XiaoMi-AI文件搜索系统
World File Search SystemDy
dsnet：用于实时焊接接缝图像分割的动态挤压网络
焊接过程产生的图像噪声（例如弧光，飞溅和烟雾）给基于激光视觉传感器的焊接机器人带来了巨大的挑战，可以定位焊接接缝并准确地进行自动焊接。当前，基于深度学习的方法超过了灵活性和鲁棒性的传统方法。但是，它们的重大计算成本导致与自动焊接的实时要求不匹配。在本文中，我们对卷积神经网络（CNN）和变压器的有效混合体系结构（称为动态挤压网络（DSNET））进行实时焊接接缝分段。更准确地说，开发了一个轻巧的分割框架，以充分利用变压器结构的优势，而无需显着增加计算开销。在这方面，旨在提高其功能多样性的高效编码器已被设计并导致了编码性能的大幅改进。此外，我们提出了一个插件轻巧的注意模块，该模块通过利用焊接接缝数据的统计信息并引入线性先验来产生更有效的注意力权重。使用NVIDIA GTX 1050TI对焊缝图像进行广泛的实验表明，与基线方法Transunet相比，我们的方法将参数的数量减少了54倍，将计算复杂性降低了34倍，并将推理速度提高33倍。dsnet可实现较高的准确性（78.01％IOU，87.64％骰子）和速度性能（100 fps），其模型复杂性和计算负担较低。该代码可在https://github.com/hackerschen/dsnet上找到。
神经2024 ML4CFD竞赛：用于机翼设计中计算流体动力学的机器学习
用于解决复杂物理问题的机器学习（ML）技术的整合越来越被认为是加快模拟的有前途的途径。但是，评估ML衍生的物理模型在工业环境中的采用构成了重大挑战。本竞赛旨在促进创新的ML方法来应对身体挑战，利用我们最近引入的统一评估框架，称为学习工业物理模拟（LIPS）。建立在2023年11月至2024年3月1日举行的初步版本上，该迭代以良好的物理应用为基础的任务为基础：使用我们建议的Airfrans数据集，翼型设计模拟。竞争基于各种标准评估解决方案，包括ML准确性，计算效率，分布外部性能和遵守物理原理。值得注意的是，这项竞争代表了探索ML驱动的替代方法的开创性努力，旨在优化物理模拟中计算效率和辅助性之间的权衡。托管在Codabench平台上，比赛为所有参与解决方案提供了在线培训和评估。
动态分类：利用自我监督的分类来增强预测性能
在本文中，我们提出了一种创新的动态分类算法，旨在实现零遗漏的检测和最小误报的观察。使用监督模型将数据分配到N当量的训练子集和n个预测子集中，然后是n个单独的预测模型的独立预测。这使每个预测模型都可以在较小的数据范围内运行，从而提高了整体准确性。此外，该算法利用通过监督学习生成的数据来进一步完善预测结果，滤除未满足准确性要求的预测，而无需引入其他模型。实验性调查表明，当数据分配误差最小时，动态分类算法实现了出色的性能，而零遗漏的检测和最小的假阳性，则显着超过了现有的模型结合体。即使在分类错误较大的情况下，算法仍然可以与最新模型相提并论。这项研究的关键创新包括自我监督的分类学习，小范围子集预测的使用以及直接拒绝不合格的预测。虽然当前的算法在自动参数调整和分类模型效率方面仍然有改进的空间，但它在多个数据集中表现出出色的性能。未来的研究将着重于优化分类组件，以进一步增强算法的鲁棒性和适应性。
纹状体5-羟色胺4受体在实验性帕金森氏症和运动障碍中增加
在大脑中表达，尤其是在基底神经节中。其激活调节食物摄入量[7]，并支持认知，抗焦虑和抗抑郁作用[8，9]。5-HT 4 R激动剂治疗人类中的慢性特发性结构[10]并改善记忆[11]。5-HT 4 R表达在异常食物摄入，情绪障碍和认知降低中有意改变[12-14]。令人惊讶的是，很少有研究集中在PD中的5-HT 4 R上，而无数的PD非运动症状commosempassessuchuchmaniftations [15,16]。作为第一个步骤，我们想知道使用大鼠和非人类灵长类动物（NHP）模型的现有脑库组织补充DA耗竭和L-DOPA后的纹状体5-HT 4 R是否会增加。然后，我们在第二个NHP中研究了其体内宠物成像调节。
基准进行经典分子动力学模拟...
图2：（a）实验离子电导率的奇偶校验图对计算上的相似。红点带有液化石油气电荷，蓝色的指控带有DFT电荷。最左侧的离子电导率，使用nernst-Einstein方法计算。中心，用nernst-Einstein方法计算的离子电导率。用惠勒 - 纽曼方法计算的最直接的离子电导率。（b）实验玻璃传输温度的奇偶校验图针对计算计算的温度。金点是对纯聚合物的模拟，而绿色的聚合物与LITFSI的聚合物。（c）实验离子电导率对计算模拟的奇偶校验图，其中每个聚合物在经过验证测得的玻璃转变温度下模拟，并由玻璃转变偏移温度从纯聚合物（金）或用盐（绿色）计算的聚合物计算出的玻璃过渡偏移温度。（d）Spearman and Pearson等级相关指标，用于t exp的模拟。（e）在实验温度下模拟的最佳结果与离子电导率变化下的结果相比。
内部动力学与运动Cortex的RNN模型中的运动执行过程中的本体感受反馈
电动机皮层通过向下游神经电路发送时间模式来启动运动。运动执行过程中的模式被认为是由电机皮质网络中的内部动力学产生的。但是，外部输入（例如本体感受）也塑造了运动皮质动力学。为了调查内部动力学和本体感受反馈对自愿运动执行的贡献，我们构建了几种具有本体感受反馈的不同组合，以控制延迟到达任务中的人工手部运动。我们发现，抑制性稳定网络接收手运动学和肌肉力产生的模式与运动皮层神经元数据中观察到的模式最相似。此外，我们使用了一种破坏策略来剖析内部动力学和本体感受反馈的贡献，并发现内部动力学占主导地位，而本体感受反馈微调微型运动命令。消融实验表明，本体感受反馈改善了针对嘈杂的初始条件的鲁棒性。最后，考虑到本体感受途径中感觉反馈的延迟，噪声和来源，我们构建了一个感觉估计网络。我们的结果强调了在运动控制模型中整合内在体系结构和外部输入的必要性，从而促进了受脑启发的人工智能系统的发展。
使用多元EEG分析解码秘密空间注意的时间动态：原始振幅和α功率的贡献
可以在不需要眼动的而无需眼睛运动的情况下将注意力定向在空间中。我们使用多元模式分类分析（MVPA）来研究是否可以从EEG Alpha Power和原始活动痕迹中解码秘密空间注意的时间过程。从这些信号中解码注意力可以帮助确定原始的EEG信号和α功率是否反映了注意选择的相同或不同特征。使用经典的提示任务，我们证明了秘密空间注意力的方向可以通过两个信号来解码。但是，原始活动和α功率可能反映出空间注意力的不同特征，而α功率与空间中秘密注意力的方向和原始活动的方向相关，而对感知过程的关注感也影响。
通过两种催化剂催化的耦合聚合制备染料半导体，并应用于晶体管
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
小儿吞咽困难和喂养障碍简介
●每当神经系统和/或神经肌肉系统出现故障时，可能会使安全吞咽所需的许多肌肉不协调。●许多患有脑瘫的儿童（如果不是大多数的孩子）在喂养和吞咽技能方面表现出缺陷。●对于具有更重要的神经/神经肌肉缺陷的人来说，可能会在吞咽的所有阶段看到缺陷●认知中的偶然缺陷也可能导致饮食中的安全性。
来自标准模型中配对的动态分散功能加密
摘要。动态分散功能加密（DDFE）。（加密20）表示（多客户）功能加密的强大概括。它允许用户动态加入并贡献私人输入，以单独控制联合功能，而无需信任的权威。最近，Shi和Vanjani（PKC'23）提出了用于掩盖功能内部产品（FH-IP）的第一个多客户功能加密方案，而无需依赖随机的甲壳。毫无意义地，他们的构建仍然需要一个值得信赖的关键权威，因此，打开了一个问题，即标准模型中是否可以存在全面的FH-IP-DDFE。在这项工作中，我们通过引入可更新的伪零共享来回答这个问题，这是一个新颖的概念，它提供了在标准模型中构建安全DDFE计划所需的关键功能和安全性。我们的第二个贡献是一种新颖的证明策略，它在将FH-IP的任何功能加密方案转换为FH-IP-DDFE时可以保持自适应安全性。一起，这两种技术实现了FH-IP-DDFE的模块化构造，该模块化是可抵抗标准模型中自适应消息和关键查询的安全性。此外，我们的伪零共享方案具有很高的用途，可以在标准模型中获得属性加权总和的第一个DDFE，并补充了Agrawal等人最近基于ROM的结构。（加密23）。