XiaoMi-AI文件搜索系统
World File Search System自上而下
基于自上而下的思想创造量子处理器——量子计算机问题的另一种可能解决方案
创建一个按照量子物理定律运行的处理器的想法是由 R. Feynman 在 20 世纪 80 年代发表的文章中提出并证实的 [1,2]。证实该想法的原因是，人们得出的结论是，传统机器的内存资源和速度不足以解决量子问题。这一事实可以从定性层面说明如下。一个由 n 个具有两种状态（自旋为 1/2）的粒子组成的系统有 2 n 个基态。在解决特定问题的过程中，需要设置（写入计算机内存）这些状态的 2 n 个振幅，并执行相应的计算。由于 n 原则上可以是一个很大的数字，因此在解决问题的过程中需要操作的状态数也将是这样的。最终，这会导致计算操作中出现难以克服的障碍。基于这一负面结果，R. Feynman 提出量子计算机可能具有能够解决量子问题的特性。关于提出创建量子计算机问题的动机，上面已经提到，可能应该补充一点，这种需求与不可计算的普遍问题有关
自下而上和自上而下的神经加工系统设计：神经形态智能作为自然和人工智能的融合
摘要 - 虽然摩尔的定律推动了指数计算的能力期望，但其接近的最终要求需要新的途径来改善整体系统性能。这些途径之一是探索新的替代脑启发的计算体系结构，这些计算体系结构有望实现生物神经加工系统的灵活性和功能。在这种情况下，神经形态智能代表了基于尖峰神经网络体系结构的实现，在计算中的范式转移，紧密地共同关注处理和内存。在本文中，我们提供了对现有硅实施中存在的粒度不同水平的全面概述，比较了旨在复制自然智力（自下而上）的方法与旨在解决实际人工智力应用程序（自上而下）的方法（自下而上），并评估了不同的电路设计样式。首先，我们介绍模拟，混合信号和数字电路设计样式，通过时间多路复用，内存计算和新型设备来识别处理与内存之间的边界。接下来，我们重点介绍每种自下而上和自上而下的方法的关键交易，调查其硅实现，并进行详细的比较分析以提取设计准则。最后，我们确定了与传统的机器学习加速器相比，在神经形态边缘计算获得竞争优势所需的必要协同作用和缺失的元素，并概述了针对神经形态智能的框架的关键要素。
自上而下和自下而上的刺激技术结合动作观察治疗在中风康复中的应用：前景
脑卒中是一种中枢神经系统疾病，可导致脑结构性病变和功能障碍，从而导致不同类型和程度的功能障碍。双模态平衡恢复模型（半球间竞争模型和替代模型）已被提出作为脑卒中后功能恢复的机制。我们分析了运动观察治疗方法、经颅电（TES）或磁（TMS）刺激和外周电（PES）或磁（PMS）刺激技术的组合如何作为辅助物理治疗方法来减轻脑卒中患者的症状。我们认为自上而下和自下而上的刺激技术与动作观察治疗相结合可能发展成为脑卒中后神经康复中有价值的物理治疗策略。我们探讨了在运动观察期间对患侧半球或患侧半球进行 TES 或 TMS 干预，然后执行动作，如何结合患侧肢体的 PES 或 PMS 产生超加性效应，以增强常规治疗对脑卒中患者的效果。所提出的范例可能是一种创新和辅助的方法，可以增强传统康复治疗的效果，特别是对于那些患有严重运动障碍的患者。
软件错误检测导致从自下而上到自上而下的转变，涉及错误监控网络内的岛叶的有效连接
过去几年，软件编程技能的神经关联已成为越来越多研究的目标。这些研究侧重于软件代码检查过程中的错误监控。其他研究则研究了通过不同的神经生理学测量来衡量的任务相关认知负荷。大多数研究仅涉及语法错误（浅层代码监控）。然而，最近的一项功能性磁共振成像 (fMRI) 研究表明，当需要对代码检查进行具有挑战性的深层分析时，岛叶在错误监控过程中起着关键作用。这提出了岛叶与深度错误监控有因果关系的假设。为了证实这一假设，我们进行了一项新的 fMRI 研究，其中参与者执行了一项深度源代码理解任务，其中包括错误监控以检测代码中的错误。与与文本阅读和无错误源代码理解相关的各种任务相比，我们的范式的通用性得到了增强。健康的成年程序员（N = 21）参加了这项 3T fMRI 实验。错误相关事件引起的激活图证实了岛叶的显著激活 [p (Bonferroni) < 0.05]。重要的是，我们观察到了岛叶作用的后向前因果关系转变：在没有错误的情况下，因果方向主要是自下而上的，而当存在错误时，我们观察到了来自额叶区域（尤其是前扣带皮层）的强烈的自上而下的因果影响。
自下而上和自上而下的注意过程对 COVID 相关刺激变化视盲的影响：心率变异性的影响
简介：自上而下的机制调节注意力控制，受任务需求和个人目标的影响，而自下而上的过程则受显著刺激的影响。类似的网络参与了这两个过程（例如，额叶纹状体区域）。然而，它们受到刺激的情绪显著性的影响不同，而情绪显著性决定了注意力的分配。本研究旨在确定最近的疫情经历是否继续对认知过程产生影响。为此，本研究将确定与负面和中性刺激相比，对疫情相关刺激的注意力偏见。此外，本研究将调查疫情相关刺激是否影响自上而下和自下而上的注意力过程，以及后者是否影响以心率变异性 (HRV) 为指标的自主神经控制。
在非中心对称niobium rhenium rhenium
使用栅极电压来控制流经纳米级超导收缩的超导电流，称为栅极控制的超电流（GCS），出于基本和技术原因引起了极大的兴趣。为了更深入地了解这种效果并基于IT开发超导技术，必须确定对GCS效应至关重要的材料和物理参数。自上而下的制造方案也应优化以提高设备可伸缩性，尽管研究表明自上而下的制造设备更具弹性，可以显示出GCS。在这里，我们研究了通过自上而下的纳米三生，该纳米三生物是由自上而下的制造工艺制成的，该工艺是从非中心对称超导体超导体niobium rhenium（niobium rhenium）（NBRE）变化的。与以前用自上而下的方法报告和制造的其他设备不同，我们的NBRE设备是从具有较小晶粒尺寸且在特定条件下蚀刻的NBRE薄膜制成的，系统地表现出GCS效应。这些观察结果为实现具有高扩展性的自上而下的GCS设备铺平了道路。我们的结果还意味着，纳米三酚的结构障碍和表面物理特性等物理参数又可以通过制造过程来修改，这对于GCS观察至关重要，因此也提供了对GCS效应基础物理的重要见解。
在非中心对称niobium rhenium rhenium
使用栅极电压来控制流经纳米级超导收缩的超导电流，称为栅极控制的超电流（GCS），出于基本和技术原因引起了极大的兴趣。为了更深入地了解这种效果并基于IT开发超导技术，必须确定对GCS效应至关重要的材料和物理参数。自上而下的制造方案也应优化以提高设备可伸缩性，尽管研究表明自上而下的制造设备更具弹性，可以显示出GCS。在这里，我们研究了通过自上而下的纳米三生，该纳米三生物是由自上而下的制造工艺制成的，该工艺是从非中心对称超导体超导体niobium rhenium（niobium rhenium）（NBRE）变化的。与以前用自上而下的方法报告和制造的其他设备不同，我们的NBRE设备是从具有较小晶粒尺寸且在特定条件下蚀刻的NBRE薄膜制成的，系统地表现出GCS效应。这些观察结果为实现具有高扩展性的自上而下的GCS设备铺平了道路。我们的结果还意味着，纳米三酚的结构障碍和表面物理特性等物理参数又可以通过制造过程来修改，这对于GCS观察至关重要，因此也提供了对GCS效应基础物理的重要见解。
一种自上而下注意引导细化的 3D 全卷积神经网络，用于准确、稳健地自动分割杏仁核及其亚核
深度学习的最新进展提高了皮层下脑结构的分割精度，这将有助于许多神经系统疾病的神经影像学研究。然而，现有的大多数基于深度学习的神经影像学方法并没有研究分割极小但重要的脑区（如杏仁核亚核）时存在的具体困难。为了解决这一具有挑战性的任务，我们开发了一个双分支扩张残差 3D 全卷积网络，该网络具有并行卷积，以提取更多全局背景信息并通过保持一个与感兴趣区域 (ROI) 大小相同的小感受野来缓解类别不平衡问题。我们还在并行和串行中进行了多尺度特征融合，以补偿卷积过程中潜在的信息丢失，这对小物体来说非常重要。残差连接实现的串行特征融合通过提出的自上而下的注意力引导细化单元得到进一步增强，其中高分辨率低级空间细节被选择性地集成以补充高级但粗略的语义信息，从而丰富最终的特征表示。因此，与其他基于深度学习的方法相比，我们的方法产生的分割在体积和形态上都更准确。据我们所知，这项工作是第一个以深度学习为目标的杏仁核亚区域方法。我们还证明了使用周期一致的生成对抗网络 (CycleGAN) 协调多站点 MRI 数据的可行性，并表明我们的方法可以很好地推广到从多个中心收集的具有挑战性的创伤性脑损伤 (TBI) 数据集。这似乎是一种有前途的图像分割策略，可用于多站点研究和增加显著脑病理形态学变异性。
学习基于潜在空间能量的先验模型
我们建议在生成器模型的潜在空间中学习基于能量的模型 (EBM)，以便 EBM 充当基于生成器模型自上而下网络的先验模型。潜在空间 EBM 和自上而下网络都可以通过最大似然法联合学习，这涉及从潜在向量的先验和后验分布中进行短期 MCMC 采样。由于潜在空间的低维数和自上而下网络的表现力，潜在空间中的简单 EBM 可以有效地捕获数据中的规律，而潜在空间中的 MCMC 采样效率高且混合良好。我们表明，学习到的模型在图像和文本生成以及异常检测方面表现出色。一页代码可以在补充材料中找到。