XiaoMi-AI文件搜索系统
World File Search SystemGrap
运用辩论动态进行知识图谱推理
我们提出了一种基于辩论动态的知识图谱自动推理新方法。其主要思想是将三重分类任务构建为两个强化学习代理之间的辩论游戏，它们提取论据（知识图谱中的路径），目标是分别促使事实为真（论点）或事实为假（反论点）。基于这些论据，一个称为评判者的二元分类器决定事实是真是假。这两个代理可被视为稀疏的对抗性特征生成器，为论点或反论点提供可解释的证据。与其他黑箱方法相比，这些论据让用户能够了解评判者的决定。由于这项工作的重点是创建一种可解释的方法以保持具有竞争力的预测准确率，因此我们在三重分类和链接预测任务上对我们的方法进行了基准测试。因此，我们发现我们的方法在基准数据集 FB15k-237、WN18RR 和 Hetionet 上的表现优于几个基线。我们还进行了一项调查，发现提取的参数对用户很有帮助。
OCA天的展示GraphQl API
curl "http://myodoo.com/graphql" \ -d " query={allRoutes {edges {node {geom}}}} " \ -H "Accept: application/json" \ -H " API-Key: xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx " OCA/Server-auth
GrameStation：使用图表指定游戏*
计算机科学 (CS) 对日常生活的影响无可否认，这促使人们做出巨大努力，让每个人都能接受计算机科学教育。随着 CS 教育的进步，人们逐渐认识到计算不仅仅是编码，而应该注重解决问题的技能。科学界这一进步的一个里程碑是回顾“计算思维 (CT)”一词的观点，并主张它包括每个人都应该学习的通用技能，而不仅仅是 CS 专业人士 [Wing 2006]。一些流行且成功的教授/学习 CS 和培养 CT 技能的方法包括可视化编程活动 [Hu et al. 2021]；游戏化编程环境/编程游戏 [Lindberg et al. 2019]。它们通常与创客文化相一致，将学习者视为创造者，而不仅仅是消费者 [Martin 2015]。
石墨烯：一种有前途的电子应用材料
自 2004 年首次成功分离石墨烯以来，凝聚态物理和材料科学对石墨烯产生了浓厚的兴趣。这种单层材料是所有维度石墨材料的基本组成部分，具有优异的电导率和热导率。石墨烯具有独特的能带结构，带隙为零，导带和价带在称为狄拉克点的点相接。这种不常见的能带结构使快速电子传输成为可能。通过调节石墨烯和基底材料之间的相互作用，可以在一定程度上调节能带隙的大小，从而实现半导体行为，即通过掺杂可以改变电导率。随着计算机芯片和其他现代电子产品在过去几十年中不断进步，它需要不断缩小的硅芯片，但目前的纳米制造方法无法使硅芯片比现在小得多。石墨烯被认为在未来的半导体电子设备中非常有前途，可以替代硅，因为它应该能够制造出比传统材料制成的器件薄得多的器件。然而，除非找到增加能隙的方法，并找到大量生产高质量单层石墨烯的方法，否则石墨烯取代半导体是不可能的。尽管石墨烯无法彻底改变半导体行业，但它在各种电子应用方面仍然很有前景。
边缘扩展的曲折石墨烯Nanoribbons的地下合成
石墨烯纳米纤维（GNR）由于通过边缘结构和色带宽度的变化来精确调整电子性能的潜力，因此在纳米电子学上引起了显着关注。然而，GNR与高度渴望的锯齿形边缘（ZGNR）的合成，对旋转和量子信息技术至关重要，仍然具有挑战性。在这项研究中，提出了用于合成一类称为边缘延伸ZGNRS的新型GNR类的设计主题。此基序可以定期沿曲折边缘的边缘扩展进行控制。与融合到功能区轴交替侧面的双斜烯单元的特定GNR实例（3- Zigzag行宽的ZGNR）的合成。 所得的边缘延伸的3-ZGNR使用扫描探针技术以其化学结构和电子性能进行了全面的特征，并取决于密度功能理论计算。 此处展示的设计主题为综合各种边缘扩展的ZGNR范围开辟了新的可能性，扩大了GNR的结构景观，并促进了其结构依赖性电子特性的探索。与融合到功能区轴交替侧面的双斜烯单元的特定GNR实例（3- Zigzag行宽的ZGNR）的合成。所得的边缘延伸的3-ZGNR使用扫描探针技术以其化学结构和电子性能进行了全面的特征，并取决于密度功能理论计算。此处展示的设计主题为综合各种边缘扩展的ZGNR范围开辟了新的可能性，扩大了GNR的结构景观，并促进了其结构依赖性电子特性的探索。
对应图图的随机光谱采样
3D对应关系，即一对3D点，是计算机视觉中的一个有趣概念。配备兼容性边缘时，一组3D相互作用形成对应图。此图是几个最新的3D点云注册方法中的关键集合，例如，基于最大集团（MAC）的一个。但是，其特性尚未得到很好的理解。因此，我们提出了第一项研究，该研究将图形信号处理引入了对应图图的域。我们在对应图上利用了广义度信号，并追求保留此信号的高频组件的采样策略。为了解决确定性抽样中耗时的奇异价值分解，我们采取了随机近似采样策略。因此，我们方法的核心是对应图的随机光谱采样。作为应用程序，我们构建了一种称为FastMAC的完整的3D注册算法，该算法达到了实时速度，而导致性能几乎没有下降。通过广泛的实验，我们验证了FastMac是否适用于室内和室外基准。例如，FastMac可以在保持高recistra-
氧化石墨烯纳米级平台增强了抗...
基于石墨烯的2D纳米材料具有独特的物理化学特征，可以在各种生物医学应用中使用，包括化学治疗剂的运输和表现。在多形胶质母细胞瘤（GBM）中，肿瘤内施用的薄石墨烯氧化石墨烯（GO）纳米片在整个肿瘤体积中表现出广泛的分布，而不会影响肿瘤生长，也不会扩散到正常的脑组织中。这种肿瘤内定位和分布可以为GBM微环境的治疗和调节带来多种机会。在这里，描述了原位GBM小鼠模型中GO纳米片分布的动力学，并利用薄GOETEs作为平台的一种新颖的纳米纳米化学化学治疗方法，可用于非共价复杂的蛋白酶体抑制剂bortezomib（BTZ）。通过GO的表征：BTZ复合物，在体外持续的BTZ生物学活性在GO表面上的高负载能力。在体内，与两种原位GBM小鼠模型中的游离药物相比，BTZ复合物的单个小量内给予：BTZ复合物显示出增强的细胞毒性效应。这项研究提供了证据表明，薄和小的Goets通过在本地增加生物利用药物浓度而成为GBM治疗的纳米级平台的潜力，从而提高了治疗性的影响。
因果关系 - 时空图神经网络用于时空时间序列
时空时间序列通常是通过放置在不同位置的监视传感器来收集的，这些传感器通常由于各种故障而包含缺失值，例如机械损坏和内部中断。归纳缺失值对于分析时间序列至关重要。恢复特定的数据点时，大多数现有方法都考虑了与该点相关的所有信息，较小的因果关系。在数据收集期间，不可避免地包括一些未知的混杂因素，例如，时间序列中的背景噪声和构造的传感器网络中的非杂货快捷方式边缘。这些混杂因素可以打开后门路径并在输入和输出之间建立非泡沫相关性。过度探索这些非毒性相关性可能会导致过度拟合。在本文中，我们首先从因果的角度重新审视时空时间序列，并展示如何通过前门调整来阻止混杂因素。基于前门调整的结果，我们引入了一种新颖的C技术性-Ware Sp aTiot e Mpo r al图神经网络（CASPER），其中包含一种新型的基于及时的解码器（PBD）和空间 - 可导致的因果发生（SCA）。PBD可以减少混杂因素的影响，而SCA可以发现嵌入之间的因果关系稀疏。理论分析表明，SCA根据梯度值发现因果关系。我们在三个现实世界数据集上评估Casper，实验结果表明，Casper可以胜过基准，并可以有效地发现因果关系。
使用Bellman-Ford算法
摘要 - 本文提出了一种旨在检测套利机会的模型，重点是三角形和跨市场套利。利用Bellman-Ford算法和图形理论，该模型有效地确定了负循环，指示了高流动性环境中潜在套利的负循环，并结合了虚拟和实时数据。虽然证明它对于三角套利特别有效，但该模型需要进一步的完善才能提高其在跨市场场景中的有效性。在实际交易方案中，该模型面临着重大挑战，例如需要快速执行，交易费用的影响以及波动金融市场的需求。该研究讨论了必要的模型增强功能，以提高现实世界的适用性和执行效率。
