XiaoMi-AI文件搜索系统
World File Search SystemDepth
从地面到对象：与地面接触的动态物体的粗到细节自我监督的单眼估计
自我监督的单眼深度估计（DE）是一种学习深度的方法，没有昂贵的深度地面真理。但是，它经常在移动物体上挣扎，这些物体违反了训练期间的静态场景假设。为了结束这个问题，我们介绍了一个粗到最新的训练策略，该策略利用了地面与先验接触的地面，该期望是在户外场景中大多数移动物体在地面上造成的。在粗糙的训练阶段，我们将动态类中的对象排除在再投入损失计算中，以避免深度学习不准确。为了对物体的深度进行精确的监督，我们提出了一种新颖的接地式差异平滑度损失（GDS-loss），该损失（GDS-loss）鼓励DE网络将物体的深度与其接地接触点保持一致。随后，在精细的训练阶段，我们完善了DE网络，以了解重新投影损失中对象的详细深度，同时通过使用基于成本量的加权因素利用我们的正则化损失来确保对移动对象区域的准确DE。我们的整体粗表表训练策略可以轻松地与无需修改的方法集成，从而显着提高了挑战性的城市景观和KITTI数据集的DE性能，尤其是在移动对象区域中。
CISA红队针对联邦民用行政部门组织的行动强调了深入防御的必要性
在2023年初，网络安全和基础设施安全局（CISA）对联邦平民行政部门（FCEB）组织进行了Silentshield红色团队评估。在Silentshield评估期间，Red Team首先对民族国家网络运营进行了无知的长期模拟。团队模仿了成熟威胁行为者的技术，商业和行为，并衡量潜在的停留时间参与者在网络上的技术，从而对组织的安全姿势进行了现实评估。然后，团队直接与组织的网络捍卫者，系统管理员和其他技术人员合作，以解决评估过程中发现的优势和劣势。团队的目标是协助组织提炼其检测，反应和狩猎功能，尤其是狩猎未知的威胁。
基于优化的U-NET的2D图像的单眼深度估计
从2D图像中估算深度在各种应用中至关重要，例如对象识别，场景重建和导航至关重要。它在增强现实，图像重新关注和细分方面具有显着优势。在本文中，我们根据传输学习编码器和高级解码器结构提出了一个优化的U-NET网络，以估算单个2D图像的深度。编码器– decoder架构是从Resnet152v2构建的，作为编码器和改进的基于U-NET的解码器，以实现准确的深度预测。引入的RESNET152V2网络已在广泛的Imagenet数据集上进行了预估计，该数据集具有为大规模图像分类提取丰富且可推广的特征的权重。该提出的编码器可以具有先验知识来减少训练时间并改善对象位置识别。在解码器中设计的提议的复合上采样块（CUB）应用了2倍和4倍双线性插值，结合了一速式转置卷积，以扩展从编码器获得的低分辨率特征图，从而使网络恢复了更详细的细节。跳过连接用于增强解码器的表示能力。每个向上采样块的输出与相应的池化层串联。来自不同量表的特征融合有助于捕获本地和全球上下文信息，从而有助于更准确的深度预测。此方法利用RGB图像和深度图作为NYU DEPTH DATASET V2的训练输入。实验结果表明，基于转移学习的编码器，再加上我们提出的解码器和数据增强技术，可以使复杂的RGB图像转换为准确的深度图。系统根据深度数据范围为0.4至10 m，准确地对不同的深度范围进行了分类。通过使用渐变色尺度将不同的深度映射到相应的颜色，可以在2D图像上执行精确的深度分类。
探索心理学的深度：了解人类的行为，心理过程和福祉
心理学是人类思想和行为的科学研究。它调查了人类认知，情感和动机的复杂性。心理学包括分析意识的复杂性到展示影响心理健康和福祉的元素的广泛子领域。心理学研究采用了广泛的方法来研究从认知过程到社会互动和精神障碍的现象。在受控实验室环境中进行的实验研究操纵自变量，以评估其在受控条件下对因变量的影响。观察性研究涉及在自然主义环境中系统地观察和记录行为，以了解对现实世界行为和社会动态的见解。此外，相关研究检查变量之间的关系而无需操纵它们，提供了有关关联和预测因素的宝贵信息。
一项有关超图神经网络的调查：深入和逐步指南
高阶相互作用（HOI）在现实世界中的系统和应用中无处不在。对HOI的深度学习的调查已成为数据挖掘和机器学习社区的宝贵议程。由于HOI的网络是数学上的，因此Hypergraph神经网络（HNN）已成为表示超图表学习的强大工具。鉴于新兴趋势，我们介绍了专门针对HNN的首次调查，并提供了深入和逐步指南。广义，本调查概述HNN架构，培训策略和应用程序。首先，我们将现有的HNN分解为四个设计组件：（i）输入功能，（ii）输入结构，（iii）消息传递方案和（iv）培训策略。第二，我们研究了HNNS如何通过其每个组成部分来解决和学习HOI。第三，我们概述了HNN在建议，生物信息学和医学科学，时间序列分析和计算机视觉中的最新应用。最后，我们以讨论局限性和未来方向的讨论来结束。
量子电路在恒定深度方面超越偏置阈值电路
我们还证明了更严格的 bTC 0 ( k ) 电路大小下限，这些下限是确定性解决关系问题所必需的，我们利用这些下限显著减少这种形式量子优势的潜在展示所需的估计资源需求。bTC 0 ( k ) 电路可以计算某些类的多项式阈值函数 (PTF)，而这些类反过来可以作为神经网络的自然模型，并表现出增强的表达力和计算能力。此外，对于足够大的 k 值，bTC 0 ( k ) 包含 TC 0 作为子类。主要挑战在于建立经典相关性下限，以及设计获胜概率存在量子经典差距的非局部游戏，以便超越量子位到更高维度。我们通过为多输出 bTC 0 ( k ) 电路开发新的、更严格的多切换引理来应对前一个挑战。我们通过分析一类新的非局部博弈来解决后者，这些博弈以 mod p 计算的方式定义，其特点是经典成功概率与量子成功概率之间存在指数差异。这些技术工具可能具有更普遍和独立的兴趣。
大众汽车 AI 整合的深入案例研究
摘要 随着人工智能 (AI) 技术越来越成为业务运营不可或缺的一部分，许多公司都希望借此创造商业价值，了解促进或阻碍成功实施的因素对于各行各业的组织都至关重要。以大众汽车集团 (VW) 为例，本研究的目标是全面全面地研究人工智能的实施，包括推动因素和抑制因素、自动化和增强方面的利用、流程层面的影响以及更广泛的公司层面的结果。这项工作不仅有助于了解主要汽车公司对人工智能的采用，还可以作为组织的资源，通过引导组织了解人工智能实施的复杂性，提供从案例中吸取的实用见解和经验教训。
使用新型温度 - 深度地图
•我们将数据集分为80/10/10，以进行火车/有效/测试（即接近340,000/40,000/40,000的数据点）•在测试集中，组合的SMU/NREL模型将接近49.5°C得分近49.5°C平均绝对误差（MAE）•MAE（MAE）几乎是独立的和相同的分布（I.II.I I.I.I.I）的幼稚假设（i.ii.i），I.II.I.I.D） 9.9°C MAE和6.2°C MAE•EDGECONV得分接近5.7°C，几乎没有改进•Internet得分接近4.8°C MAE，它利用空间相互依赖
ASCON的深度优化量子电路-Dr-ntu
摘要：量子计算进步对密码学构成了安全挑战。具体来说，格罗弗的搜索算法会影响对称键加密和哈希功能的搜索复杂性的降低。最近努力估算了格罗弗搜索的复杂性并评估量子后安全性。在本文中，我们提出了ASCON的深度优化量子电路实施，包括对称键的加密和哈希算法，作为NIST（国家标准和技术研究所）轻量级加密标准化的一部分。据我们所知，这是ASCON AEAD的量子电路的首次实现（使用关联数据进行身份验证的加密）方案，该方案是一种对称键算法。此外，与先前的工作相比，我们对Ascon-Hash的量子电路实施在Toffoli深度的降低超过88.9％，全深度下降了80.5％。根据我们的理解，针对Grover搜索的最有效策略涉及最大程度地减少目标密码的量子电路的深度。我们展示了Grover的最佳搜索成本，并引入了针对深度优化的拟议量子电路。此外，我们还利用估计的成本来评估ASCON的量词后安全强度，采用相关评估标准和研究的最新进步。