XiaoMi-AI文件搜索系统
World File Search SystemGraine
检测具有细粒度不一致的视听深击
现有的视听深击检测方法主要集中于高级效率，以建模音频和视觉数据之间的矛盾。因此，这些副本通常忽略了更精细的视听伪像，这些伪影是深击所固有的。在此，我们提出了引入细粒机制，以检测空间和时间域中的微妙人物。首先，我们引入了一个本地视听模型，该模型能够捕获容易与音频不一致的小空间区域。为此，采用了基于空间本地距离与注意模块的细粒机制。第二，我们引入了一个暂时的伪假增强，以包括在训练集中结合暂时性不一致的样品。在DFDC和FakeAvceleb数据集上进行的实验证明了所提出的方法在泛化方面与在数据库和交叉数据库设置下的最新技术相比，在概括方面具有优越性。
细粒度授权（FGA）：技术底漆
REBAC和PBAC方法包含相似的组件（例如，引擎和模式/语言模型）；但是，它们在评估授权的方式方面有所不同。使用REBAC，访问基于存储在集中式引擎/数据库中的资源之间的关系（图），使公司可以基于诸如层次结构或嵌套关系的唯一关系类型实施授权。
混合机器学习模型用于细粒度的空气...
1,2,3 CSE工程技术学院，印度大诺伊达市Sharda University，摘要空气污染已成为一个主要的环境问题，每年导致许多死亡，并使环境和人类健康处于严重的风险。 它会导致温室效应，导致全球变暖，并增加影响肺癌和其他影响呼吸系统（包括过敏）的疾病的风险。 设置和维护严格的空气质量标准对于有效打击空气污染至关重要。 空气质量指数（AQI）是用于确定大气中污染物量的测量值。 通过利用机器学习算法的功能，可以使细粒度AQI的精确预测可行。 为了预测AQI，已经使用了许多算法，包括逻辑回归，决策树回归，KNN，SVR和线性回归。 该项目的主要目标是使用机器学习算法创建模型，并确定哪种模型最适合AQI预测。 关键字：空气质量，预测，算法，随机森林，线性回归1。 引入由于所有身体细胞起作用都是必要的，因此它是生活中最重要的方面。 空气是我们星球上重要的组成部分，具有巨大的意义。 尽管人类可以在没有水的情况下生存几天，但我们的存在仅限于仅三分钟而没有空气。 通过循环温暖和潮湿的空气，它在地球表面保持稳定的温度。 此外，空气在影响水周期中起着至关重要的作用。1,2,3 CSE工程技术学院，印度大诺伊达市Sharda University，摘要空气污染已成为一个主要的环境问题，每年导致许多死亡，并使环境和人类健康处于严重的风险。它会导致温室效应，导致全球变暖，并增加影响肺癌和其他影响呼吸系统（包括过敏）的疾病的风险。设置和维护严格的空气质量标准对于有效打击空气污染至关重要。空气质量指数（AQI）是用于确定大气中污染物量的测量值。通过利用机器学习算法的功能，可以使细粒度AQI的精确预测可行。为了预测AQI，已经使用了许多算法，包括逻辑回归，决策树回归，KNN，SVR和线性回归。该项目的主要目标是使用机器学习算法创建模型，并确定哪种模型最适合AQI预测。关键字：空气质量，预测，算法，随机森林，线性回归1。引入由于所有身体细胞起作用都是必要的，因此它是生活中最重要的方面。空气是我们星球上重要的组成部分，具有巨大的意义。尽管人类可以在没有水的情况下生存几天，但我们的存在仅限于仅三分钟而没有空气。通过循环温暖和潮湿的空气，它在地球表面保持稳定的温度。此外，空气在影响水周期中起着至关重要的作用。我们目前的呼吸不仅可以维持我们的生活，而且在我们对生活的满意程度中起着至关重要的作用。低空气质量有可能显着影响健身。在其他呼吸系统疾病中，受污染的空气可导致肺癌，支气管炎，肺炎，结核病和哮喘。根据估计，由于空气污染，全世界约有700万个人每年都在悲惨地丧生。此外，除了对温度和海平面的不利影响外，空气污染还可以在加剧全球变暖的情况下发挥作用，这在热量被困在大气中时会发生。这可能导致传染病的传播以及温度升高和海平面升高。可以量化空气的质量。空气质量的数值指标是空气质量指数或AQI。这是0到500之间的数值，代表空气污染的水平和保持拟合的困难。五十或更低的AQI被认为是精确的空气，而三百或更多的AQI被归类为有害的一流。基于潜在的健康风险，AQI分为六个类别。为了易于解释，每个类别都有不同的颜色。绿色（零50），黄色（51-100），橙色（100和100五十）和深红色是六个类。
MCCSTN：主题驱动样式转移的多尺度对比度和细粒度融合网络
艺术图像的抽象风格转换是当前图像处理字段的重要组成部分。为了访问样式图像的美学艺术表达，最近的研究将注意机制应用于样式转移领域。这种方法通过计算注意力然后通过解码器迁移图像的艺术风格来将样式图像转换为令牌。由于原始图像和样式图像之间的语义相似性非常低，因此导致许多细粒度的样式特征被丢弃。这可能导致不一致的人工制品或明显的文物。为了解决这个问题，我们提出了MCCSTN，这是一种新型样式表示和转移框架，可以适应现有的任意图像样式转移。具体来说，我们首先将功能融合模块（MCCFORMER）引入样式图像中的美学特征，并在内容图像中具有细粒度的特征。特征地图是通过MCCFORMER获得的。然后将功能图馈入解码器以获取我们想要的图像。为了减轻模型并迅速训练，我们考虑了特定样式与整体样式分布之间的关系。我们引入了一个多尺度的增强对比模块，该模块从大量图像对中学习了样式代表。代码将发布在https://github.com/haizhu12/mccstn
在说服力论文中迈向细粒度的论证策略分析
参数挖掘（AM）在过去十年中已成长为研究领域（Stede and Schneider，2018； Lawrence and Reed，2020年），重点是自动识别和提取自然语言论证的任务。这包括对论点组件的检测，例如主张（Daxenberger等人。，2017年； Schaefer等。，2022）和前提（Rinott等人，2015年），以及它们之间的关系（Carstens和Toni，2015年）。研究已在不同的文本域上进行了研究，例如更编辑的文本，例如社论（Al-Khatib等人，2016年）或Wikipedia文本（Rinott等人，2015年），到社交媒体，例如改变我的观点（Hidey等人，2017年）或Twitter（Schaefer and Stede，2022）。到目前为止，感兴趣的领域是一个识别论证策略的识别，即作者在线性化论证上做出的决定并用语言表达式以有说服力的效果标记（Al-Khatib等人）（Al-Khatib等人），2017年； El Baff等。，2019年）。有效性，可以描述为参数的一个维度 -
基于区块链的公平且细粒度的数据交易，具有隐私保护
摘要 - 在本文中，我们提出了一个基于区块链的公平和隐私的数据交易计划，该计划支持细粒度的数据销售。首先，要通过将基于属性的凭据，加密和零知识证明来实现公平性，我们设计了一个数据交易方案，其中买方首先在区块链上发布了所需的数据属性，并且数据卖家只能通过仅公开所需的数据属性来证明数据属性的数据属性，并证明数据购买者的数据属性。只有将正确的密钥材料上传到区块链时，数据购买者才会转移资金。第二，为了保证细粒度的数据交易并保留身份隐私，我们在其根节点上具有签名的数据的密文上构建了一个默克尔哈希树，这使数据销售者可以将数据分为块，并从数据中删除敏感信息，而不会影响数据可用性可用性。在交易期间，数据销售商的公钥未泄漏给数据购买者。此外，无法链接来自同一数据销售商的不同交易交易。我们正式证明我们的计划实现了所需的安全属性：公平和隐私保护。仿真结果证明了所提出的方案的可行性和效率。
水含量和晶粒尺寸对机械挖掘中细粒土壤的堵塞和磨料的影响
发掘过程中的抽象堵塞是机械挖掘中的常见问题之一。在切割器头部堵塞的影响因素中，我们可以提到细土颗粒（200个网状筛），土壤水分和土壤类型的百分比。在这项研究中，为了研究实验室中的隧道发掘机制，设计和构建了隧道开挖机实验室模拟器。该设备的特征是其水平操作，切割机头的低旋转速度，测试过程中销与新鲜土壤的连续接触，以及在测试过程中连续的添加剂与特定的注入压力。研究了研究细粒度，土壤含量和泡沫注入比（FIR）对堵塞，消耗能量以及切割工具的平均磨损的影响。结果表明，随着细土颗粒百分比从90％增加到100％，切割工具的堵塞增加了50％。同样，随着土壤水分从干燥状态增加到5％的水分含量，切割机头的堵塞是微不足道的，此后，随之而来的是，水分从10％增加到25％，堵塞量增加了178％，每次测试中消耗的能量量增加了84％。此外，通过将泡沫注入比从40％增加到60％，平均堵塞减少了81％，而切割工具的磨损平均降低了62％。
可转移、可极化的蛋白质粗粒度模型─ProMPT
摘要：由于表示所有原子的计算复杂性，经典分子动力学 (MD) 模拟在原子分辨率（细粒度级别，FG）下对大多数生物分子过程的应用仍然有限。这个问题在具有非常大构象空间的基于蛋白质的生物分子系统存在的情况下被放大，并且具有细粒度分辨率的 MD 模拟具有探索该空间的缓慢动态。文献中当前的可转移粗粒度 (CG) 力场要么仅限于以隐式形式编码环境的肽，要么无法捕获从氨基酸一级序列到二级/三级肽结构的转变。在这项工作中，我们提出了一种可转移的 CG 力场，它明确表示环境，以便对蛋白质进行精确模拟。力场由一组代表不同化学基团的伪原子组成，这些化学基团可以连接/关联在一起以创建不同的生物分子系统。这保留了力场在多种环境和模拟条件中的可转移性。我们添加了可以响应环境异质性/波动的电子极化，并将其与蛋白质的结构转变耦合。非键合相互作用通过基于物理的特征（例如通过热力学计算确定的溶剂化和分配自由能）进行参数化，并与实验和/或原子模拟相匹配。键合势是从非冗余蛋白质结构数据库中的相应分布推断出来的。我们通过模拟经过充分研究的水蛋白系统来验证 CG 模型，这些系统具有特定的蛋白质折叠类型 Trp-cage、Trpzip4、villin、WW-domain 和 β - α - β 。我们还探索了力场在研究 A β 16-22 肽的水聚集中的应用。■ 简介蛋白质分子的生理功能与其相关结构和动力学密切相关。1、2
COVID-EENet：预测 COVID-19 对当地经济的细粒度影响
评估新冠肺炎危机对经济的影响对于政府制定应对措施、从危机中复苏至关重要。在本文中，我们提出了一种使用大规模信用卡交易数据集以细粒度评估经济影响的新方法。为此，我们开发了一个细粒度的经济流行病学建模框架COVID-EENet，该框架具有两级深度神经网络。在细粒度EEM的支持下，COVID-EENet学习了附近的群体感染病例对每个地区当地经济变化的影响。通过使用全国数据集进行的实验，给定一组活跃的群体感染病例，COVID-EENet可以准确预测每个地区和业务类别在两周或四周内的销售变化。因此，政策制定者可以了解预测影响，以采取最有效的缓解措施。总的来说，我们相信我们的工作开辟了利用金融数据从经济危机中复苏的新视角。为了解决这个紧急问题，我们在https://github.com/kaist-dmlab/COVID-EENet 发布了源代码。
旨在实现连接和自动驾驶汽车中数据的细粒度访问控制
摘要 - 经常使用大量的板载传感器和应用程序，以支持自主驾驶功能。基于当前的研究，几乎没有对应用程序访问车辆内数据的工作。此外，大多数现有的自动驾驶操作系统都缺乏身份验证和加密单位。因此，申请可以过多地获取一致的信息，例如车辆位置和所有者偏好，甚至将其上传到云中，威胁到车辆的安全性和所有者的隐私。在这项研究中，我们提出了一种细粒度的访问控制方案，以限制应用程序对CAVS（FGAC-INCAVS）中数据的访问。首先，我们提出了一个由以下要素组成的系统模型：受信任的第三方（TTP），这是完全值得信赖的权威；感知组件（例如传感器），可以捕获道路信息（图片，视频等）。）;和多个应用程序。然后，提出了一个基于快速属性的加密（ABE），安全分析还表明，它可以防止选择性和选择性攻击。此外，我们提出了一个基于中文剩余定理（CRT）的关键更新方案。最后，理论分析和仿真实验证明了其可行性和效率。