摘要:精神分裂症(SZ)是一种严重的精神疾病,会严重影响患者的生活质量。近年来,基于深度学习(DL)利用脑电图(EEG)检测 SZ 受到越来越多的关注。在本文中,我们提出了一种端到端循环自动编码器(RAE)模型来检测 SZ。在 RAE 模型中,原始数据被输入到一个自动编码器块中,重建的数据被循环输入到同一个块中。自动编码器块提取的代码同时作为分类器块的输入,以区分 SZ 患者和健康对照(HC)。在包含 14 名 SZ 患者和 14 名 HC 受试者的数据集上进行评估,所提出的方法在受试者独立的实验场景中实现了 81.81% 的平均分类准确率。这项研究表明 RAE 的结构能够捕捉 SZ 患者和 HC 受试者之间的差异特征。
摘要 目前神经网络模型的量化方法主要分为训练后量化(PTQ)和量化感知训练(QAT)。训练后量化只需要一小部分数据即可完成量化过程,但是其量化模型的性能不如量化感知训练。本文提出一种新的量化方法Attention Round,该方法让参数w有机会在量化过程中被映射到所有可能的量化值上,而不仅仅是w附近的两个量化值,且被映射到不同量化值的概率与量化值与w的距离负相关,并以高斯函数衰减。此外,本文以有损编码长度为度量为模型不同层分配位宽来解决混合精度量化问题,有效避免了求解组合优化问题。本文还对不同的模型进行了定量实验,结果证实了所提方法的有效性。对于ResNet18和MobileNetV2,本文提出的训练后量化仅需要1,024个训练数据和10分钟即可完成量化过程,可以达到与量化感知训练相当的量化性能。
远见和语言导航(VLN)在近年来引起了人们的关注,并且已经出现了许多方法来推动其发展。基础模型的显着成就已塑造了VLN研究的挑战和方法。在这项调查中,我们提供了自上而下的评论,该评论采用了一个有原则的计划和推理的框架,并强调了当前的方法和未来的机会,以应对VLN挑战。我们希望我们的深入讨论能够提供宝贵的资源和见解:一方面,以记录该领域模型的进度和机会以及在该领域的基础模型的潜在作用,另一方面,在VLN中组织不同的挑战和解决方案以向基础模型研究人员组织不同的挑战和解决方案1。
摘要。本研究解决了域级逐步学习问题,这是一种现实但具有挑战性的持续学习场景,在该方案中,域分布和目标类别跨任务各不相同。为处理这些不同的任务,引入了预训练的视力语言模型(VLM),以实现其强大的推广性。但是,这会引起一个新问题:在适应新任务时,预先训练的VLMS中编码的知识可能会受到干扰,从而损害了它们固有的零射击能力。现有方法通过在额外的数据集上使用知识蒸馏来调整VLM来解决它,这需要大量计算。为了有效地解决此问题,我们提出了无知的无干扰知识集成(DIKI)框架,从避免避免信息干扰的角度来保留对VLM的预训练的知识。具体来说,我们设计了一种完全残留的机制,可以将新学习的知识注入冷冻的骨干中,同时引发对预训练的知识的不利影响最小。此外,此残差属性可以使我们的分布感知的集成校准方案明确控制来自看不见的分布的测试数据的信息植入过程。实验表明,我们的二基仅使用训练有素的参数超过了当前的最新方法,并且需要较少的训练时间。代码可在以下网址找到:https://github.com/lloongx/diki。
摘要。3D从一系列内窥镜图像收集的生物组织重建是释放具有3D功能的各种重要下游Surgical应用的关键。现有方法采用各种高级神经渲染技术来进行逼真的视图综合,但是当仅可用观察结果时,它们通常很难恢复准确的3D表示,在现实世界中通常是这种情况。为了应对这一稀疏挑战,我们提出了一项框架,以在重建过程中利用多个基础模型的先验知识,称为endosparse。实验结果表明,我们提出的策略在挑战性的稀疏视图条件下显着改善了地理标准和外观质量,包括仅使用三种视图。在针对最先进方法的严格基准测试实验中,内索斯在准确的几何形状,现实的外观和提高效率方面取得了卓越的成果,证实了内窥镜重建中稀疏视图限制的稳健性。endosparse表示在现实世界中临床场景中实际部署神经3D重建的稳定一步。项目页面:https://endo-sparse.github.io/。
考虑具有(离散时间)马尔可夫动力学的开放量子系统。我们的任务是将信息存储在系统中,即使系统要任意长时间发展,也可以完美地检索信息。我们表明,这是不可能的(分别是量子)当动力学混合时精确信息(分别渐近纠缠破裂)。此外,我们在最小时间内提供了紧密的通用上限,此类动态将“争夺”超出完美检索点的编码信息。另一方面,对于不具有这种动态的动态,我们表明信息必须在与动态相关的外围空间内部编码,以便将来随时可以完全恢复。这使我们能够根据动力学的外围空间的结构来推导最大信息的明确公式。
卤素空位的迁移是铅卤化物钙钛矿中相分离和材料降解的主要原因之一。在这里,我们使用第一性原理密度泛函理论来比较立方 CsPbBr 3 的块体和 (001) 表面溴空位的迁移能垒和路径。我们的计算表明,由于表面的软结构允许键长变化大于块体,因此表面可能促进溴空位在这些钙钛矿中的迁移。我们计算出表面轴向到轴向溴空位迁移的迁移能仅为块体值的一半。此外,我们研究了用四种不同的碱金属卤化物单层改性表面的效果,发现对于 NaCl 钝化系统,迁移势垒几乎增加到块体值。发现迁移势垒与 CsPbBr 3 表面和碱金属卤化物单层之间的晶格失配有关。我们的计算表明,表面可能在介导卤化物钙钛矿中的空位迁移方面发挥重要作用,这一结果与具有大表面体积比的钙钛矿纳米晶体有关。此外,我们提出了通过使用碱金属卤化物盐钝化来抑制这一不良过程的可行方法。
在量子信息应用程序(例如量子计算和量子通信)中构建和演示较大的更高质量的量子设备,因此对存储量子状态的高质量量子记忆的需求变得越来越紧迫。未来的量子设备可能会使用各种物理硬件,其中一些主要用于处理量子信息,而其他用于存储。在这里,我们研究了量子信息的结构与各种可能的量子内存实现的物理噪声模型的相关性。通过对各种有趣的量子状态的不同噪声模型和近似分析公式的数值模拟,我们提供了与不同结构的量子硬件之间的比较,包括基于量子和Qudit的量子记忆。我们的发现指向不同量子记忆中量子信息相对寿命的简单,实验相关的公式,并且与混合量子设备的设计相关。
a 西班牙马德里科米利亚斯宗座大学工程学院 (ICAI) 技术研究学院 (IIT) b 西班牙马德里 Endesa SA 全球交易 - 基础与能力 c 西班牙马德里科米利亚斯宗座大学经济与工商管理学院 (ICADE) d 马萨诸塞州剑桥麻省理工学院信息与决策系统实验室 (LIDS)
量子计算的标准电路模型假定能够直接在任意一对量子比特之间执行门操作,但这对于大规模实验来说不太实用。强度在距离 r 处衰减为 1/r α 的幂律相互作用提供了一种可通过实验实现的信息处理资源,同时仍保留了长距离连接。我们利用这些相互作用的力量来实现一个具有任意数量目标的快速量子扇出门。对于 α ≤ D 的相互作用,我们的实现允许在与量子比特数成对数的时间内在 D 维格子上执行量子傅里叶变换 (QFT) 和 Shor 算法。作为推论,我们表明,在因式分解是经典难解的标准假设下,即使在短时间内,α ≤ D 的幂律系统也难以进行经典模拟。作为补充,我们开发了一种新技术,可以给出在受线性光锥约束的系统中实现 QFT 和扇出门所需的时间的一般下限,该下限与系统大小成线性关系。这使我们能够证明长距离系统的下限比以前可用的技术更接近。