XiaoMi-AI文件搜索系统
World File Search System相似
spanseq：基于相似性的序列数据拆分方法，用于改善深度学习项目的开发和评估
摘要近年来，深度学习模型在计算生物学中的使用大大增加，预计它将继续随着自然语言诸如Rocessing等领域的当前进步。t hese模型虽然能够在输入和目标之间进行x关系，但也倾向于学习与de v elopment在其de v Elopment中使用的数据池的嘈杂偏差。为了评估他们在看不见的数据（其概括能力）上的性能，通常将A V ailable数据随机分为De V Elopment（Train / V Alidation）和测试集。该程序虽然标准表明，但由于所使用的数据库中的样本之间的现有相似性，因此已显示出对概括的可疑评估。在此w ork中，现在Spanseq，一种用于机器学习的数据库分区方法，可以扩展到大多数生物序列（基因，蛋白质和基因组），以便在集合之间进行V OID数据泄漏。我们还探讨了不限制相似之处的效果，从而重现了两种最先进模型对生物信息学上的de v elopment，不仅证实了随机分裂数据库对模型评估的后果，而且还扩大了这些对模型de V v epropment的影响。spanseq是https：// github.com/ genomicepidemiology/ spanseq。
![课程大纲中关于使用生成人工智能 (AI) 的声明示例（见参议院章程 54 和 55） 生成人工智能是一种通过识别大量训练数据中的模式来创建类似人类内容（包括文本、图像、视频和计算机代码）的技术，然后创建具有相似特征的原始材料。示例包括：可以生成文本的 ChatGPT、Google Gemini、Claude 和 Jenni，可以生成编码和编程的 Github Co-pilot，以及可以生成图像的 DALL-E 和 Midjourney。（Pasick，2023 年）参议院章程 54 和 55 要求教师在课程大纲中包含“有关在课程中使用生成人工智能 (AI) 的信息或限制”。不将信息包含在课程大纲中的默认情况是允许在课程中使用生成人工智能（参议院：2024 年 5 月 10 日）。教学大纲说明样本：[非详尽列表] 禁止使用示例 1：在本课程中，使用任何生成式 AI 系统（包括但不限于 ChatGPT、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney）均被视为可能带来不应有优势的未经授权的辅助工具，因此不得在提交的成绩作业创作中或作为本课程任何作业的一部分使用。在本课程的评分作业中使用生成式 AI 系统被视为学术不端行为，可能根据章程 31：学术诚信受到纪律处分。示例 2：在本课程中，生成式 AI 工具（例如 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney）被视为未经授权的辅助工具。在本课程的任何作业（例如写作过程、创作过程、图像创建过程）的任何阶段均不允许使用生成式 AI。以此方式使用将被视为学术不端行为，并可能根据章程 31：学术诚信受到纪律处分。示例 3：本课程不允许使用生成式 AI 工具（例如 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney 等）；因此，在本课程中使用任何 AI 工具进行作业都将被视为违反大学的学生行为准则，因为该作业并不完全是你自己的，并可能根据章程 31：学术诚信受到纪律处分。示例 4：除非讲师明确说明，否则本课程的所有作业均严禁使用生成式人工智能工具。这包括 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney 以及其他人工智能工具。使用未经授权的辅助工具构成学术不端行为，可能受到《条例 31：学术诚信》的处罚。一些允许的用途示例 1：学生可以根据每次评估概述的指导方针在本课程中使用生成式人工智能，只要承认并引用了生成式人工智能的使用，并遵循课程大纲和/或作业说明中给出的引用说明即可。这包括 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和](/simg/2/2b284d70466e04bcf703479538c50445c084deab.png)
课程大纲中关于使用生成人工智能 (AI) 的声明示例（见参议院章程 54 和 55） 生成人工智能是一种通过识别大量训练数据中的模式来创建类似人类内容（包括文本、图像、视频和计算机代码）的技术，然后创建具有相似特征的原始材料。示例包括：可以生成文本的 ChatGPT、Google Gemini、Claude 和 Jenni，可以生成编码和编程的 Github Co-pilot，以及可以生成图像的 DALL-E 和 Midjourney。（Pasick，2023 年）参议院章程 54 和 55 要求教师在课程大纲中包含“有关在课程中使用生成人工智能 (AI) 的信息或限制”。不将信息包含在课程大纲中的默认情况是允许在课程中使用生成人工智能（参议院：2024 年 5 月 10 日）。教学大纲说明样本：[非详尽列表] 禁止使用示例 1：在本课程中，使用任何生成式 AI 系统（包括但不限于 ChatGPT、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney）均被视为可能带来不应有优势的未经授权的辅助工具，因此不得在提交的成绩作业创作中或作为本课程任何作业的一部分使用。在本课程的评分作业中使用生成式 AI 系统被视为学术不端行为，可能根据章程 31：学术诚信受到纪律处分。示例 2：在本课程中，生成式 AI 工具（例如 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney）被视为未经授权的辅助工具。在本课程的任何作业（例如写作过程、创作过程、图像创建过程）的任何阶段均不允许使用生成式 AI。以此方式使用将被视为学术不端行为，并可能根据章程 31：学术诚信受到纪律处分。示例 3：本课程不允许使用生成式 AI 工具（例如 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney 等）；因此，在本课程中使用任何 AI 工具进行作业都将被视为违反大学的学生行为准则，因为该作业并不完全是你自己的，并可能根据章程 31：学术诚信受到纪律处分。示例 4：除非讲师明确说明，否则本课程的所有作业均严禁使用生成式人工智能工具。这包括 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney 以及其他人工智能工具。使用未经授权的辅助工具构成学术不端行为，可能受到《条例 31：学术诚信》的处罚。一些允许的用途示例 1：学生可以根据每次评估概述的指导方针在本课程中使用生成式人工智能，只要承认并引用了生成式人工智能的使用，并遵循课程大纲和/或作业说明中给出的引用说明即可。这包括 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和
课程大纲中关于使用生成人工智能 (AI) 的声明示例（见参议院章程 54 和 55） 生成人工智能是一种通过识别大量训练数据中的模式来创建类似人类内容（包括文本、图像、视频和计算机代码）的技术，然后创建具有相似特征的原始材料。示例包括：可以生成文本的 ChatGPT、Google Gemini、Claude 和 Jenni，可以生成编码和编程的 Github Co-pilot，以及可以生成图像的 DALL-E 和 Midjourney。（Pasick，2023 年）参议院章程 54 和 55 要求教师在课程大纲中包含“有关在课程中使用生成人工智能 (AI) 的信息或限制”。不将信息包含在课程大纲中的默认情况是允许在课程中使用生成人工智能（参议院：2024 年 5 月 10 日）。教学大纲说明样本：[非详尽列表] 禁止使用示例 1：在本课程中，使用任何生成式 AI 系统（包括但不限于 ChatGPT、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney）均被视为可能带来不应有优势的未经授权的辅助工具，因此不得在提交的成绩作业创作中或作为本课程任何作业的一部分使用。在本课程的评分作业中使用生成式 AI 系统被视为学术不端行为，可能根据章程 31：学术诚信受到纪律处分。示例 2：在本课程中，生成式 AI 工具（例如 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney）被视为未经授权的辅助工具。在本课程的任何作业（例如写作过程、创作过程、图像创建过程）的任何阶段均不允许使用生成式 AI。以此方式使用将被视为学术不端行为，并可能根据章程 31：学术诚信受到纪律处分。示例 3：本课程不允许使用生成式 AI 工具（例如 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney 等）；因此，在本课程中使用任何 AI 工具进行作业都将被视为违反大学的学生行为准则，因为该作业并不完全是你自己的，并可能根据章程 31：学术诚信受到纪律处分。示例 4：除非讲师明确说明，否则本课程的所有作业均严禁使用生成式人工智能工具。这包括 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和 Midjourney 以及其他人工智能工具。使用未经授权的辅助工具构成学术不端行为，可能受到《条例 31：学术诚信》的处罚。一些允许的用途示例 1：学生可以根据每次评估概述的指导方针在本课程中使用生成式人工智能，只要承认并引用了生成式人工智能的使用，并遵循课程大纲和/或作业说明中给出的引用说明即可。这包括 ChatGPT、Google Gemini、Claude、Jenni、Github Co-pilot、DaLL-E 和
口腔和阴道中 HPV 行为的相似性
1 意大利巴里大学跨学科医学系妇产科第一组，70124 巴里，意大利；miriamdellino@hotmail.it (M.D.); antonella.vimercati@uniba.it (A.V.); antoniomalvasi@gmail.com (A.M.); ettore.cicinelli@uniba.it (E.C.); amerigo.vitagliano@gmail.com (A.V.); pintov@libero.it (V.P.)2 意大利巴里大学医学院跨学科医学系牙科组，70124 巴里，意大利； g.pinto31@studenti.uniba.it 3 巴里大学眼科和耳鼻喉科耳鼻喉科单位，70124 巴里，意大利； francescobarbara89@gmail.com 4 传染病诊所，精准与再生医学部和爱奥尼亚地区，巴里综合诊所，大学医院综合诊所，巴里大学，Piazza Giulio Cesare n。 11, 70124 巴里, 意大利; francesco.digennaro1@uniba.it (F.D.G.); annalisa.saracino@uniba.it (A.S.) 5 妇产科，“Paolo Giaccone”医院，健康促进、母婴保健、内科和医学专业系（PROMISE），巴勒莫大学，90127 巴勒莫，意大利；antoniosimone.lagana@unipa.it 6 牙科系，罗马大学，00161 罗马，意大利；vitomalvasi7@gmail.com 7 病理学系，精准再生医学和爱奥尼亚地区系（DiMePRe-J），巴里大学，Piazza Giulio Cesare 11，70121 巴里，意大利；eliano20@hotmail.it * 通信地址：antoniodamato19@libero.it † 这些作者对这项工作做出了同等贡献。‡ 这些作者也对这项工作做出了同等贡献。
用户和体现的对话代理之间性别和外表的相似性对可信度，同理心和服务评估的影响
本论文（主人）是由达特茅斯数字共享的这些论文和论文免费带给您的。已被达特茅斯数字共享的授权管理人纳入达特茅斯学院硕士的论文。有关更多信息，请联系dartmouthdigitalcommons@groups.dartmouth.edu。
网络空间与太空的相似之处、不同之处和……
网络空间和太空都是新的国家安全前沿，模糊了传统的边界、主权和防御战略观念。两者的历史都始于情报活动，而非作战领域，并且都与其情报起源密切相关。两者最初也都由政府主导，但现在越来越成为重要的商业活动，美国军方越来越多地转向私营部门提供许多网络空间和太空服务。两者都可以通过技术熟练的劳动力使用先进技术来实现。然而，尽管太空和网络空间在许多方面相似，但它们之间也存在差异。太空是我们地球环境中自然发生的一部分，而网络空间是人造现象。基于空间的系统通常需要大量的资本支出，而网络空间运营所需的资本支出则要少得多。网络空间与太空之间的这些相似之处和差异给美国带来了若干国家安全问题。
fast：在黑盒生成模型中弱学习的功能相似性阈值
摘要 - 强调对深层生成模型的调节，这是由于与隐私和遵守监管框架有关的关注所升级，强调了对这些模型的精确控制机制的必要需求。这种紧迫性尤其强调，在这种情况下，生成模型产生的输出涵盖了可观的，令人反感的，令人反感的或可能有害的内容。在响应中，已经出现了机器，以选择性地忘记特定的知识或从预训练的模型中删除不良数据子集的影响。但是，现代机器未学习方法通常会在学习过程中访问模型参数和架构细节，这并不总是可行的。在多种下游任务中，这些模型充当黑框系统，具有无法访问的预训练参数，体系结构和训练数据。在这种情况下，过滤不需要的输出的可能性成为一种实用的选择。我们提出的方法功能特征意识相似性阈值（快速）通过系统地编码潜在空间中不需要的特征来有效地抑制不希望的输出。我们采用用户标记的正和负样本来指导此过程，利用潜在空间固有的能力来捕获这些不受欢迎的表示形式。在推断期间，我们使用潜在空间中的此确定的表示形式来计算带有新采样的潜在向量的投影相似性指标。随后，我们精心应用一个阈值以从输出中排除不可用的样品。我们的实施可从https://github.com/subhodip123/weak-unlearning-gan-gan
以人为中心的意识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。
使用机器学习的相似图像查找器
摘要：Internet和个人设备上数字图像的扩散产生了对有效图像检索系统的紧迫需求。本文提出了使用机器学习技术来应对这一挑战的类似图像查找器（SIF）。该系统采用特征提取方法（例如卷积神经网络（CNN））的组合来捕获图像的视觉特征。然后使用降低降低技术（如T-分布式随机邻居嵌入（T-SNE）或主成分分析（PCA））将这些特征映射到较低的空间中。结果表示可以有效地比较和检索视觉上相似的图像。此外，可以在大型数据集上培训系统，以学习跨各种图像类型和域的概括性特征。实验结果证明了所提出的SIF在准确有效地检索视觉相似图像方面的有效性。此外，还讨论了系统在图像搜索引擎，内容建议系统和数字资产管理中的可扩展性和潜在应用。
作者校正：细菌和真核先天免疫的保护和相似性
In the version of the article initially published, in the “Effector-triggered immunity” sec- tion, the sentence now reading “Bacteria detect phage by monitoring transcription using a constitutively produced antitoxin ToxI, which is depleted when phage inhibit transcription, releasing the RNase ToxN that aborts phage infection” read “Bacteria link phage detection to cell death by monitoring transcription using组成性产生的抗毒素毒素，当噬菌体抑制转录，释放毒素并杀死细胞时会耗尽。”这已在本文的HTML和PDF版本中进行了纠正。
超越人类相似性 - 研究门户 - 班戈大学
摘要 我们试图复制和扩展以前的研究，以表明机器人看起来越像人类，人们就越愿意赋予它类似心智的能力并与之进行社交。42 名参与者在接受功能性神经成像的同时，与人类、人形机器人、机械机器人和计算机算法玩游戏。我们证实，代理越像人类，参与者就越会将心智归因于它们。然而，探索性分析表明，代理的感知社会性对于心智归因似乎同样重要，甚至更重要。我们的研究结果表明，在探索非人类代理的心智归因时，自上而下的知识线索可能与自下而上的刺激线索同样或可能更具影响力。虽然现在需要进一步研究来直接检验这一假设，但这些初步发现对于机器人设计以及理解和测试人们与人工智能体互动时人类社会认知的灵活性具有重要意义。