XiaoMi-AI文件搜索系统
World File Search SystemDense
VIT-COMER：具有卷积多尺度特征相互作用的视觉变压器，用于密集预测
尽管Vision Transformer（VIT）在计算机视觉方面取得了显着的成功，但由于缺乏内部绘制互动和特征量表的多样性有限，它在密集的预测任务中表现不佳。大多数现有的研究致力于设计视觉特定的变压器来解决上述问题，从而涉及额外的培训前成本。因此，我们提出了一种普通的，无培训的且具有特征增强的vit背骨，并具有指定性的特征性动作，称为Vit-Comer，可促进CNN和Transformer之间的双向相互作用。与现状相比，VIT-COMER具有以下优点：（1）我们将空间金字塔多触发性场卷积特征注入VIT体系结构，从而有效地减轻了VIT中局部信息相互作用和单场表述的有限问题。（2）我们提出了一个简单有效的CNN转换器双向交互模块，该模块在跨层次特征上执行多尺度融合，这对Han-dling密集的预测任务有益。（3）我们评估了在各种密集的预测任务，不同框架和多个高级预训练中VIT-COMER的能力。值得注意的是，我们的VIT-COMER-L在没有额外训练数据的情况下可可Val2017上的AP达到64.3％，而ADE20K Val上的MIOU为62.1％，这两种方法都与最先进的方法相当。我们希望VIT-COMER可以作为密集预测任务的新骨干，以促进未来的研究。该代码将在https：//github.com/traffic-x/vit-comer上发布。
多代理的深入强化学习，用于密集的MMWave网络中的分布式切换管理
毫米波小细胞与定向光束形成的密集部署是一种有前途的解决方案，可增强当前无线通信的净工作能力。但是，毫米波通信链路的可靠性可能会受到严重的路径，阻塞和耳聋的影响。作为一种款项，移动用户受到频繁的交接，这会限制用户吞吐量和移动终端的电池寿命。为了解决这个问题，我们的论文提出了一个深层的多代理控制学习框架，用于分布式移交管理，称为Rhando（增强移交）。我们将用户建模为代理商，他们在考虑相关成本的同时，学习如何执行移交以通过网络优化网络。所提出的SOUTIOT已完全分布，从而限制了信号传导和计算开销。数值结果表明，与传统方案相比，所提出的解决方案可以提供更高的吞吐量，同时大大限制了移交的频率。
Goproteingnn：利用蛋白质知识图蛋白表示学习
摘要 - 虽然自动驾驶的能力已迅速发展，但融合到密集的交通仍然是一个重大挑战，但已经提出了许多针对这种情况的运动计划方法，但很难对其进行评估。大多数现有的闭环模拟器依赖于其他车辆的基于规则的控件，这导致缺乏多样性和随机性，因此无法准确评估高度交互式场景中的运动计划能力。此外，传统的评估指标不足以全面地评估密集流量合并的性能。回应，我们提出了一个闭环评估基准，用于评估合并方案的运动计划功能。我们的方法涉及在大规模数据集中训练的其他车辆，具有微观行为特征，可显着提高复杂性和多样性。此外，我们通过利用大型语言模型来评估每种自动驾驶汽车合并到主要道路上来重组评估机制。广泛的实验证明了该评估基准的高级性质。通过此基准，我们获得了对存在方法的评估并确定了常见问题。我们设计的环境和车辆运动计划模型可以通过https://anonymon.4open.science/r/ bench4merge-eb5d访问。
编程平行密集的矩阵因子化和新产生numa体系结构的反转
我们提出了一种方法，以解决从新一代共享内存NUMA架构的出现中得出的可编程性问题。为此，我们采用了密集的矩阵因子化和矩阵反转（DMFI）作为用例，并且我们针对两种现代体系结构（AMD Rome和Huawei Kunpeng 920），它们表现出了可配置的Numa拓扑。我们的方法论通过为DMFI提出多域的实现以及混合任务和循环级并行化来追求各个不同的NUMA配置的性能可移植性，以配置多线程执行，以在核心到达核心绑定，从而利用核心固定型绑定，并以较小的代码进行限制。此外，我们还介绍了DMFI多域实现的概括，该实现几乎支持当前和未来体系结构中的任何NUMA拓扑。我们对三个代表性密集的线性代数操作的两个目标架构进行的实验验证了该提案，揭示了有关调整代码及其执行以改善数据访问区域的必要性的见解，并报告跨架构以及与固定的数字竞争的构建和内部互动竞争的群体相关联，以实现的范围，以实现距离，以实现范围，以实现距离，以实施欧元，以实现距离，以实施欧元，以实施欧元，以实现距离，以实施欧元，以实现距离，以实现距离，并将其竞争性地融合到脉络上，并涉及群体的范围，以实现距离，并将其与范围内的脉络相关联。 编程。
密集的lpn＆Lossy Cryptography
在2005年推出的错误（LWE）假设[REG05]的学习已成为设计后量子加密术的Baiss。lwe及其结构化变体，例如ring-lwe [lpr10]或ntru [hps98]，是构建许多高级加密启示剂的核心GVW15]，非交互式零知识[PS19]，简洁的论证[CJJ22]以及经典的[GKW17，WZ17，GKW18，LMW23]和量子加密[BCM + 18，MAH18B]的许多其他进步。虽然LWE在产生高级原始剂方面已被证明具有出乎意料的表现性，但其他量子后的假设，例如与噪音[BFKL94]，同基因[COU06，RS06，CLM + 18]和多变量Quadriate Quadratie Quadratic [OSS84]相关的疾病，以前的疾病是在障碍的情况下，这使得直到启动的迹象，这使得曾经是直接的，这使得一直以前的疾病，这使得一直以前的疾病，这使得一直以前的疾病，这使得一直以前的疾病。量子后密码学。这种状况高度令人满意，因为我们想在假设的假设中有一定的多样性，这意味着对冲针对意外的隐式分析突破。的确，最近的作品[CD23A，MMP + 23，ROB23]使Sidh在多项式时间中经典损坏的Quantum假设曾经是宽松的。这项工作旨在解决潜在的停滞，以实现高级后量子加密的技术和假设。在大多数情况下，这种假设缺乏多功能性可能归因于缺乏利用其他量词后假设的技术。这项工作的重点在于基于代码的加密假设，例如噪声（LPN）假设[BFKL94]及其变体的学习奇偶校验。与噪声的学习奇偶校验认为，被稀疏噪声扰动的随机线性方程（带有种植的秘密解决方案）出现了。即：
同位旋致密物质和核状态方程的 QCD 约束
了解致密强子物质的行为是核物理学的一个核心目标，因为它决定着超新星和中子星等天体物理物体的性质和动力学。由于量子色动力学 (QCD) 的非微扰性质，人们对这些极端条件下的强子物质知之甚少。在这里，格点 QCD 计算用于计算热力学量和 QCD 状态方程，这些方程发生在具有受控系统不确定性的广泛同位旋化学势范围内。当化学势较小时，与手性微扰理论一致。与大化学势下的微扰 QCD 进行比较，可以估计超导相中的间隙，并且该量与微扰测定结果一致。由于同位旋化学势的配分函数 μ I 限制了重子化学势的配分函数 μ B ¼ 3 μ I = 2 ，这些计算还首次在很宽的重子密度范围内对对称核物质状态方程提供了严格的非微扰 QCD 界限。
视觉变压器 - 模式方法的新型融合...
由于疾病的复杂性和有限的数据集大小，大脑MRI图像的阿尔茨海默氏病（AD）分类仍然是一个艰巨的任务。卷积神经网络（CNN）在使用MRI数据的脑部疾病分类方面表现出色，但它们与逮捕全球依赖性无能为力。此外，他们的结果不可解释，这是医疗领域的主要问题。变压器使用注意机制在各种视觉任务上都可以使用甚至超过CNN。本研究提出了一个新型的融合模型，该模型整合了Densenet-121和Vision Transformer的互补优势，以应对这些挑战。通过协同两种体系结构的优势，提出的融合模型提取了全面的图像特征。为了进一步优化特征歧视和计算效率，并入了基于外部分类器的特征选择技术。使用标准指标评估所提出的模型的性能，并与最先进的技术进行比较。结果表明，较高的分类精度为99％，融合模型有效地区分了各个AD阶段。此外，使用类激活图（CAM）可视化模型的决策过程，从而增强对模型预测的信任。我们还提供了Grad-CAM，Grad-CAM ++，Score-CAM和更快的得分摄像机可视化技术的视觉比较，以评估这些技术的性能，以突出显示AD分类的区分区域。
类固醇激素中与固有功能连通性变化相关的类固醇激素的昼夜波动
大多数哺乳动物的生理学都受到生物节律的控制，包括内分泌系统和时变激素分泌。精确的神经影像学研究提供了独特的见解，即内分泌系统如何动态调节人脑的各个方面。最近，我们建立了雌激素推动连通性的广泛模式并增强大规模脑网络在连续30天进行一次采样的女性中的全球效率，从而捕获完整的月经周期。类固醇激素的产生也遵循明显的正弦模式，睾丸激素的峰值在上午6点至7点之间。下午7点至8点之间的Nadir为了捕捉大脑对激素产生的昼夜变化的反应，我们对一个健康的成年男子进行了一项伴侣精度成像研究，该研究连续30天完成一次MRI和静脉穿刺。结果在睾丸激素，17β-雌二醇（雌激素的主要形式）和皮质醇的主要形式中确定了稳健的昼夜弹性。标准化的回归分析揭示了睾丸激素，雌二醇和皮质醇浓度与一致性全脑模式之间的广泛关联。特别是，背注意网络中的功能连通性与昼夜闪烁的激素结合在一起。此外，将男人和自然骑自行车的女人之间的密集采样数据集进行比较，表明性激素的发光与性别中的全脑相干性模式相关联，并且与男性的身高相关。一起，这些发现增强了我们对类固醇激素作为快速神经调节剂的理解，并提供了证据表明，类固醇激素的昼夜变化与全脑功能连通性的模式有关。
双眼立体>的SGM算法介绍
•对两个图像中的相应像素的搜索如果进行了校准，则两个图像的搜索变得容易一些 - 这意味着，如果两个图像中的同一行中存在一对相应的像素。您从我的讲座24中知道，对于任何给定的像素（i，j）∈I，在另一个图像中必须在另一个图像中对其相应的像素进行搜索。，正如我在第24堂课中所解释的那样，
orca-a*：一种混合相互碰撞的回避和路线计划算法在密集的城市地区
摘要 - 无人机（或无人空中系统）的快速发展及其在城市地区的潜在部署带来了许多安全问题。一定程度的自动化对于确保在城市环境中安全有效执行的UAS任务很可能是必要的。在大量不合作，非交流的UA会在密集的城市地区飞行，自然而然地想到的分散和自动方法。在这种方法中，每个代理都会在建筑物之间导航，同时避免其他流量。orca（最佳的相互碰撞避免）是一种最新的机器人碰撞避免使用方法，可以用作检测并避免在板上UAS上进行逻辑。最初是为自动机器人的2D运动而设计的，需要进行一些适应才能以应用于城市环境中的飞行物体。特别是，ORCA是一种短期避免碰撞，不是为复杂的城市环境中的路径规划而设计的。在这项研究中，我们引入了一种混合方法，将Orca与A ∗路径平面算法相结合，并表明Orca- A ∗