XiaoMi-AI文件搜索系统
World File Search SystemKernel
将多GPU加速度的功率利用为量子交互计算内核程序
摘要：我们报告了一种新的多GPU从头算，hartree- fock/密度功能理论实现将整体化为开源量子相互作用计算内核（快速）程序。详细介绍了电子排斥积分的负载平衡算法和多个GPU之间的交换相关性。进行了多达四个GPU节点进行的基准测试研究，每个节点包含四个NVIDIA V100-SXM2型GPU表明，我们的实力能够实现出色的载荷平衡和高平行的效率。对于代表性的培养基到大蛋白/有机分子系统，观察到的平行官方率在Kohn- -假基质形成中保持在82％以上，而对于核梯度计算，则保持高于90％。在所有经过测试的情况下，NVIDIA A100，P100和K80平台上的加速度也已经实现了高于68％的平行官方，这为大规模的初始电子结构计算铺平了道路。
开发基于Linux内核的嵌入式操作系统
摘要在本文中，我们创建了基于Linux内核的Cyclone V SOC FPGA平台的嵌入式操作系统的分布。比较了著名的开源工具用于创建嵌入式操作系统的工具。使用自定义脚本和简化的管道进行了嵌入式OS合成的逐步示例，从而增加了目标系统的适应性。展示了添加面向硬件的工具以进行SOC和FPGA之间交互的可能性。这使得可以使用远程访问创建广泛的硬件应用程序。所提出的方法也与供应商无关，可以应用于其他FPGA SOC。最终系统虽然在Yocto的资源需求方面没有显着差异，但更适合适应性，可以在必要时移植到Yocto基础上。这使我们能够充分利用完整的自定义方法，确保开发效率，对变化的响应能力和系统资源需求之间的最佳平衡。
六价铬Cr（VI）从水中取出芒果仁粉
金属微量元素（MTE）是天然水域中最有害的微污染物之一。消除它们有助于提高饮用水的质量和安全性并保护人类健康。在这项工作中，我们使用芒果kernel粉（MKP）作为生物添加物材料，以从Water中去除CR（VI）。UV可见光谱法监测和量化Cr（VI）。优化了一些参数，例如pH，芒果粉，质量和接触时间，以确定吸附能力和去除率。吸附动力学，平衡，等温线和热力学参数，例如ΔgL，ΔH˚和ΔS˚以及FTIR，以及通过MKP更好地了解CR（VI）的去除过程。达到94.87 mg/g的吸附能力，在298 K时为30分钟的最佳接触时间。获得的结果符合PSEU-DO-DO-DOSEC-FRENDLICH FREUNDLICH吸附等温线模型。最终使用FTIR监测吸收带的演变，而扫描电子显微镜（SEM）和能量色散X射线光谱（EDS）用于评估吸附剂的表面特性和形态。
使用移动机器人的内核密度估计
摘要 - 在许多机器人应用中重建三维（3D）场景至关重要。机器人需要识别哪些对象及其位置和形状，以通过给定的任务精确地操纵它们。移动机器人，尤其是通常使用轻质网络在RGB图像上细分对象，然后通过深度图进行定位；但是，他们经常会遇到掩盖物体过度掩盖的分布场景。在本文中，我们通过使用非参数统计方法来完善分割错误来解决3D场景重建中的跨分割质量的问题。为了提高掩模的精度，我们将预测的遮罩映射到深度框架中，以通过内核密度估算它们的分布。然后，对异常值进行深度感知的拒绝，而无需以自适应方式进行额外的pa-rameters，以使其分布外情景，然后使用投影签名的距离函数（SDFS）进行3D重建。我们在合成数据集上验证了我们的方法，该方法显示了全景映射的定量和定性结果的改进。通过现实世界测试，结果还显示了我们方法在实体机器人系统上部署的能力。我们的源代码可在以下网址提供：https：//github.com/mkhangg/refined Panoptic映射。
过滤库Riemannian基于Riemannian的内核支持向量机，用于电动图像解码
摘要。大脑计算机接口（BCI）通过脑电图（EEG）信号实现大脑和外部机器之间的通信，这引起了很多关注。基于运动图像的BCI（MI-BCI）是BCI领域中最重要的范例之一。在Mi-BCI中，可以使用机器学习算法有效地识别运动意图的目标肢体。作为用于电机图像解码的典型机器学习算法，基于Riemannian的内核支持向量机（RK-SVM）算法无法从多频段中提取功能，从而限制了其性能。为了解决此问题，提出了将滤波器基于Riemannian的内核支持向量机（FBRK-SVM）方法，该方法结合了过滤器库结构和基于Riemannian的内核。在两个常用的公共数据集的比较实验中，发现所提出的算法可以产生更高的解码性能，这为运动成像的分类提供了新的选择。
用于医学图像超分辨率的多模态多头卷积注意
超分辨率医学图像可帮助医生提供更准确的诊断。在许多情况下，计算机断层扫描 (CT) 或磁共振成像 (MRI) 技术在一次检查期间会捕获多个扫描 (模式)，这些扫描 (模式) 可以联合使用 (以多模态方式) 来进一步提高超分辨率结果的质量。为此，我们提出了一种新颖的多模态多头卷积注意模块来超分辨率 CT 和 MRI 扫描。我们的注意模块使用卷积运算对多个连接的输入张量执行联合空间通道注意，其中核 (感受野) 大小控制空间注意的减少率，卷积滤波器的数量控制通道注意的减少率。我们引入了多个注意头，每个头具有不同的感受野大小，对应于空间注意的特定减少率。我们将多模态多头卷积注意力 (MMHCA) 集成到两个深度神经架构中以实现超分辨率，并对三个数据集进行了实验。我们的实证结果表明，我们的注意力模块优于超分辨率中使用的最先进的注意力机制。此外，我们进行了一项消融研究，以评估注意力模块中涉及的组件的影响，例如输入的数量或头部的数量。我们的代码可在 https://github.com/lilygeorgescu/MHCA 免费获取。
kcs-fcnet：基于脑电图的运动图像分类的内核跨光谱功能连接网络
摘要：本文使用脑电图数据引入一种方法，用于在运动图像（MI）任务中对右手和左手类别进行分类。内核跨光谱功能连接网络（KCS-FCNET）方法通过提供更丰富的空间 - 频谱特征图，更简单的体系结构和更容易解释的EEG驱动的MI歧视方法来解决这些局限性。尤其是，KCS-FCNET使用基于1D横向的单个神经网络从RAW EEG数据中提取时间频率特征和跨光谱高斯内核连接层来模型通道功能关系。因此，功能连接功能映射减少了参数的数量，从而通过提取与MI任务相关的有意义的模式来改善可解释性。这些模式可以适应主题的独特特征。验证结果证明，引入KCS-FCNET浅架构是一种基于脑电图的MI分类的有前途的方法，具有在脑computer接口系统中实现现实世界使用的潜力。
通过正交系统分析再生核希尔伯特 C* 模块及其应用
核方法是机器学习中最流行的技术之一，其中学习任务是利用再生核希尔伯特空间 (RKHS) 的性质来解决的。在本文中，我们提出了一种具有再生核希尔伯特 C ∗ 模块 (RKHM) 的新型数据分析框架，它是 RKHS 的另一种推广，而非矢量值 RKHS (vv-RKHS)。使用 RKHM 进行分析使我们能够比 vv-RKHS 更明确地处理变量之间的结构。我们展示了在希尔伯特 C ∗ 模块中构建正交系统的理论有效性，并推导了在数值计算中使用这些理论性质在 RKHM 中进行正交化的具体程序。此外，我们应用这些来推广 RKHM 核主成分分析和具有 Perron-Frobenius 算子的动态系统分析。我们还使用合成和真实世界数据研究了我们的方法的经验性能。
使用移动机器人的内核密度估计
摘要 - 在许多机器人应用中重建三维（3D）场景至关重要。机器人需要识别哪些对象及其位置和形状，以通过给定的任务精确地操纵它们。移动机器人，尤其是通常使用轻质网络在RGB图像上细分对象，然后通过深度图进行定位；但是，他们经常会遇到掩盖物体过度掩盖的分布场景。在本文中，我们通过使用非参数统计方法来完善分割错误来解决3D场景重建中的跨分割质量的问题。为了提高掩模的精度，我们将预测的遮罩映射到深度框架中，以通过内核密度估算它们的分布。然后，对异常值进行深度感知的拒绝，而无需以自适应方式进行额外的pa-rameters，以使其分布外情景，然后使用投影签名的距离函数（SDFS）进行3D重建。我们在合成数据集上验证了我们的方法，该方法显示了全景映射的定量和定性结果的改进。通过现实世界测试，结果还显示了我们方法在实体机器人系统上部署的能力。我们的源代码可在以下网址提供：https：//github.com/mkhangg/refined Panoptic映射。
![[IROS-24]通过移动机器人的内核密度估计](/simg/g:\will\search\icon\source\a\a06704eb20fc4dadd5726ac28348960eedd4a69f.webp)