XiaoMi-AI文件搜索系统
World File Search System空间距离
配置操纵计划的空间距离字段
摘要 - 签名的距离字段（SDF）是机器人技术中流行的隐式形状表示形式，提供有关对象和障碍物的几何信息，形式可以很容易地与控制，优化和学习技术相结合。最常使用SDF来表示任务空间中的距离，这与我们在3D世界中感知到的距离熟悉的概念相对应。但是，可以在数学上使用SDF在其他空间中，包括机器人配置空间。对于机器人操纵器，此配置空间通常对应于机器人的每个关节的关节角度。在机器人计划中习惯表达出配置空间的哪些部分与障碍物相撞，但将此信息视为配置空间中的距离字段并不常见。在本文中，我们演示了在机器人配置空间中考虑SDF进行优化的潜力，我们称之为配置空间距离字段（或简称CDF）。与在任务空间中使用SDF相似，CDF提供了有效的关节角距离查询并直接访问衍生物（关节角速度）。大多数方法将整体计算分为任务空间中的一部分，然后是配置空间中的一部分（评估任务空间的距离，然后使用逆运动学的计算操作）。相反，CDF允许以统一的方式通过控制，优化和学习问题来利用隐式结构。特别是，我们提出了一种有效的算法来计算和融合CDF，可以推广到任意场景。也提出了使用多层感知器（MLP）的相应神经CDF表示，以获得紧凑而连续的表示，同时提高计算效率。我们通过平面避免示例来证明CDF的有效性，以及在逆运动学和操纵计划任务中使用7轴的Franka机器人。项目页面：https：//sites.google.com/view/cdfmp/home
通过聚类和Orbat映射
操作领域（AO）的情境情况对于指挥所和战术边缘的情况意识至关重要。运营商，例如一个营的S2或公司指挥官，从包括预期敌军的战斗（Orbat）的计划开始。他们会收到有关检测到的战斗空间对象（BSO）的持续信息，并将其添加到情境图片中。在理想情况下，操作员创建了一个真实，完整，最新和简洁的情况。实际上，图片可能不完整，包含错误或过时的信息。为了不断地保持准确的情境图片，重要的是要通过添加新的BSO来丰富它，也要管理可能重复或过时的BSO的更正和删除。在以前的论文中，我们介绍了两种方法，以自动聚集和富集情境图片：根据其空间距离随时间的空间距离[1]，[2]和一种基于规则的方法，用于将BSO映射到敌人的Orbat [3] [3]。在本文中，我们提出了一种新的方法来维护情况，该方法确定了来自源自轨道的情境图片和簇的BSO群集之间的最佳映射。如[4]中所述，映射可以有效地充实情况形态图片，身份管理和改进的侦察计划。
来自细分的最佳几何局部量子和经典代码
几何局部量子码是一种位于 RD 内的纠错码，其中校验仅作用于固定空间距离内的量子位。主要问题是：几何局部代码的最佳维度和距离是多少？最近，Portnoy 在代码方面取得了重大突破，实现了高达多对数的最佳维度和距离。然而，这种构造调用了一个有点高级的数学结果，即将链复形提升到流形。本文绕过了这一步骤，并通过注意到一类良好的量子低密度奇偶校验码、平衡乘积码自然带有二维结构来简化构造。结合将在其他地方展示的新嵌入结果，这种量子码在所有维度上都实现了最佳维度和距离。此外，我们表明该代码具有最佳能量势垒。我们还讨论了经典代码的类似结果。
通过计算变分自动编码器潜在空间中的差异来检测脑 MRI 中的肿瘤
自动勾勒出脑磁共振图像 (MRI) 中异常的能力对计算机辅助诊断至关重要。无监督异常检测方法主要通过学习健康图像的分布并将异常组织识别为异常值来工作。在本文中，我们提出了一种切片检测方法，该方法首先在两个不同的数据集上训练一对自动编码器，一个数据集包含健康个体，另一个数据集包含正常和肿瘤组织的图像。接下来，它根据图像编码与仅对健康图像进行训练的自动编码器获得的重建编码之间的潜在空间距离对切片进行分类。我们通过对 HCP 和 BRATS-2015 数据集进行的一系列初步实验验证了我们的方法，结果表明所提出的方法能够将脑部 MRI 分为健康和不健康。
真实神经元网络中的几何尺度律
我们研究了果蝇在不同发育阶段的突触分辨率连接组，揭示了神经元连接概率相对于空间距离的一致缩放定律。这种幂律行为与之前在粗粒度脑网络中观察到的指数距离规则有显著不同。我们证明几何缩放定律具有功能意义，与信息通信的最大熵和平衡整合与分离的功能临界性相一致。扰乱经验概率模型的参数或其类型会导致这些有利特性的丧失。此外，我们推导出一个明确的神经元连接定量预测因子，仅结合神经元间距离和神经元的进出度。我们的研究结果建立了大脑几何和拓扑结构之间的直接联系，有助于理解大脑如何在其有限空间内最佳地运作。
基于 CRISPR 的动态基因组组织实时成像的进展与挑战
核染色体压缩是非随机的和动态的。基因组元素之间的空间距离会立即调节转录。可视化细胞核中的基因组组织对于了解核功能至关重要。除了依赖于细胞类型的组织之外，高分辨率 3D 成像还显示了同一细胞类型中染色质组织的异质压缩。这些结构变化是否是不同时间点动态组织的快照，以及它们在功能上是否不同，这些问题仍有待解答。活细胞成像为短（毫秒）和长（小时）时间尺度上的动态基因组组织提供了独特的见解。基于 CRISPR 的成像的最新发展为实时研究单细胞中的动态染色质组织打开了窗口。在这里，我们重点介绍这些基于 CRISPR 的成像技术，并讨论它们作为一种强大的活细胞成像方法的进展和挑战，这种方法具有产生范式转变发现和揭示动态染色质组织的功能意义的巨大潜力。
探索空间 - 理性与社会排斥 -
摘要：希腊的罗马群体是一个长期存在的社会贫困人口，面临着极端的社会排斥和隔离。他们的边缘化包括有限的受教育，就业和住房的机会。本文探讨了他们的空间立场和社会排斥，将罗马定居点的两个案例研究与他们所属的市政和地区单位的社会形象和生活条件进行了比较。从方法论上讲，我们分析了2011年人口人口普查的定量数据，以在三个层次（定居点，市政单位，区域单位）的生活条件下测量生活条件，并且我们还使用与当地机构和两个和解的代表的访谈中的定性数据来记录我们在空间位置和社交组之间的因果关系的假设。比较表明，这两个罗姆人的定居点与随行人员显然不同，在劳动力市场中的最低位置，教育中最弱的表现，最大的家庭，最大的住房状况和最糟糕的住房条件。这种极端社会排斥的案例在贫民窟的空间近端中提出了一个关于微观隔离的意义及其在不同情况下的工作方式的问题，以及对社会不平等和空间距离之间关系的进一步研究的需求。
气候变化缓解和适应的关键因素
摘要：现在所有人都感受到了气候变化。它的影响是整个国家人类日常生活的巨大变化。因此，有必要评估学生作为年轻人的气候变化感知。本研究旨在分析十个学生的气候变化感知。这项研究是一种定量设计，采用调查方法。使用问答，我们在印度尼西亚的马朗收集了283名高中生。所有学生都愿意回答问题。学生被要求根据与气候变化感知的类型相关的质量和相关性来评估这些项目，即这些项目应该以1（可怕）至5（优秀）评估。每种气候变化感知的五个项目总共选择了25个项目。五个类别是：1）现实（Q1-Q5），2）原因（Q6-Q10），3）后果的价值（Q11-Q15），4）空间距离（Q16-Q20），5）时间距离（Q21-Q25）。这项研究表明，学生相信气候变化是真实的。有些学生曾经养成良好的习惯来减少能源利用，并有应对危机的意愿。学生还认为，气候变化是由人类活动而不是自然现象引起的。学生对气候变化有很好的了解，但是仍然有许多学生尚未采取行动来应对气候变化。从结果中，我们简要地认为，学生的气候应以气候变化教育的形式融入学校学习中，以确保他们在日常生活中采取气候行动。关键字：改编；气候变化感知；减轻
基于脑电图的运动想象分类的独立于主题的深度架构
摘要 —基于脑电图 (EEG) 的运动想象 (MI) 分类是非侵入式脑机接口 (BCI) 系统中广泛使用的技术。由于 EEG 记录在不同受试者之间具有异质性并且标记数据不足，因此设计一个使用有限的标记样本独立于受试者执行 MI 的分类器是可取的。为了克服这些限制，我们提出了一种新颖的独立于受试者的半监督深度架构 (SSDA)。所提出的 SSDA 由两部分组成：无监督和监督元素。训练集包含来自多个受试者的标记和未标记数据样本。首先，无监督部分，称为列时空自动编码器 (CST-AE)，通过最大化原始数据和重建数据之间的相似性从所有训练样本中提取潜在特征。采用维度缩放方法来降低表示的维数，同时保留其可辨别性。其次，监督部分使用在无监督部分获得的潜在特征，基于标记的训练样本学习分类器。此外，我们在监督部分使用中心损失来最小化类中每个点到其中心的嵌入空间距离。该模型以端到端的方式优化网络的两个部分。在训练阶段模型未见过的测试对象上评估了所提出的 SSDA 的性能。为了评估性能，我们使用了两个基于 EEG 的基准 MI 任务数据集。结果表明，SSDA 优于最先进的方法，并且少量的标记训练样本足以实现强大的分类性能。