XiaoMi-AI文件搜索系统
World File Search System网络参数
物理限制的深度偏置点扩散函数模型：朝向非视线成像重建
摘要。非线视线（NLOS）成像已成为一种突出的技术，用于从经历多种弥漫性反射的图像中重建遮盖的对象。这种成像方法由于其广泛的潜在应用而引起了各种领域的关注，包括遥感，救援操作和智能驾驶。然而，准确地对入射光方向进行建模，该方向携带能量并由检测器捕获，并在随机扩散反射方向中捕获，这构成了巨大的挑战。这一挑战阻碍了NLOS成像的精确前进和逆物理模型的获取，这对于实现高质量重建至关重要。在这项研究中，我们提出了一个使用随机角度跟踪的NLOS成像系统的点扩散函数（PSF）模型。此外，我们引入了一种重构方法，称为物理受限的反向网络（PCIN），该方法通过利用PSF约束和卷积神经网络的优化来建立准确的PSF模型和逆物理模型。PCIN方法在正向PSF模型的约束下随机初始化参数，从而消除了传统深入学习方法需要的广泛训练数据集的需求。通过交替的迭代和梯度下降算法，我们迭代优化了PSF模型和神经网络参数中的分散反射角。结果表明，PCIN不需要大量实际的地面数据组来实现有效的数据利用。此外，实验发现证实了所提出的方法可以高精度有效地恢复隐藏的对象特征。
主动流量控制 - bluff-body-drag-drag-using- in-div>
通过增强学习（RL）进行拖曳减少的主动流控制（RL）是在带有涡旋脱落的层流方向的二维方形悬崖体后进行的。由神经网络参数参数的控制器经过训练，以驱动操纵不稳定流量的两次吹和吸气喷气机。具有完全可观察性的RL（传感器在尾流中）成功地发现了一种控制策略，该策略通过抑制涡流脱落而降低阻力。但是，当控制器接受部分测量（体内传感器）训练时，观察到不可忽略的性能降解（减少50％）。为了减轻这种效果，我们提出了一种能量，动态的，最大的熵RL控制方案。首先，提出了基于能量的奖励功能，以优化控制器的能量消耗，同时最大程度地减少阻力。第二，控制器的培训是通过由当前和过去的测量和动作组成的增强状态训练的，可以将其作为非线性自回归外源模型进行配制，以减轻部分可观察性问题。使用第三，最大熵RL算法（软演员评论家和截短的分位数评论家），以样本效果的方式促进探索和剥削，并在挑战性的部分测量案例中发现近乎最佳的策略。稳定涡流脱落是在人体后部仅使用表面压力测量的近唤醒中实现的，从而导致与唤醒传感器相似的阻力减小。提出的方法使用部分测量对现实配置开辟了新的动态流量控制途径。
盲目的高光谱和多光谱图像融合
光谱图像融合结合了低空间分辨率高光谱（HS）和低光谱 - 分辨率多光谱（MS）图像，以估计高分辨率（HR）光谱图像。尽管基于监督深度学习的最新融合技术显示出令人鼓舞的结果，但这些方法需要大量的培训数据集，涉及昂贵的获取成本和较长的培训时间。相比之下，基于深图像先验（DIP）方法的无监督的HS和MS图像融合为具有不同分布的图像的适应性提供了适应性。但是，现有的无监督方法依赖于线性降解模型的假设，并且需要对这些模型的精确知识才能获得最佳性能。为了克服这些挑战，我们提出了无监督的盲人HS和MS图像融合的中间输出深图像先验（MODIP）。Modip基于DIP模型，并在网络中的中间层产生融合图像。该体系结构包括两个高尺度的卷积发生器，它们从HS和MS输入中重建了HR光谱图像，以及两个网络，这些网络适当地降低了估计的HR图像，以匹配可用的MS和HS数据集，从而学习非线性降解模型。MODIP的网络参数是通过最小化所提出的复合损耗函数的共同和迭代调整的。重要的是，这种方法可以处理降解操作员未知或部分估计的方案。广泛的模拟表明，MODIP的表现优于其他基于模型的图像融合方法。为了评估MODIP的性能，我们在两个模拟光谱图像数据集（Pavia University和Salinas Valley）上测试了Fusion方法，以及通过光学实验室中的测试台实现获得的真实数据集。
桉叶油素的分子机理分析……
目的：探讨桉叶油精柠檬蒎烯肠溶胶囊（QIENUO）治疗肺囊性纤维化（CPF）的作用机制，分析QIENUO与CPF的共同靶点，验证核心蛋白与小分子的分子对接。方法：从PubChem、SwissTargetprediction、GeneCards、PharmMapper、TCMSP数据库中获取主要活性化合物及其对应靶点，从GeneCards、OMIM、DisGeNET、TTD数据库中筛选与CPF相关的靶点。通过维生信网站利用基因本体论（GO）和京都基因与基因组百科全书（KEGG）对“QIENUO-CPF”共同靶点进行分析，利用Cytoscape构建蛋白质-蛋白质相互作用（PPI）网络和化合物-靶点-通路网络，并系统分析网络参数。采用分子对接方法评估并验证核心蛋白与单体成分之间的相互作用。结果：筛选出228个活性化合物靶点和1354个CPF相关靶点，对92个共同靶点进行GO和KEGG分析。结果显示，切诺对CPF的治疗作用主要通过AMPK信号通路、cGMP-PKG信号通路和TGF-β信号通路实现。分子对接结果显示，15对配体-受体对中，有9对的结合能低于-6kjmol-1。结论：切诺作为治疗肺囊性纤维化的药物具有巨大的潜力，研究和论证了切诺治疗CPF的具体分子机制和有效活性成分，为切诺更好的临床应用提供理论基础。关键词：网络药理学；分子对接；肺囊性纤维化；桉叶油素、柠檬烯、蒎烯肠溶胶囊
引用发布版本（APA）：Che，Y.，Zheng，Y.，Sui，X。，＆Teodorescu，R。（2023）。基于自我
健康状态（SOH）估计在智能电池健康预后和管理中起关键作用。然而，泛化，缺乏标记的数据以及老化期间未使用的测量仍然是准确的SOH估计的主要挑战。为此，本文提出了一个自制的学习框架，以提高电池SOH估计的性能。与传统数据驱动的方法不同，这些方法依赖于从众多电池单元中获得的相当大的训练数据集，使用有限的标记数据可以实现准确且可靠的估计。首先应用了基于过滤器的数据预处理技术，该技术能够在动态充电专用条件下提取部分容量 - 电压曲线。无监督的学习用于通过自动编码器解码器从未标记的数据中学习老化特征。学习的网络参数被转移到下游SOH估计任务，并以很少的稀疏标记数据进行了调整，从而提高了估计框架的性能。所提出的方法已在不同的电池化学，格式，操作条件和环境中进行了验证。只能通过最初20％的生命周期中的三个标记数据来保证估计精度，总体错误小于1.14％，并且所有测试场景的误差分布保持少于4％，并且随着老化的增长而鲁棒性增加。与其他纯监督的机器学习方法进行比较证明了该方法的优越性。2023作者。在各种情况下，这个简单且数据效果的估计框架在现实世界应用中有承诺。科学出版社和达利安化学物理研究所，中国科学院。由Elsevier B.V.和Science Press发布，这是CC下的开放访问文章（http：//creativecommons.org/licenses/by/4.0/）。
AHEAD：用于主动 BMI 边缘设备中 MLP 神经网络硬件生成的自动整体能量感知设计方法
摘要：基于主动式脑机接口 (BMI) 控制边缘设备的高级认知功能预测是一项改善残疾人生活质量的新兴技术。然而，由于神经元的非平稳性质，维持多单元神经记录的稳定性变得困难，并且会影响主动式 BMI 控制的整体性能。因此，需要定期重新校准以重新训练神经网络解码器以进行主动控制。然而，重新训练可能会导致网络参数（例如网络拓扑）发生变化。就用于实时和低功耗处理的神经解码器的硬件实现而言，修改或重新设计硬件加速器需要时间。因此，处理低功耗硬件设计的工程变更需要大量的人力资源和时间。为了应对这一设计挑战，这项工作提出了 AHEAD：一种用于主动式 BMI 边缘设备中多层感知器 (MLP) 神经网络硬件生成的自动整体能量感知设计方法。通过对主动式 BMI 设计流程进行全面分析，该方法明智地利用了智能位宽识别 (BWID) 和可配置硬件生成，它们自主集成以生成低功耗硬件解码器。所提出的 AHEAD 方法从训练过的 MLP 参数和黄金数据集开始，并在性能、功耗和面积 (PPA) 方面产生高效的硬件设计，同时将准确性损失降至最低。结果表明，与现场可编程门阵列 (FPGA) 上的浮点和半浮点设计相比，所提出的方法性能提高了 4 倍，功耗降低了 3 倍，面积资源减少了 5 倍，并且具有精确的准确性，这使其成为一种有前途的主动式 BMI 边缘设备设计方法。
最新实用英汉电信词典
A a A = availability 可用性 Å = angstrom 埃 @ = at 1.单价 2.电子邮件地址账号和域名之间的分 隔符 A-A = analog-analog 模拟 - 模拟 A&B bit signaling A 和 B 位信令 A-B cut mixer 一级图像混合器 , A-B 图像混合器 A&B leads A 线和 B 线 A band A 波段 A Block 1.( 复式人工交换局 ) 甲交换台 , A 交换台 2.甲 盘 , A 盘 A carrier = alternate carrier 甲类电话公司 , 另一种电 话公司 A condition ( 起止式传输中的 )A 状态 , 起状态 , 启动空 号状态 A-D = analog-digital 模 ( 拟 ) —数 ( 字 ) A/D = analog-digital 模数转换 A/D coder 模数转换器 A/D conversion 模数转换 A/D converter 模 ( 拟 )/ 数 ( 字 ) 转换器 A interface A- 接口 A-law coding A 律编码 A/M = automatic/manual 自动 / 人工 A operator ( 复式人工交换局 ) 甲台话务员 A party 主叫方 , 主叫用户 A register A 寄存器 , 运算寄存器 A/Z 起 / 止脉冲 , 起 / 止脉冲比 , 空号 / 传号脉冲 , 空号 / 传 号脉冲比 AAA = authentication, authorization and accounting ( 移动通信 ) 鉴权 , 授权与计费 AAB = automatic alternative billing 自动更换记账 / automatic answerback 自动应答 AAL = ATM adaptation layer 异步转移传递模式适配层 , ATM 适配层 AAL1 ATM 适配层 1 AAL2 ATM 适配层 2 AAL3/4 ATM 适配层 3/4 AAL5 ATM 适配层 5 AARP Apple Talk 地址解析协议 abac 计算图表 , 列线图 , 诺模图 abac-parameter 四端网络参数 , 四端网络参量 abandon call 中途放弃呼叫 abandon pause 呼叫中途挂机 , 未接通暂停 abandoned call 放弃的呼叫 abandoned call attempt 放弃的试呼 abandoned traffic 损失业务 , 放弃的业务 abatement 1.抑制 , 消除 2.废料 Abbe condenser 阿贝聚光镜 Abbe number 阿贝数 , 色散系数 abbreviated address 缩位地址 , 缩写地址 abbreviated addressing 短缩寻址 abbreviated call 缩位呼叫 , 缩位拨号 , 简呼 abbreviated character 简化字符 abbreviated dialing 缩位拨号 abbreviated signal code 缩写信号码 abbreviative notation 缩写标记 ABD = abbreviated dialing 缩位拨号 abd technique 诱导技术 abduction 诱导 , 推断 , 推测 abductive reasoning 反绎推理 abductive technique 诱导技术 abecedarian 按顺序排列的 Abel transform 阿贝尔变换 Abelian group 阿贝尔群 abend 异常终止 , 异常结束 aberration 1.越轨 , 偏差 2.像差 , 色差 3.失常 , 畸变 4.光行差 aberration curve 像差曲线 aberration function 误差函数
一种解决人工智能规划难题的新型自动化课程策略
主算法（算法 1）首先从我们需要解决的目标 6 实例（算法 2）创建一个子实例任务池，并可能从其他未解决的实例中创建子实例以进一步提高性能（选项 MIX）。通常，任务池包含 100,000 个任务或子实例。8 在每次迭代中，采样器/老虎机从池中挑选一批任务子实例并将其传递给 9 RL 代理。一批通常有 500 个任务或子实例（算法 3）。10 基于蒙特卡洛树搜索（算法 4）的 RL 代理，借助神经网络（CNN 或 11 GNN）进行增强，尝试解决这些实例。对于批次中的每个实例，MCTS 都会在给定的资源预算下寻找一个解决方案，对于生成的每个成功解决方案，MCTS 还会为策略/价值深度网络（训练器）生成一系列新的训练数据，以进一步更新其网络参数。每个实例的 MCTS 成功/失败状态都会发送回采样器/老虎机以调整其权重。每次成功的尝试不仅会生成一个有效的解决方案，还会为训练器改进策略/价值数据，以训练代理的深度网络。训练器会保留一个大小为 100000 的池子，用于存储 MCTS 生成的最新训练数据，并训练网络。每个训练批次都会均匀随机抽样。所有实验均在配备 2x18 19 核 Xeon Skylake 6154 CPU 和 5 个 Nvidia Tesla V100 16GB GPU 的机器上完成，所有训练组件均使用学习率为 0 的 Adam。 002作为默认优化器。MCTS模拟次数R设置为1600，Exp3每次迭代采样的batch size M设置为500。
pinetree：宽场星系调查的生成，快速和可区分的光晕模型
上下文。准确的模拟晕圈目录是用于开发和验证宇宙学推断管道的必不可少的数据产品。生成模拟目录的一个主要挑战是对光环或星系偏置进行建模，这是从物质密度到暗物质光环或可观察的星系的映射。为此，n个体代码生成了最先进的目录。然而，为大容量的大量N体模拟产生了大量的N体模拟，尤其是在包括磁水动力学的情况下，需要大量的计算时间。目标。我们介绍和基准测试了一个可区分和物理信息的神经网络，该网络可以生成与从完整的N体代码获得的模拟光环目录相当的质量。模型设计在训练程序和大型模拟目录套房的生产上具有计算有效的效率。方法。我们提出了一个神经网络，仅依靠18至34个可训练的参数，该参数可从暗物质过度密度场中产生光环目录。通过将首先原理动机的对称性纳入我们的模型体系结构来实现网络权重的减少。我们使用不同分辨率，红移和大型垃圾箱的仅黑色n体模拟训练了我们的模型。我们使用不同的n点相关函数将最终模拟目录与N体晕目录进行了比较，从而验证了最终模拟目录。结果。此外，我们发现该网络可以在近似密度字段上进行培训，以进一步降低计算成本。我们的模型生成了与参考模拟一致的模拟光环目录，这表明该新型网络是生成模拟数据的一种有希望的方法，该数据由于其计算效率而即将进行的宽场调查。我们还介绍了如何解释训练有素的网络参数，以洞悉结构形成的物理。最后，我们讨论了我们的模型的当前局限性，以及从这项研究中可以明显看出的近似Halo模拟产生的一般要求和陷阱。
网络分析和传输线
ii B.Tech。 ece-i sem l t/p/d c 3 - / - / - 3（R18A0261）网络分析和传输线课程课程目标：本课程介绍了电路的瞬态分析的基本概念，基本的两端口网络参数，滤波器的设计分析，对循环理论的设计分析及其在电路理论中的使用，对局部循环透明，依赖性轴承，依赖性，依赖性，磁性磁通量。 本课程的重点是包括DC发电机和DC电动机的DC机器的基本操作。 UNIT – I: Transient Analysis (First and Second Order Circuits): Introduction to transient response and steady state response, Transient response of series –RL, RC RLC Circuits for sinusoidal, square, ramp and pulse excitations, Initial Conditions, Solution using Differential Equations approach and Laplace Transform method, UNIT – II: Two Port Networks : Impedance Parameters, Admittance Parameters, Hybrid Parameters, Transmission (ABCD)参数，一个参数向另一个参数的转换，互惠和对称性的条件，两个端口网络串联，并行和级联配置的互连，图像参数，说明性问题。 单元-III：基因座图：共振和磁回路：基因座图 - 系列和平行RL，RC，RLC电路，具有各种参数的变化 - 共振序列和并行电路，带宽和质量因子的概念。 磁回路 - 法拉第的电磁诱导定律，自我和相互感应的概念，DOT惯例，耦合系数，复合磁回路，串联分析和并行磁回路。ii B.Tech。ece-i sem l t/p/d c 3 - / - / - 3（R18A0261）网络分析和传输线课程课程目标：本课程介绍了电路的瞬态分析的基本概念，基本的两端口网络参数，滤波器的设计分析，对循环理论的设计分析及其在电路理论中的使用，对局部循环透明，依赖性轴承，依赖性，依赖性，磁性磁通量。本课程的重点是包括DC发电机和DC电动机的DC机器的基本操作。UNIT – I: Transient Analysis (First and Second Order Circuits): Introduction to transient response and steady state response, Transient response of series –RL, RC RLC Circuits for sinusoidal, square, ramp and pulse excitations, Initial Conditions, Solution using Differential Equations approach and Laplace Transform method, UNIT – II: Two Port Networks : Impedance Parameters, Admittance Parameters, Hybrid Parameters, Transmission (ABCD)参数，一个参数向另一个参数的转换，互惠和对称性的条件，两个端口网络串联，并行和级联配置的互连，图像参数，说明性问题。单元-III：基因座图：共振和磁回路：基因座图 - 系列和平行RL，RC，RLC电路，具有各种参数的变化 - 共振序列和并行电路，带宽和质量因子的概念。磁回路 - 法拉第的电磁诱导定律，自我和相互感应的概念，DOT惯例，耦合系数，复合磁回路，串联分析和并行磁回路。UNIT – IV: Transmission Lines – I: Types, Parameters, Transmission Line Equations, Primary & Secondary Constants, Expressions for Characteristics Impedance, Propagation Constant, Phase and Group V e l o c i t i e s, I n f i n i t e L i n e C on c e p t s, L o ss l e ss n e ss / L o w L o ss C h a r a c t e r i z a t i on , D i s t或t i on - 无扭曲和最小衰减的条件，说明性问题。单元V：传输线 - II：SC和OC线，输入阻抗关系，反射系数，VSWR，λ /4，λ2，λ /8线 - 阻抗变换，z min和z Max的意义，史密斯图表 - 配置和应用，应用，单个固执匹配，说明性问题。