XiaoMi-AI文件搜索系统
World File Search System相似性
vendi分数的表兄弟：一个基于相似性的科学和机器学习的多样性指标
准确地测量多样性对于许多科学领域，包括机器学习（ML），生态学和化学。vendi评分是作为基于一般相似性的多样性度量的引入的，该度量通过利用Quantum统计力学的思想来扩展Q = 1的山丘数量。与生态学中的许多二维化指标相反，vendi得分的相似性得分，并且不需要对集合中该类别的普遍性的了解来评估多样性。但是，Vendi分数在给定的集合中以与项目的患病率成正比的敏感性对待每个项目。这是在项目患病率存在重大失衡的设置中是不可取的。在本文中，我们使用相似性扩展了其他山丘，以在分配对稀有物品或常见项目的敏感性方面具有灵活性。这导致了一个多样性指标的家族 - Q的vendi得分与Q顺序不同的敏感性，可用于多种应用。我们在合成控制的环境中研究得分的特性，在该环境中，地面真实多样性是已知的。然后，我们通过vendi采样来测试VENDI评分在改善分子模拟中的效用。最后，我们使用分数来更好地了解记忆，重复，多样性和样本质量的生成模型的行为。
llm增强语义相似性指标...
在这项研究中，我们利用LLM来增强语义分析并为文本开发相似性指标，以解决传统无监督的NLP指标（如Ruge和Bleu）的局限性。我们开发了一个框架，其中LLM（例如GPT-4）用于放射学报告的零摄影文本标识和标签生成，然后将标签用作文本相似性的测量值。通过在模拟数据上测试提出的框架，我们发现GPT-4生成的标签可以显着提高语义相似性评估，而得分比传统的NLP指标更与临床基础真理紧密相符。我们的工作证明了使用LLMS对高度专业域的半定量推理结果对文本数据进行语义分析的可能性。虽然实施了用于放射学报告相似性分析的框架，但它的概念也可以扩展到其他专业领域。
以人为中心的无人机轨迹计划在搜救任务中采用多目标加固学习，并基于AHP和基于相似性的经验重播
摘要 - 将无人驾驶汽车（UAV）整合到搜救（SAR）任务中提出了提高运营效率和有效性的有前途的途径。但是，这些任务的成功不仅取决于无人机的技术能力，还取决于他们的接受和与人类在地面上的互动。本文探讨了以人为中心因素对SAR任务的无人机轨迹计划的影响。我们介绍了一种基于分析层次结构过程增强的强化学习和基于新颖的相似性的经验重播，以优化无人机轨迹，平衡运营目标与人类舒适性和安全考虑因素。另外，通过一项全面的调查，我们研究了性别线索和拟人化设计对无人机设计对公众接受和信任的影响，从而揭示了对SAR中无人机互动策略的重大影响。我们的贡献包括（1）无人机轨迹计划的增强学习框架，该框架动态整合了多目标考虑因素，（2）对人类对性别和拟人化无人机的看法在SAR上下文中的分析，（3）基于相似性的经验重播的应用，以在复杂的SAR场景中提高学习效率。这些发现为设计无人机系统提供了宝贵的见解，这些系统不仅在技术上熟练，而且还与以人为本的价值观保持一致。
时空相似性措施基于多任务学习，用于使用MRI数据预测阿尔茨海默氏病进展
摘要 - 识别和利用各种生物标志物跟踪阿尔茨海默氏病（AD）的进展已受到许多最近的关注，并使帮助临床医生迅速做出了迅速的决定。传统的进程模型着重于从MRI/PET图像（例如区域平均皮质厚度和区域量）中提取感兴趣区域（ROI）中的形态生物标志物（ROI）。它们是有效的，但忽略了随着时间的流逝，大脑ROI之间的关系会导致协同的恶化。用于探索这些生物标志物之间的协同恶化关系，在本文中，我们提出了一种新型时空相似性度量的多任务学习方法，可有效预测AD的进展并敏感地捕获生物标志物之间的关键关系。特别是，我们首先定义了一个时间量度，用于估计生物标志物变化随时间变化的幅度和速度，这表明趋势变化（时间）。将这一趋势转换为矢量，然后我们比较了统一的矢量空间（空间）中生物标志物之间的这种变异性。实验结果表明，与直接基于ROI的特征学习相比，我们提出的方法在预测疾病进展方面更有效。我们的方法还使执行纵向稳定性选择以确定生物标志物之间不断变化的关系，这些关系在疾病进展中起着关键作用。我们证明，皮质体积或表面积之间的协同恶化的生物标志物对认知预测具有显着影响。索引术语 - Alzheimer疾病，脑生物标志物相关性，余弦相似性，多任务学习
分析IOV和IOFV之间的差异和相似性
摘要：车辆互联网（IOV）和飞行器互联网（IOFV）是智能运输系统不可或缺的组成部分，有可能改变我们移动人民和商品的方式。尽管IOV和IOFV都有提高运输效率，安全性和可持续性的共同目标，但它们具有独特的特征并面临独特的挑战。迄今为止，现有文献主要集中在IOV或IOFV的特定方面，但是比较和对比这两个领域的全面审查仍然缺乏。本评论论文旨在通过对IOV和IOFV系统之间的主要差异进行深入分析来解决这一差距。审查将检查与两个领域相关的技术组件，网络基础架构，通信协议，数据管理，目标，应用程序，挑战和未来趋势。此外，本文将探讨人工智能，机器学习和区块链等技术的潜在影响。最终，本文旨在在运输系统及其他地区的背景下对这些技术的含义和潜力有更深入的了解。
患者相似性网络（CHDMAP）预测先天性心脏外科手术后的结局：发展和验证研究
背景：尽管基于证据的医学提出了个性化的护理，以考虑最好的证据，但在许多实际临床情况下，它仍然无法解决个人治疗，因为情况的复杂性不适用可用的证据。“基于医学的证据”（MBE）提出了大数据和机器学习技术，以从现实世界中的临床实践中从适当匹配的患者中得出治疗反应。但是，将这个概念框架转化为实践中仍然存在许多挑战。目的：本研究旨在将MBE概念框架从技术上转化为实践，并评估其在先天性心脏病（CHD）手术后为结果提供一般决策支持服务的表现。方法：收集了4774个CHD手术的数据。使用自然语言处理技术从每个超声心动图报告中提取了总共66个指标和所有诊断。结合了一些基本的临床和手术信息，每个患者之间的距离通过一系列计算公式进行测量。受结构映射理论的启发，不同维度之间距离的融合可以由临床专家调节。除了支持直接类似推理外，还可以基于类似患者来构建机器学习模型以提供个性化的预测。提出并开发了一个名为CHDMAP的CHD的患者相似性网络（PSN），以根据MBE方法提供一般决策支持服务。结果：使用256例CHD病例，对2种不同类型的术后预测预测任务进行了评估：二进制分类任务，以预测术后并发症和多个分类任务，以预测机械通风持续时间。与3位临床医生的平均表现相比，PSN提供的大多数相似患者的简单民意调查可以实现更好的预测结果。使用从PSN获得的类似患者构建逻辑回归模型可以进一步改善这两个任务的性能（接收器操作角色下的最佳区域 -
通过 Barbs 和 Contexts 实现量子双相似性
过去几年，我们见证了一些关于过程演算量子扩展的提案的发展。其理由很明确：随着量子通信协议的发展，需要抽象并关注量子并发系统的基本特征，就像 CCS 和 CSP 对其经典对应物所做的那样。但到目前为止，还没有出现公认的标准，无论是语法还是行为语义。事实上，各种提案对量子值的观测属性应该是什么并没有达成一致，事实上，这些属性的合理性从未根据量子理论的规定得到验证。为此，我们引入了一种新的演算，即线性量子 CCS (lqCCS)，并研究基于反讽和上下文的行为等价性的特征。我们的演算可以被认为是 qCCS 的异步线性版本，而 qCCS 又基于值传递 CCS。线性与异步通信的结合非常符合量子系统的特性（例如不可克隆定理），因为它可以确保每个量子比特只发送一次，从而精确指定某个过程的哪些量子比特与上下文交互。我们利用上下文来研究双相似性与量子理论的关系。我们表明，一般上下文的观察能力与量子理论是不相容的：粗略地说，它们可以根据量子值执行非确定性移动，而无需测量（因此会扰乱）它们。因此，我们细化了操作语义，以防止上下文执行不可行的非确定性选择。这会产生更粗的双相似性，以更好地适应量子设置：（푖）它将量子态的不可区分性提升到过程的分布，并且尽管存在额外的限制，（푖푖）它仍保留了基于经典信息的非确定性选择的表达能力。据我们所知，我们的语义是第一个满足上述两个属性的语义。
基于分子对接的某些抗鼠伤寒沙门氏菌头孢菌素衍生物的虚拟筛选、药物相似性和药代动力学分析
鼠伤寒沙门氏菌是导致非伤寒沙门氏菌病 (NTS) 的沙门氏菌血清型之一。这种感染的主要临床表现是腹部痉挛、腹泻和发烧，这些都是危及生命的全身性疾病，需要紧急抗生素治疗。与发展中国家流行的伤寒不同，NTS 是一种全球性感染。胃肠炎是 NTS 的一种常见形式，其年发病率和死亡率估计分别为 9380 万例和 155,000 例死亡。1 除了胃肠炎外，鼠伤寒沙门氏菌还会引起菌血症和局灶性全身感染，称为侵袭性非伤寒沙门氏菌病 (iNTS)。 2、3 撒哈拉以南非洲地区 iNTS 的年发病率估计为每 100,000 名儿童中有 175 至 388 例，每 100,000 名感染人类免疫缺陷病毒 (HIV) 的成人中有 2000 至 7500 例，感染者的死亡率为 20% 至 25%。4 至 9