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。
石墨烯是在二维蜂窝晶格中排列的单层碳原子,由于其出色的热和电性能,引起了人们的重大关注。其高热电导率(约5000 W/m·K)实现有效的散热,使其成为增强电子设备中热管理的理想材料。石墨烯有效地进行热的能力在各种应用中都利用,包括散布器,热界面材料和复合材料,改善了电子产品(例如处理器和LED)的性能和可靠性。除了其热益处外,石墨烯还具有非凡的电导率,电子迁移率达到200,000cm²/v·s。这种特殊的电导率是由于该材料的DELACALIGETINACTRAIGEDI-π电子和最小散射,从而显着增强了电子成分的性能。石墨烯用于导电油墨,晶体管,超级电容器和电池,推动柔性电子,高速晶体管和能量存储技术的进步。尽管有优势,但仍在大规模生产和将石墨烯集成到现有技术中的挑战。需要解决与生产成本,材料质量以及与其他物质兼容性相关的问题。正在进行的研究重点是改善合成技术和探索新的应用,并有望在各个行业中产生变革性的影响。简介石墨烯的优质热和电气性能可在热耗散和电子性能方面进行实质性改进,并可能扩大其应用并增强技术创新。
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。
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。
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。
聚类是算法中的一个重要主题,在机器学习、计算机视觉、统计学和其他几个研究学科中有着广泛的应用。图聚类的传统目标是找到具有低电导性的聚类。这些目标不仅适用于无向图,而且无法考虑聚类之间的关系,而这对于许多应用来说可能是至关重要的。为了克服这些缺点,我们研究了有向图(有向图),其聚类彼此之间展示了更多的“结构”信息。基于有向图的 Hermitian 矩阵表示,我们提出了一种近线性时间的有向图聚类算法,并进一步表明我们提出的算法可以在合理的假设下以亚线性时间实现。我们的理论工作的意义通过对联合国商品贸易统计数据集的大量实验结果得到证明:我们算法的输出聚类不仅展示了聚类(国家集合)在进出口记录方面如何相互关联,还展示了这些聚类如何随着时间的推移而演变,这与已知的国际贸易事实一致。
全天。这意味着您只需要在启动时输入所有者密码,这使其非常强大。对于默认密码,请选择一个弱密码 +短锁定时间的组合,或一个强密码² +更长的锁定时间。第一个选项使信任限制密码尝试的速率限制了secure element²⁸。第二个选项并不能够信任限制速率,鉴于它可以通过安全的元素漏洞绕过,但是如果设备在解锁时无人看管,则配置文件数据是脆弱的。,如果您每天不多次解锁该设备,则还可以拥有一个强密码 +锁定时间。请记住,如果警察抓住您的设备(例如在白天的房屋突袭中),则应该将其关闭,至少应该锁定(该命中率(启动倒计时)至下面提到的自动重新启动功能)。•在默认用户配置文件中,您可以使用
点云经常包含噪声和异常值,为下游应用带来障碍。在本文中,我们介绍了一种新颖的点云去噪方法。通过利用潜在空间,我们明确地发现噪声成分,从而可以提取干净的潜在代码。这反过来又有助于通过逆变换恢复干净点。我们网络中的一个关键组件是一个新的多层图卷积网络,用于捕获从局部到全局各个尺度的丰富几何结构特征。然后将这些特征集成到可逆神经网络中,该网络双射映射潜在空间,以指导噪声解缠结过程。此外,我们使用可逆单调算子来模拟变换过程,有效地增强了集成几何特征的表示。这种增强使我们的网络能够通过将噪声因素和潜在代码中的内在干净点投影到单独的通道上来精确区分它们。定性和定量评估均表明,我们的方法在各种噪声水平下都优于最先进的方法。源代码可在 https://github.com/yanbiao1/PD-LTS 获得。
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]。
