XiaoMi-AI文件搜索系统
World File Search SystemGuided
研究文章引导式探究的有效性...
本研究调查了技术集成引导式探究方法对在职前数学教师几何概念理解的影响，并与引导式探究方法和传统的以教师为中心的方法进行了比较。研究采用了非等效前测-后测对照组准实验设计。研究采用了三阶段抽样技术。研究者特意选择了两所大学，并通过简单随机抽样将其分配到实验组和对照组。共 116 名在职前小学数学教师被分为三组：实验组 1（n = 48）、实验组 2（n = 38）和传统组（n = 30）。使用双层测试收集前测和后测数据，并使用描述性统计、样本配对 t 检验和单因素方差分析进行分析。与其他两组相比，接受技术集成引导式探究方法的在职前数学教师表现出更高水平的概念理解。根据研究结果，为数学教师教育者提出了一些建议。
进化引导的生成流网络
生成流动网络（GFLOWNETS）是一个概率生成模型的家族，它们学会了与奖励成正比的组成对象进行采样。Gflownets的一个重大挑战是在处理长期视野和稀疏奖励时有效地训练它们。为了解决这个问题，我们提出了进化引导的生成流网络（EGFN），这是使用进化算法（EA）对Gflownets训练的简单但强大的增强。我们的方法可以通过使用EA训练一组代理参数，将所得的轨迹存储在优先级的重播缓冲液中，然后使用存储轨迹训练GFLOWNETS代理。我们对广泛的玩具和现实世界的基准任务进行了彻底的调查，以显示我们方法在处理长轨迹和稀疏奖励方面的有效性。
用于引导多注意分类的循环网络
近年来，基于注意机制的图像分类越来越受欢迎。最先进的基于注意机制的分类方法通常需要大量的训练集，并且假设图像的标签仅取决于图像中的单个对象（即感兴趣区域）。然而，在许多实际应用中（例如医学成像），收集大型训练集的成本非常高。此外，每张图像的标签通常由多个感兴趣区域（ROI）共同确定。幸运的是，对于这类应用，通常可以收集每张训练图像中 ROI 的位置。在本文中，我们研究了引导式多注意分类问题，其目标是在（1）样本量小和（2）每张图像有多个 ROI 的双重约束下实现高精度。我们提出了一个用于多注意分类的模型，称为引导式注意循环网络（GARN）。与现有的基于注意力机制的方法不同，GARN 利用了多个 ROI 的引导信息，因此即使样本量较小，也能很好地发挥作用。对三种不同视觉任务的实证研究表明，我们的引导注意力方法可以有效提升多注意力图像分类的模型性能。
自动导向车辆（AGV）-IJRPR
自动导向车辆（AGV）项目旨在通过使用自动驾驶车辆来改变行业的物料处理和物流。配备高级传感器和计算机，这些AGV可以准确有效地沿特定路径移动。该项目的成功取决于强大的导航算法，允许AGV遵循路线，同时适应环境变化。此外，智能通信设置可以使AGV与现有仓库管理系统（WMS）之间的平稳协调，有望简化材料流并提高效率。安全是AGV运行的共享工作区中的重中之重。诸如障碍物检测，避免碰撞和紧急停车之类的功能对于防止事故和伤害至关重要。进行了广泛的测试，以确保在模拟和现实世界中的AGV系统的可靠性和安全性。这个严格的过程不仅可以提高性能，还可以建立对系统受益工业运营能力的信任。AGV项目带来了几个优势。自动化可降低人工成本，最小化错误并改善吞吐量。此外，系统的可伸缩性和灵活性使其可以适应不断变化的生产需求和布局，从而确保其长期有用。最终，通过拥抱自动化和机器人技术，AGV项目旨在提高工业环境中的生产力，安全性和竞争力。
由示例指导的生成面部镶嵌
我们提出了一种新型的使用生成对抗网络的新型典范引导的面部介绍框架。我们的方法不仅保留了输入面部图像的质量，而且还可以使用类似示例性的面部属性来完成图像。我们通过同时利用输入图像的全局样式，从随机潜在代码生成的随机样式以及示例图像的示例样式来实现这一目标。我们引入了一种新颖的属性相似性指标，以鼓励网络以一种自我监督的方式从示例中学习面部属性的风格。为了确保跨油漆区域边界的自然过渡，我们引入了一种新型的空间变体梯度反向传播技术，以根据空间位置调整损耗梯度。我们通过实用应用程序对公共Celeba-HQ和FFHQ数据集进行了广泛的评估，这证明了面部涂漆的视觉质量卓越。源代码可在https://github.com/longlongaaago/exe-gan上找到。
人工智能引导的内在构象挖掘
。CC-BY-NC-ND 4.0 国际许可下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2021 年 11 月 21 日发布。；https://doi.org/10.1101/2021.11.21.469457 doi：bioRxiv 预印本
潜艇：核动力战舰内部导览
有句名言说：“失败是孤儿……但成功有许多父亲。”如果这本书和它所开启的系列最终取得成功，那将归功于国防和出版界许多人的远见和支持。首先是帮助我完成这本书的团队。1987 年秋天，我被介绍给一位名叫约翰·格雷沙姆的国防系统分析师。多年来，我们进行过许多热烈的讨论，虽然我们可能并不总是意见一致，但分歧总是深思熟虑和富有洞察力的。因此，当约翰同意作为研究员和顾问与我一起参与这个项目时，我很高兴。支持约翰和我的是该系列编辑马丁·格林伯格。马蒂在构思这本书和该系列时的支持，以及他对整个项目的指导，都至关重要。该系列插图画家劳拉·阿尔弗创作了这些页面中的精美图画。还要感谢美国海军陆战队少校 Christopher Carlson、Brian Hewitt、Cindi Woodrum、Diana Patin 和 Rosalind Greenberg，感谢他们为本书的完成所做的不懈努力。
由 stsmc 引导和控制的垂直起降飞机
本文介绍了在非参数不确定性（阵风和风扰动）下悬停飞行的垂直起降 (VTOL) 无人机 (UAV) 的滚转运动的最佳滑模控制 (SMC) 和最佳超扭转滑模控制 (STSMC) 的设计。本文对受控滚转运动进行了稳定性分析，并基于 Lyapunov 定理证明了渐近误差收敛。据此，针对受不确定性影响的飞机系统制定了控制律。为了避免在选择设计参数时进行反复试验并提高 SMC 和 STSMC 的性能，建议使用灰狼优化进行调整。基于数值模拟，对最佳和非最佳控制器以及最佳 SMSTC 和最佳 SMC 进行了比较研究，比较了跟踪误差和控制信号中的抖动行为。数值模拟表明，GWO 可以提高 SMC 和 STSMC 的性能。此外，在跟踪误差和控制信号抖动效应方面，最佳 STSMC 比最佳 SMC 具有更好的动态性能。
神经自发荧光技术引导下保留神经的腮腺切除术
腮腺切除术是一种常见的手术，可用于治疗各种病症，包括炎症、感染、先天性症状性畸形和肿瘤切除。无论其适应症如何，由于腮腺切除术靠近面神经，因此需要经验丰富的外科医生进行细致的手术导航。虽然手术技术在不断发展，但神经麻痹和神经相关并发症仍然是干预后的一个重要问题。由于降低手术医源性事件发生率需要很高的学习曲线，因此开发了一种新型设备，可发出实时神经自发荧光，同时提供人工智能 (AI) 手术导航软件 (SNS) 反馈，以在手术过程中隔离和准确识别神经结构。本文作者介绍了首批采用双 AI 和神经自发荧光技术进行微创、保留神经的腮腺切除术的良性腮腺肿瘤切除术病例之一。本报告强调了神经自发荧光引导手术在提高手术精度和患者预后方面的潜力。
人工智能 - 指导肺超声
UNG超声（LUS）越来越多地用于诊断，评估和监测呼吸短暂的患者。1 LUS是便携式的，是低成本，并且不会使患者暴露于辐射，同时允许对肺进行病理的快速，实时检查。1-6与胸部X射线照相相比，LU在检测正确使用时具有更好的准确性，可在检测肺炎，气胸，胸膜炎和肺炎时具有更好的准确性。7-11，特别是，识别B线伪像的鉴定，以及其他护理点超声音评估，例如超声心动图或下腔静脉直径的评估和可折叠性，可以帮助诊断和监测条件，包括肺部水肿的急性心力衰竭。11-14证据插曲，限制部门，IntensiveCare单位和OutOutPatientClinicSettingScrossseveralMedicalSpeialties（例如，初级保健，肾脏病，心力衰竭，心力衰竭诊所）。15-18