XiaoMi-AI文件搜索系统
World File Search System40v
![arxiv：2501.11140v1 [CS.CV] 2025年1月19日](/simg/c/c5b934f5cf4e2d523434ef770236f70a6e5bcd53.webp)
arxiv：2501.11140v1 [CS.CV] 2025年1月19日
摘要。能够创建现实培养基的生成AI模型的快速发展导致需要分类器，这些分类器可以从事真正的和人工生成的图像。当这些分类器遇到来自训练数据中未表示的生成模型的图像时，出现了一个重大的挑战，通常导致性能下降。一种典型的方法是通过新生成模型的图像定期更新分类器的培训数据，然后在更新的数据集中重新训练分类器。但是，在某些现实情况下，存储，计算或隐私约束使这种方法变得不切实际。此外，可能需要在安全应用程序中使用的模型快速适应。在这种情况下，持续的学习提供了有希望的变更本地，因为可以在不在临时数据集中进行重新训练而更新分类器。在本文中，我们介绍了一个名为Clofai的新数据集（在假和真实的图像上持续学习），该数据集采用了域内信息图像分类问题的形式。此外，我们展示了该数据集作为评估持续学习方法的基准的适用性。在这样做时，我们使用三种基础持续学习方法（EWC，GEM和经验重播）在新颖的数据集上设置了一个基线，并发现EWC的性能差，而GEM和经验重播表现出了前景，表现出色，表现出色。可以从以下github存储库访问运行实验的数据集和代码：https：//github.com/will-doherty/clofai。
![arxiv：2411.14440v1 [physics.optics] 2024年11月5日](/simg/0/070ed0415c1bf29391f1b39877ecc1b44cd49649.webp)
arxiv：2411.14440v1 [physics.optics] 2024年11月5日
在稀土掺杂晶体中产生一个狭窄的光谱孔的可能性打开了通往多种应用的门户，其中一种是实现超强激光器的实现。这是通过将预先稳定的激光锁定到狭窄孔中来实现的，因此先决条件是消除光谱孔的频率波动。这种波动的一个潜在来源可能是由温度不稳定性引起的。但是，当晶体被以与晶体相同温度的缓冲气体包围时，可以使用温度引起的压力变化的影响来抵消温度波动的直接效应。对于特定压力，确实可以识别光谱孔谐振频率与一阶热波动无关的温度。在这里，我们在周围缓冲气体的压力的不同值的情况下测量频率转移是温度的函数，并确定光谱孔在很大程度上对温度不敏感的“魔术”环境。
![arxiv：2401.08740v2 [cs.cv] 23 Sep 2024](/simg/3/33fbb7365131166a8cfcb2174da1735b80de7c91.webp)
arxiv：2401.08740v2 [cs.cv] 23 Sep 2024
摘要。我们提出了可扩展的插值变压器（SIT），这是建立在扩散变压器（DIT）骨架上的生成模型家族。与标准扩散模型更灵活地连接两个分歧的室内框架使得对各种设计选择的模块化进行了模块化研究，从而影响了基于动态传输的生成模型：在离散或连续的时间内学习，目标函数，interpolant，interpolant，interpolant连接分布和确定性或确定性或确定性或结构性的样本。通过使用完全相同的模型结构，参数数量和gflops，仔细地引入上述成分，SIT在条件成像网256×256和512×512基准上均匀地超过DIT。通过调查各种扩散系数，可以与学习分开调整，SIT分别达到50k的得分为2.06和2.62。代码可在此处找到：https：//github.com/willisma/sit
2024.07.11.603040v1.full.pdf
。cc-by-nc-nd 4.0国际许可证（未获得同行评审证书）获得的是作者/资助者，他已授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权所有，该版本发布于2024年7月11日。 https://doi.org/10.1101/2024.07.11.603040 doi：Biorxiv Preprint
![arxiv：2405.07340v1 [cs.cy] 2024年5月12日](/simg/8/8b9cd7e2d463646b9f89e377e647447c56e2fd1b.webp)
arxiv：2405.07340v1 [cs.cy] 2024年5月12日
摘要。自从人工智能概念发明以来，有意识机器的假设一直在争论，因为该系统实现的计算智能是该系统中现象意识出现的原因，即作为epiphenomenon或epiphenomenon的出现的原因，或者是导致epiphenomenon的epiphenomenon或系统的行为或内部复杂性的结果。因此，已经发布了大量文献来探讨机器意识的可能性以及如何在计算机上实施它。，更重要的是，普通的民间心理学和超人类主义文学将这一假设带来了科幻文学的普及，在这种假设中，智能机器人通常是吞噬的，因此鉴于惊人的意识。但是，在这项工作中，我们争论了这些文献如何缺乏科学的严格性，不可能伪造相反的假设，并说明了一系列论点，这些论点表明了机器意识文献发表的每种方法如何取决于无法通过科学方法证明的哲学假设。contey，我们还展示了非计算的现象意识如何独立于算法或模型的复杂性，不能客观地测量或定义定义，并且基本上是一种主观和内部的观察者。鉴于所有这些论点，我们结束了工作，论证了为什么如今有意识的机器的思想是超人类主义和科幻文化的神话。
![arxiv：2403.00340v1 [Math.ds] 2024年3月1日-Zaguan](/simg/a/a28b45dd43860108821e45a0ff99e1e1eb1785da.webp)
arxiv：2403.00340v1 [Math.ds] 2024年3月1日-Zaguan
嵌合抗原受体T（CAR-T）细胞疗法已被证明对不同的白血病和淋巴瘤成功。本文对描述CAR-T，白细胞肿瘤和B细胞竞争的数学模型进行了分析和数值研究。考虑其在维持抗CD19 CAR T细胞刺激中的重要性，我们将B细胞源项整合到模型中。通过稳定性和分叉分析，我们揭示了消除肿瘤的潜力，该肿瘤会取决于B细胞的连续流入，从而在关键的B细胞输入下发现了跨临界分叉。 此外，我们确定平衡点之间几乎杂斜周期，为理解疾病复发提供了理论基础。 分析系统的振荡行为，我们近似CAR T细胞和白血病细胞的时间依赖性动力学，从而阐明了初始肿瘤爆炸对治疗结果的影响。 总而言之，我们的研究为急性淋巴细胞白血病提供了对CAR T细胞治疗动力学的见解，为临床观察提供了理论基础，并提出了用于未来免疫疗法建模研究的途径。通过稳定性和分叉分析，我们揭示了消除肿瘤的潜力，该肿瘤会取决于B细胞的连续流入，从而在关键的B细胞输入下发现了跨临界分叉。此外，我们确定平衡点之间几乎杂斜周期，为理解疾病复发提供了理论基础。分析系统的振荡行为，我们近似CAR T细胞和白血病细胞的时间依赖性动力学，从而阐明了初始肿瘤爆炸对治疗结果的影响。总而言之，我们的研究为急性淋巴细胞白血病提供了对CAR T细胞治疗动力学的见解，为临床观察提供了理论基础，并提出了用于未来免疫疗法建模研究的途径。
![arxiv：2402.08540v1 [cs.lg] 2024年2月13日](/simg/0/0d3c5d21d7ebc6c4f9033fdcaf762fcc6af0e990.webp)
arxiv：2402.08540v1 [cs.lg] 2024年2月13日
在这项工作中，我们对生成和非生成模型的有效性和效率进行了系统的比较，以构建新颖有效的设计探索和形状优化的设计空间。我们在机翼/水电设计的情况下应用了这些模型，并对所得的设计空间进行了比较。传统的生成对抗网络（GAN）和最先进的生成模型，即性能增强的多样化生成的对手网络（PADGAN），基于基于karhunen-love扩展的耦合的线性非生成模型并置与线性非生成模型并列。比较示例表明，具有适当的形状编码和物理增强的设计空间，非生成模型具有成本效益的高性能有效设计，并具有增强的设计空间覆盖范围。在这项工作中，这两种方法都应用于两个大型箔概况数据集，其中包括通过配置文件生成的参数模型或深度学习方法生成的现实世界和人工设计。这些数据集进一步丰富了其成员形状和物理信息参数的整体属性。我们的结果表明，非生成模型构建的设计空间在设计有效性方面优于生成模型，与生成模型相比，生成了强大的潜在空间，或者无无效的设计。我们还比较了生成的设计的性能和多样性，以提供有关所得空间质量的进一步见解。我们渴望这些发现将帮助工程设计社区在构建设计空间以进行形状优化时做出明智的决定，因为我们已经证明，在某些条件下，计算廉价的方法可以紧密匹配甚至超过表现最好的生成模型。
![arXiv:2311.13040v2 [quant-ph] 2024 年 1 月 25 日](/simg/0/05003a9fc4dd275fc6d668a93bb877bb0a57e4ef.webp)
arXiv:2311.13040v2 [quant-ph] 2024 年 1 月 25 日
彭罗斯拼贴 (PT) 是一种本质上非周期性的平面拼贴方法，具有许多显著的特性。量子纠错码 (QECC) 是一种巧妙的方法，它通过一种复杂的冗余对信息进行编码，从而保护量子信息免受噪声的影响。尽管 PT 和 QECC 似乎完全不相关，但在本文中，我们指出 PT 产生了（或者在某种意义上是）一种卓越的新型 QECC。在此代码中，量子信息通过量子几何进行编码，并且任何有限区域中的任何局部错误或擦除（无论多大）都可以诊断和纠正。我们还构建了此代码的变体（基于 Ammann-Beenker 和斐波那契拼贴），它们可以存在于有限空间环面上、离散自旋系统或任意数量的空间维度中。我们讨论了与量子计算、凝聚态物理和量子引力的联系。
![arXiv:2112.04240v5 [cond-mat.dis-nn] 2022 年 4 月 25 日](/simg/9/92a47c56c64d069b6c3126404258286efd6c6ce5.webp)
arXiv:2112.04240v5 [cond-mat.dis-nn] 2022 年 4 月 25 日
薄膜无序超导体中的超导体-绝缘体转变 (SIT) 是量子相变的典型例子。尽管 30 多年前就已观察到，但其性质仍在激烈争论中。一个有趣的观察结果涉及转变的绝缘侧，它表现出一些不寻常的特性。其中包括它的电流-电压关系（I-V 曲线），包括 (i) 电导随电压增加而突然改变几个数量级，(ii) 滞后行为，以及 (iii) 转变附近多次（有时超过 100 次）较小的电流跳跃。之前已经提出了一些模型，但没有一个模型能够成功完全解释观察到的行为。一种常用的方法是将无序样本建模为二维导电岛阵列，其中电荷载流子从一个岛隧穿到其相邻岛。在这些模型中，假设快速弛豫，并将系统视为始终处于静电和热平衡状态。这些模型成功地解释了一些测量结果，包括相变本身，但它们无法在预测的 I-V 曲线中重现磁滞现象。在这里，我们建议将有限的松弛时间纳入阵列模型。我们表明，在慢松弛极限下，我们的模型可以重现 I-V 曲线中的磁滞和多次跳跃。根据我们的结果，我们认为在二维正常（非超导）阵列中也应该观察到类似的行为。这一说法得到了过去观察的支持。我们分析了模型中不同参数的作用，确定了问题中相关时间尺度的范围，并将我们的结果与选定的测量值进行了比较。
![arxiv：2110.10011v2 [CS.HC] 2022年5月5日](/simg/a/a09f2104f2344c5834d46523544b5e6b6a5dbd6a.webp)
arxiv：2110.10011v2 [CS.HC] 2022年5月5日
端到端平台组装多个层是为精确认识大脑活动而构建的。是大规模的脑电图（EEG）数据，时间频谱图被典型地投射到插曲特征特征上（被视为tier-1）。基于尖峰的神经网络（SNN）的层旨在根据稀有特征从稀有特征中提取启动信息，该特征保持了脑电图本质的时间范围。所提出的层3从snn转移峰值图案的时间和空间域；并将转置模式 - 纳入将被称为Tier-4的人工神经网络（ANN，Transformer）馈入，其中提出了一种特殊的跨性拓扑结构，以匹配二维输入形式。在此过程中，诸如分类之类的认知是高精度进行的。为了证明概念验证，通过引入多个脑电图数据集，其中最大的42,560小时记录了5,793名受试者，可以证明睡眠阶段评分问题。从实验结果中，我们的平台通过利用唯一的脑电图来实现87％的总体认知准确性，这比最新的脑电图高2％。此外，我们开发的多层方法论通过识别关键发作来提供脑电图的时间特征的可见和图形化，这是神经动力学中授予的，但在常规认知方案中几乎没有出现。