XiaoMi-AI文件搜索系统
World File Search SystemDering
GK LPP SA 2021/22 年度综合年度报告
从去年第一季度开始，我们在传统商店和在线商店的销售额都明显改善。传统销售额保持两位数增长，在线渠道同样保持高增长，这 12 个月没有变化。因此，2021 年，我们创造了公司历史上最高的收入，总额达到 140 亿兹罗提。值得注意的是，销售额同比增长约 80%，保持了超过 57% 的高利润率，这得益于多种因素。如此出色的业绩得益于订购我们的系列产品时获得的优惠购买价格、2021 年的有限折扣政策，同时，客户对我们以首发价出售的产品表现出浓厚兴趣。因此，在 2021/22 年度，我们实现了高达 9.535 亿兹罗提的净利润。
连接大脑：在智力运动中探索神经性别歧视和性别刻板印象
摘要 关于女性能力和技能的根深蒂固的性别话语影响着她们参与休闲和体育运动。本文认为，性别刻板印象以神经性别歧视的形式延伸到智力运动的严肃休闲环境中。玩桥牌游戏的男女比例大致相同，但在世界范围内，精英级别的男性玩家表现明显优于女性玩家。本文基于 52 次半结构化访谈，探讨了精英桥牌选手日常存在的和重复的性别假设。许多研究参与者认为男性的大脑更理性、更有逻辑、更有竞争力，而女性的大脑则被认为更情绪化、更不专注、更不具竞争力。这些性别刻板印象被用来解释和辩护为什么没有更多女性在精英级别比赛。这种神经性别歧视和行为主义假设积极地再现了智力运动中的不平等，损害了女性桥牌选手的利益。本文表明，神经性别歧视强化了严肃休闲中性别体验方面持续存在的系统性不平等，从而重现了性别不平等，并阻碍了智力运动的更多参与和融入。
SISPO：用于近距离操作的空间成像模拟器
本文介绍了一种新开发的基于物理的成像模拟器环境 SISPO 的架构和功能，该环境专为小型太阳系天体飞越和类地行星表面任务模拟而开发。该图像模拟器利用开源 3-D 可视化系统 Blender 及其 Cycles 渲染引擎，支持基于物理的渲染功能和程序微多边形位移纹理生成。该模拟器专注于逼真的表面渲染，并具有补充模型，可为彗星和活跃小行星生成逼真的尘埃和气体环境光学模型。该框架还包括用于模拟最常见图像像差的工具，例如切向和矢状散光、内部和外部彗形像差以及简单的几何畸变。该模型框架的主要目标是通过更好地模拟成像仪器性能表征、协助任务规划和开发计算机视觉算法来支持小型太空任务设计。 SISPO 允许模拟轨迹、光线参数和相机的固有参数。
定时偏序推理算法 - AAAI 出版物
在本文中，我们提出了定时偏序 (TPO) 模型来指定工作流程安排，尤其是用于对制造流程进行建模。TPO 集成了工作流程中事件的偏序，指定“先发生”关系，并使用时钟上的保护和重置指定时间约束——这是从定时自动机规范中借鉴的想法。TPO 自然使我们能够捕获事件顺序以及一类受限制但有用的时间关系。接下来，我们考虑从工作流程日志中挖掘 TPO 安排的问题，其中包括事件及其时间戳。我们展示了制定 TPO 和图着色问题之间的关系，并提出了一种具有正确性保证的 TPO 学习算法。我们在合成数据集上展示了我们的方法，其中包括两个受飞机调头的实际应用启发的数据集和 Overcooked 电脑游戏的游戏视频。我们的 TPO 挖掘算法可以在几秒钟内从数千个数据点推断出涉及数百个事件的 TPO。我们表明，由此产生的 TPO 为工作流的依赖关系和时间约束提供了有用的见解。
![arxiv：2312.04564v3 [cs.cv] 26 Sep 2024](/simg/g:\will\search\icon\source\5\53678c5de46f0ed9c6cab944ef0cb9e391f0d622.webp)
arxiv：2312.04564v3 [cs.cv] 26 Sep 2024
摘要。最近，3D高斯脱衣舞（3D-GS）在新型视图综合中广受欢迎。它解决了与神经辐射场（NERFS）相关的冗长训练时间和缓慢的渲染速度的挑战。通过3D高斯人的快速，可区分的栅格化，3D-GS实现了实时重新定位和加速训练。但是，他们需要训练和存储的大量记忆，因为它们需要数百万高斯人在每个场景的云云表示中。我们提出了一种利用量化嵌入的技术，可以显着减少每点存储器存储的需求，并采用粗到最佳的训练策略，以更快，更稳定的优化高斯点云。我们的方法发展了一个修剪阶段，从而导致场景表现形式减少，从而导致更快的训练时间和渲染速度，以实时渲染高分辨率场景。在保留重建质量的同时，我们将存储记忆降低了超过一个数量级。我们验证方法在保留视觉质量的各种数据集和场景上的有效性，同时消耗10-20×较小的内存和更快的训练/推理速度。项目页面和代码可在此处提供。
人工智能在分段体积上的应用
理由和目标：准确确定宫颈癌和甲状腺癌的诊断和分期对于确定肿瘤的扩散和播散在医疗实践中至关重要，并且涉及最准确和有效的治疗方法。为了准确诊断和分期宫颈癌和甲状腺癌，我们旨在创建一种诊断方法，该方法通过人工智能算法优化，并通过进行临床试验获得准确和有利的结果进行验证，在此期间，我们将使用人工智能 (AI) 算法优化的诊断方法，以避免错误，提高医生对计算机断层扫描 (CT) 扫描、核磁共振成像 (MRI) 的解释理解并改善治疗计划。材料和方法：计算机辅助诊断 (CAD) 方法的优化将包括开发和形成人工智能模型，使用分段体积构造中使用的算法和工具从 MRI/CT 生成 3D 图像。我们提议通过体积渲染技术对“DICOM”图像处理的最新发展进行比较研究，使用传递函数来表示不透明度和颜色，以及在三维空间中投影的“DICOM”图像的灰度。我们还通过生成对抗网络 (GAN) 技术使用人工智能 (AI)，该技术已被证明
通过金属 H1.75MoO3 纳米带中的质子存储……
摘要：质子作为最轻元素H的阳离子形式，被认为是“摇椅”电池中最理想的电荷载体。然而，目前对质子电池的研究尚处于起步阶段，它们通常容量较低且易遭受严重的酸性腐蚀。本文开发了电化学活化的金属H 1.75 MoO 3 纳米带作为质子存储的稳定电极。电化学预插的质子不仅通过强OH键直接与末端O3位点结合，而且通过氢键与相邻层中的氧相互作用，在H 1.75 MoO 3 纳米带中形成氢键网络，并且由于其超低活化能~0.02 eV而实现无扩散的Grotthuss机制。据我们所知，这是首次报道的基于Grotthuss机制的质子存储无机电极。此外，质子插入 MoO 3 并形成 H 1.75 MoO 3 会诱发强烈的 Jahn-Teller 电子-声子耦合，从而呈现金属状态。因此，H 1.75 MoO 3 表现出出色的快速充电性能，在 2500 C 时可保持 111 mAh/g 的容量，大大优于最先进的电池电极。更重要的是，基于 H 1.75 MoO 3 组装的对称质子离子全电池在 12.7 kW/kg 的超高功率密度下可提供 14.7 Wh/kg 的能量密度，优于快速充电超级电容器和铅酸电池。
![arxiv：2501.10885v2 [cs.lg] 2025年1月27日](/simg/g:\will\search\icon\source\4\47e662c8d495fa7b3a088ee6e0074dc9f438925e.webp)
arxiv：2501.10885v2 [cs.lg] 2025年1月27日
脑电图（EEG）是研究脑活动的关键工具。最近，利用大型未标记数据集的自我监督学习方法已成为潜在的解决方案，以解决广泛可用的脑电图数据。然而，当前的方法至少受到以下局限性之一：i）次优的脑电图信号建模，ii）数以亿个可训练的参数中的模型尺寸，以及iii）依赖Pri-Private数据集和/或不一致的公共基准标准，Hin-Dring Reproducuctibility。为了应对这些挑战，我们使用了一个新的小型脑电图基础模型（Cerebro）来介绍Br ain o恐怖的介绍（Cerebro）。我们的令牌化方案代表每通道斑块粒状的EEG信号。我们提出了一种交替的注意机制，该机制可以共同建模通道内的时间动力学和通道间空间相关性，与Stan-Dard自我注意力相比，以6×速度的记忆力更少，可实现2×速度的改进。我们提出了几个型号，从360万到8500万个参数不等。在超过20,000个小时的公开可用的头皮脑电图记录中，我们的模型在情感检测和癫痫发作检测任务中设定了新的基准，并具有在异常分类和步态预测方面具有竞争性表现。这验证了我们的模型的效率和效率。
地球：通过签名距离函数
我们引入了一种新的生成方法，用于合成3D几何形状和单视收集的图像。大多数现有的方法预测了体积密度，以呈现多视图一致的图像。通过使用神经辐射场进行体积重新定位，它们继承了一个关键限制：生成的几何形状嘈杂且不受限制，从而限制了输出网格的质量和实用性。为了打扮这个问题，我们提出了Geogen，这是一种新的基于SDF的3D生成模型，以端到端的方式训练。最初，我们将体积密度重新解释为签名距离函数（SDF）。这使我们能够引入有用的先验来生成有效的网格。然而，这些先验阻止了生成模型学习细节，从而将方法的可观性限制在现实世界中。为了解决这个问题，我们使转换可学习，并限制渲染深度图与SDF的零级集合一致。通过对手训练的镜头，我们鼓励网络在输出网格上产生更高的忠诚度细节。进行评估，我们介绍了一个从360度摄像机角度捕获的人类头像的合成数据集，以克服现实世界数据集所面临的挑战，而实际数据集通常缺乏3D同意，并且不涵盖所有摄像机角度。我们在多个数据集上进行的实验表明，与基于神经辐射场的先前发电模型相比，Geogen在视觉和定量上产生更好的几何形状。
机器学习应用于脑瘫和中风中的步态分析数据：系统评价
背景：在神经病理学中，脑瘫和中风是行走障碍的主要因素。在最近的文献中提出了机器学习方法，以分析这些患者的步态数据。但是，机器学习方法仍然无法有效地转化为临床应用。这一系统评价解决了阻碍机器学习数据分析在脑瘫和中风患者的临床评估中使用的差距。研究问题：将提议的机器学习方法转移到临床应用中的主要挑战是什么？方法：PubMed，Web of Science，Scopus和IEEE数据库被搜索，以获取有关机器学习方法的相关出版物，直到2023年2月23日，将其应用于中风和脑瘫患者的步态分析数据。提取了与所提出方法有效翻译为临床使用的适用性，可行性和可靠性有关的信息，并根据一组预定义的问题评估了质量。结果：从4120个结果参考文献中，有63个符合纳入标准。三十一项研究使用了监督，32条使用了无监督的机器学习方法。人工神经网络和K-均值聚类是每个类别中最常用的方法。缺乏特征和算法选择的基本原理，使用未经复制的数据集以及群集输出的临床解释性缺乏，这是这些方法的临床可靠性和适用性的主要因素。意义：文献提供了许多机器学习方法，用于从脑瘫和中风患者聚集步态数据。然而，所提出的方法的临床意义仍然缺乏，将其翻译成现实世界的应用。未来研究的设计必须考虑到临床问题，数据集意义，特征和模型选择以及结果的解释性，鉴于它们对临床翻译的关键性。