XiaoMi-AI文件搜索系统
World File Search SystemNet
使用以 Morgan 指纹为特征的深度神经网络模型预测 ErbB 抑制剂的结合亲和力
ErbB 受体家族（包括 EGFR 和 HER2）在细胞生长和存活中起着至关重要的作用，并与乳腺癌和肺癌等各种癌症的进展有关。在本研究中，我们开发了一个深度学习模型，使用基于 SMILES 表示的分子指纹来预测 ErbB 抑制剂的结合亲和力。每种 ErbB 抑制剂的 SMILES 表示均来自 ChEMBL 数据库。我们首先从 SMILES 字符串生成 Morgan 指纹，并应用 AutoDock Vina 对接来计算结合亲和力值。根据结合亲和力过滤数据集后，我们训练了一个深度神经网络 (DNN) 模型来根据分子指纹预测结合亲和力值。该模型取得了显著的性能，训练集上的均方误差 (MSE) 为 0.2591，平均绝对误差 (MAE) 为 0.3658，R 平方 (R²) 值为 0.9389。尽管在测试集上性能略有下降（R² = 0.7731），但该模型仍然表现出强大的泛化能力。这些结果表明深度学习方法对于预测 ErbB 抑制剂的结合亲和力非常有效，为虚拟筛选和药物发现提供了宝贵的工具。
使用变分循环神经网络进行主动推理，为习惯智能体进行目标导向规划
摘要：至关重要的是要问，代理如何仅使用通过习惯性感觉运动经验获得的部分世界模型来生成行动计划，从而实现目标。尽管许多现有的机器人研究都使用了前向模型框架，但存在高自由度的泛化问题。当前的研究表明，采用生成模型的预测编码 (PC) 和主动推理 (AIF) 框架可以通过学习低维潜在状态空间中的先验分布来开发更好的泛化，该先验分布表示从习惯性感觉运动轨迹中提取的概率结构。在我们提出的模型中，学习是通过推断最佳潜在变量以及突触权重来最大化证据下限来进行的，而目标导向规划是通过推断潜在变量来最大化估计下限来完成的。我们提出的模型在模拟中使用简单和复杂的机器人任务进行了评估，通过为正则化系数设置中间值，证明了在有限的训练数据下学习中具有足够的泛化能力。此外，比较模拟结果表明，由于先验学习将运动计划的搜索限制在习惯轨迹范围内，因此所提出的模型在目标导向规划中优于传统的前向模型。
净零经济机构主席和顾问委员会
8/6/23 力拓在澳大利亚拥有大量采矿、材料加工和其他业务，包括皮尔巴拉的铁矿石资产组合，包括采矿业务、铁路网络和港口业务；远北昆士兰的铝土矿、加工设施、港口设施和发电站；以及昆士兰中部的氧化铝精炼厂和塔斯马尼亚和昆士兰中部的铝冶炼厂。因此，力拓可能会受到政府气候变化和脱碳政策的重大影响。为管理任何此类冲突：（a）我不会向力拓披露任何有关政府政策或计划的非公开信息，这些信息是我作为净零经济机构咨询委员会（董事会）成员所了解的。（b）在适当和可行的情况下，董事会应寻求其他主要澳大利亚能源用户和其他可能受到政府气候变化和脱碳政策重大影响的实体（力拓除外）的咨询和意见。（c）我请求并提议，在可行的范围内，
使用卷积网络学习条件可变形模板
我们开发了一个用于构建可变形模板的学习框架，该模板在许多图像分析和计算解剖学任务中起着基础性作用。用于模板创建和图像与模板对齐的传统方法经历了数十年的丰富技术发展。在这些框架中，模板是使用模板估计和对齐的迭代过程构建的，这通常在计算上非常昂贵。部分由于这一缺点，大多数方法为整个图像群体计算单个模板，或为数据的特定子组计算几个模板。在这项工作中，我们提出了一个概率模型和有效的学习策略，该模型和有效的学习策略可以产生通用或条件模板，并与一个神经网络联合使用，该神经网络可以有效地将图像与这些模板对齐。我们展示了该方法在各种领域的实用性，特别关注神经成像。这对于不存在预先存在的模板的临床应用特别有用，或者使用传统方法创建新模板的成本可能过高。我们的代码和地图集可作为 VoxelMorph 库的一部分在线获取，网址为 http://voxelmorph.csail.mit.edu 。
利用卷积神经网络进行快速对称微分同胚图像配准
微分同胚可变形图像配准在许多医学图像研究中至关重要，因为它提供了独特的属性，包括拓扑保存和变换的可逆性。最近基于深度学习的可变形图像配准方法利用卷积神经网络（CNN）从合成基本事实或相似性度量中学习空间变换，从而实现快速图像配准。然而，这些方法往往忽略了变换的拓扑保存和变换的平滑性，而平滑性仅由全局平滑能量函数来强制执行。此外，基于深度学习的方法通常直接估计位移场，这不能保证逆变换的存在。在本文中，我们提出了一种新颖的、有效的无监督对称图像配准方法，该方法最大化微分同胚图空间内图像之间的相似性，并同时估计正向和逆变换。我们使用大规模脑图像数据集在 3D 图像配准上评估了我们的方法。我们的方法实现了最先进的配准精度和运行时间，同时保持了理想的微分同胚特性。
单相太阳能电子式净能量表技术规格
电能表、抄表、电费和负荷控制的数据交换——配套规范 还应考虑电能表是否符合其他国家或国际标准的要求，以确保其性能等于或优于上述标准。 当投标人提供的设备符合上述标准以外的其他标准时，应在相关附表中清楚地列出所采用标准与本规范规定的标准之间的主要差异点。 制造商应持有所提供的电能表的有效 BIS 许可证，且电能表铭牌上应加注 ISI 标志。投标书中需附上 BIS 许可证的复印件。 3.0 气候条件 根据本规范提供的电能表应适合在下列热带条件下连续运行。 电能表应能够在炎热、热带和多尘的气候下保持所需的精度。
用于估计 iCub 机器人头部姿势的片上脉冲神经网络
在这项工作中，我们提出了一种用于人形 iCub 机器人头部姿势估计和场景表示的神经形态架构。脉冲神经网络在英特尔的神经形态研究芯片 Loihi 中完全实现，并精确整合发出的运动命令，以在神经路径整合过程中估计 iCub 的头部姿势。iCub 的神经形态视觉系统用于校正姿势估计中的漂移。机器人前方物体的位置使用片上突触可塑性来记忆。我们使用机器人头部的 2 个自由度 (DoF) 进行实时机器人实验，并展示精确的路径整合、视觉重置和片上物体位置学习。我们讨论了将机器人系统和神经形态硬件与当前技术集成的要求。
净零经济管理局法案 (2024) ACTU 提交
3 “澳大利亚电力生产——燃料结构。”气候变化、能源、环境和水资源部。澳大利亚能源统计数据。2023 年 9 月。4 Dan Andrews、Elyse Dwyer 和 Lachlan Vass。“在煤矿开采第一线：因脱碳而流离失所的工人会怎样。”E61 研究所。2023 年 10 月。5 Paul Burke、Rohan Best、Frank Jotzo。“澳大利亚燃煤发电站关闭：当地失业影响。”《澳大利亚农业与资源经济学杂志》。2019 年 1 月。