XiaoMi-AI文件搜索系统
World File Search SystemAware
通过海马集线器构建海马神经元模型的在线互操作资源
摘要 - 评估和更新自动驾驶机器人实时的自主机器人的障碍速度，可确保对噪音和干扰的鲁棒性。一个被动阻尼控制器可以通过扭矩控制的机器人获得所需的运动，该机器人保持合规，并确保对外部扰动的安全响应。在这里，我们提出了一种设计被动控制政策的新方法。我们的算法与无障碍区域相结合，同时过渡到增加障碍物附近的阻尼以确保避免碰撞。这种方法可确保各种情况下的稳定性，从而有效地减轻干扰。对7DOF机器人臂的验证表现出与基线相比的出色碰撞拒绝能力，这强调了其实用性对现实世界的实用性。我们的障碍物阻尼控制器代表了在复杂和不确定的环境中安全机器人控制中的重大进步。
新颖的旅行时间感知种群模型和多...
在传染病控制领域，准确建模传播动态至关重要。由于人类流动和通勤模式是传染病传播的关键组成部分，我们引入了一种新颖的旅行时间感知种群模型。我们的模型旨在增强对疾病传播的估计。通过提供对干预效果的更可靠评估，可以最大限度地减少通过干预措施限制个人权利或人类流动行为。所提出的模型是对传统隔室模型的改进，它整合了旅行和通勤的显式传播，这是基于代理的模型中可用的因素，但在种群模型中经常被忽略。我们的方法采用了基于多边图 ODE (Graph-ODE) 的模型，该模型表示流动性和疾病传播之间错综复杂的相互作用。这种细粒度建模在评估密集连接的城市地区的动态或必须评估整个国家/地区的异构结构时尤为重要。给定的方法可以与任何类型的基于 ODE 的模型相结合。此外，我们提出了一种新颖的多层免疫力减弱模型，该模型整合了不同速度的免疫力减弱，以预防轻度和重度疾病。由于这对于晚期流行病或地方病情景特别有意义，我们考虑了德国 SARS-CoV-2 的晚期阶段。这项研究的结果表明，考虑已解决的流动性会显著影响疫情的模式。改进后的模型提供了一种精确的工具，用于预测疫情轨迹和评估与流动性相关的干预策略，使我们能够评估旅行导致的传播。从该模型得出的见解可以作为决策的基础，用于实施或暂停干预措施，例如公共交通工具上强制戴口罩。最终，我们的模型有助于保持流动性作为一种社会利益，同时减少可能由旅行活动推动的疾病活跃动态。
基于变压器的交通拥护预测能量... -Dr -ntu
摘要 - 燃料电池电动汽车（FCEV）的能源经济在确定其实用性方面起着至关重要的作用，使能源管理策略（EMS）的优化必不可少。基于未来车辆速度预测的预测EMS（PEMS）为增强EMS性能提供了巨大的潜力。但是，当前的PEMS预测模型依赖于历史速度数据或静态流量信息，从而忽略了实时交通状况的影响。在本文中，我们引入了基于变压器的PEMS（TPEM），该PEMS（TPEM）结合了实时预测的周围交通信息，以改善FCEV的经济经济。通过考虑受控车辆和周围车辆之间的复杂相互作用来更好地预测车速，我们开发了一个基于变压器网络的预测器，该预测指标考虑了受控车辆周围六个车辆的速度和相对距离，从而在接下来的10秒内产生了速度预测。然后，我们将深度加固学习（DRL）方法作为下游优化器，创建完全数据驱动的PEM。为了培训TPEM，我们开发了一个来自NGSIM数据集的数据集，该数据集由许多驾驶轮廓段组成，其中包括受控VE-HICLE和周围流量的时间序列特征。此外，我们还利用Sumo模拟器生成支持流量信息的驾驶配置文件进行性能评估。实验结果揭示了我们基于变压器的预测器优于现有的预测因子，即经常性神经网络（RNN），在处理流量信息并实现改进的预测方面。相对于当前最新的长期记忆（LSTM）PEMS，TPEM将FCEV的经济效率提高了4.6％。
新颖的旅行时间意识到的种群模型和多...
在传染病控制领域，传播动力学的准确建模是关键的。由于人类的流动性和通勤模式是传染病传播的关键组成部分，因此我们引入了一种新型的旅行时间意识到的种群模型。我们的模型旨在增强疾病传播的估计。通过提供有关干预措施有效性的更可靠的评估，可以最大程度地减少干预措施的个人权利或人类流动行为。所提出的模型是比传统隔间模型的进步，它集成了旅行和通勤上的显式传输，这是基于代理模型的一个因素，但通常被跨吞噬模型忽略了。我们的方法采用了基于多边的基于图的（图形）模型，该模型代表了迁移率和疾病扩散之间的复杂相互作用。在评估密密相连的城市地区的动态或必须评估整个国家的异质结构时，这种颗粒状建模尤其重要。给定方法可以与任何基于ODE的模型结合使用。此外，我们提出了一种新型的多层减弱免疫模型，该模型将不同的步伐减弱，以防止轻度和严重的疾病病程。由于这对于晚期流行病或流行情景特别有意义，因此我们考虑了德国SARS-COV-2的后期。这项工作的结果表明，解决已解决的移动性会显着影响爆发的模式。改进的模型提供了一种精致的工具，可以通过允许我们评估导致旅行的传输来预测爆发轨迹和评估与移动性有关的干预策略。从该模型中得出的见解可以作为决策或中止干预措施的决策的基础，例如公共交通的强制性面具。最终，我们的模型有助于将流动性作为社会善良，同时减少可能受旅行活动驱动的旺盛疾病动态。
药物意识到“小白色谎言” - 社区工具包
MHC还支持社区团体和组织利用当地媒体机会进一步扩大竞选活动的影响力。定制资产（例如海报，广播广告），MHC很乐意协助可行的开发。任何使用药物意识徽标或消息传递的新通信资产都需要由MHC批准。请与您的社区支持与发展计划团队代表联系以下信息，以支持及时批准。1。出版物的目的。2。目标受众。3。您打算交流的关键消息。4。在哪里/如何使用资产。5。它将用于多长时间。6。当您需要批准时。
上下文意识到脑肿瘤细分的深度学习...
脑肿瘤是大脑中癌细胞的不受控制的生长。肿瘤的准确分割和分类对于随后的预后和治疗计划至关重要。这项工作提出了有关使用结构多模式磁共振图像（MMRI）的脑肿瘤分割，亚型分类和总生存预测的深入学习的上下文学习。我们首先提出了3D上下文意识深度学习，该学习认为放射学MMRI图像子区域中肿瘤位置的不确定性以获得肿瘤分割。然后，我们将常规的3D卷积神经网络（CNN）应用于肿瘤段，以实现肿瘤亚型分类。最后，我们使用深度学习和机器学习的混合方法进行生存预测。为了评估性能，我们将提出的方法应用于2019年多模式脑肿瘤分割挑战（BRATS 2019）数据集，以进行肿瘤分割和整体生存预测，以及计算精度医学放射学-Pathology（CPM- rad Path）对脑肿瘤分类2019年对Tumor Classification for Tumor Classification的数据集。我们还基于流行的评估指标，例如骰子得分系数，Hausdorff距离（HD95）（HD95），分类准确性和均方误差，进行广泛的绩效评估。结果表明，所提出的方法分别提供了稳健的肿瘤分割和存活预测。此外，在2019年CPM-Radpath全球挑战的测试阶段，肿瘤分类导致这项工作排名第二。
《人工智能武器问责与风险评估法案》（AWARE）
背景：虽然美国国防部 (DoD) 在制定有关使用自主武器的负责任政策方面一直处于领先地位（如国防部第 3000.09 号指令所强调的那样），但新兴的人工智能 (AI) 能力需要更广阔的视角、明确的风险治理和迅速的行动。随着人工智能的快速发展，国会有必要清楚了解这项技术是如何嵌入我们的国防系统的，以及它可能如何影响我们的国家安全态势。立法：AWARE 法案将确保所有涉及的人工智能武器、目标瞄准和相关决策支持系统都得到说明，并将结果提供给国会，从而加强国防部的道德技术领导地位。该立法优先考虑透明度，要求进行全面的风险评估、记录关键系统中的人工智能部署以及信息共享途径，以便国会进行监督。值得注意的是，该立法并不禁止或限制国防部当前的任何行动或对人工智能技术的依赖。
在哈米尔顿港框架中对飞行最终效用的能量意识阻抗控制
摘要 - 这项工作解决了完全致命的空中自动驱动器的交互控制问题。，我们使用几何一致的可变刚度阻抗控制解决问题，以使用能源罐的概念进行安全扳手调节，其中建模和控制均在汉密尔顿港框架中进行。我们利用了地面操纵器的文献中以前的众所周知的结果，并将其扩展为新颖和挑战的空中物理相互作用，重点是准静态应用。提出的控制方法的能量意识确保了空中机器人在自由交界和接触式SCENARIOS中的稳定性，以及与未知环境的接触式损失的情况下的一定程度。此外，通过利用键图，我们演示了如何以图形方式进行闭环的被动性。我们提出的方法的有效性通过多个实验显示。我们还提供了一些有关如何将提出的框架扩展到通用动态空中物理相互作用的见解。