XiaoMi-AI文件搜索系统
World File Search System网络动态
具有延迟和可靠性的无线边缘计算... - arXiv
摘要 — 边缘计算是一个新兴概念，基于将计算、存储和控制服务分布在更靠近终端网络节点的地方。边缘计算是第五代 (5G) 无线系统及以后系统的核心。虽然当前最先进的网络以集中方式（在云端）通信、计算和处理数据，但对于延迟和以计算为中心的应用，无线接入和计算资源都必须更靠近边缘，利用靠近终端设备的支持计算和存储的小型蜂窝基站的可用性。此外，网络基础设施必须支持分布式边缘决策服务，该服务可以学习以最小的延迟适应网络动态，并相应地优化网络部署和运行。本文将首先讨论网络边缘必须提供的应用程序，从而为边缘计算的概念提供全新的视角，特别强调为虚拟现实 (VR)、车联网 (V2X)、边缘人工智能 (AI) 等关键任务应用程序提供超可靠和低延迟边缘计算服务所面临的挑战。此外，本文还探讨了几个以边缘为关键的案例研究，随后提出了见解和未来工作的前景。
神经反应中对情绪负面刺激的大规模网络动力学与5-羟色胺1A结合在主要抑郁症中的结合
血清素能功能障碍与重度抑郁症（MDD）有关，但这种关系的机制仍然难以捉摸。5-羟色胺1A（5-HT 1A）自身受体调节脑部羟色胺神经元的触发，并定位为对负面情绪产生大规模影响。在这里，我们研究了Raphe 5-HT 1A结合与负面情绪的脑网络动态之间的关系。22名健康志愿者（HV）和27名无药物参与者使用[11 C] CUMI-101（CUMI）进行了PET，以量化中脑raphe nuclei和FMRI扫描中的5-HT 1A结合，并在情绪负面的情况下进行扫描。使用多元动力学系统模型在fMRI数据中估计了对负面情绪有效的因果关系。在观看阴影下，MDD受试者表现出对杏仁核，基底ganglia，thalamus，轨道额叶皮层，下额回和背膜前额叶皮层的显着海马抑制作用（IFG，DMPFC）。MDD相关的连通性与Raphe 5-HT 1A结合无关。然而，杏仁核，丘脑，IFG和DMPFC的海马抑制更大，与海马5-HT 1A结合相关。
循环神经网络中的对齐和倾斜动力学
神经活动与行为相关变量之间的关系是神经科学研究的核心。当这种关系很强时，这种关系被称为神经表征。然而，越来越多的证据表明，某个区域的活动与相关的外部变量之间存在部分分离。虽然已经提出了许多解释，但缺乏外部变量和内部变量之间关系的理论框架。在这里，我们利用循环神经网络 (RNN) 从几何角度探索神经动力学和网络输出何时以及如何相关的问题。我们发现训练 RNN 可以导致两种动态状态：动态可以与产生输出变量的方向一致，也可以与它们倾斜。我们表明，训练前读出权重大小的选择可以作为状态之间的控制旋钮，类似于最近在前馈网络中的发现。这些状态在功能上是不同的。斜向网络更加异质，并抑制其输出方向上的噪声。此外，它们对沿输出方向的扰动更具鲁棒性。至关重要的是，出于动态稳定性考虑，倾斜状态特定于循环（而非前馈）网络。最后，我们表明，在神经记录中，可以分离出对齐或倾斜状态的趋势。总之，我们的结果为通过将网络动态与其输出相关联来解释神经活动开辟了新视角。
神经科学研讨会系列时间表 2022 年秋季
标题：“睡眠能恢复大脑的最佳计算状态吗？长期记录中的网络动态指向一个答案” Jenna McHenry 博士 2022 年 10 月 11 日 杜克大学心理与神经科学系助理教授 主持人：Jianyang Du 博士 标题：“阐明神经回路中的社会状态动态以激发行为” Un Jung Kang 医学博士 2022 年 10 月 18 日 纽约大学格罗斯曼医学院神经病学教授 主持人：Fu-ming Zhou 标题：“PD 治疗中的异常可塑性” Matthew Campbell 博士 Zoom 2022 年 11 月 1 日 爱尔兰都柏林圣三一学院斯默菲特遗传学研究所 主持人：Raja Gangaraju 标题：“健康和疾病中的血障调节” Nabil J. Alkayed 医学博士、哲学博士2022 年 11 月 8 日 奈特心血管研究所教授兼研究主任 俄勒冈健康与科学大学 主持人：Tauheed Ishrat 题目：“血管性认知障碍和痴呆症的新型治疗靶点” 洪伟哲博士 Zoom 2022 年 11 月 29 日 神经生物学副教授
循环神经网络中的对齐和倾斜动力学
摘要 神经活动与行为相关变量之间的关系是神经科学研究的核心。当这种关系很强时，这种关系被称为神经表征。然而，越来越多的证据表明，某个区域的活动与相关的外部变量之间存在部分分离。虽然已经提出了许多解释，但缺乏外部变量和内部变量之间关系的理论框架。在这里，我们利用循环神经网络 (RNN) 从几何角度探索神经动力学和网络输出何时以及如何相关的问题。我们发现训练 RNN 可以导致两种动态状态：动态可以与产生输出变量的方向一致，也可以与它们倾斜。我们表明，训练前读出权重大小的选择可以作为状态之间的控制旋钮，类似于最近在前馈网络中的发现。这些状态在功能上是不同的。斜网络更加异质，并抑制其输出方向上的噪声。此外，它们对输出方向上的扰动更具鲁棒性。至关重要的是，出于动态稳定性考虑，倾斜状态特定于循环（而非前馈）网络。最后，我们表明，在神经记录中，可以分离出对齐或倾斜状态的趋势。总之，我们的结果为通过将网络动态与其输出相关联来解释神经活动开辟了新视角。
神经科学中的数字孪生：从理论到定制治疗
数字孪生作为物理系统的虚拟表示，可以实现模拟、综合分析和预测。它们在医疗保健领域也越来越受到关注，应用范围也越来越广，尤其关注大脑的数字孪生。我们讨论了神经科学中的数字孪生如何实现大脑功能和病理的建模，因为它们提供了一种计算机模拟方法来研究大脑并说明大脑网络动态与相关功能之间的复杂关系。为了展示神经科学中数字孪生的能力，我们展示了如何根据可塑性的哲学概念来建模脑肿瘤对大脑物理结构和功能的影响。在这个技术衍生的背景下，我们进一步探索了凯瑟琳·马拉布的哲学见解，该背景假设大脑朝着改善和修复的非线性行为可以基于 MRI 数据进行建模和预测。马拉布强调大脑具有适应性和破坏性可塑性的双重能力。我们将讨论马拉布的思想在多大程度上提供了一个更全面的理论框架，以理解数字孪生如何模拟大脑对损伤和病理的反应，包含马拉布的适应性和破坏性可塑性的概念，该概念提供了一个框架来解决神经科学中这些尚未计算的方面以及有时看似不利的神经可塑性动态，有助于弥合理论研究和临床实践之间的差距。
一种用于超级持久性和物理性的综合方法......
摘要：本文介绍了一种预测云量对光伏 (PV) 场在预测期内影响的新方法，该方法利用 PV 板作为传感器，结合物理和持久性模型并集成储能系统控制。所提出的方法需要模拟由 22 kV 可再生能源和储能组成的电网，从而能够评估与国家电网相比的网络行为。为了优化计算效率，作者开发了 PV + 储能模块的等效模型，在考虑天气条件（尤其是云量）的同时准确模拟系统行为。此外，作者介绍了一种控制系统模型，该模型能够有效响应网络动态并使用 PID 控制器对储能系统进行全面控制。精确的电力预测对于保持电力连续性、管理整个电力系统的爬坡率以及确保电网稳定性至关重要。我们的方法能够与太阳能围栏系统集成，这证明了其创新性及其对可再生能源领域做出重大贡献的潜力。作者还评估了各种针对电网的情景，以确定它们对电网稳定性的影响。研究结果表明，储能与所提出的结合物理和持久性模型的预测方法的集成为有效管理电网稳定性提供了一种有希望的解决方案。
量子飞行自组织网络中的能量高效路由（q...
量子飞行自组织网络 (Q-FANET) 提供了一种独特的通信范式，利用量子原理实现安全高效的数据传输。然而，由于动态拓扑变化和有限的通信资源，Q-FANET 中的路由带来了重大挑战。本文提出了一种利用 Mamdani 模糊推理增强型 Dijkstra 算法 (MFI-EDA) 的新型路由方法，该方法专为 Q-FANET 环境量身定制。MFI-EDA 的工作机制涉及将模糊逻辑与 Dijkstra 算法相结合，以根据环境条件（例如节点移动性和能量水平）和网络动态（例如链路质量和流量拥塞）智能地调整路由决策。这种混合方法通过结合模糊逻辑来增强传统路由算法，从而为 Q-FANET 提供稳健性和适应性。其主要贡献在于模糊推理的无缝集成，这使 MFI-EDA 能够根据实时环境反馈动态调整路由路径，从而提高能源效率和可靠性。通过大量模拟实验评估了 MFI-EDA 在 Q-FANET 场景中的性能，证明了其在实现节能和可靠路由方面的有效性。结果表明，MFI-EDA 优于传统路由方法，为量子自组织网络中的高效通信提供了良好的前景。关键词：量子网络、Q-FANET、Mamdani 模糊推理、Dijkstra 算法、路由 1. 引言
皮层基底神经节中的信用分配问题......
摘要 皮质-基底神经节-丘脑 (CBGT) 通路如何使用多巴胺能反馈信号来修改未来决策的问题几十年来一直困扰着计算神经学家。通过回顾多巴胺能皮质纹状体可塑性的计算表示的文献，我们展示了该领域如何融合到一种规范的突触级学习算法，该算法可以优雅地捕捉 CBGT 回路的神经生理特性和强化学习期间的行为动态。不幸的是，导致这种规范算法模型的计算研究都依赖于使用抽象动作选择规则的简化电路。结果，将这种皮质纹状体可塑性算法应用于 CBGT 通路的完整模型会立即失败，因为整合（皮质纹状体回路）、动作选择（丘脑皮质环路）和学习（黑质纹状体回路）之间的时空距离意味着网络不知道应该强化哪些突触以支持之前的奖励动作。我们展示了神经生理学观察结果，特别是选定动作表征的持续激活，如何提供一种简单的方法来解决 CBGT 学习模型中的这种信用分配问题。使用完整 CBGT 回路的生物学现实脉冲模型，我们展示了该解决方案如何让网络学习选择最佳目标并在环境发生变化时重新学习动作-结果偶然性。这个简单的例子强调了如何扩展皮质纹状体可塑性的规范框架以捕捉学习和决策过程中的宏观网络动态。
可解释的人工智能质量框架......
摘要 — 第六代 (6G) 无线网络的核心愿景之一是积累人工智能 (AI)，以实现万物互联 (IoE) 的自主控制。特别是，必须通过分析人员、数据、流程和事物等 IoE 的上下文指标来维护 IoE 服务交付的质量。然而，当 AI 模型为网络服务提供商带来解释和直觉的缺失时，挑战就随之而来。因此，本文为质量感知的 IoE 服务交付提供了一个可解释的人工智能 (XAI) 框架，该框架同时支持智能和解释。首先，通过考虑网络动态和 IoE 的上下文指标来制定质量感知的 IoE 服务交付问题，其目标是最大化每个 IoE 服务用户的信道质量指数 (CQI)。其次，设计一个回归问题来解决所提出的公式问题，其中通过 Shapley 值解释估计上下文矩阵的可解释系数。第三，通过使用基于集成的回归模型来确保对矩阵之间上下文关系的解释以重新配置网络参数，实现了支持 XAI 的质量感知 IoE 服务交付算法。最后，实验结果表明，AdaBoost 和 Extra Trees 的上行链路改进率分别为 42 .43% 和 16 .32%，而下行链路改进率高达 28 .57% 和 14 .29% 。然而，基于 AdaBoost 的方法无法维持 IoE 服务用户的 CQI。因此，与其他基线相比，所提出的基于 Extra Trees 的回归模型在缓解准确性和可解释性之间的权衡方面表现出显着的性能提升。索引术语 — 万物互联、可解释人工智能、上下文矩阵、Shapley 系数、回归、服务质量。