影响的科索沃政治精英在很大程度上决定了该国的外交政策。这里强调的“小国”比现实主义中使用的“弱国”含义更广泛,在 1960 年代小国出现在体系中后,国际关系学科试图将其用作分析工具。本文探讨了与小国相关的行为模式,并指出科索沃倾向于对冲行为,并质疑在其外交政策出现不确定性和风险的情况下这种战略的有效性。
本文在三个部分中绘制了另一种“现实主义”视图。首先,政策制定者不太可能制定批评家的定制新调节,因为AI的双胞胎能力导致和治愈错误,偏见和不平等。在每个恐怖故事中都会有一个成功的故事 - 一种新技术使政府的工作更加有效,准确,敬意,尊重法则和公平。第二,相对于批评家的要求,公法始终受到根本性限制。的确,即使是进步的评论员长期以来一直警告说,政府的问题可能不会太少,但是太多了,而且新的程序负担,无论善意,都可以巩固已经缺乏活力的政府。最终的见解如下:未来的紧迫任务可能比AI的批评家所建议的更重要,更雄心勃勃。的确,如果算法问责制将被提起诉讼而不是立法,那么努力应比他们对法律适应的重点更多,即对现有的法律框架(尤其是普通行政法)的量身定制,尤其是普通行政法,对政府的新算法工具包进行裁缝。明智的适应,而不是占据大量学术文献的蓝天监管大修,应该是一天的顺序。本文使这条路开始了。
摘要本文认为,气候变化的国家安全的存在威胁以及“核冬季”现象所代表的“核冬季”需要对“现实主义”国际关系理论的核心进行基本重新审议。对国际关系的“现实主义者”理解的核心假设是,国家面临的主要生存威胁是其他国家的军事能力,并且国家在追求安全方面是“理性的”。对于国际体系中的绝大多数州而言,其他州不再是对其生存的主要威胁。故意或意外使用核武器的意外后果最终在其他州与由此产生的“核冬季”之间的核交换中,以及气候变化是最明显和最清晰的危险。这意味着国家的主要职能是维持其安全,必须将全球治理,合作和外交作为面对这些威胁的唯一可行的安全战略。主要国家(美国,俄罗斯,中国,法国,英国)未能采用这种安全方法,这反映了诸如化石燃料行业和“军事工业综合体”等国内利益的过度影响。
在医学领域,由于患者人群中肿瘤的稀有性,对图像的可靠检测和分类仍然是巨大的挑战。在异常情况下检测肿瘤病例的能力对于确保及时干预和改善患者预后至关重要。这项研究通过利用深度学习(DL)技术来检测和分类具有挑战性的情况下的脑肿瘤来解决这一挑战。本研究采用深度学习(DL)技术来应对这一挑战,利用来自国家脑图实验室(NBML)的数据集,其中包括约81例患者,其中包括30例患者,其中包括30例肿瘤病例和51例正常情况。我们的方法包括两个阶段:检测和分类。在第一阶段,广泛的数据预处理模拟现实世界的条件,调整数据集以反映每种1例肿瘤病例的9例正常情况的异常分布。接下来,对Yolov8n模型进行了微调以检测肿瘤区域。为了评估该模型在患者水平上的表现,我们引入了患者对患者(PTP)度量,该指标评估了在整个人群中识别肿瘤病例的能力,而不是测量单个切片的性能。这种方法提供了模型可靠性更临床相关的评估。该模型的F1得分为0.98,PTP-F1得分为1.0,正确分类了测试人群中的所有患者。在分类阶段,数据有效的图像变压器(DEIT)用于从RESNET152教师模型中提取视觉变压器(VIT)模型。DEIT被选为其在小数据集上有效训练的能力。蒸馏分类器在20个时期后达到0.92,而RESNET152模型达到0.97,尽管计算成本较高,但达到了0.97。这项研究表明,在具有挑战性的情况下对脑肿瘤的可靠检测和分类方面有了显着的进步,从而提供了实用应用的潜力。
摘要。近年来,几种流媒体服务的扩散使世界各地的各种受众都可以观看相同的媒体内容,例如电影或电视节目。虽然正在添加翻译和配音服务,以使当地受众访问内容,但支持具有不同能力的人(例如聋哑人和听力难(DHH)通信)可以访问的内容仍在滞后。我们的目标是通过与合成签名者生成手语视频,使DHH社区更容易访问媒体内容。使用相同的签名者对全球视图的给定媒体内容可能有限的吸引力。因此,我们的方法结合了参数建模和生成建模,以生成现实的合成签名者,并根据用户偏好自定义其外观。我们首先通过优化参数模型来重新定位人类手语构成3D手语的头像。然后,使用渲染的化身姿势来调节使用基于扩散的生成模型生成的合成签名者的姿势。合成签名者的外观由通过视觉适配器提供的图像提示控制。我们的结果表明,使用我们的方法生成的手语视频比仅在文本提示下的扩散模型生成的视频具有更好的时间固定性和现实主义。我们还支持多模式的提示,允许用户进一步自定义签名者的外观以备同行多样性(例如肤色,性别)。我们的方法对于签名匿名也很有用。
本文旨在介绍一种源自政治现实主义的新理论——技术现实主义,以帮助理解技术与政治之间的复杂联系。根据技术现实主义,技术是一种权力手段,人类天性中与生俱来的生存驱动力塑造了身份的形成。本研究的核心研究问题围绕着技术对当代政治科学的影响程度以及它是否真正成为一种权力手段。引入了三个概念:身份确立、技术作为权力的核心来源以及政治中的非国家行为者。主要案例研究关注新疆问题的复杂性,考察网络政治在该地区的应用。第二个案例研究探讨了技术在印度尼西亚政治权力斗争中的作用,其 2024 年选举以及滥用信息和电子交易法效力来控制言论自由就是明证。此外,本文还介绍了一个关于印度太平洋地区在应对“数字威权主义”方面的权力动态的案例研究。本文强调了建立一种新的理论框架的必要性,这种框架改编自政治现实主义,尽管受到大量批评,但仍有进一步发展的潜力,将技术置于分析的核心。技术现实主义认识到技术、身份形成和非国家行为者的核心作用,为驾驭复杂的政治格局和为应对新兴挑战提供战略响应提供了宝贵的见解。然而,需要进一步研究才能完全理解其在不同背景下的适用性和局限性,正如本文中的案例研究所证明的那样。
摘要。在化学过程工程中,模拟数据的准确性和现实主义对于有效设计和优化广泛的过程至关重要。在本文中,我们演示了神经风格转移方法的功效,以增强模拟产生的时间序列数据的现实性。具体来说,这种机器学习技术使我们能够学习从现实世界化学植物获得的非并行实验数据的样式特征,然后使用它们将模拟数据转换为更紧密地反映了模拟模型未捕获的现实行为和变化。我们提出了一个基于变压器的体系结构,其潜在表示可以纠缠于内容和样式信息。训练后,基础生成模型允许快速和数据有效的风格化生成,而无需每个样本的基于梯度的优化进行许多迭代,就像其他时间序列样式传输基线一样。我们在合成数据和批处理蒸馏的应用中显示了方法的效率。