XiaoMi-AI文件搜索系统
World File Search SystemConformal
共形效率作为适合联合学习的比较模型评估的度量
a Janssen Pharmaceutica NV, Turnhoutseweg 30, Beerse 2340, Belgium b KU Leuven, ESAT-STADIUS, Kasteelpark Arenberg 10, Heverlee 3001, Belgium c Machine Learning Research, Research & Development, Pharmaceuticals, Bayer AG, Berlin 10117, Federal Republic of Germany d Novartis Institutes for BioMedical Research, Novartis Campus, Boehringer Ingelheim Pharma GmbH＆Co。KG，Birkendorfer Str。65，Biberach A der Riss 88397，德国联邦共和国F分子AI，发现科学，R＆D，R＆D，Astazeneca，Astrazeneca，Astrazeneca，剑桥，英国G Amgen Research（Munich）GmbH，Sta i {Sta i {eSSAESTRAßE2开发，默克KGAA，Frankfurter Strasse 250，Darmstadt 64293，联邦德国联邦J模式信息小组，数字研究解决方案，高级信息学和分析，Astellas Pharma Inc.，21，Miyukigaoka，Miyukigaoka，Tsukuba-Shi，Ibaraki，Ibaraki，Ibaraki，Ibaraki 305-85-85-85-85-8555，日本，65，Biberach A der Riss 88397，德国联邦共和国F分子AI，发现科学，R＆D，R＆D，Astazeneca，Astrazeneca，Astrazeneca，剑桥，英国G Amgen Research（Munich）GmbH，Sta i {Sta i {eSSAESTRAßE2开发，默克KGAA，Frankfurter Strasse 250，Darmstadt 64293，联邦德国联邦J模式信息小组，数字研究解决方案，高级信息学和分析，Astellas Pharma Inc.，21，Miyukigaoka，Miyukigaoka，Tsukuba-Shi，Ibaraki，Ibaraki，Ibaraki，Ibaraki 305-85-85-85-85-8555，日本，
在动态环境中递归可行的缩小 - 摩尼子MPC保证保证
在本文中，我们着重于在不确定的动态环境中缩小 - 摩尼斯模型预测控制（MPC）的问题。我们考虑控制一个确定性的自主系统，该系统在其任务过程中与无法控制的随机代理相互作用。采用保形预测中的工具，现有作品为未知代理的传统提供了高信心的预测区域，并将这些区域集成到MPC适当安全约束的设计中。尽管保证了闭环轨迹的概率安全性，但这些约束并不能确保在整个任务的整个过程中相应的MPC方案的可行性。We propose a shrinking-horizon MPC that guarantees recursive feasibility via a gradual relaxation of the safety constraints as new prediction regions become available online.这种放松可以从所有可用的预测区域集合最少限制性预测区域保存安全限制。在与艺术状态的比较案例研究中，我们从经验上表明，我们的方法导致更严格的预测区域并验证MPC方案的递归可行性。关键字：MPC，动态环境，共形预测
在具有更长范围相互作用的量子模型的保形歧管上的拓扑过渡
试图显示具有更长范围相互作用的量子ISING模型的共形歧管上的拓扑转变。该模型哈密顿系统具有不同的间隙相位，具有不同的拓扑指数，并且根据横向场的存在和不存在，也具有不同的量子临界线。我们还提供了参数空间不同机制的中心电荷。在存在和不存在横向场的情况下，以及C的非宇宙特征，我们明确显示了关键，拓扑和中央电荷（C）的相互作用。我们显示了在存在横向场的情况下，在存在横向场的情况下，LIFSHITZ过渡是如何发生的。我们明确地表明了保形场理论（CFT）临界性和非CFT临界性的存在。我们提出了一个明确的计算，以找到多项式函数与Anderson-Pseudo自旋模型Hamiltonian之间的关系。我们的结果比非互动的许多人体系统的存在结果更丰富。这项工作不仅提供了保形场理论拓扑状态的新观点，而且还提供了低维量子系统的许多身体系统。
大师实习优惠 - 2025年春季从Pac -Bayesian的角度来预测
机器学习算法在我们的社会中越来越普遍。随着这些算法的快速扩展，当研究算法应用于新数据时，就其可靠性和概括性能出现了许多问题。因此，对最广泛使用的算法进行了深入的数学分析，在当前的研究中起着越来越重要的作用。新工具以快速的速度出现，有助于研究为什么这些算法概括地概括了。这项研究属于统计学习理论的主要领域[8]。为了获得相关的统计保证，已经开发了许多方法，例如统一稳定性的概念，假设空间的复杂度度量或Pac-Bayesian理论[7，5]。Pac-Bayesian方法最近在发现新颖的概括范围中导致了连续的突破，直到现在，这些范围才能使用替代理论产生。它也已用于得出新算法以最大程度地减少此类界限（称为自我限制算法[9，第7章]）。
带有嵌入式薄膜电极的新型保形皮肤贴
摘要：渗出是静脉内（IV）插管的并发症，其中囊泡药从静脉泄漏到周围的皮下组织。渗出的严重程度取决于积累在皮下组织中的药物的类型，浓度和体积。快速检测到渗出可以促进迅速的医疗干预，最大程度地减少组织损伤并防止不良事件。在这项研究中，我们提出了两个便携式传感器斑块，即黄金和碳的感应贴片，用于早期检测到渗出。在体内动物模型和人类临床试验中，基于黄金的传感器斑块检测到的量表低至2 ml的额外流体；该贴片的阻力变化为41％。对于2 mL的额外流体，碳基贴片表现出51％的电阻变化，而与基于金的感应贴片相比，该斑块的制造吞吐量和成本效益优越。
可打印且可拉伸的巨型磁磁性传感器，用于高度合规和皮肤符合电子产品
事物（IOT）。[9]这些库存的设备的核心是建立高度适应性和皮肤的功能元素，能够通过日常生活的各个方面或通过响应Electials的各个方面或跟踪位置，运动和手势来对环境变化进行重新变化，[2,10]磁性，[2,6,8,11]，[5,6,8,11] [5,6,8,11]和Thermal [12]和Thermal [13]。解决方案可以加工的印刷技术对于实现人类交互式和高度合规的设备非常有吸引力，因为它们简单，成本效益且适应于自由定义的功能元素的各种材料。[14-17]关于印刷电子产品的最新报告揭示了可以准备机械性能的可拉伸印刷传感器（应变，力，压力和弯曲），[18-21]，这些传感器与人工互动系统，人工智能，先进的ProSthetics和Humanoid Robots中的人际关系系统中有关。要实现合规的电子产品，[22]最先进的方法依赖于直接在超薄聚合物箔上的有机和无机材料的薄膜沉积和光刻处理。[23–25]朝着全印刷的可拉伸电子产品[19,26]和可拉伸的薄膜磁通电子的方向取得了令人兴奋的进度。[27]但是，尚未证明将磁电传感器的可打印和伸展质量结合在一起。这些高领域对于皮肤设备是不可接受的，因为世界卫生组织（WHO）规定的持续展示限制小于40 mt。我们在各种机械上不可察觉的功能元件中，符合磁场传感器及其动作距离距离，可以依靠周围的磁场启用无触摸的对皮肤间的活动，用于从人机相互作用到非vasive医学诊断的应用。[5,11,28]与基于箔的磁电机，印刷的磁敏感设备的出色机械和磁化性能形成鲜明对比[29-33]，相当僵硬，支持弯曲到半径超过1 cm [30]，到目前为止，它已用于检测高磁场的高磁场。[34,35]即使对于最佳的印刷磁场传感器，这些传感器基于巨型磁场（GMR）效应，相关场范围的灵敏度也很差。
超越信心：自主系统感知的双阈值共形预测中的自适应弃权
摘要 - 安全至关重要的感知系统都需要可靠的不确定性量化和原则上的弃权机械，以在不同的操作条件下保持安全性。我们提出了一个新颖的双阈值共形框架，该框架可提供统计保证的不确定性估计，同时在高风险场景中实现选择性预测。我们的ap-proch唯一结合了共形阈值，以确保有效的预测集和通过ROC分析优化的弃用阈值，从而提供无分布的覆盖范围保证（≥1-α），同时识别不可靠的预测。通过对CIFAR-100，ImagEnet1k和ModelNet40数据集进行全面评估，我们在不同的环境扰动下展示了跨摄像头和激光痛的较高鲁棒性。该框架在严重的条件下达到了出色的检测性能（AUC：0.993→0.995），同时保持高覆盖率（> 90.0％），并实现适应性弃权（13.5％→63.4％±0.5），作为环境严重程度。对于基于激光雷达的感知，我们的方法表现出特别强大的表现，保持了强大的共识（> 84.5％），同时适当弃权不可靠的预测。值得注意的是，该框架在重扰动下显示出显着的稳定性，检测性能（AUC：0.995±0.001）在所有模式中的现有方法都显着超过现有方法。我们的统一方法弥合了理论保证和实际部署需求之间的差距，为在挑战性的现实世界中运行的安全至关重要的自主系统提供了强有力的解决方案。代码可在https://github.com/divake/conformal预测基于传感器的信任可达检测
Joie 演示：基于 Joy 的脑机接口 (BCI)，带有可穿戴皮肤保形聚合物电极
我们设计了 Joie，一款基于快乐的脑电图 (EEG) 脑机接口 (BCI)。用户通过想象快乐的想法和图像来与 Joie 互动，这些想法和图像会改变他们的前额叶脑电图不对称。这些不对称控制着他们角色在无尽奔跑视频游戏中的运动，其中快乐的想法会导致左前额叶不对称，从而导致获得奖励。在此演示中，我们向 Joie 展示了可穿戴的干性皮肤适形聚合物电极脑电图头带。我们进行了一项试点评估（11 名参与者，每位参与者 3 次训练课程），以评估神经反馈功效和工作量。我们观察到，我们的参与者能够执行相对左激活，显著高于右激活，并且在单次课程中改善了静息基线不对称。我们还报告了感知到的用户需求、努力和表现。
具有形状合并无线传感系统的人类呼吸信号的定量和实时评估
呼吸信号反映了许多潜在的健康状况，包括心肺功能，自主性疾病和呼吸窘迫，因此在各种情况下需要连续测量呼吸。不幸的是，仍然缺乏满足医疗和日常呼吸监测需求的有效便携式电子设备。这项工作展示了一种柔软，无线和非侵入性设备，用于定量和实时评估人类呼吸。该设备同时使用定制的电容和电阻传感器捕获呼吸和温度特征，该传感器由透气层封装，并且不会限制用户的日常生活。进一步，基于机器学习的呼吸分类算法具有一组精心研究的功能，因为提出了输入，并将其部署到移动客户端中。用户的身体状况，例如安静，活跃和咳嗽，可以通过算法准确地识别并显示在客户端上。此外，可以将多个设备链接到服务器网络，以监视一组用户，并为每个用户提供生理活动的统计时间，咳嗽警报和身体健康建议。使用这些设备，可以定量收集，分析和存储个人和组呼吸健康状况，以进行日常生理信号检测以及医疗援助。
通过共形预测在度量空间中的个性化插补：通过连续葡萄糖监测预测糖尿病发育的应用
处理丢失数据的挑战在现代数据分析中很普遍，尤其是在预处理阶段和各种推论建模任务中。尽管存在许多算法来推出丢失的数据，但对患者级别的归纳质量的评估通常缺乏个性化的统计方法。此外，基于度量空间的统计对象存在稀缺的插补方法。本文的目的是引入一个新颖的两步框架，其中包括：（i）用于在指标空间中取值的统计对象的插补方法，以及（ii）使用保形推理技术个性化插补的标准。这项工作是出于需要在一项关于糖尿病的纵向研究的背景下，需要将连续葡萄糖监测（CGM）数据的分布功能表示形式进行，在这种情况下，很大一部分患者没有可用的CGM特征。通过评估CGM数据作为新的数字生物标志物的有效性来预测健康人群中糖尿病发作的时间来说明这些方法的重要性。为了应对这些科学挑战，我们提出：（i）一种新的回归算法，用于缺失响应； （ii）针对公制空间量身定制的新型保形预测算法，重点是2-wasserstein几何形状内的密度响应； （iii）一种广泛适用的个性化插补方法标准，旨在增强上述两种策略，但在任何统计模型和数据结构中都有效。我们的发现表明，将CGM数据纳入糖尿病时间分析中，并通过新颖的插补个性化阶段增强，与传统的糖尿病时间预测模型相比，预测准确性显着提高了10％以上。