XiaoMi-AI文件搜索系统
World File Search SystemNN
系统级别的安全护罩：通过不确定的神经网络动态模型
摘要在许多对照和机器人应用程序中都考虑了神经网络（NN）作为黑框函数近似器。但是，在不确定性存在下验证整体系统安全的困难阻碍了NN模块在安全至关重要的系统中的部署。在本文中，我们利用NNS作为未知染色体系统轨迹跟踪的预测模型。我们在存在固有的不确定性和其他系统模块的不确定性的情况下考虑控制器设计。在这种情况下，我们制定了受约束的传播跟踪问题，并表明可以使用混合智能线性程序（MILP）对其进行求解。在机器人导航和通过模拟避免障碍物中，基于MILP的方法在经验上得到了证明。演示视频可在https://xiaolisean.github.io/publication/2023-11-01-L4DC2024获得。关键字：神经网络，系统级安全，不确定性，轨迹跟踪
![arXiv:2109.10983v1 [nucl-ex] 2021 年 9 月 22 日](/simg/g:\will\search\icon\source\2\2c65a3f7a223fcdbe338740617461ef8179f9846.webp)
arXiv:2109.10983v1 [nucl-ex] 2021 年 9 月 22 日
我们报告了使用 RHIC 上的 STAR 探测器在√ s NN = 3 GeV 处进行的 Au+Au 碰撞中已识别强子 (π ± 、K ± 、K 0 S 、p、φ 和 Λ ) 的 v 1 和 v 2 结果，以及在√ s NN = 27 和 54.4 GeV 处进行的π ± 、K ± 、p 和¯ p 的 v 2 结果。在高能 Au+Au 碰撞中，人们发现 v 2 的值全为正值，并且组分夸克数 (NCQ) 标度成立。另一方面，在 3 GeV 处进行的碰撞的结果显示，所有强子的中快速度 v 2 均为负，并且不存在 NCQ 标度。此外，发现所有强子的中快速度 v 1 斜率均为正值。此外，通过重子平均场势的计算，可以重现 3 GeV 处 v 2 为负、v 1 为正的斜率特征。这些结果表明，在 3 GeV Au+Au 碰撞中，介质以重子相互作用为特征。
GeNNius：一种基于图神经网络的超快药物-靶标相互作用推理方法
药物-靶标相互作用 (DTI) 预测是药物再利用领域中一项相关但具有挑战性的任务。计算机模拟方法引起了特别的关注，因为它们可以降低传统方法的相关成本和时间投入。然而，当前最先进的方法存在几个局限性：现有的 DTI 预测方法在计算上成本高昂，从而阻碍了使用大型网络和利用可用数据集的能力，并且 DTI 预测方法对未见数据集的推广仍未探索，这可能会在准确性和稳健性方面改善 DTI 推断方法的开发过程。在这项工作中，我们介绍了 GE NN IUS（图嵌入神经网络相互作用发现系统），这是一种基于图神经网络 (GNN) 的方法，在各种数据集的准确性和时间效率方面均优于最先进的模型。我们还通过评估每个数据集中以前未知的 DTI 展示了其发现新相互作用的预测能力。我们通过在不同数据集上训练和测试 GE NN IUS 进一步评估了其泛化能力，结果表明该框架可以通过在大型数据集上训练并在较小的数据集上测试来潜在地改进 DTI 预测任务。最后，我们定性地研究了 GE NN IUS 生成的嵌入，发现 GNN 编码器在图卷积之后保留了生物信息，同时通过节点传播这些信息，最终在节点嵌入空间中区分蛋白质家族。
国家新闻通讯 - 广告页
将公告的文本发送给邮政上的e-adres：adres@nn.hr Word中，并且在PDF中，必须发送有效的订单/随附的信件（必须经过认证，具有授权人员的签名以及以下信息：签约权限/付款人/付款人的签名：否。订单，没有。 div>与官方公报D.D.条约 div>付款，姓名和电话。 div>否。 div>联系人和预期的公告日期）。 div>电话。 div> 否。 div> 01/6652-870必须检查广告是否已被适当收到。 div> 也必须在预期公告中午12点发布的前一天提交并支付，并且付款证明有义务通过电子邮件发送给E-Adres：adres@nn.hr（NN带有广告部分的NN在周三和周三和Fridays定期发布，除非这些天是盛宴或假期）。 div> 对已经收到和付款但未发表的广告的任何更大的补充都会改变只能在完成付款后才能发布的广告价格。 div> 如果将在收到广告收到的15天内不提交付款证书，我们将考虑广告商的出版物。 div> 手稿没有回来，并且在广告出版后6个月保存。 div>电话。 div>否。 div>01/6652-870必须检查广告是否已被适当收到。 div>也必须在预期公告中午12点发布的前一天提交并支付，并且付款证明有义务通过电子邮件发送给E-Adres：adres@nn.hr（NN带有广告部分的NN在周三和周三和Fridays定期发布，除非这些天是盛宴或假期）。 div>对已经收到和付款但未发表的广告的任何更大的补充都会改变只能在完成付款后才能发布的广告价格。 div>如果将在收到广告收到的15天内不提交付款证书，我们将考虑广告商的出版物。 div>手稿没有回来，并且在广告出版后6个月保存。 div>
MiTAC 工业边缘 AI 解决方案
• Hailo‐8™ 提供更高的吞吐量：比 Myriad X 好 30 倍，比 Edge TPU 好 6 倍 • 能效比 Myriad X 好 30 倍，比 Edge TPU 好 4 倍 • 提供可扩展性，以高分辨率和高帧率运行高级视频分析 NN 模型
分析人工神经>锂离子电池的电荷状态
电荷状态（SOC）是电池剩余容量至关重要的评估指标。需要进行精确的社会估计对于确保锂离子电池的安全功能并防止过载和过度耗尽非常重要。但是，可再生能源的独立应用已成为确定锂离子电池SOC确切能力的关键问题。为了估算随着时间的推移能力，电池管理系统计算了锂离子电池的SOC。这允许实施智能控制系统。本文在估计电池SOC中的后退传播（BP）神经网络（BP）神经网络（NN）的限制和弱点之后，介绍了SOC电池估算的增强径向基础功能（RBF），例如趋势速度缓慢，概括较差，并且可以提高网络的准确性，但需要时间才能进行时间。实时使用实验数据训练增强的RBF。将经过训练的SOC的NN与实际值进行了比较，MATLAB用于模拟评估其准确性的方法。
简历 Martin A. Giese 教授博士
高级视觉（社会感知）的神经和 NN 模型 运动、动作和社会感知的神经机制（生理学、心理物理学） 运动系统的运动分析和计算建模 与运动障碍和精神疾病相关的技术应用 非侵入性神经刺激的机制