XiaoMi-AI文件搜索系统
World File Search SystemFusing
将域知识与机器学习融合
机器学习（ML）为公共和私营部门组织提供了广泛认可但复杂的机会，可以从数据中产生价值。一个关键要求是，组织必须通过与“机器知识”（即可用于为预测模型提供信息的数据）合并相关领域的专家的关键“领域知识”来找到发展新知识的方法。在本文中，我们认为了解产生这种知识的过程对于从策略上开发ML至关重要。在为这种理解做出贡献的努力中，我们通过对瑞典公共部门的两种案例进行探索性研究来研究从领域知识通过ML进行新知识的产生。这些发现揭示了三种机制的作用 - 称为合并，算法中介和归化 - 将领域知识与机器知识联系起来。这项研究贡献了与ML的Orga Nizational使用相关的知识生产理论，对其战略治理，特别是在公共部门中具有重要意义。
将数据融合到战斗损伤评估中
04:00，第 1 装甲旅战斗队 (ABCT) 命令旅工兵营 (BEB) 的多用途桥梁连 (MRBC) 在河上架起两个 107 米的桥梁，以便师团渡河。MRBC 立即遭到敌方第 20 综合火力司令部 (IFC) 的 9A52 和 2S19 的间接火力攻击，造成重大伤亡并摧毁了桥梁资产。此外，保护 WGX 附近敌方防御的 2S6M ADA 系统摧毁了支援 1 ABCT 的六架 AH-64 阿帕奇直升机。从战术指挥所 (TAC) 控制战斗的陆军机动副司令 (DCG-M) 命令 1 ABCT 停止渡河行动并建立快速防御，同时师团试图摧毁影响 WGX 的敌方 ADA 和火炮。 DCG-M 查看了 G-2 和 G-3 的最新消息。他问道，为什么 1 ABCT 和 CAB 在敌方炮火和 ADA 的攻击下伤亡如此惨重，而参谋人员却表示所有 9A52 和 2S6M 支援 WGX 附近的防御都被摧毁了。
多目标跟踪和检测，融合 RADAR 和 AIS...
为了安全航行，自主船舶应该能够跟踪其他船舶和障碍物的位置和运动，这就涉及多目标跟踪问题。此外，雷达和自动识别系统 (AIS) 是两种常用于跟踪海上目标的船上传感器。在自主航行中，这两种传感器的融合利用互补信息并处理冲突数据，变得越来越重要。然而，由于多目标跟踪方法不成熟，当某些单个传感器漏检或两个传感器之间发生冲突时，很难系统地讨论融合问题。随着新的多目标跟踪方法的提出，本文首先提出了一种基于最新的随机有限集 (RFS) 滤波器——泊松多伯努利混合 (PMBM) 滤波器的 RADAR 和 AIS 顺序测量级融合方法。本文对使用顺序融合和单独使用传感器信息的性能进行了比较。然后将基于 PMBM 滤波器的 RADAR 和 AIS 顺序融合应用于实际海事案例。给出了跟踪结果并分析了性能。
通过联合...融合多视图功能脑网络
摘要：背景：基于静息态功能磁共振成像（rs-fMRI）的功能性脑网络（FBN）在识别脑部疾病，如自闭症谱系障碍（ASD）方面显示出巨大的潜力。因此，近年来提出了许多FBN估计方法。现有的大多数方法仅从单一视角对大脑感兴趣区域（ROI）之间的功能连接进行建模（例如，通过特定策略估计FBN），无法捕捉大脑中ROI之间的复杂相互作用。方法：为了解决这个问题，我们提出通过联合嵌入融合多视角FBN，这可以充分利用通过不同策略估计的多视角FBN的共同信息。更具体地说，我们首先将用不同方法估计的FBN的邻接矩阵堆叠成一个张量，并使用张量分解来学习每个ROI的联合嵌入（即所有FBN的共同因子）。然后，我们使用 Pearson 相关性计算每个嵌入 ROI 之间的连接，以重建新的 FBN。结果：使用 rs-fMRI 数据在公共 ABIDE 数据集上获得的实验结果表明，我们的方法优于自动 ASD 诊断中的几种最新方法。此外，通过探索对 ASD 识别贡献最大的 FBN“特征”，我们发现了 ASD 诊断的潜在生物标志物。所提出的框架实现了 74.46% 的准确率，通常优于比较的单个 FBN 方法。此外，与其他多网络方法相比，我们的方法实现了最佳性能，即准确率提高了至少 2.72%。结论：我们提出了一种通过联合嵌入的多视图 FBN 融合策略，用于基于 fMRI 的 ASD 识别。从特征向量中心性的角度来看，所提出的融合方法有一个优雅的理论解释。
融合社交网络数据与硬数据
摘要 —Twitter、Facebook 和 Flickr 等社交网站在传播有关自然灾害、恐怖袭击和其他事件的突发新闻方面发挥着重要作用。由于数百万用户定期访问这些网站发布和阅读新闻，因此它们是向大众传递即时新闻的第一手信息来源。因此，通过探索有效的数学技术，如 Dempster-Shafer 理论和改进的 Dempster 组合规则，我们可以处理来自这些网站的大量数据，以便及时提取有用的信息。在监控相关应用中，处理大量社交网络数据的目的是在革命和恐怖袭击等事件发生之前进行预测。通过将这些网站的软数据（通常不可靠）与雷达和自动识别系统 (AIS) 等传感器的硬数据（更可靠）融合，我们可以提高事件预测能力。在本文中，我们提出了一类算法，以有效的方式将硬传感器数据与软社交网络数据（推文）融合。还介绍了使用真实 AIS 数据的初步结果。
通过融合双极化增强土地利用分类...
摘要。研究了双极化合成孔径雷达 (SAR) 对光学数据对土地利用分类准确性的贡献。为此，实施了不同的图像融合算法，以在保留光谱信息的同时获得空间改进的图像。为了比较融合技术的性能，使用了微波 X 波段双极化 TerraSAR-X 数据和多光谱 (MS) 光学图像 RapidEye 数据。我们的测试地点 Gediz Basin 覆盖农田和人工建筑。在分类阶段之前，应用了四种数据融合方法：(1) 可调 SAR-MS 融合、(2) Ehlers 融合、(3) 高通滤波和 (4) 贝叶斯数据融合。使用统计分析评估了融合图像的质量。在这方面，我们采用了几种方法进行质量评估。然后，我们还使用支持向量机作为基于核的方法、随机森林作为集成学习方法、基本 k-最近邻和最大似然分类器方法对融合图像的分类性能进行了比较研究。实验为双极化 SAR 数据和光学数据在土地利用/覆盖测绘中的融合提供了有希望的结果。© 作者。由 SPIE 根据 Creative Commons Attribution 3.0 Unported 许可证发布。全部或部分分发或复制本作品需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.JRS.9.096054]
SenticNet 8：融合情感 AI 与常识 AI，实现可解释性
摘要。ChatGPT 以其对提示生成详细、原创和准确响应的能力震惊了世界。然而，虽然它为以前被认为无法解决的问题提供了解决方案，但它也引入了新的问题。其中一个问题就是被称为幻觉的现象，即生成的内容无意义或与提供的源内容不符。在这项工作中，我们提出了 SenticNet 8，这是一个利用常识知识表示和分层注意力网络集合的神经符号 AI 框架，旨在缓解情感计算背景下的一些问题。特别是，我们专注于情绪分析、性格预测和自杀意念检测的任务。结果表明，SenticNet 8 在所有四个基线（即：词袋、word2vec、RoBERTa 和 ChatGPT）上均表现出卓越的准确率。此外，与这些基线不同的是，SenticNet 8 也是完全可解释、值得信赖和可说明的。
将预训练的 ViT 与 TCNet 融合以实现增强型 EEG 回归
摘要。脑电图 (EEG) 分析任务对于脑机接口 (BCI) 的发展至关重要。然而，要达到开发稳健、有用的 BCI 的目标，很大程度上取决于 BCI 理解神经动态的速度和准确性。为了实现这一目标，本文详细介绍了预训练视觉变换器 (ViT) 与时间卷积网络 (TCNet) 的集成，以提高 EEG 回归的精度。这种方法的核心在于利用 ViT 的顺序数据处理优势以及 TCNet 的卓越特征提取能力，显着提高 EEG 分析的准确性。此外，我们分析了如何构建最佳补丁以供注意力机制分析的重要性，以平衡速度和准确性。我们的结果表明，回归准确度显著提高，EEGEyeNet 的绝对位置任务的均方根误差 (RMSE) 从 55.4 降至 51.8，优于现有的最先进模型。在不牺牲性能的情况下，我们将该模型的速度提高了一个数量级（最高可提高 4.32 倍）。这一突破不仅为 EEG 回归分析树立了新的标杆，还为未来将 Transformer 架构与针对不同 EEG 数据集的专门特征提取方法相结合的研究开辟了新途径。
将飞行数据与社交媒体数据融合 - NATO STO
军事决策通常基于信息系统，其中人类参与其中，必须解释来自多个来源的数据。当数据源产生大量数据时，这个过程对人类来说可能非常难以承受。我们研究大数据分析和信息融合技术在多大程度上可用于支持人类处理大量异构数据，并作为 OODA 循环的观察和定位步骤的一部分提高对正在展开的事件的理解。我们的工作重点是融合来自两个非常不同的数据源的数据：来自社交媒体平台 Twitter 的用户生成内容和来自 OpenSky 传感器网络的空中交通管制数据。我们的目标是查找并提供与航空领域相关的事件的详细信息，这些信息同时出现在两个数据源中。挑战在于融合来自飞机通信的准确和明确的数据与 Twitter 中使用的非常广泛和不精确的自然语言。为了弥合这些来源之间的语义鸿沟，我们开发了一种先进的信息融合模型，该模型允许我们使用每个来源作为事件的触发器，同时使用来自另一个来源的信息丰富数据。使用我们几个月来收集的真实数据，我们展示了多个证据表明两个来源相互丰富。这是以自动化方式完成的，但通常会导致更松散和不准确的关系，需要人类进行适当的解释和理解。尽管如此，这种组合增强了理解，因此非常有助于作为决策者评估事件进展并采取相应行动的基础。
将核酸外切酶与 Cas9 融合可增强毕赤酵母中的同源重组
HR 比 NHEJ 慢得多，NHEJ 可以从 DSB 事件中拯救更多细胞。NHEJ 几乎不需要或根本不需要末端切除来直接重新连接 DSB 末端。相比之下，HR 需要短距离切除和长距离切除 DSB 以及供体来实施修复过程。此外，其他蛋白质也可能是 HR 修复途径的限制因素 [18, 19]。我们在此发现，在同时删除两个基因和整合多个片段期间，将 MRE11 与 CAS9 融合可提高 CFU 数量