XiaoMi-AI文件搜索系统
World File Search SystemIterative
工程设计中的迭代价值模型生成...
摘要 如今，价值模型越来越多地被讨论，作为在工程设计中预先加载概念设计活动的一种手段，其最终目标是降低与从系统角度做出的次优决策相关的成本和返工。然而，研究界对于价值模型到底是什么、有多少种类型的价值模型、它们的输入输出关系以及它们在工程设计过程时间线上的使用情况并没有达成共识。本文基于在航空航天和建筑设备行业进行的五个案例研究，介绍了如何在工程设计过程中定制价值模型的开发。最初的描述性研究结果以七个经验教训的形式总结出来，在设计用于设计决策支持的价值模型时应予以考虑。从这些经验教训中，本文提出了一个六步框架，该框架考虑了在获得新信息时更新价值模型的性质和定义的必要性，从基于专家判断的初步估计转向详细的定量分析。
自动招标的轨迹迭代增强学习框架
在在线广告中，广告商通常通过使用需求端平台（DSP）提供的自动铸造工具参加广告拍卖的广告广告机会。当前的自动铸造算法通常采用强化学习（RL）。然而，由于安全问题，大多数基于RL的自动竞标政策都经过模拟培训，从而在在线环境中部署时会导致性能退化。要缩小此差距，我们可以并行部署多个自动竞标代理，以收集大型交互数据集。然后可以利用离线RL算法来培训新的政策。随后可以部署训练有素的策略以进行进一步的数据收集，从而产生了迭代培训框架，我们将其称为迭代的离线RL。在这项工作中，我们确定了这种迭代离线RL框架的瓶颈，该框架源自离线RL算法固有的保守主义引起的无效探索和剥削。为了克服这种瓶颈，我们提出了轨迹探索和外观（TEE），它引入了一种新颖的数据收集和数据利用方法，用于从轨迹有偏见的迭代离线RL。此外，为了在保留TEE的数据集质量的同时确保在线探索的安全性，我们建议通过自适应行动选择（SEAS）进行安全探索。在阿里巴巴展示广告平台上的离线实验和现实世界实验都证明了我们提出的方法的有效性。
语音相关神经活动的迭代对齐发现
摘要 目的 . 脑机接口 (BCI) 有可能为患有神经系统疾病、说话肌肉无力的患者的言语能力保留或恢复。然而，成功训练低延迟语音合成和识别模型需要将神经活动与预期的语音或声学输出以高时间精度对齐。这对于无法发出可听见的言语的患者来说尤其具有挑战性，因为没有可以用于精确定位与言语同步的神经活动的基本事实。方法 . 在本研究中，我们提出了一种用于神经语音活动检测 (nVAD) 的新型迭代算法，称为迭代对齐发现动态时间规整 (IAD-DTW)，该算法将 DTW 集成到深度神经网络 (DNN) 的损失函数中。该算法旨在发现患者的皮层脑电图 (ECoG) 神经反应与他们在收集数据以训练 BCI 解码器进行语音合成和识别期间说话尝试之间的对齐方式。主要结果 .为了证明该算法的有效性，我们测试了它在预测健全且有完整言语能力的患者产生的声音信号的开始和持续时间的准确性，这些患者正在接受癫痫手术的短期诊断性 ECoG 记录。我们通过随机扰动神经活动与所有言语开始和持续时间的初始单一估计之间的时间对应关系来模拟缺乏基本事实的情况。我们检查了模型克服这些扰动以估计基本事实的能力。在这些模拟中，即使在语音和静默之间存在最大错位的情况下，IAD-DTW 的性能也没有明显下降（准确度绝对下降 < 1%）。意义。IAD-DTW 计算成本低，并且可以轻松集成到现有的基于 DNN 的 nVAD 方法中，因为它只与最终的损失计算有关。这种方法使得使用无法产生可听言语的患者（包括患有闭锁综合症的患者）的 ECoG 数据来训练语音 BCI 算法成为可能。
无参数优化算法的迭代波前塑形
通过散射培养基的光聚焦对生物组织中的光学应用有重大影响。最近，迭代的波前塑形已成功地用于通过或内部散射介质进行光聚焦，并引入了各种启发式算法以提高性能。虽然令人鼓舞，但可能需要大量的努力来调整参数朝着强大和最佳优化。此外，对于不同的散射样品和实验条件，最佳参数可能会有所不同。在这封信中，我们通过将传统的遗传算法（GA）与BAT算法（BA）相结合，提出了一种“智能”无参数算法（PFA），并且可以通过实时反馈自动计算突变率。在迭代WFS中使用此方法，可以在没有参数调整过程的情况下实现可靠和最佳性能。
使用迭代算法计算混凝土的软化曲线
其唇缘。传递应力与唇缘张开之间的关系是材料的一种特性，称为软化曲线。直接测量该函数极其困难，因此，为了确定它，采用了间接程序。它们包括将真实曲线近似为依赖于多个参数的分析曲线，并通过实验确定这些参数[5,6]。最显着的简化模型之一是双线性曲线，由两个直线段组成，取决于三个参数：粘结阻力、断裂能和两个双线性段之间的分离点坐标。该曲线可以可靠地预测混凝土行为[6,13]。在[14]中可以找到一种不同的方法，其中软化曲线由一组材料参数参数化，这些参数确定为最小化实验结果和数值结果之间的差异。在当前工作中，应用迭代算法，该算法
具有立体视觉应用的迭代图像注册技术
图像注册在计算机视频中找到了多种应用，例如与立体视觉，模式识别和运动分析的图像匹配。不断增加，现有的图像注册技术往往是昂贵的。此外，它们通常无法处理图像的旋转或其他扭曲。在本文中，我们提出了一种新的图像注册技术，该技术使用空间强度梯度信息来指导搜索最佳匹配的位置。通过考虑有关图像的更多信息，该技术能够找到与图像比较少得多的两个图像之间的最佳匹配，这些技术比以某种固定顺序检查了注册位置的技术要少得多。我们的技术利用了以下事实：在许多应用中，这两个图像已经在近似注册中。可以将此技术推广以处理图像的任意线性扭曲，包括旋转。
人工智能驱动的命中查找迭代筛选 - UCL Discovery
当前的药物发现模式在很大程度上侧重于高通量筛选 (HTS)，这种方法是针对目标筛选大量化合物库以确定合适的开发起点。1,2 典型 HTS 的命中率相对较低，在大多数测定中通常低于 1%，3 需要大型化合物库才能产生足够数量的命中，以使药物开发计划得以推进。这些库的大小导致筛选成本高昂，并且活动的准备时间较长。筛选活动的成本达到数十万美元并不罕见。随着筛选中出现更多与疾病相关但也更复杂的表型读数， 4 每种筛选化合物的成本往往会增加。根据我们的经验，每孔超过 1.50 美元的成本并不罕见。显然，需要一些方法来提高这些屏幕的回报率。此外，现在比以往任何时候都有更多的化学空间可以轻易购买，并且人们希望查询越来越多的化学物质。
CESAF：复杂系统开发的迭代和协作方法
然而，在复杂系统开发背景下并不存在同样的成熟度，人们只能找到一些对敏捷系统工程的粗略且相当新的引用。将敏捷框架扩展到系统开发环境的首次尝试似乎可以追溯到 2012 年底，当时 IBM 研究员 Hazel Woodcock 提议重新审视系统工程的敏捷宣言（见 [76]）。在这一开创性举措的指导下，国际系统工程理事会 (INCOSE) 的一个工作组于 2014 年开始研究敏捷系统工程（见 [38]），并定期发布有关这一主题的内容，尤其是 BP Douglass 于 2015 年底出版的第一本教科书（见 [28]）。最后，还要指出的是，SAFe 团队的一次相当近期的首次尝试——据我们所知可以追溯到 2017 年 10 月——提出了基于模型的系统工程敏捷框架的草图。然而，最后一个建议被简化为非常少的想法，根本没有详细内容，而且显然不是很有效，也没有得到实际系统开发实验回报的支持（参见[58]）。