XiaoMi-AI文件搜索系统
World File Search SystemPairwise
隐私保护分布式能源交易
摘要 — 智能电网激励具有本地发电的分布式代理（例如智能家居和微电网）建立多代理系统，以提高可靠性和能源消耗效率。分布式能源交易已成为电网中最重要的多代理系统之一，它使代理能够将其多余的本地能源相互出售或卖回电网。但是，它要求所有代理披露其敏感数据（例如，每个代理的细粒度本地发电和需求负载）。在本文中，据我们所知，我们提出了第一个保护隐私的分布式能源交易框架，即私人能源市场（PEM），其中所有代理私下计算其交易的最佳价格（由纳什均衡确保），并在不披露敏感数据的情况下分配成对的能源交易量（通过新颖的加密协议）。具体来说，我们将交易问题建模为所有代理（即买家和卖家）的非合作 Stackelberg 博弈，以确定最优价格，然后得出成对交易金额。我们的 PEM 框架可以在没有可信第三方的情况下在所有代理之间私下执行所有计算。我们证明了 PEM 框架的隐私性、个人理性和激励兼容性。最后，我们在真实数据集上进行实验以验证 PEM 的有效性和效率。索引术语——隐私；安全多方计算；Stackelberg 博弈；激励兼容性；智能电网
通过系统比较提取全脑动力学的可解释特征
图1。在这项研究中，我们系统地比较了从静止状态fMRI时间序列量化动力学模式的不同方式，重点介绍了局部区域动力学和跨四个神经精神疾病的成对耦合的统计。A.对于给定的静止状态fMRI体积（i），皮层和亚皮层分为各个区域，从中提取体素平均的粗体信号时间序列（II）。从这些数据中量化动力学模式的两种关键方法是：（iii）测量单个大脑区域动力学的特性（绿色）；或（iv）计算两对区域之间的统计依赖性（粉红色和蓝色）。B.为了评估fMRI时间序列数据集的不同类型的动态表示的性能（用于识别疾病与神经活动的相关变化），我们包括了四个源自两个开放式访问数据集的神经精神病学示例：UCLA CNP LA5C研究[50]和Abide II/II/II/II/II/II II/II研究[51，52，52，52，64）两个队列中的每个队列还包括用于比较的认知健康对照（UCLA CNP n = 116，Abide n = 578）。C.对于从fMRI数据集提取的每种动力结构（即，对于数据的每个基于功能的“表示”），我们计算了封装各种活动属性范围的可解释的时间序列特征。使用一组25个时间序列特征（Catch22特征集[65]以及平均值，SD和FALFF）从每个大脑区域量化了局部动力学特性。使用一组成对相互作用（SPI）的一组统计量对所有对区域之间的相互作用进行了量化，该统计数据包括PYSPI软件包中的代表性子集[29]。值。D.我们使用线性SVM分类器适合表示静止状态fMRI特性的五种不同方法来评估每种神经精神疾病的病例对照性能的性能：（i）所有25个单个区域序列特征在单个区域，一个区域，一个区域，一个区域； （ii）单个时间序列功能的全脑图，功能； （iii）所有25个单变量时间序列特征的全脑图，一个uni_combo； （iv）使用一个SPI，FC跨所有区域对的功能连接（FC）网络； （v）FC以及所有25个单变量的时间序列特征，该功能从所有大脑区域（UNI_COMBO）计算出，称为FC_COMBO。
计算机物理通信
许多材料，例如聚合物熔体，溶液，生物聚合物和纺织品，都是由纠缠的纤维组成的。这些系统中的纠缠显着影响其机械性能及其功能。我们介绍了聚合物，蛋白质和周期系统（TEPPP）软件中的拓扑纠缠，该软件能够测量此类系统中的拓扑和几何复杂性。尤其是该软件可以计算系统中每种构想或夹具的琼斯多项式的旋转，无论是打开还是封闭的琼斯多项式。特别是对于采用定期边界条件（PBC）的系统，该软件还允许使用周期性链接数和周期性的WRITHE计算PBC中的总成对纠缠。对于线性（开放）链，TEPPP可以计算所有这些拓扑参数（包括琼斯多项式），而无需任何闭合方案。此外，TEPPP还可以沿着链或一对链的不同长度尺度在不同的长度尺度上测量自我和成对的纠缠。通过对输入文件进行适当的预处理，该代码也可以用于星形或分支体系结构。我们提供了如何使用代码的示例，并提供了使用此软件包获得的聚合物中的纠缠效果的结果。我们展示了如何使用TEPPP来测量熔体中线性聚合物链的拓扑纠缠，从而揭示了以前从未见过的微妙纠缠过渡。我们还使用TEPPP分析了打结及其在二嵌段共聚物熔体中的位置，这表明打结定位过渡与这些系统中的层状disorder跃迁一致。最后，我们使用TEPPP揭示了SARS-COV-2峰值蛋白的某些拓扑结构，该结构指向包含S1/S2裂解位点的区域中有趣的结构。
贝叶斯非参数推断``物种采样...色谱学杂志
计算机视觉是一种人工智能（AI）的一种方法，从概念上讲，“计算机和系统可以从数字图像中获取有用的信息”，可访问更高级别的信息并“采取行动或根据该信息提出建议”。全面的二维杂志使访问了样本化学组成的高度详细，准确但非结构化的信息，并可以在数据处理级别（例如，通过计算机视觉）利用AI概念来合理化原始数据探索。目标是理解与特定/诊断化学签名相关的生物学现象。这项研究介绍了基于模式识别算法的计算机视觉的新型工作流量（即，未靶向和有针对性的UT finfingerpinting），其中包括代表样品的综合类图像的产生，用于代表样品的类别，其有效的重新对准和对全面的特征特征的视觉分析进行对比的视觉分析。作为一种说明性的应用，探索了源自关于手工黄油的研究项目（从原始的甜奶油到成熟的黄油），探索了沿生产链的挥发性成分的演变以及不同微生物培养物对实用产品挥发组的影响。©2023作者。由Elsevier B.V.这是CC下的开放式访问文章（http://creativecommons.org/licenses/4.0/）与经典的一步成对比较过程相比，工作流具有显着的优势，因为对重新调整和成对比较了与许多不同样品具有内在生物学可变性的类似化学图像的靶向和未靶向色谱特征进行比较。
城市化推动了中国鸟类社区的生物均质化
城市化驱动的生物均质化已在本地和全球范围的各种生态系统中记录下来。但是，在发展中国家，它在很大程度上没有探索。关于不同分类单元和生物区域的实证研究表明结果颇具（即生物均质化与生物分化）；因此，社区组成在响应人为障碍以及控制这一过程的因素的响应程度需要阐明。在这里，我们使用了中国760种鸟类的编译数据库来量化自然和城市组合之间的成对β多样性的多个位点β多样性和距离衰减，以评估城市化的生物质量。我们使用广义差异模型（GDM）来阐明城市化前后的空间和环境因素在鸟类社区差异中的作用。城市组合中的多个位点β多样性明显低于天然组合中的多种多样性，并且天然组合中成对相似性的距离衰减更快。这些结果在分类学，系统发育和功能方面是一致的，支持了由URBANIPAIND驱动的一般生物均质化。GDM结果表明地理距离和温度是鸟类社区差异的主要预测指标。但是，地理距离和气候因素在解释城市组合中的组成差异时的贡献减少。与自然组合相比，城市组成差异的变化要低得多，地理和环境距离的地理和环境距离要比自然组合的差异要低得多，这意味着在进一步的气候变化和人为的干扰下，模型预测的不确定性可能存在潜在的风险。我们的研究得出结论，分类，系统发育和功能维度阐明了中国城市化驱动的生物均质化。
![[2] Jin-Yi Cai。“Shor 算法在存在噪声的情况下不会分解大整数”。引自：CoRR abs/2306.10072 (2023)。DOI：10.48550/arXiv.2306。](/simg/4\43cb60a445210abf2011bfcbf9093432832f64ee.png)
[2] Jin-Yi Cai。“Shor 算法在存在噪声的情况下不会分解大整数”。引自：CoRR abs/2306.10072 (2023)。DOI：10.48550/arXiv.2306。
该量在式 (1) 中作为 exp { 2 πi [ ... . . ] } 指数的子和出现。主要证明是证明指数和 (1) 中指数的和 (2) 在指数多项式中的典型情况下表现为足够随机的。然后我们使用以下引理引理[2]设 σ > 0 且 ξ m = e 2 πi/m 。设 X i ∼ N (0 , 1) ，其中 i = 1 , 2 , ... , n 是 iid 的，设 { S k ⊆ [ n ] | 1 ≤ k ≤ K } 是集合的有限集合。假设除了至多 δ 部分的成对对称差 S j ∆ S k 之外，所有差集的基数均为 ≥ ( m/σ ) 2 t （其中 j ̸ = k ）。令 Σ k = φ k + σ P i ∈ S k X i ，其中 φ k ∈ [0 , 2 π ) 。然后，期望
需要两个独立但相互联系的模式形成系统才能控制hydra中的身体轴和头部组织
图2。单个系统（基于阈值）模型（a）的图表以及各种实验场景（B）的相应仿真快照以及所提出的两系统模型（C，D）的相应图。（b）和（d）中的实验和模拟之间的匹配模式标记为tick，否则用X。（e，f）模拟了对图1（b，c）。直方图（蓝色）和密度图（红色）的息肉头部之间的成对距离，β-蛋白（E）和Wnt3（f）表达增加。黑色箭头指示不同的模式。在模拟的β-蛋白酶 - （g）和Wnt3-（H）过表达息肉中，在模拟的β-蛋白酶中的Wnt3和β-蛋白的综合总量。值相对于所显示的对照（不受干扰的）方案。
Antonio Forte Ph.D.，M.D。合着者（S）： - 利用 2025年度研究日海报摘要Tyler Lu M.S. ... Jakob Liever NeuroInsight：AI驱动的创伤大脑... 羟基氯喹对B细胞的Chongmin Huan效应... 护理学院公告2023-2024
利用生成文本来对AI模型进行图像探索审美整形外科的种族，性别和年龄，尚不清楚各种患者人群的代表性和包括图像AI模型的代表性和包含。因此，该项目探讨了AI模型产生的图像中种族，性别和年龄的多样性：DALL-E3，Midjourney和Adobe Firefly，以响应着针对流行美学程序的提示：致命的美学方法：脂肪，脂肪成形术和隆鼻。提示旨在要求每种AI模型为每个性别，种族和年龄组合生成手术结果的图像，以及用于吸脂术，骨整形术和隆鼻术的图像：男性与女性，白人或白人，黑人或非裔美国人或非裔美国人，拉丁裔或拉丁裔或西班牙裔或年龄组：20-30岁：20-30岁：20-30岁，31-45岁以上。通过Fitzpatrick和Monk量表评估了每个生成的图像以表示肤色，并使用4项问卷进行性别率。KRUSKAL-WALIS检验用于对成对比较的3个模型（P <0.05）和Wilcoxon Rank Sum测试之间的连续变量进行整体比较（P <0.017，基于Bonferroni方法进行调整后，用于多个比较）。Fischer的East检验用于对3个模型（P <0.05）和成对比较（P <0.017）之间的分类变量进行整体比较。浅色肤色（fitzpatrick i-iii＆Monk 1-5）之间没有显着差异与深色肤色（Fitzpatrick IV-VI和Monk 6-10）与图像生成型模型（p = 0.26＆p = 0.31）之间。通常在所有3种AI模型（P <0.0001）以及对衰老的描绘时（P = 0.0009）进行了显着差异。似乎具有包容性和浅色肤色和深色肤色的公平代表，但是关于性别偏见的描绘仍然有改善的余地。
在混合流量中对自动驾驶汽车的最佳合并控制：最佳索引策略
我们考虑具有在空间维度中对称的2D结构特征的卷积神经网络（CNN）。这种网络在为顺序推荐问题以及RNA和蛋白质序列的二级结构推理问题以及二级结构推理时产生了对成对关系的建模。我们开发了一种CNN体系结构，该体系结构生成并保留了网络卷积层中的对称结构。我们提出了卷积内核的参数化，该卷积内核产生了更新规则，以在整个培训过程中保持对称性。我们将此体系结构应用于顺序推荐问题，RNA二级结构推断问题和蛋白质触点图预测问题，表明使用较少数量的机器参数可产生对称结构化网络的改进结果。