XiaoMi-AI文件搜索系统
World File Search SystemGreedy
miso：优化大脑刺激以创建神经种群活动状态
大脑刺激有可能创建所需的神经种群活动状态。然而，搜索大量刺激参数的空间是一项挑战，例如，选择用于刺激的电极的子集。在这种情况下，创建一个模型，将刺激参数的配置映射到大脑的响应可能是有益的。训练这样的广泛模型通常需要比给定的实验会议中收集的刺激反应样本更多。此外，随着时间的推移，记录活动的性质的变化可能使其在整个会话之间合并刺激反应样本具有挑战性。为了应对这些挑战，我们提出了Miso（微刺激优化），这是一个闭环刺激框架，通过在较大的刺激参数空间上进行优化，以推动神经种群活动向特定状态。MISO由三个关键组成部分组成：1）一种神经活动对准方法，以合并跨会话的刺激 - 反应样本，2）对合并样品进行训练的统计模型，以预测大脑对未测试刺激参数的响应，以及3）在线优化的ALGORITHM，以对刺激的刺激进行刺激效果，以对刺激进行刺激效果。在这项研究中，我们通过基于因子分析（FA）的对准方法，卷积神经网络（CNN）和Epsilon Greedy优化算法实施了MISO。我们在非人类灵长类动物的前额叶皮层中使用电微刺激测试了闭环实验中的味iso。在CNN预测的指导下，Miso在数千种刺激参数构型中成功搜索，以推动神经种群的活动向指定状态。更广泛地，MISO通过实现多重倍刺刺激参数空间来提高神经调节技术的临床活力。
302049：人工智能与机器学习
单元 1 人工智能与机器学习简介 06 小时人工智能的历史、人工智能与数据科学的比较、机械工程中人工智能的需求、机器学习简介。基础知识：推理、问题解决、知识表示、规划、学习、感知、运动和操纵。人工智能方法：控制论和大脑模拟、符号、亚符号、统计。机器学习方法：监督学习、无监督学习、强化学习。单元 2 特征提取与选择 08 小时特征提取：统计特征、主成分分析。特征选择：排名、决策树 - 熵减少和信息增益、穷举、最佳优先、贪婪前向和后向、特征提取和选择算法在机械工程中的应用。单元 3 分类与回归 08 小时分类：决策树、随机森林、朴素贝叶斯、支持向量机。回归：逻辑回归、支持向量回归。回归树：决策树、随机森林、K-Means、K-最近邻（KNN）。分类和回归算法在机械工程中的应用。
AID -RL -UCL发现 - 伦敦大学学院
本文提出了一个主动信息指导的强化学习（AID-RL）框架，以寻求和估计问题。来源寻求要求搜索代理向真实来源转向，源估计要求代理维护和更新有关源属性（例如释放率和源位置）的知识。这两个目标产生了新开发的框架，即探索和剥削的双重控制。在本文中，贪婪的RL形成了一种剥削搜索策略，该策略将代理导航到源位置，而信息定向的搜索命令命令代理探索最有用的立场以减少信念不确定性。使用高实费数据集提出了广泛的结果，该数据集用于自主搜索，该数据集验证了提出的辅助-RL的有效性，并突出了主动探索在改善采样效率和搜索性能方面的重要性。2023作者。由Elsevier B.V.这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
快速 IC 设计空间探索的可行性预测
摘要：DARPA POSH 计划与研究界产生共鸣，并指出工程生产力已落后于摩尔定律，导致领先技术节点的 IC 设计成本过高。主要原因是完成设计实施需要大量计算资源、昂贵工具，甚至需要很多天的时间。然而，在此过程结束时，一些设计无法满足设计约束并变得无法布线，从而形成恶性电路设计循环。因此，设计人员必须在设计修改后重新运行整个过程。本研究采用机器学习方法自动识别设计约束和设计规则检查 (DRC) 违规问题，并通过迭代贪婪搜索帮助设计人员在漫长的详细布线过程之前识别具有最佳 DRC 的设计约束。所提出的算法实现了高达 99.99% 的设计约束预测准确率，并减少了 98.4% 的 DRC 违规，而面积损失仅为 6.9%。
使用循环强化学习和模拟退火在集成电路中布局
随着集成电路 (IC) 技术的日益复杂，其物理设计和生产变得越来越具有挑战性。布局一直是 IC 物理设计中最关键的步骤之一。经过数十年的研究，基于分区、基于分析和基于退火的布局器不断丰富布局解决方案工具箱。然而，包括运行时间长和缺乏泛化能力在内的开放性挑战继续限制现有布局工具的更广泛应用。我们利用强化学习 (RL) 的进步，设计了一种基于学习的布局工具，该工具基于强化学习 (RL) 和模拟退火 (SA) 的循环应用。结果表明，RL 模块能够为 SA 提供更好的初始化，从而产生更好的最终布局设计。与其他近期基于学习的布局器相比，我们的方法主要不同之处在于它结合了 RL 和 SA。它利用 RL 模型在训练后快速获得良好粗略解决方案的能力和启发式方法实现解决方案贪婪改进的能力。
量子互联网动态调度的线性代数框架
摘要 — 未来的量子互联网旨在通过共享端到端纠缠来实现任意远距离节点对之间的量子通信，端到端纠缠是许多量子应用的通用资源。与传统网络一样，量子网络也必须解决与路由和以足够速率满足服务相关的问题。我们在这里处理当必须通过基于第一代量子中继器或量子交换机的量子网络提供多种商品时的调度问题。为此，我们引入了一种新颖的离散时间代数模型，适用于任意网络拓扑，包括传输和内存丢失，并适应动态调度决策。我们的代数模型允许调度程序使用临时中间链路的存储来优化性能，具体取决于信息可用性，范围从集中式调度程序的完整全局信息到分布式调度程序的部分本地信息。作为一个说明性示例，我们将一个简单的贪婪调度策略与几个最大权重启发的调度策略进行比较，并说明通过网络为两对竞争客户端产生的可实现速率区域。
深入的强化学习与对话生成的分层探索
摘要传统上，近似动态编程用于对话产生，通过行动采样来改进贪婪的政策，因为自然语言动作空间很大。然而，由于具有高动作值的合格响应的稀疏性，这种做法效率低下，这会导致随机抽样持续的较弱的改善。本文介绍了理论分析和实验，揭示了对话策略的性能与采样大小正相关。为了克服这一局限性，我们引入了一种新型的双重粒度Q-功能，该功能探讨了干预采样过程的最有希望的响应类别。我们的方法根据粒状层次结构提取行动，从而在较少的政策迭代中实现了最佳效果。此外，我们使用离线RL，并从旨在捕捉人类互动中情感细微差别的多种奖励功能中学习。实证研究表明，我们的算法在自动指标和人类评估之间优于基准。进一步的测试表明，我们的算法既具有解释性又具有可控性，并且产生了具有更高预期奖励的响应。
在异质排队系统中用于路由工作的有效强化学习
我们考虑了有效探索作业的问题，该问题到达中央队列到异质服务器系统。与ho-mogeneous Systems（一种阈值策略）不同，当队列长度超过一定阈值时，它将作业路由到慢速服务器，这对于一对一的一对一s-Slow两个服务器系统是最佳的。但是，多服务器系统的最佳策略是未知的，并且不琐碎。在强化学习（RL）被认为在这种情况下具有学习政策的巨大潜力，但我们的问题具有指数较大的状态空间规模，使标准RL效率低下。在这项工作中，我们提出了ACHQ，这是一种有效的基于策略梯度的算法，具有低维软阈值策略参数，利用了基本的排队结构。我们为一般情况提供了固定点的保证，尽管较低的参数化证明ACHQ对两台服务器的特殊情况有收敛到近似值的全局最佳最佳。模拟证明了预期的响应时间比贪婪政策的预期响应时间最高约30％，该政策将路由到最快的服务器。
- 葡萄糖共转移蛋白-2抑制剂与β-...
摘要：目的：目前的研究检测到糖尿病（dm）对肝炎糖尿病（DM）对肝炎或C对肝细胞 - 细胞癌（HCC）的影响。方法：使用所有基线特征和索引年（包括所有基线特征年度）的多元逻辑回归模型用于计算倾向分数，我们对倾向分数进行了贪婪算法，以创建匹配的SGLT2I和BB用户对。危险比（HRS）和相应的95％置信区间（CI），我们通过在回归模型中包括基线特征来调整了混杂因素。结果：在以下统计分析中包含了1：1、7023 SGLT2I用户和7023 BB用户的比率之后。与一个调整后的HR为0.27（0.21，0.34）的参考组相比，SGLT2I用户中HCC的HCC风险较低（0.21，0.34）相比，HCC的总体HRS的总体HRS的风险明显降低。结论：与BB使用相比，SGLT2I与HCC发生的大量风险降低有关。
Virginie Ehrlacher（加兰德）
· Athmane Bakhta、Virginie Ehrlacher，《具有非零通量和移动边界条件的交叉扩散系统》，已接受在 ESAIM：M2AN 上发表。 · Virginie Ehrlacher 和 Damiano Lombardi，《用于解决 Vlasov-Poisson 系统的动态自适应张量方法》，《计算物理杂志》，339，2017 年，第 285-306 页。 · Virginie Ehrlacher、Christoph Ortner 和 Alexander V. Shapeev，《晶体缺陷原子模拟的边界条件分析》，ARMA，222(3)，2016 年，第 1217-1268 页。 · Eric Cancès、Virginie Ehrlacher、Frédéric Legoll 和 Benjamin Stamm，近似椭圆方程均匀系数的嵌入式校正器问题，Comptes-Rendus Mathématiques，353(9)，2015，第 801-806 页。 · Eric Cancès、Virginie Ehrlacher 和 Tony Lelièvre，高维特征值问题的贪心算法，构造逼近，40，2014 年，第 387-423 页。 · Eric Cancès、Virginie Ehrlacher 和 Yvon Maday，《自伴特征值问题的非一致近似：应用于超胞方法》，《Numerische Mathematik》，128，2014 年，第 663-706 页。