XiaoMi-AI文件搜索系统
World File Search SystemFeature
北极熔体异常的特征归因
我们工作的重点是改善气候模型中异常的解释性，并促进我们对北极熔体动态的理解。北极和南极冰盖正在迅速融化并增加了淡水径流，这显着导致了全球海平面上升。了解在这些地区驱动融雪的机制至关重要。ERA5是极地气候研究中广泛使用的重新分析数据集，可提供广泛的气候变量和全球数据同化。但是，其融雪模型采用了一种能量不平衡的方法，可能会过度简化表面熔体的复杂性。相反，冰川能量和质量平衡（GEMB）模型结合了其他物理过程，例如积雪，FIRN致密化和融化液化/重新冻结，提供了表面熔体动力学的更详细的表示。在这项研究中，我们专注于分析格陵兰冰盖的表面融雪材料，并使用ERA5和GEMB模型中异常熔体事件的特征归因。我们提出了一种新型的无监督归因方法，利用反对解释方法来分析ERA5和GEMB中检测到的异常。我们的异常检测结果通过模仿地面真实数据进行验证，并针对既定的特征排名方法进行了评估，包括XGBoost，Shapley值和随机森林。我们的归因框架标识了每种模型背后的物理和气候特征驱动熔体异常的特征。这些发现证明了我们的归因方法在增强气候模型中异常的解释性并促进我们对北极熔体动力学的理解方面的实用性。
使用卡方和机器学习的功能选择对恶意软件分类的影响
摘要 - 物联网（IoT）是物理对象，汽车，家用电器以及与传感器，软件和连接集成的其他项目的净作品，可通过Internet收集和共享数据。物联网设备的快速扩散已经引起了一波新的安全挑战，特别是在恶意软件检测领域，这些挑战需要创新的解决方案。因此，这项研究的主要目的是开发一个先进的恶意软件检测系统，除了具有名为Chi-square的功能选择方法之外，还与自然语言处理技术同时利用了与自然语言处理技术一样。使用IOTPOT数据集对所提出的方法进行了测试，并将其与该领域的最新研究进行了比较，在该领域，它在准确性，F1分数，召回和精度方面的表现优于当前工作。此外，将提出的方法与基于时间的咨询进行了比较，并且在NLP和CHI-Square中表现出了出色的性能，而不是没有时间的咨询，这使其更适合于这种物联网系统限制的资源。我们还提供了提出的方法来促进透明度的代码。1。索引术语 - NLP，机器学习，恶意软件检测，卡方，功能选择
基于显著性的脑电情绪估计特征融合模型
摘要 — 在评估情绪的不同方式中，代表大脑电活动的脑电图 (EEG) 在过去十年中取得了令人鼓舞的成果。EEG 的情绪估计有助于某些疾病的诊断或康复。在本文中，我们提出了一个双重模型，考虑了 EEG 特征图的两种不同表示：1) 基于顺序的 EEG 频带功率表示，2) 基于图像的特征向量表示。我们还提出了一种创新方法，根据基于图像的模型的显着性分析来组合信息，以促进两个模型部分的联合学习。该模型已在四个公开可用的数据集上进行了评估：SEED-IV、SEED、DEAP 和 MPED。对于三个提出的数据集，所取得的结果优于最先进方法的结果，标准差较低，反映了更高的稳定性。为了可重复性，本文提出的代码和模型可在 https://github.com/VDelv/Emotion-EEG 获得。
SAP Signavio Process Transformation Suite 的功能范围描述
指标库 从 500 多个内置指标中进行选择，指定每个流程中可用的指标、根据源系统和流程类型分类和推荐的指标、创建自定义指标以及通过导出和导入跨工作区共享指标。使用 SAP Signavio Process Intelligence 指标库中的指标来监控主要绩效指标。SAP Signavio Process Intelligence 附带一组标准指标，可快速启动分析。可以使用 SAP Signavio 分析语言 (SIGNAL) 自定义指标。
M31手持式热仪摄像机∎功能
Hikmicro M31手持式相机是专门设计用于温度测量的。它配备了384 x 288分辨率的热检测器。它可以帮助工作人员快速找到环境中的高温目标。同时，它为决策提供了帮助并确保安全。该设备主要应用于建筑物，HVAC，汽车行业等各种行业。
使用局部拓扑特征增强图表学习
在图表上的表示是一个基本问题，在各种任务中可能至关重要。图形神经网络是图表学习的主要方法，其表示能力有限。因此，将高阶拓扑和几何信息明确提取并纳入这些模型可能是有益的。在本文中，我们提出了一种原则性的方法，以根据持续同源性理论提取图形的丰富连通性信息。我们的方法利用拓扑特征来增强图形神经网络的表示学习，并在各种节点分类和链接预测基准上实现最先进的性能。我们还探索了拓扑特征的端到端学习的选择，即将拓扑计算视为学习过程中可区分的操作员。我们的理论分析和实证研究为在图形学习任务中采用拓扑特征提供了见解和潜在指南。关键字：持续的同源性，拓扑数据分析，图形神经网络，图表学习，图形同构
第三级结构的复杂感知功能融合 -
基于三级结构的RNA设计在合成生物学和治疗剂中起着培养作用。现有方法探索了结构 - 序列映射，但它们仅关注RNA结构并忽略复杂级信息的作用，这对于有效的RNA设计至关重要。为了解决此限制，我们提出了基于Ware第三级结构的r na esign模型，该模型，该模型，该模型集成了复杂水平信息以增强基于高等教育结构的RNA序列设计。是特定的，我们的方法结合了蛋白质语言模型（例如ESM-2）提取的蛋白质特征，从而使设计模型能够生成更准确且复杂的相关序列。考虑到蛋白质RNA相互作用的生物逻辑复杂性，我们引入了一种远距离感知的过滤蛋白质表示的局部特征。此外，我们设计了一个高亲和力设计框架，该框架将我们的卡与亲和力评估模型相结合。在此框架中，基于亲和力和结构比对生成并严格筛选了候选RNA的序列。广泛的例证证明了我们方法的有效性，而与基本模型相比，没有我们的复杂感知的效果整合，提高了5.6％。2磅的具体案例研究进一步验证了我们的卡的优势。
在黎曼框架内通过 CNN 特征的协方差池对 GPR 信号进行分类
探地雷达 (GPR) 是一种成像系统，可用于观察现场地下情况，以研究土壤的层组成或埋藏物体的存在。由于地面的电磁特性，此类图像通常具有非常低的信噪比 (SNR)。此外，根据设计，埋藏物体被观察为双曲线，其形状可能与物体类型（例如空腔或管道）相关联。在这种情况下，埋藏物体的分类在民用应用中非常重要，例如恢复埋藏天然气管道的位置 [1] 或军事应用，例如地雷探测 [2]。为了进行这种识别，一些研究考虑使用信号反演技术 [3] 来提高 SNR，以便地球物理学家进行手动解释。当需要处理大量图像时，这种解决方案可能不切实际，因为它需要专门的人力资源。因此，自动识别方法已成为必需，并受到社区的关注。GPR 信号的自动分类分两步进行。首先，感兴趣区域（ROI）对应于