XiaoMi-AI文件搜索系统
World File Search SystemReid
核边缘政策的心理学 - Reid Pauly
尽管心理学和人类情感的作用已越来越多地影响我们对许多冲突研究领域决策微观基础的理解，但研究它们如何影响核战略的研究却少之又少。本文强调了这些因素在核边缘政策中的关键作用。随着国际关系领域寻求在大国冲突明显重演后更新核战略理论和核武器效用，我们强调了领导人在决定使用核武器时必须做出的有意识选择的核心作用。人类情感会以与支撑威慑理论的理性成本效益假设的预期相矛盾的方式将机会引入谈判。本文利用心理学和情感研究来探讨一个核心难题：在领导人仍然保留升级“选择”的权力的同时，“机会”如何在核危机中产生强制性影响力。影响力是指对对手施加力量或影响力，使其屈服于你的意志的能力。如果可信的话，核威胁可以产生影响力。但理性的决策者绝不会选择相互保证毁灭 (MAD)；因此，边缘政策的典型理论认为，“将某些事情留给机会的威胁”将领导者排除在升级过程之外。1 我们反而认为机会可以与选择共存。在 MAD 世界中，这确实是令人恼火的
里德图书馆研讨室信息指南
如果需要，图书馆工作人员将协助您重新设置家具配置。离开时，房间内请勿堆放垃圾，离开时请带走您带来的所有物品。如果您预计活动需要额外清洁，请在活动开始前与校园管理部门安排清洁请求。如果房间内的任何物品无法使用，请告知图书馆工作人员。
抓获当场 Cullen G. Nutt 和 - Reid Pauly
1977 年 8 月，苏联当场抓住了南非的把柄。苏联卫星观测到南非人在卡拉哈里沙漠钻深井进行地下核试验。苏联决定通知美国，美国情报部门核实了这一证据。1 然而，两个超级大国在是否公开披露南非秘密核活动的证据上存在分歧。美国决策者希望直接与南非接触，并且“不大张旗鼓”。2 相反，苏联决定向全世界宣布南非即将进行核试验。3 在没有这样的宣传的情况下，苏联领导人不相信美国会向南非施压，迫使其不要进行试验。现在南非的不法行为已经公之于众，美国担心如果不履行停止核扩散的承诺，就会被贴上伪君子的标签。美国采取行动来约束南非。因此，苏联政府采取了间接胁迫手段：通过公开证据来催化美国，苏联将目标对准南非，迫使其改变行为。
有效的双边跨模式群集匹配无监督的可见红外人Reid
无监督的可见红外人员重新识别（USL-VI-REID）旨在匹配来自不同方式的同一身份的行人图像，而无需注释。现有作品主要集中于通过对齐未标记的样本的实例级特征来减轻模式差距。但是，跨模式簇之间的关系尚未得到很好的探索。为此，我们提出了一个新型的双边群集匹配的学习框架，以通过匹配的跨模式簇来弥补模态差距。特定的是，我们通过优化两部分图中的最大匹配问题来设计多到多的双边跨模式群匹配（MBCCM）算法。然后，匹配的成对簇在模型训练过程中利用共享的可见和红外伪标签。在这样的监督信号下，提出了一种特异性和模态性和情态的（MSMA）对比度学习框架 - 提议在集群级别上共同对齐特征。平均值，提出了交叉模式一致性约束（CC），以明确减少较大的模态差异。对公共SYSU-MM01和REGDB数据集进行了广泛的实验，证明了该方法的有效性，平均超过8.76％的地图超过了最先进的方法。
最初发表于：Pauli, Chantal；De Boni, Lamberto；Pauwels, Jonathan E；Chen, Yanjiang；Planas-Paz, Lara；Shaw, Reid；Emerling, Brooke M；Gra
摘要 ◥ 在这个精准医疗时代，已经开发出许多针对常见肿瘤类型中高复发性突变的工作流程，让患有罕见疾病的患者几乎没有选择。在这里，我们实施了一种功能精准肿瘤学方法，利用全面的基因组分析与高通量药物筛选相结合，为患有粘液纤维肉瘤等罕见肿瘤类型的患者确定肿瘤特异性药物敏感性。从一位参加英格兰精准医学研究所 (EIPM) 项目的高级别粘液纤维肉瘤患者那里，我们建立了患者衍生的 3D 肉球和异种移植模型，用于功能测试。由于缺乏大量临床相似病例，因此对患者来源的细胞进行了高通量药物筛选，并与另外两种粘液纤维肉瘤系和一种良性成纤维细胞系进行了比较，以功能性地识别肿瘤特异性药物敏感性。
AI和大型模型的基础
近年来，基于深度卷积网络的对象重新识别（REID）的性能已达到很高的水平，并且取得了不错的进步。现有方法仅着眼于特征和分类精度的鲁棒性，而忽略了不同特征之间的关系（即画廊 - 壁画对之间的关系或探测 - 探针对之间的关系）。特别是，位于决策边界的探针是抑制对象REID性能的关键。我们将此探针视为硬样本。最近的研究表明，图形卷积网络（GCN）显着改善了特征之间的关系。但是，将GCN应用于对象REID仍然是一个悬而未决的问题。本文提出了两个可学习的GCN模块：特征聚合图卷积网络（FA-GCN）和评估连接图卷积网络（EC-GCN）。具体来说，预处理选择一个任意特征提取网络来提取对象REID数据集中的功能。给定探针，FA-GCN通过画廊集的亲和力图聚集了相邻节点。之后，EC-GCN使用随机概率库采样器来构建子图，以评估探针 - 壁画对的连通性。最后，我们将节点特征和连接比共同汇总为一个新的距离矩阵。对两个人REID数据集（Market-1501和Dukemtmc-Reid）和一个车辆REID数据集（VERI-776）的实验结果表明，所提出的方法可实现最先进的性能。
PersonVit：重新识别的大规模自我监督的视觉变压器
人重新识别（REID）旨在在非重叠的摄像机图像中检索相关的人，并且在公共安全领域具有广泛的应用。近年来，随着视觉变压器（VIT）和自我监督的学习技术的发展，基于自我监督的预训练的人的REID的表现得到了极大的改善。人Reid需要提取人体的高度歧视性局部细粒度特征，而传统的VIT则擅长提取与上下文相关的全球特征，从而难以专注于当地的人体特征。为此，本文介绍了最近出现的掩盖图像建模（MIM）自制的学习方法，并通过将掩盖的图像建模和歧视性的损坏性学习和进行训练的人进行训练的任务来有效地提取高质量的全球和本地特征。此人的特征提取方法基于VIT，具有掩盖图像建模（PersonVit）具有无关，可扩展性和强大的概括能力的良好特征，克服了受监督人员REID中难以注释的问题，并在包括MSMT17，Market1501，dukem-comp的公共可用基础数据集中实现了最先进的结果。PersonVit方法的代码和预培训模型将在https://github.com/hustvl/personvit上发布，以促进REID领域的进一步研究。
先前的会议| 2023年1月19日，星期四
f1。大师班：与博士的对话。 Hassan Mir，博士。 Andrew Pipe和Dr。罗伯特·里德（Robert Reid）|鲍勃·里德（Bob Reid）博士的哈桑·米尔（Hassan Mir）博士，安德鲁·佩普（Andrew Pipe）博士 *学习目标：通过与国际知名的戒烟专家进行公开和知情的对话，概述了地标的戒烟方法。f2。咨询患者/压力管理| Emilie Serano，渥太华大学心脏研究所 *学习目标：总结接受戒烟计划的患者压力的方法。