XiaoMi-AI文件搜索系统
World File Search SystemGraph
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-
用移动操作的交互式对象搜索语言的动态场景图
摘要 - 为了充分利用移动操纵机器人的功能，必须在大型未探索的环境中自主执行的长途任务。虽然大型语言模型（LLMS）已显示出关于任意任务的紧急推理技能，但现有的工作主要集中在探索的环境上，通常集中于孤立的导航或操纵任务。在这项工作中，我们提出了MOMA-LLM，这是一种新颖的方法，该方法将语言模型基于从开放式摄影场景图中得出的结构化表示形式，随着环境的探索而动态更新。我们将这些表示与以对象为中心的动作空间紧密地交织在一起。重要的是，我们证明了MOMA-LLM在大型现实室内环境中新型语义交互式搜索任务中的有效性。最终的方法是零拍摄，开放式摄影库，并且可以易于扩展到一系列移动操作和家用机器人任务。通过模拟和现实世界中的广泛实验，与传统的基线和最新方法相比，我们证明了搜索效率的显着提高。我们在http://moma-llm.cs.uni-freiburg.de上公开提供代码。
肿瘤微环境相互作用引导图形学习，从全切片病理图像进行人类癌症生存分析
深度学习技术的最新进展为协助病理学家从全切片病理图像（WSI）中预测患者的生存期带来了可能性。然而，大多数流行的方法仅适用于WSI中特定或随机选择的肿瘤区域中的采样斑块，这对于捕捉肿瘤与其周围微环境成分之间复杂相互作用的能力非常有限。事实上，肿瘤在异质性肿瘤微环境（TME）中得到支持和培育，详细分析TME及其与肿瘤的相关性对于深入分析癌症发展的机制具有重要意义。在本文中，我们考虑了肿瘤与其两个主要TME成分（即淋巴细胞和基质纤维化）之间的空间相互作用，并提出了一种用于人类癌症预后预测的肿瘤微环境相互作用引导图学习（TMEGL）算法。具体来说，我们首先选择不同类型的块作为节点来为每个 WSI 构建图。然后，提出了一种新颖的 TME 邻域组织引导图嵌入算法来学习可以保留其拓扑结构信息的节点表示。最后，应用门控图注意网络来捕获肿瘤与不同 TME 组件之间与生存相关的交集以进行临床结果预测。我们在来自癌症基因组图谱 (TCGA) 的三个癌症队列上测试了 TMEGL，实验结果表明 TMEGL 不仅优于现有的基于 WSI 的生存分析模型，而且对生存预测具有良好的可解释能力。
出版信息 John, John Jacob, Arash Beiranvand 和 Paul Cuffe。“通过识别走廊对有向无环图中的节点进行聚类
摘要 — 本文提出了一种基于电网内现行功率流条件的节点聚类新方法。为此，首先，将网络的有功功率流状态建模为有向无环图。该有向图明确表示功率流向何处，这有助于监控和分析系统漏洞。有向无环图表示还可以轻松识别仅提供或吸收有功功率的总线：这些总线分别是纯源节点和纯汇节点。对系统中的每个节点应用迭代路径查找程序，以枚举供电的源节点和其将功率转发到的下游汇节点。然后应用新颖的聚类算法将共享同一组可达源节点和汇节点的节点分组在一起。首先提出这种新颖的聚类方法作为一种工具，通过更好地总结大型电网中的总功率流配置来提高控制室操作员的态势感知能力。所提出的方法应用于两个样本电网，并阐述了与河流系统的类比，将支流、分流和中央主流等概念应用于电网。
优化干激光诱导的石墨烯（LIG）电极
1部门电子和计算机技术，科学学院，格拉纳达大学，格拉纳达大学，18071年，西班牙。2部分析化学，科学学院，格拉纳达大学，格拉纳达大学，18071年，西班牙。3苏利亚州大学库利亚（Culiacan），80040，墨西哥的院士。4 cienciasfísico-Matemáticas，锡那罗亚大学，库里亚坦大学，80040，墨西哥。5 Inorangic化学和技术化学系，UNED，马德里28232，西班牙。 6部门 无机化学，科学学院，格拉纳达大学，格拉纳达大学，18071年，西班牙。 *通讯作者，alfonsos@ugr.es可用orcid列表：d.g. 0000-0002-7810-6345; Y.H. 0000-0002-1959-2187; F.J.R. 0000-0002-1582-9626; C.L.M. 0000-0002-6659-7781; I.B.P. 0000-0003-3997-9191; M.P.C. 0000-0001-8377-587X; D.P.M. 0000-0002-3294-8934，N.R。 0000-0002-6032-6921; A.S.C. 0000-0002-1360-6699。 摘要这项工作介绍了用于生物能力采集的激光诱导的石墨烯（LIG）电极的制造程序。 这项研究中提出的结果表明，与先前在文献中报道的其他基于LIG的电极获得的性能有关。 特别是，我们提出了使用电流测量激光器而不是CNC激光器来改善雕刻分辨率和LIG合成过程，从而增强了界面皮肤电极的表面积。 1。5 Inorangic化学和技术化学系，UNED，马德里28232，西班牙。6部门无机化学，科学学院，格拉纳达大学，格拉纳达大学，18071年，西班牙。*通讯作者，alfonsos@ugr.es可用orcid列表：d.g.0000-0002-7810-6345; Y.H.0000-0002-1959-2187; F.J.R.0000-0002-1582-9626; C.L.M.0000-0002-6659-7781; I.B.P.0000-0003-3997-9191; M.P.C.0000-0001-8377-587X; D.P.M.0000-0002-3294-8934，N.R。0000-0002-6032-6921; A.S.C.0000-0002-1360-6699。摘要这项工作介绍了用于生物能力采集的激光诱导的石墨烯（LIG）电极的制造程序。这项研究中提出的结果表明，与先前在文献中报道的其他基于LIG的电极获得的性能有关。特别是，我们提出了使用电流测量激光器而不是CNC激光器来改善雕刻分辨率和LIG合成过程，从而增强了界面皮肤电极的表面积。1。为此，我们研究了所得的LIG模式的电阻，这是寻求优化的激光参数（雕刻功率和扫描速度）的函数。调整激光制造过程后，我们使用商用的基于银基电极作为参考，使用不同表面积进行了制造和表征与不同表面积的电极。因此，使用直径为15毫米，10毫米和6.5毫米的圆形电极用于使用商业设备在不同志愿者上获取ECG。随后使用尖端处理技术处理所采集的信号，以对检测QRS复合物检测的灵敏度，特异性，积极预测和准确性进行统计分析。结果表明，在噪声方面，提出的电极相对于先前报道的基于LIG的电极改善了信号的采集，并且确实比商业电极（即使是较小的表面积）提出了可比较甚至更好的结果，并且不需要使用电解质凝胶，具有附加优势。关键字：激光诱导的石墨烯，心电图，柔性电子，生物信号，电极，激光制造。引言心血管疾病（CVD）是全球死亡的主要原因[1]。根据世界卫生组织（WHO）的报告，2019年与CVD有关的死亡人数为1790万，占全球死亡人数的32％。此外，据估计，到2030年，CVD死亡人数每年将增加到2360万[2]。这些设备有望在因此，已经致力于早期诊断，预防和治疗这些疾病。心电图（ECG）在这种情况下起着至关重要的作用，因为它可以通过非侵入性监测心脏的电活动来早期检测CVD。传统上，获得ECG需要医院就诊并使用复杂的监测系统。但是，可穿戴健康监测系统（WHM）的出现彻底改变了这一领域[3]。
根据图统计信息生成神经图
我们描述了一种从聚合图统计数据（而不是图邻接矩阵）学习深度图生成模型 (GGM) 的新设置。匹配观察到的训练图的统计数据是学习传统 GGM（例如 BTER、Chung-Lu 和 Erdos-Renyi 模型）的主要方法。隐私研究人员已提出从图统计数据中学习作为保护隐私的一种方式。我们开发了一种架构来训练深度 GGM 以匹配统计数据，同时保留局部差异隐私保证。对 8 个数据集的实证评估表明，当两者都仅从图统计数据中学习时，我们的深度 GGM 比传统的非神经 GGM 生成更逼真的图。我们还将仅在统计数据上训练的深度 GGM 与在整个邻接矩阵上训练的最先进的深度 GGM 进行了比较。结果表明，图统计数据通常足以构建具有竞争力的深度 GGM，该深度 GGM 可生成逼真的图，同时保护本地隐私。
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。
用于多智能体轨迹预测的二阶图微分方程
多智能体轨迹预测是一项基础任务，可应用于自动驾驶、物理系统建模和智慧城市等各个领域。该任务具有挑战性，因为智能体交互和底层连续动力学共同影响其行为。现有方法通常依赖图神经网络 (GNN) 或 Transformer 来提取智能体交互特征。然而，它们往往忽略了智能体之间的距离和速度信息如何动态地影响它们的交互。此外，以前的方法使用 RNN 或一阶常微分方程 (ODE) 来模拟时间动态，这可能缺乏对每个智能体如何受交互驱动的解释性。为了应对这些挑战，本文提出了 Agent Graph ODE，这是一种显式模拟智能体交互和连续二阶动力学的新方法。我们的方法采用变分自编码器架构，在编码器模块中结合了具有距离信息的时空Transformer和动态交互图的构建。在解码器模块中，我们采用具有距离信息的GNN来建模智能体交互，并使用耦合的二阶微分方程(ODE)来捕捉底层的连续动力学，该微分方程通过建模加速度和智能体交互之间的关系来构建模型。实验结果表明，我们提出的Agent Graph ODE在预测精度方面优于最先进的方法。此外，我们的方法在训练数据集中未见的突发情况下也表现良好。