XiaoMi-AI文件搜索系统
World File Search SystemMutual
蛋白质和编码序列的整合可以使语言模型的相互增强
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权所有，该版本发布于2024年10月29日。 https://doi.org/10.1101/2024.10.24.620004 doi：Biorxiv Preprint
初次接触：通过相互信息最大化实现无监督的人机协同适应
在没有事先映射、无法要求用户以动作标签或奖励反馈的形式进行监督、也不事先了解用户试图完成的任务的情况下，我们如何训练辅助人机界面（例如基于肌电图的肢体假肢）将用户的原始命令信号转化为机器人或计算机的动作？本文的关键思想是，无论任务是什么，当界面更直观时，用户的命令噪音更小。我们将这个想法形式化为优化界面的完全无监督目标：用户命令信号与环境中诱导状态转换之间的相互信息。为了评估这个相互信息分数是否可以区分有效和无效界面，我们对 540K 个用户操作各种键盘和眼神注视界面（用于打字、控制模拟机器人和玩视频游戏）的示例进行了大规模观察性研究。结果表明，我们的相互信息分数可以预测各种领域的实际任务完成情况指标，平均 Spearman 等级相关系数为 ρ = 0.43。除了对现有界面进行离线评估之外，我们还使用无监督目标从头开始学习界面：我们随机初始化界面，让用户尝试使用界面执行他们想要的任务，测量相互信息分数，然后更新界面以通过强化学习最大化相互信息。我们通过一项小规模用户研究来评估我们的方法，该研究有 12 名参与者，他们使用受扰鼠标执行 2D 光标控制任务，并且让一名专家用户使用网络摄像头捕捉到的手势玩月球着陆器游戏。结果表明，我们可以从头开始学习界面，无需任何用户监督或任务的先验知识，只需不到 30 分钟的人机协同训练。
鲍曼行长就经济以及对互助银行和社区银行的看法发表简短讲话
3 Michelle W. Bowman，“反思 2024 年：货币政策、经济表现和银行监管经验教训”（加州银行家协会 2025 年银行行长研讨会演讲，加州拉古纳海滩，2025 年 1 月 9 日），https://www.federalreserve.gov/newsevents/speech/bowman20250109a.htm
自动互助船舶救援 (AMVER) 计划的管理，COMDTINST 16122.2B
拥有集中式商船位置数据库。除非船旗国、航运公司或其他机构强制要求，否则船舶参与是自愿的。参与的船舶通过 AMVER 网站使用 SAR 问卷 (SAR-Q) 提供有关其 SAR 能力的信息。发生变化时会更新信息。在船舶出发前，会向 AMVER 系统发送包含船舶预定航线的初始航行计划消息。在运输过程中，至少每 48 小时发送一次位置更新，在发生变化时发送航行计划的任何变化，并在抵达港口时提交最终到达报告。AMVER 系统根据船舶的预测轨迹保持航位推算 (DR) 轨迹。海岸警卫队指挥中心在充当救援协调中心 (RCC) 的同时，可以直接访问数据库。其他 SAR 机构（美国和外国）通过海岸警卫队 RCC 请求获取此信息。AMVER 信息仅发布给公认的 SAR 机构，用于 SAR 或海上生命安全目的。以下段落标识了 AMVER 的基本组成部分。
3105 - Mutual Energy - Ballylumford Power2X 摘要手册 2023 - 艺术品 - 最终版.indd
该项目位于北爱尔兰安特里姆郡海岸 Islandmagee 附近，靠近主要发电场之一，可直接接入战略性关键电力和天然气网络基础设施，预计未来将支持海上风力发电。当地的地质条件也能够支持大规模储氢，因此该项目对英国和爱尔兰具有独特的意义。
果蝇中两个连续学习任务之间相互干扰的遗传解剖
抽象动物可以连续学习不同的任务以适应不断变化的环境，因此具有有效应对任务间干扰的策略，包括主动干扰（Pro-I）和追溯干扰（Retro-I）。已知许多生物学机制有助于学习，记忆和忘记一项任务，但是，仅当学习顺序不同任务的理解相对较少时，才涉及的机制。在这里，我们在果蝇中两个连续的关联学习任务之间剖析了Pro-I和retro-I的分子机制。pro-i比retro-i对任务间隔（ITI）更敏感。它们在简短的ITI（<20分钟）中一起出现，而在ITI中只有Retro-I在20分钟以后保持显着。急性过表达的开瓶器（CSW），一种进化保守的蛋白酪氨酸磷酸酶SHP2，在蘑菇体（MB）神经元中降低了Pro-I，而CSW急性敲低CSW ADACERBATES PRO-I。进一步发现CSW的这种功能依赖于MB神经元的γ子集和下流RAF/MAPK途径。相比之下，操纵CSW不会影响复古I和单个学习任务。有趣的是，调节retro-i的分子对Rac1的操纵不会影响Pro-I。因此，我们的发现表明，学习不同的任务连续触发不同的分子机制来调节主动和追溯干扰。
使用存根加载技术降低UWB/MIMO天线中的相互耦合
摘要 - 研究表明，使用存根载荷技术，UWB-MIMO天线元件之间的相互耦合减少。提出的2×2 UWB天线几何形状由两个圆形的单极辐射器组成，其部分地面可与完美的阻抗匹配。存根为20 mm×0.2 mm，在接地平面的两个天线元件之间插入以改善分离率。脱钩的存根导致相互耦合的降低少于20 dB。以10 GHz的选定频率以10 GHz的频率测量确认了全向辐射模式。出现了不同的MIMO天线度量，例如通道容量损失（CCL），平均有效增益（MEG），总活动反射系数（TARC），包膜相关系数（ECC）和表面电流。设计注意事项的详细信息以及仿真和测量结果进行了介绍和讨论。所提出的MIMO天线阵列可以非常适合UWB应用。
伪相互注视可增强远程联合注意力任务中的脑间同步
图 4 凝视运动。 (a) 三种模式下参与者目光注视的示例。屏幕上显示 16 个字母数字字符，由 4×4 矩阵表示。每次试验在 16 个字符中有一个、三个或五个目标与声音呈现的单词相匹配。在单人模式下，屏幕上显示的红色圆圈表示参与者的注视点。在合作和竞争模式下，屏幕上两位参与者的注视点以红色和绿色圆圈区分。 (b) 单次试验中观察到的参与者扫描路径和注视热图的示例。虚线框在实验期间不可见，标记了目标的位置。请注意，观察者的注视点在实验期间不可见。 (c) 40 次试验的注视热图。 (d) 两位参与者眼动追踪热图之间的相似性。每个小提琴图（透明色）上都叠加了一个箱线图，显示了相似性度量的分布，包括单一、合作和竞争模式下的 Pearson's r、结构相似性指数度量 (SSIM) 和 Jaccard 相似性系数。黑色星号和线分别表示相似性的平均值和中位数。使用重复测量方差分析确定任务模式之间相似性的显著差异。
具有固定不确定结果率的量子态鉴别中的相互信息和量子不和谐
摘要：我们研究了当 Bob 对两个纯非正交量子态（以任意先验概率生成）实施具有固定不确定结果率 (FRIO) 的判别时，Alice 和 Bob 共享的相互信息和量子不一致。FRIO 判别介于最小误差 (ME) 和明确状态判别 (UD) 之间。ME 和 UD 是众所周知的判别协议，在量子信息论中有多种应用。FRIO 判别提供了一个更通用的框架，可以在其中研究判别过程及其应用。在这种情况下，我们比较了最佳判别概率、相互信息和量子不一致的性能。我们发现，当 Bob 实施 ME 策略时，可以获得可访问的信息。从 Bob 测量后在初始状态中丢失并在最终状态中保留的相关性的角度来看，最（最）有效的判别方案是 ME (UD)。
在牡蛎生命中，免疫系统和微生物群之间的串扰和相互塑造
太平洋牡蛎Crassostrea gigas居住在富含环境变化的富含微生物的海洋沿海系统中。它具有多样化和波动的微生物群，与表达多样化的免疫基因库的免疫细胞同居。在牡蛎发育的早期阶段，在受精后，微生物群在教育免疫系统中起着关键作用。在幼虫阶段暴露于丰富的微生物环境会导致牡蛎寿命中的免疫能力提高，从而在后来的少年/成人阶段更好地保护对致病感染的更好保护。这种有益的效应是与世代相传的，与表观遗传重塑有关。在少年阶段，受过教育的免疫系统参与了体内平衡的控制。尤其是，微生物群是由牡蛎抗菌肽通过特定和协同作用作用的。然而，这种平衡是脆弱的，如太平洋牡蛎死亡率综合征所示，这是一种疾病，导致全球牡蛎的大量死亡。在这种疾病中，OSHV-1 µVAR病毒对牡蛎免疫防御的削弱会诱导致命性脓毒症。本综述说明了高度多样化的牡蛎免疫系统与其在整个生命中的动态微生物群之间的持续相互作用，以及这种串扰对牡蛎健康的重要性。本文是主题问题的一部分，“雕刻微生物组：宿主因素如何确定和响应微生物定植”。