XiaoMi-AI文件搜索系统
World File Search SystemProbabilistic
带有多个区域的概率知情机器人对象搜索
摘要 - 在危险环境中，自主机器人系统的使用日益增加强调了有效搜索和救援操作的需求。尽管取得了重大进步，但现有有关对象搜索的文献通常在漫长规划范围和处理传感器限制（例如噪声）的困难方面往往不足。这项研究介绍了一种新颖的方法，该方法将搜索问题提出为马尔可夫决策过程（BMDP-O），以使蒙特卡洛树搜索（MCTS）成为在大规模环境中克服这些挑战的可行工具。所提出的公式结合了动作序列（选项）以在感兴趣区域之间移动，从而使算法能够有效地扩展到大环境。此方法还可以使用可自定义的视野，用于多种类型的传感器。实验结果证明了与没有选项的问题和替代工具（例如退化的地平线计划者）相比，在大环境中这种方法的优势。给定的拟议公式的计算时间相对较高，提出了进一步的近似“ Lite”公式。Lite公式以更快的计算速度以相当数量的步骤找到对象。索引术语 - 对象搜索，不在dectainty下的决策，POMDP
3p-llm：使用大语言模型进行自主机器人导航
摘要 - 可以用大语言模型（LLM）编码世俗的语义知识。此类信息可能对想要执行自然语言陈述的高级，时间扩展的命令的机器人有很大的帮助。但是，语言模型缺乏现实世界的经验是一个关键限制，它使其在特定实施例内使用它们进行决策具有挑战性。本研究评估了使用LLM（Openai的GPT-3.5-Turbo Chatbot）进行机器人路径计划的可行性。传统方法管理复杂环境和制定可信赖的计划以改变环境条件的不足是研究的推动力。由于LLM具有复杂的自然语言处理能力，可提供有效和适应性的路径计划算法的能力，非常准确和少数拍摄的学习能力，GPT-3.5-Turbo非常适合机器人技术中的路径规划。在众多模拟场景中，该研究将GPT-3.5-Turbo的性能与最先进的路径计划者的性能进行了比较，例如快速探索随机树（RRT）和A*。我们观察到GPT-3.5-Turbo能够为机器人提供实时路径计划反馈并胜过其对应方。本文为机器人系统的LLM驱动路径计划建立了基础。
ccdpm：逆设计的连续条件扩散概率模型
工程设计方法旨在生成满足所需性能要求的新设计。过去的工作已直接将有条件的生成对抗网（CGAN）引入了这一领域，并在单点设计问题中获得了有希望的结果（一个在一个工作条件下的性能要求）。但是，这些方法假设性能要求分布在分类空间中，这在这些scenarios中是不合理的。尽管连续有条件的gan（CCGANS）引入了阴性风险最小化（VRM），以减少该假设造成的绩效损失，但它们仍然面临以下挑战：1）CCGANS无法处理多点设计问题（在多个工作条件下的多个绩效要求）。2）由于阴道损失的高计算复合物，他们的训练过程是耗时的。为了解决这些问题，提出了一个连续的条件扩散概率模型（CCDPM），第一次将扩散模型引入工程设计区域，将VRM引入扩散模型。ccdpm采用一种称为多点设计抽样的新型抽样方法来处理多点设计概率。此外，在CCDPM的训练过程中，使用K-D树来缩短替代损失的计算时间，并将训练过程加快了2-300次。关于合成问题和三个实现世界设计问题的实验表明，CCDPM的表现优于最先进的GAN模型。
CS 228：概率图形模型，2024年1月1日
p（y = 1 | x 1，x n）= p（y = 1）q n i = 1 p（x i | y = 1）py∈{0，1} p（y = y）q n i = 1 p（x i | y = y = y = y）= y = 1） y = 1）q n i = 1 p（x i | y = 1）
概率扩展：寻找矩形攻击和以后的一步框架
摘要。在类似差异的攻击中，该过程通常涉及在某些回合中以1的概率向前和向后示出一个区分，并恢复涉及扩展部分的密钥。尤其是在矩形攻击中，可以采用整体钥匙恢复策略来产生针对给定差异者量身定制的最有效攻击。在本文中，我们将区分器和扩展部分视为一个整体实体，并给出一个步骤框架以查找矩形攻击，目的是降低整体复杂性或攻击更多的回合。在此框架中，我们建议在扩展部分中允许概率差分传播，并结合整体恢复策略。此外，我们介绍了“拆分和捆绑技术”，以进一步降低时间复杂性。除了矩形攻击之外，我们还介绍了这些基础概念，也包括差异攻击。为了证明我们的框架效率，我们将其应用于Deoxys-BC-384，瘦，叉子和手工艺品，并实现了一系列精致和改进的矩形攻击和不同的攻击。值得注意的是，我们获得了对Deoxys-BC-384的第一次15轮攻击，将其安全保证金缩小到只有一轮。此外，我们对工艺的差异攻击延伸至23发子弹，比以前的最佳攻击要多得多两轮。
概率3D多对象合作跟踪，用于自动驾驶通过可区分的多传感器kalman filter
摘要 - 当前的最新自动驾驶车辆主要依靠每个传感器系统来执行感知任务。这样的框架的可靠性可能会受到阻塞或传感器故障的限制。为了解决这个问题，最新的研究建议使用车辆到车辆（V2V）通信与他人共享感知信息。但是，大多数相关的作品仅着眼于合作探测，并让合作社跟踪一个未充满刺激的研究领域。最近的一些数据集（例如V2V4Real）提供3D多对象合作跟踪基准。但是，他们提出的方法主要使用合作检测结果作为标准单传感器Kalman滤波器基于基于Kalman滤波器的跟踪算法的输入。在他们的方法中，可能无法正确估计来自不同连接的自动驾驶汽车（CAVS）的不同传感器的测量不确定性，以利用基于卡尔曼滤波器的基于卡尔曼滤波器的跟踪算法的理论优化属性。在本文中，我们提出了一种新颖的3D多对象合作跟踪算法，用于通过可区分的多传感器卡尔曼滤波器自动驾驶。我们的算法学会了每种检测的测量不确定性，以更好地利用基于卡尔曼滤波器基于卡尔曼滤波器的跟踪方法的理论属性。实验结果表明，与V2V4REAL中最新方法相比，我们的算法仅用0.037倍的通信成本提高了17％的跟踪精度。我们的代码和视频可在URL和URL上找到。
模型模式和EM
英国埃克塞特市埃克塞特市2大都会办公室哈德利中心，英国沃灵福德，英国沃灵福德，英国沃灵福德3英国利兹大学，英国利兹大学4国际应用系统分析研究所（IIASA），奥地利Laxenburg，奥地利5 Norce Norce Norwegian Norwegian Research Center，BJERKNES研究中心，BJERKNES研究中心，BJERMIAN KNES研究中心，贝格尼，贝格尼，伯格尼，埃克斯特里，埃克斯特里，科学，科学，科学，科学，，科学，，科学，，，科学，科学，，科学，，，，，科学，科学，，，，科学，科学，，，，，科学，科学，，，，，科学，科学，，，，，科学，科学，，，，科学，科学，，，科学，科学，，科学，布里斯托尔大学，布里斯托尔，英国
使用复杂系统建模和与动态模型进行比较的北大西洋大气循环的概率季节性预测
北大西洋喷气流强烈影响西北欧洲的天气，并在确定北大西洋大气循环指数（如北大西洋振荡（NAO），东大西洋（EA）模式）和斯堪的纳维亚（SCA）模式的强度和迹象中发挥了重要作用； the anomalous weather pat- terns of a particular season can be described by the inter- play of these modes of variability (Hall & Hanna, 2018 ).最近的极端季节的特征是不同的喷气流配置，喷气强度和位置与西北欧洲各地经验丰富的极端天气条件（例如，在温度和降水量）之间有着密切的联系（Hall＆Hanna，2018年）。极端的季节性天气在避免风险方面具有重要的社会经济影响，其成本对保险业（例如，2013/14年冬季英国的15亿英镑（Davies，2014年））对农业，粮食安全，能源供应，公共健康/公共卫生/福祉和恶劣天气计划的影响。直到最近，北大西洋大气变异性很大程度上是由于不可预测的波动（Stephenson等，2000）。然而，动态季节性预测系统已被用来开发熟练的季节性预测，从未来几个月开始为英国冬季天气（Scaife等，2014）。这些喷气流变异性的驱动因素可以互相反对或加强，并且有迹象表明它们之间的相互作用（Hall等，2019）。喷射流变异性的驱动因素显示出季节性变化和喷气流变异性的独特驱动因素在不同的海子中起作用。Many fac- tors (drivers) appear to influence the NAO and jet-stream changes, and these potential drivers can be broadly grouped into cryosphere effects from variations in sea-ice extent and snow cover, oceanic effects from North Atlan- tic sea-surface temperatures (SST), tropical influences such as the El-Niño Southern Oscillation (ENSO), and stratospheric effects due to stratospheric circulation vari- ability, solar variability, volcanic eruptions and the Quasi-Biennial Oscillation (QBO) (Hall et al., 2015 ).除了这些可识别的驱动因素外，由于混乱的内部动力学过程，北大西洋喷气机的一部分的特征是内部未强制性的可变性驱动的（Kushnir等，2006； Lorenz，1963）。现在已经达成共识，即在气候模型中可以再现了一些观察到的驱动因素，但对最近确定的北大西洋地区驱动器的驱动因素的理解提高了，这对于在英国季节性气候预测中取得进展至关重要（Hall等人，2015年，2015年）。The focus of government-funded research is on dynami- cal forecast systems; however, such forecasts are not always
基于扩散概率模型的医学图像分割
扩散概率模型 (DPM) 近期成为计算机视觉领域最热门的话题之一。其图像生成应用（如 Imagen、潜在扩散模型和稳定扩散）已展示出令人印象深刻的生成能力，引发了社区的广泛讨论。此外，许多近期研究发现 DPM 可用于多种其他视觉任务，包括图像去模糊、超分辨率和异常检测。受 DPM 成功的启发，我们提出了 MedSegDiff，这是第一个基于 DPM 的用于一般医学图像分割任务的模型。为了增强用于医学图像分割的 DPM 中的逐步区域注意力，我们提出了动态条件编码，它为每个采样步骤建立状态自适应条件。此外，我们提出了特征频率解析器 (FF-Parser) 来消除此过程中高频噪声成分的负面影响。我们在三种不同图像模态的医学分割任务上验证了 MedSegDiff 的有效性，包括眼底图像上的视杯分割、MRI 图像上的脑肿瘤分割和超声图像上的甲状腺结节分割。我们的实验结果表明，MedSegDiff 的表现比最先进的 (SOTA) 方法有相当大的性能差距，证明了所提模型的泛化和有效性。关键词：扩散概率模型、医学图像分割、脑肿瘤、视杯、甲状腺结节
Michael Ravnitzky 对 3 级概率风险评估项目文件（第 4 卷）的评论（2）
对档案 ID 的评论：NRC-2023-0140 文档标题：3 级概率风险评估项目文件（第 4 卷：反应堆、发电、内部火灾、地震事件和大风的 1、2 和 3 级 PRA 概述） 我写信是为了就 3 级概率风险评估 (PRA) 项目报告草案提供我的建议。我感谢 NRC 及其合作者在对核电站的外部危害及其后果进行全面而严格的分析方面所做的努力和贡献。但是，我也有三个主要担忧以及其他一些关于报告的范围、方法、结果、局限性和建议的建议。忽略地磁风暴的影响我的主要担忧之一是忽略了地磁风暴作为可能影响核电站的外部危害之一。地磁风暴是由太阳活动引起的，太阳活动会扰乱地球磁场，并在电线、变压器和其他电气设备中产生感应电流。这些电流可能会导致大面积停电、电压波动、设备故障以及核电站核心损坏。地磁风暴并非罕见事件；它们会定期发生，强度和持续时间各不相同。