XiaoMi-AI文件搜索系统
World File Search SystemInvers
通过逆问题的VAE的混合模型进行多种学习
用生成模型代表一系列非常高维数据在实践中已显示出非常有效的计算。但是，这要求数据歧管允许全局参数化。为了代表任意拓扑的多种流形，我们建议学习变分自动编码器的混合模型。在这里，每个编码器对代表一个歧管的一个图表。我们提出了一个模型权重估计的最大似然估计的损失函数，并选择一个为我们提供图表及其倒置的分析表达的体系结构。一旦学习了流形，我们就将其用于解决逆问题，通过最大程度地减少到学习歧管的数据实现项。为了解决最小化的问题，我们提出了在学习歧管上的riemannian梯度下降算法。我们证明了用于低维玩具示例的方法，以及某些图像歧管上的脱张和电阻抗层造影。关键字：多种学习，混合模型，变异自动编码器，Riemannian优化，反问题
有效的逆增强学习而不复合错误
逆增强学习（IRL）是一种模仿学习的政策方法（IL），使学习者可以在火车时间观察其行动的后果。因此，对于IRL算法，有两个看似矛盾的逃亡者：（a）防止阻塞离线方法的复合误差，例如诸如避免克隆之类的方法，并且（b）避免了强化学习的最坏情况探索复杂性（RL）。先前的工作已经能够实现（a）或（b），但不能同时实现。在我们的工作中，我们首先证明了一个负面结果表明，没有进一步的假设，没有有效的IRL算法可以避免在最坏情况下避免复杂错误。然后我们提供了一个积极的结果：在新的结构条件下，我们将奖励态度不足的政策完整性称为“奖励”，我们证明有效的IRL算法确实避免了犯错的错误，从而为我们提供了两个世界中最好的。我们还提出了一种使用亚最佳数据来进一步提高有效IRL算法的样本效率的原则方法。
异性恋和现场倒置面板-Arup Laboratories
Teele SA，Jacobs JP，Border WL等。 异性疾病综合征：第十次国际PCICS会议的诉讼。 世界j Pediatr Enmanit Heart Surg。 2015; 6（4）：616-629。Teele SA，Jacobs JP，Border WL等。异性疾病综合征：第十次国际PCICS会议的诉讼。世界j Pediatr Enmanit Heart Surg。2015; 6（4）：616-629。
从LLM对齐的示范中学习的逆增强学习
对齐大语言模型（LLMS）正在提高其安全性和实用性。，现有方法主要基于偏爱的数据集，面临噪音标签，高注释成本和隐私性征服等挑战。在这项工作中，我们引入了示范（AFD）的一致性，这是一种新型的方法，掌握了高质量的演示数据以克服这些挑战。我们在一个顺序的决策框架内将AFD形式化，这强调了其缺失奖励的独特挑战。从前进和逆增强学习中汲取见解，我们引入了AFD的分歧最小化目标。在分析上，我们阐明了各种方法的质量覆盖和寻求模式，并解释了某些方法何时以及为什么较高的方法。实际上，我们提出了一种计算有效的算法，该算法通过针对AFD的量身定制奖励模型进行推断。我们通过实验无害和有用的任务来验证我们的关键见解，在保持简单性的同时证明了它们的强大经验表现。
分析，2D和1D联合反转来自Buranga地热前景的磁铁和瞬态电磁数据，乌干达
电阻率数据来自位于近距离电磁（TEM）位点（88个站点）和磁电纤维（MT）位点（165个站点）的电阻率数据，在一维关节反转中使用，以纠正主要由近乎表面的不均匀性引起的静态移位。从旋转不变的决定因素和平均值以及旋转变体的XY和YX表观电阻率和相位作为深度切片和横截面显示的旋转变体的结果以及旋转变体的结果。在MT数据的2D反转中，使用了横向电气（TE）和横向磁性（TM）模式的一维关节反转的静态移位因子。通过使用100Ωm和30Ωm均质的半空间初始模型来探索2D模型的收敛性和鲁棒性，该模型产生了相似的结果，并以1.0-1.9在1.0-1.9之间的横截面表示。
通过反向法拉第效应
磁化和光之间的关系一直是过去一个世纪的密集研究的主题。在此，磁化对光极化的影响已得到充分了解。相反，正在研究用极化光的磁性操纵，以实现杂志的全光控制，这是由潜在的Spintronics中潜在的技术实施驱动的。据报道，诸如薄膜和亚微米结构中杂志的单脉冲全光切换之类的发现。 然而，纳米尺度上磁性的局部光学控制的证明仍然难以捉摸。 在这里，证明具有圆形极化飞秒激光脉冲的令人兴奋的金纳米盘可导致超快，局部和确定性控制磁化磁化强度的磁化。 通过利用逆法拉第效应在等离子纳米散发中产生的磁矩来实现此控制。 结果为在纳米级旋转设备中进行轻驱动的控制铺平了道路，并为等离激元纳米结构中磁场的产生提供了重要的见解。诸如薄膜和亚微米结构中杂志的单脉冲全光切换之类的发现。然而，纳米尺度上磁性的局部光学控制的证明仍然难以捉摸。在这里，证明具有圆形极化飞秒激光脉冲的令人兴奋的金纳米盘可导致超快，局部和确定性控制磁化磁化强度的磁化。通过利用逆法拉第效应在等离子纳米散发中产生的磁矩来实现此控制。结果为在纳米级旋转设备中进行轻驱动的控制铺平了道路，并为等离激元纳米结构中磁场的产生提供了重要的见解。
通过高吞吐量飞秒激光处理和串联神经网络的光子表面逆设计
这项工作通过将飞秒激光处理与串联神经网络的逆设计功能相结合，展示了一种设计光子表面的方法，该功能将激光器制造参数与所得的纹理底物光学特性联系起来。开发了高吞吐量的制造和表征平台，该平台生成一个数据集，该数据集在不锈钢上具有35280个独特的微织物表面，具有相应的测量光谱发射率。受过训练的模型利用光谱发射率和激光参数之间的非线性一对多映射。因此，它主要生成新颖的设计，该设计仅使用激光参数空间的紧凑区域比训练数据中所代表的小25倍，从而再现了光谱发射率的全部范围（平均根平均值<2.5％）。最后，在嗜热伏洛尔特发射器设计应用程序上对逆设计模型进行了实验验证。通过协同激光 - 物质与神经网络能力的相互作用，该方法可以洞悉加速光子表面的发现，从而推进能量收集技术。
利用低峰均功率比宽带伪噪声信号对空间目标进行逆合成孔径雷达成像
摘要：随着新卫星数量的急剧增加，全面的太空监视变得越来越重要。因此，高分辨率逆合成孔径雷达 (ISAR) 卫星成像可以提供对卫星的现场评估。本文表明，除了经典的线性调频啁啾信号外，伪噪声信号也可用于卫星成像。伪噪声传输信号具有非常低的互相关值的优势。例如，这使得具有多个通道的系统可以即时传输。此外，它可以显著减少与在同一频谱中运行的其他系统的信号干扰，这对于卫星成像雷达等高带宽、高功率系统尤其有用。已经引入了一种新方法来生成峰值与平均功率比 (PAPR) 与啁啾信号相似的宽带伪噪声信号。这对于发射信号功率预算受到高功率放大器严格限制的应用至关重要。本文介绍了产生的伪噪声信号的理论描述和分析，以及使用引入的伪噪声信号对真实空间目标进行成像测量的结果。
通过反优化的离线增强学习
摘要。受到跨各个应用领域的反相反优化（IO）的最新成功的启发，我们提出了一种新型的离线增强学习（ORL）算法，用于连续状态和动作空间，利用IO文献中的凸损失函数，称为“凸丢失函数”。为了减轻在ORL问题中通常观察到的分布变化，我们进一步采用了强大的，非毒性模型预测控制（MPC）专家，使用来自模型不匹配的内在信息来指导动力学的名义模型。与现有文献不同，我们强大的MPC专家享有确切且可拖延的凸重新印象。在这项研究的第二部分中，我们表明，受提议的凸损失功能培训的IO假设类别具有丰富的表现力，并且在使用Mujoco基准的低DATA基准中的最先进的方法（SOTA）方法进行了竞争性绩效，同时使用了三个较少的资源，需要很少有参数，几乎需要。为了促进结果的可重复性，我们提供了实施提出算法和实验的开源软件包。
ribodifusion：基于第三结构的RNA逆折叠与生成扩散模型
RNA设计显示了RNA在各种生物过程中的关键作用驱动的合成生物学和治疗剂中越来越多的应用。 一个基本的挑战是找到满足结构约束的功能性RNA序列，称为反折叠问题。 已经出现了基于二级结构的计算方法来解决此问题。 然而，由于数据的稀缺，非唯一的结构序列映射和RNA构象的灵活性，直接从3D结构设计RNA序列仍然具有挑战性。 在这项研究中，我们提出了RECODI↵一种用于RNA逆折叠的生成二次模型，可以学习给定3D主链结构的RNA序列的条件分布。 我们的模型由基于图神经网络的结构模块和基于变压器的序列模块组成，该模块将随机序列转换为所需的序列。 通过调整采样重量，我们的模型允许序列恢复和多样性之间进行交易，以探索更多的候选者。 我们将基于RNA聚类的测试集使用DI↵Cut-O↵S序列或结构相似性。 我们的模型在序列恢复中的表现优于基准，序列相似性分裂的平均相对改善为11％，结构相似性分裂的平均相对提高为16％。 此外，Ribodi↵在各种RNA长度类别和RNA类型中的表现始终如一。 我们还施加了内部折叠，以验证生成的序列是否可以折叠到给定的3D RNA骨架中。RNA设计显示了RNA在各种生物过程中的关键作用驱动的合成生物学和治疗剂中越来越多的应用。一个基本的挑战是找到满足结构约束的功能性RNA序列，称为反折叠问题。已经出现了基于二级结构的计算方法来解决此问题。然而，由于数据的稀缺，非唯一的结构序列映射和RNA构象的灵活性，直接从3D结构设计RNA序列仍然具有挑战性。在这项研究中，我们提出了RECODI↵一种用于RNA逆折叠的生成二次模型，可以学习给定3D主链结构的RNA序列的条件分布。我们的模型由基于图神经网络的结构模块和基于变压器的序列模块组成，该模块将随机序列转换为所需的序列。通过调整采样重量，我们的模型允许序列恢复和多样性之间进行交易，以探索更多的候选者。我们将基于RNA聚类的测试集使用DI↵Cut-O↵S序列或结构相似性。我们的模型在序列恢复中的表现优于基准，序列相似性分裂的平均相对改善为11％，结构相似性分裂的平均相对提高为16％。此外，Ribodi↵在各种RNA长度类别和RNA类型中的表现始终如一。我们还施加了内部折叠，以验证生成的序列是否可以折叠到给定的3D RNA骨架中。我们的方法可能是RNA设计的强大工具，可以探索庞大的序列空间并为3D结构约束发现新颖的解决方案。