XiaoMi-AI文件搜索系统
World File Search SystemKan
通过多重基因组编辑稳定空肠弯曲菌基因组中遗传不稳定的简单序列重复：一种描述多个相变基因的可靠方法
SYC1004 NCTC11168 Δ recA :: cat 本研究 SYC1006 NCTC11168 cj1426 :: astA Δ flaA :: kan 本研究 SYC1007 NCTC11168 cj1426 ON :: astA Δ flaA :: cat 本研究 SYC1008 NCTC11168 cj1426 OFF :: astA Δ flaA :: kan 本研究 SYC1P000K NCTC11168 Δ flaA :: kan cj1139 OFF cj1144 OFF cj1420 OFF cj1421 OFF cj1422 OFF cj1426 OFF cj1429 OFF cj1437 OFF
基于KAN的混合深神经网络，用于准确鉴定转录因子结合位点
其他声明：利益冲突：RJB是Dian-Tu的董事和Dian和Dian-Tu-001试验的首席研究员。Unrelated to this study, for the DIAN-TU, he receives research support from the NIA, Eli Lilly and Company, F. Hoffman-La Roche, Ltd., Eisai, Alzheimer's Association, GHR Foundation, Anonymous Organization, DIAN-TU Pharma Consortium (Active Members: Biogen, Eisai, Eli Lilly and Company, Janssen, F. Hoffmann-La Roche, Ltd./genentech）。JH是Parabon Nanolabs，Roche，Prothena和Alzpath的付费顾问/顾问。 gyrh报告没有与这项工作直接相关的竞争利益。 他已经获得了CIHR，NIA/NIH的赠款或合同，是Biogen，Cassava和Lilly支持的临床试验研究人员，已参加了Biogen，Roche和Novonordisk支持的专家咨询委员会，并且是C5R（现任C5R联合会（Canadian of Canadian of Canadian of Canadian of Canadian of Canadian of Canadian of Canadical Cognical Cognitial Cognition Cognition Cognition Cognition Cognition Cognition Cognition Cognition Cognitions Conseys））。 EMM从NIA获得赠款； Eisai Hoffmann-La Roche Eli Lilly的机构资助。 他是Alector的DSMB成员（直接付款）；伊利礼来科学顾问委员会成员（直接支付给我）为阿尔茨海默氏症的阿尔扎明。 他是Sage Therapeutics，Eli Lilly，Sanofi，Astrazeneca，Hoffmann La-Roche的顾问/顾问。 CC已获得GSK和EISAI的研究支持。 该研究的资助者在数据的收集，分析或解释中没有作用；在报告的写作中；或决定提交论文出版。 CC是循环基因组学顾问委员会的成员，并在这些公司中拥有股票。JH是Parabon Nanolabs，Roche，Prothena和Alzpath的付费顾问/顾问。gyrh报告没有与这项工作直接相关的竞争利益。他已经获得了CIHR，NIA/NIH的赠款或合同，是Biogen，Cassava和Lilly支持的临床试验研究人员，已参加了Biogen，Roche和Novonordisk支持的专家咨询委员会，并且是C5R（现任C5R联合会（Canadian of Canadian of Canadian of Canadian of Canadian of Canadian of Canadian of Canadical Cognical Cognitial Cognition Cognition Cognition Cognition Cognition Cognition Cognition Cognition Cognitions Conseys））。EMM从NIA获得赠款； Eisai Hoffmann-La Roche Eli Lilly的机构资助。他是Alector的DSMB成员（直接付款）；伊利礼来科学顾问委员会成员（直接支付给我）为阿尔茨海默氏症的阿尔扎明。他是Sage Therapeutics，Eli Lilly，Sanofi，Astrazeneca，Hoffmann La-Roche的顾问/顾问。 CC已获得GSK和EISAI的研究支持。 该研究的资助者在数据的收集，分析或解释中没有作用；在报告的写作中；或决定提交论文出版。 CC是循环基因组学顾问委员会的成员，并在这些公司中拥有股票。他是Sage Therapeutics，Eli Lilly，Sanofi，Astrazeneca，Hoffmann La-Roche的顾问/顾问。CC已获得GSK和EISAI的研究支持。该研究的资助者在数据的收集，分析或解释中没有作用；在报告的写作中；或决定提交论文出版。CC是循环基因组学顾问委员会的成员，并在这些公司中拥有股票。DP是Glaxosmithkline（GSK）的员工，并在GSK中持有库存。CX得到国家老化研究所（NIA）授予R01 AG067505和R01 AG053550的支持。所有其他作者都没有披露。JCM是弗里德曼（Friedman）杰出的神经病学教授，骑士ADRC副主任； Dian副主任和Dian的创始首席研究员。他由NIH赠款＃P30 AG066444资助； P01AG003991; P01AG026276;和U19 AG024904。他和他的家人都没有在任何药品或生物技术公司拥有股票或拥有股权（在共同基金或其他外部指示帐户之外）。TLSB拥有研究人员从NIH，阿尔茨海默氏症协会，Barnes-Jewish医院基金会和Avid Radiopharmaceuticals发起了研究资金。Benzinger博士参加了由Avid Radiopharmaceuticals，Eli Lilly and Company，Biogen，Eisai，Eisai，Jaansen和F. Hoffmann-La Roche Ltd的临床试验参与临床试验。AER报告没有竞争利益。他从美国国家老化研究所（R01AG053267，U19AG032438）收到了这项工作的研究支持。他从AMED获得了这项工作的研究支持（JP23DK0207066和JP23DK0207049）。GSD报告与这项工作直接相关的竞争利益。他的研究得到NIH的支持（K23AG064029，U01AG057195，U01NS120901，U19AG032438）。他是Parabon Nanolabs Inc的顾问，并担任动态（EBSCO）的主题编辑（痴呆症）。他是抗NMDAR脑炎临床试验的参与PI，该试验获得了Amgen Pharmaceuticals的支持，也是ARIALYS Therapeutics的顾问。他已经为Peerveriew Media，Inc和Consighating Education Inc.开发了教育材料。他拥有ANI Pharmaceuticals中的股票。DAR博士的机构已获得Eli Lilly的支持，以开发和参与教育事件，以促进
KANQAS：用于量子架构搜索的 Kolmogorov-Arnold 网络
摘要 量子架构搜索 (QAS) 是优化和自动设计量子电路以实现量子优势的一个有前途的方向。QAS 中的最新技术强调基于多层感知器 (MLP) 的深度 Q 网络。然而，由于可学习参数数量众多以及选择适当激活函数的复杂性，它们的可解释性仍然具有挑战性。在这项工作中，为了克服这些挑战，我们在 QAS 算法中使用了 Kolmogorov-Arnold 网络 (KAN)，分析了它们在量子态准备和量子化学任务中的效率。在量子态准备中，我们的结果表明，在无噪声的情况下，成功的概率是 MLP 的 2 到 5 倍。在嘈杂的环境中，KAN 在近似这些状态时的保真度优于 MLP，展示了其对噪声的鲁棒性。在解决量子化学问题时，我们通过将课程强化学习与 KAN 结构相结合来增强最近提出的 QAS 算法。通过减少所需的 2 量子比特门的数量和电路深度，这有助于更有效地设计参数化量子电路。进一步的研究表明，与 MLP 相比，KAN 需要的可学习参数数量明显较少；然而，KAN 执行每集的平均时间更长。
脑电图
摘要 — 随着柯尔莫哥洛夫-阿诺德网络 (KAN) 的出现，人工智能 (AI) 研究领域正在经历一场变革性的转变，它提出了一种新颖的架构范式，旨在重新定义基于多层感知器 (MLP) 的 AI 模型的结构基础。通过严格的实验和细致的评估，我们推出了 KAN-EEG 模型，这是一种专为有效癫痫发作检测而设计的模型。我们提出的网络经过测试并成功推广到三个不同的数据集，一个来自美国，一个来自欧洲，一个来自大洋洲，使用不同的前端硬件记录。所有数据集都是成人头皮脑电图 (EEG)，来自患有癫痫的患者。我们的实证结果表明，虽然两种架构在癫痫发作检测方面都表现出了出色的表现，但 KAN 模型在来自不同地理区域的数据集中表现出高水平的样本外泛化能力，凸显了其在骨干层面的固有适应性和有效性。此外，我们展示了 KAN 架构对模型尺寸缩减和浅层网络配置的适应性，通过防止样本数据集过度拟合，突出了其多功能性和效率。这项研究加深了我们对创新神经网络架构的理解，并凸显了 KAN 在医疗诊断等关键领域的开拓潜力。
kan-mixers：
由于其有效的性能，卷积神经网络（CNN）和视觉变压器（VIT）架构已成为解决计算机视觉任务的标准。此类架构需要大量的数据集，并依靠卷积和自我注意操作。在2021年，MLP-Mixer出现了，与CNN和VIT相比，仅依赖于多层感知器（MLP）并取得极具竞争力的结果。尽管在计算机视觉任务中表现良好，但MLP混合体架构可能不适合图像中的精制功能提取。最近，提出了Kolmogorov-Arnold网络（KAN）作为MLP模型的有希望的替代品。kans有望提高与MLP相比的准确性和可解释性。因此，目前的工作旨在设计一种新的基于混音器的架构，称为Kan-Mixers，使用KAN作为主要层，并根据几个性能指标在图像分类任务中评估其性能。作为主要结果，Kan-Mixers模型在时尚摄影和CIFAR-10数据集中优于MLP，MLP-Mixer和KAN模型，分别为0.9030和0.9030和0.6980，分别为平均精度。
Hermansky-Pudlak综合征2型肺纤维化
关键标题学者。 ISSN 2347-6559（在线）1，Kan King Chanoun 1，Kanoja 1 Mocco DOI：HTTPS：收到：17.01.2025 |显然：21.02.2025 |公共25.025 *
![arxiv：2502.15833v1 [cs.lg] 2025年2月20日](/simg/5\59f5f13f4fdef74701885114f592a0a1f97497c3.webp)
arxiv：2502.15833v1 [cs.lg] 2025年2月20日
在机器学习的领域中，在现实世界中通常会违反培训和测试数据共享相同分布的假设，需要有效的分布（OOD）检测。本文提出了一种新型的OOD检测方法，该方法利用了Kolmogorov-Arnold Networks（KANS）的独特局部神经塑性特性。与传统的多层感知者不同，堪萨斯州的当地可塑性，使他们能够在适应新任务的同时保留学习的信息。我们的方法比较了训练有素的KAN与未经训练的对应物的激活模式以检测OOD样品。我们验证了图像和医疗领域的基准测试基准，与最新技术相比，表现出卓越的性能和鲁棒性。这些结果强调了KAN在增强机器学习系统在不同环境中的可靠性方面的潜力。
不确定性关系，提取器，渠道模拟
在第四部分中，我们讨论下水道模拟。Shannon的频道编码定理通过描述如何用Dunning运河模拟完美的运河来确定经典运河使用经典信息的容量。在这里我们查看反向问题；我们想用完美的运河模拟运河。基于经典结果（倒向香农通道编码定理），我们开发了各种量子机械尺寸。为此，我们使用量子机械相关性，并使用经典和量子机械随机提取器，从量子机械观察者的角度来看，它们也起作用。最后，我们讨论了编码理论，量子物理学和量子密码学PHY中的应用。
