XiaoMi-AI文件搜索系统
World File Search SystemMask
缓解气候关键海洋数据集中的蒙面像素
摘要：云和其他数据伪像经常限制从远程感知的地球观测中检索关键变量。我们训练具有高保真海洋模拟的自然语言处理（NLP）启发的算法，以准确地重建海面温度（SST）领域的掩盖或缺失数据，这是由全球气候观察系统确定的54个基本气候变量之一。我们证明，所谓的模型（称为e nki）反复超过先前采用的钻头技术，最多可以在重建错误中的数量级，同时即使在大多数像素被掩盖的情况下也显示出非凡的性能。此外，对具有至少40％的掩盖百分比的真实红外传感器数据的实验显示出比该传感器的已知不确定性少的重建误差（均方根误差（RMSE）≲0.1K）。我们将E nki的成功归因于NLP的细心性质与现实的SST模型输出相结合，这种方法可以扩展到其他远程感知的变量。这项研究表明，基于E nki或其他类似的先进系统的系统可能会产生最佳解决方案，以减轻气候关键海洋数据集中对迅速变化的地球进行采样的蒙面像素。
迷彩：使用调制强化学习的相关性掩盖优化
抽象的光学接近校正（OPC）是确保现代VLSI制造业印刷能力的重要步骤。已经提出了基于机器学习的各种OPC方法来追求性能和效率，这些方法通常是数据驱动的，几乎不涉及OPC问题的任何特定考虑，从而导致潜在的性能或效率瓶颈。在本文中，我们提出了Camo，这是一种基于加固学习的OPC系统，该系统专门整合了OPC问题的重要原理。迷彩明确涉及相邻段的移动之间的空间相关性和用于运动动作选择的OPC启发的调制。实验都是通过层图案和金属层图案进行的。结果表明，迷彩胜过学术界和行业的最先进的OPC发动机。
迷彩：使用调制强化学习的相关性掩盖优化
抽象的光学接近校正（OPC）是确保现代VLSI制造业印刷能力的重要步骤。已经提出了基于机器学习的各种OPC方法来追求性能和效率，这些方法通常是数据驱动的，几乎不涉及OPC问题的任何特定考虑，从而导致潜在的性能或效率瓶颈。在本文中，我们提出了Camo，这是一种基于加固学习的OPC系统，该系统专门整合了OPC问题的重要原理。迷彩明确涉及相邻段的移动之间的空间相关性和用于运动动作选择的OPC启发的调制。实验都是通过层图案和金属层图案进行的。结果表明，迷彩胜过学术界和行业的最先进的OPC发动机。
EEG2Rep：通过信息掩蔽输入增强自监督脑电图表征
脑电图 (EEG) 表征学习的自监督方法面临着 EEG 数据固有的三个特定挑战：（1）低信噪比对所学习表征的质量提出挑战，（2）由于受试者间差异等因素，幅度范围从非常小到相对较大，使模型有可能受较高幅度范围的支配，以及 （3）连续值序列中缺乏明确的分割，这可能导致信息量较少的表征。为了应对这些挑战，我们引入了 EEG2Rep，一种用于从 EEG 进行自监督表征学习的自预测方法。 EEG2Rep 的两个核心新颖组件如下：1) EEG2Rep 不是学习从原始 EEG 预测掩蔽输入，而是学习在潜在表示空间中预测掩蔽输入；2) EEG2Rep 不是使用传统的掩蔽方法，而是使用一种新的语义子序列保留 (SSP) 方法，该方法提供信息丰富的掩蔽输入来指导 EEG2Rep 生成丰富的语义表示。在对 6 种具有受试者差异的不同 EEG 任务进行的实验中，EEG2Rep 的表现明显优于最先进的方法。我们表明，我们的语义子序列保留改进了自我预测文献中现有的掩蔽方法，并发现保留 50% 的 EEG 记录将在所有 6 个任务上平均获得最准确的结果。最后，我们表明 EEG2Rep 对噪声具有鲁棒性，可以解决 EEG 数据中存在的一个重大挑战。模型和代码可在此处获取：https://github.com/Navidfoumani/EEG2Rep
EEG2Rep：通过信息掩蔽输入增强自监督脑电图表征
脑电图 (EEG) 表征学习的自监督方法面临着 EEG 数据固有的三个特定挑战：（1）低信噪比对所学习表征的质量提出挑战，（2）由于受试者间差异等因素，幅度范围从非常小到相对较大，使模型有可能受较高幅度范围的支配，以及 （3）连续值序列中缺乏明确的分割，这可能导致信息量较少的表征。为了应对这些挑战，我们引入了 EEG2Rep，一种用于从 EEG 进行自监督表征学习的自预测方法。 EEG2Rep 的两个核心新颖组件如下：1) EEG2Rep 不是学习从原始 EEG 预测掩蔽输入，而是学习在潜在表示空间中预测掩蔽输入；2) EEG2Rep 不是使用传统的掩蔽方法，而是使用一种新的语义子序列保留 (SSP) 方法，该方法提供信息丰富的掩蔽输入来指导 EEG2Rep 生成丰富的语义表示。在对 6 种具有受试者差异的不同 EEG 任务进行的实验中，EEG2Rep 的表现明显优于最先进的方法。我们表明，我们的语义子序列保留改进了自我预测文献中现有的掩蔽方法，并发现保留 50% 的 EEG 记录将在所有 6 个任务上平均获得最准确的结果。最后，我们表明 EEG2Rep 对噪声具有鲁棒性，可以解决 EEG 数据中存在的一个重大挑战。模型和代码可在此处获取：https://github.com/Navidfoumani/EEG2Rep
功能分配的蒙版SuperStrings作为K-MER集的多功能和紧凑数据类型
摘要。DNA测序数据的指数增长需要用于新颖的空间算法以进行压缩和搜索。状态的方法通常使用𝑘-Merization进行数据令牌化，但有效地表示和查询𝑘-MER集仍然是一个重要的生物敏化挑战。我们最近的工作介绍了掩盖超弦的概念，该概念紧凑地表示𝑘 -mer集，而无需依赖常见的结构假设。但是，蒙版SuperSrins在设定操作和会员查询中的适用性仍在打开。在这里，我们开发了𝑓屏蔽的SuperString框架，该框架集成了删除功能𝑓，从而通过串联启用有效的𝑘 -MER设置操作。结合了FM索引的量身定制版本，该框架为𝑘mer集提供了多功能，紧凑的数据结构。我们证明了它在FMSI程序中的有效性，与领先的单个𝑘-Mer-mer-set索引方法（如SSHASH和SBWT）相比，在细菌泛基因组上进行评估时，该程序将空间效率提高1.4至4.5。总的来说，我们的工作突出了𝑓屏蔽的超串将其作为用于𝑘mer集的多功能基本数据类型的潜力。
感知少，生成更多：用蒙版自动编码器进行超高效率3D传感的训练激光雷达感知
摘要 - 在这项工作中，我们提出了一种破坏性节俭的激光雷达感知数据流，该数据流产生而不是感知环境的一部分，这些部分是基于对环境的广泛培训，或者对整体预测准确性的影响有限的。因此，所提出的方法将传感能量与训练数据进行交易，以获取低功率机器人和自动导航，以便用传感器省将，从而在一次电池充电时延长了其寿命。我们提出的为此目的提出的生成预训练策略称为径向掩盖的自动编码（R-MAE），也可以在典型的激光雷达系统中很容易实施，通过选择性激活和控制在现场操作过程中随机生成的角区域的激光功率。我们的广泛评估表明，使用R-MAE进行预训练可以重点关注数据的径向段，从而比常规程序更有效地限制了空间关系和对象之间的距离。因此，所提出的方法不仅降低了传感能量，而且还提高了预测准确性。例如，我们对Waymo，Nuscenes和Kitti数据集进行了广泛的评估表明，该方法在跨数据集的检测任务的平均精度提高了5％，并且从Waymo和Nuscenes转移到Kitti的检测任务的平均精度提高了4％。在3D对象检测中，它在KITTI数据集中的中等难度水平下，在AP中最多可增强小对象检测。即使使用90％的径向掩蔽，它在Waymo数据集中所有对象类中的MAP/MAPH中都超过了基线模型。此外，我们的方法在Nuscenes数据集上分别获得了MAP和NDS的3.17％和2.31％的提高，这表明了其在单个和融合的LIDAR相机模态方面的有效性。代码可在https://github.com/sinatayebati/radial Mae上公开获取。索引项 - lidar预训练，掩盖自动编码器，超有效的3D传感，边缘自治。
一种用于辅助机器学习的呼吸监测的高灵敏度同轴纳米纤维口罩
摘要 呼吸是机体的重要生理过程，对维持人体健康起着至关重要的作用。基于可穿戴压电纳米纤维的呼吸监测因自供电、高线性、非侵入性和便捷性而受到广泛关注。但传统压电纳米纤维灵敏度有限，机电转换效率低，难以满足医疗和日常呼吸监测要求。这里我们提出了一种具有普遍适用性的高灵敏度压电纳米纤维，其特征是聚偏氟乙烯（PVDF）和碳纳米管（CNT）的同轴复合结构，记为PS-CC。在阐明渗透效应增强机制的基础上，PS-CC表现出优异的传感性能，灵敏度高达3.7 V/N，机电转换响应时间为20 ms。作为概念验证，纳米纤维膜无缝集成到面罩中，有助于准确识别呼吸状态。在一维卷积神经网络（CNN）的帮助下，基于PS-CC的智能口罩可以识别呼吸道和多种呼吸模式，分类准确率高达97.8％。值得注意的是，这项工作为监测呼吸系统疾病提供了有效的策略，并为日常健康监测和临床应用提供了广泛的实用性。
高度敏感的同轴纳米纤维面膜，用于呼吸监测的机器学习
抽象呼吸是身体的关键生理过程，在维持人类健康中起着至关重要的作用。可穿戴压电纳米纤维的呼吸监测引起了极大的关注，因为它的自力力量，高线性，非侵入性和便利性。但是，由于其机电转换效率低，传统压电纳米纤维的敏感性有限，因此很难满足医疗和每日呼吸监测要求。在这里，我们提出了一种普遍适用的，高度敏感的压电纳米纤维，其特征在于聚偏二氟化物（PVDF）和碳纳米管（CNT）的同轴复合结构，该结构称为PS-CC。基于阐明渗透效应的增强机制，PS-CC表现出出色的感应性能，高灵敏度为3.7 V/N，快速响应时间为20 ms，用于机电转换。作为概念验证，纳米纤维的膜无缝整合到面膜中，从而促进了对呼吸状态的准确识别。在一维卷积神经网络（CNN）的协助下，基于PS-CC的智能面具可以识别呼吸道和多种呼吸模式，其分类精度高达97.8％。值得注意的是，这项工作为监测呼吸道疾病提供了有效的策略，并为日常健康监测和临床应用提供了广泛的实用程序。
交叉任务多分支视觉变压器，用于面部表情和戴面膜分类
1美国卡内基梅隆大学2菲律宾大学3美国华盛顿大学4中，中国5个美国北亚利桑那大学 *美国北亚利桑那大学 * Zhu，Armando，Armando，电子邮件：armandoz@alumni.cmu.cmu.edu摘要：戴着面具的挑战，戴着面貌的挑战，在构成面貌的挑战时，曾经构成了攻击的范围，以掩盖面对面的攻击（fer）。在本文中，我们提出了一个统一的多分支视觉变压器，用于面部表达识别和戴面罩的分类任务。我们的方法提取了两项任务的共享功能，该功能使用获得多尺度特征表示的双分支体系结构。此外，我们提出了一个交叉任务融合阶段，该阶段可以使用单独的分支为每个任务处理令牌，同时使用交叉注意模块交换信息。我们提出的框架通过简单而有效的交叉任务融合阶段使用单独的网络来降低了整体复杂性。广泛的实验表明，我们所提出的模型在面部表情识别和面部掩码戴上分类任务方面的表现要好于或使用不同的最新方法。