XiaoMi-AI文件搜索系统
World File Search SystemRobust
在具有挑战性的条件下的良好表现
期待，预计消费者的能源价格（天然气和电力）将全面上升。从4月起，水星住宅客户的总体电费增加将约为9.7％。这主要反映了由于成本上升和所需的基础设施投资水平而导致的线路和传输费用的增加，这与商务委员会在接下来的五年期间的价格重置相符。它还反映了批发电力和其他成本的成本上升。
量子奇异值转换和量子机学习算法的强大去量化
对于每个i∈{1，。。。，n}。由于此分布对应于通过测量量子状态获得的分配|在计算机基础上，长度方的采样访问提供了与线性代数问题在许多量子算法中考虑的量子访问类型的合理经典类似物。在这项工作中，我们研究了这些取消化结果的鲁棒性。我们介绍了近似长度平方采样的概念，其中经典算法只能从总变化距离接近理想分布的分布中采样。虽然量子算法是针对微小扰动的本质上是巨大的，但当前的技术并非如此。我们的主要技术贡献表明，在这种较弱的假设下，也可以将多少随机线性代数的技术进行调整。然后，我们使用这些技术来表明Chia，Gily´en，Li，Lin，Tang和Wang（JACM 2022）的最新低级除外框架以及Gharibian和Le Gall（Stoc 2022）的稀疏矩阵的去量化框架（
使用改良过度Feat CNN的实时车辆和车道检测：一项关于自动驾驶中鲁棒性和性能的全面研究
|摘要该检查研究了使用深刻学习方法的使用，即明确利用卷积脑组织（CNN），以持续识别道路驾驶情况中的车辆和路径限制。该研究通过利用一个包括由各种传感器捕获的注释帧，包括相机，激光雷达，雷达，雷达和GPS捕获的带注释的框架，调查了对CNN体系结构的修改性能。该框架在识别车辆和预期3D的路径形状方面表现出诚意，同时在不同的GPU设置上完成10 Hz以北的功能率。车辆边界盒预测具有很高的精度，对遮挡的阻力和有效的车道边界识别是关键发现。安静，探索强调了该框架在独立驾驶空间中的可能物质性，为该领域的未来改进带来了有前途的道路。
在多核物联网处理器上使用时间卷积网络的稳健实时嵌入式 EMG 识别框架
摘要 — 通过表面肌电 (sEMG) 信号对手部运动进行分类是一种成熟的高级人机交互方法。然而，sEMG 运动识别必须处理基于 sEMG 控制的长期可靠性，这受到影响 sEMG 信号的可变性的限制。嵌入式解决方案会受到识别准确度随时间下降的影响，这使得它们不适合可靠的手势控制器设计。在本文中，我们提出了一种基于时间卷积网络 (TCN) 的完整的可穿戴级嵌入式系统，用于基于 sEMG 的稳健手势识别。首先，我们开发了一种新颖的 TCN 拓扑 (TEMPONet)，并在基准数据集 (Ninapro) 上测试了我们的解决方案，实现了 49.6% 的平均准确率，比目前最先进的 (SoA) 好 7.8%。此外，我们设计了一个基于 GAP8（一种新型 8 核物联网处理器）的节能嵌入式平台。使用我们的嵌入式平台，我们收集了第二个 20 个会话数据集，以在代表最终部署的设置上验证系统。我们使用 TCN 获得了 93.7% 的平均准确率，与 SoA SVM 方法（91.1%）相当。最后，我们使用 8 位量化策略来适应处理器的内存限制，对在 GAP8 上实现的网络的性能进行了分析。我们达到了 4 倍更低的内存占用（460 kB），性能下降仅为 3% 的准确率。我们详细介绍了在 GAP8 平台上的执行情况，结果显示量化网络在 12.84 毫秒内执行单个分类，功率包络为 0.9 mJ，使其适合长寿命可穿戴设备部署。
西北地中海重大降水事件在温暖的气候下：稳健与不确定的变化，对流渗透模型合奏
1 CNRM，de toulouseUniversitéde toulouse，Météo -France，CNRS，Toulouse，法国，2 Laboratoire Alterato Milieux Milieux观察时代人/Institut Pierre Simon Laplace（IPSL） （DWD），德国奥登巴赫，4大气与气候科学研究所，苏黎世，苏黎世，瑞士，瑞士5 Wyss自然学院，伯恩大学，伯恩大学，瑞士6气候与环境物理，物理学，物理学，物理学研究所，伯恩，伯恩，伯恩，伯恩，伯尔尼，贝尔特，贝尔特，贝尔特，贝尔特，贝尔尼挪威奥斯陆气象学院，9卡尔斯鲁希技术研究所（KIT），德国卡尔斯鲁希，德国10个气候服务中心（Gerics），Helmholtz -Zentrum thermholtrum thermhore gmbh，德国汉堡，德国，11个研究所，乔格尔（Josci），乔格（Ibgg -3）德国，英国埃克塞特市大都会办公室12号办公室，德国勃兰登堡技术大学大气进程主席13，德国科特布斯，德国科特布斯，荷兰皇家气象研究所（KNMI）14号，荷兰，荷兰15 Fondazione Centro -Meditertro -Mediterraneo suiiii camcaty climcicali climccy climccy climccy climccy， Abdus Salam国际理论物理中心（ICTP），意大利Trieste，17 Faculdade deCiências，Instituto dom Luiz Instituto dom Luiz，Lisboa大学，里斯本，里斯本，葡萄牙，CESR 18 CESR（环境系统研究中心）
GREPore-seq：通过长距离 PCR 和纳米孔测序检测基因编辑后变化的强大工作流程
为了充分发挥基因编辑技术在临床治疗中的巨大潜力，需要彻底评估靶向编辑和非预期编辑的后果。然而，目前缺乏一种全面、流水线化、大规模且经济的工作流程来检测基因组编辑结果，特别是插入或删除大片段。在这里，我们描述了一种通过对条形码长距离 PCR 产物进行纳米孔池测序来有效准确地检测 CRISPR-Cas9 编辑后的多个基因变化的方法。为了克服纳米孔测序的高错误率和插入缺失，我们开发了一种流程，通过对纳米孔扩增子测序 (GREPore-seq) 的读取进行 grepping 来捕获条形码序列。GREPore-seq 可以检测 NHEJ 介导的双链寡脱氧核苷酸 (dsODN) 插入，其准确度与 Illumina 下一代测序 (NGS) 相当。GREPore-seq 还可以识别 HDR 介导的大基因敲入，这与 FACS 分析数据高度相关。还检测到了 HDR 编辑后的低水平质粒骨架插入。我们建立了一个实用的工作流程来识别遗传变化，包括量化 dsODN 插入、敲入、质粒骨架插入和 CRISPR 编辑后的大片段缺失。该工具包用于对汇集的长扩增子进行纳米孔测序，在评估靶向 HDR 编辑和超过 1 kb 的意外大插入缺失方面应具有广泛的应用。GREPore-seq 可在 GitHub 上免费获取（https://github.com/lisiang/GREPore-seq）。
灭活的人畜共患流感（H5N8）疫苗可诱导针对最近高度致病性禽流感染2.3.4.4b a（H5N1）病毒的稳健抗体反应
在2023年，芬兰面临着由2.3.4.4b A（H5N1）病毒引起的高度致病性禽流感，这些病毒从野生鸟类传播到毛皮农场。疫苗接种处于风险的人，例如毛皮和家禽农场工人，兽医和实验室工人，始于2024年6月，使用了由Seqirus生产的MF59-Adjuvant-Adjuvant灭活（H5N8）疫苗（基于2.3.4.4B A/Astrakhan/Astrakhan/32212/2020）。我们研究了39名受试者的两剂量疫苗接种方案后研究了抗体反应。疫苗接种诱导了与疫苗病毒和两种促枝2.3.4.4b病毒相当水平的功能抗体，这与芬兰的皮草动物的暴发或美国的牛有关。在先前未接种的人的两剂疫苗上，使用微隔核酸或血凝蛋白毒素的疫苗病毒的血清保护率为83％（95％CI 70-97％，滴度≥20）和97％（95％CI 90-100％，滴度90-100％，滴度≥40）。在先前H5接种疫苗的个体的子集中，第一个剂量已经导致了血清保护滴度，这表明免疫召回。这些数据表明，预计该疫苗将对当前循环的H5进化枝2.3.4.4b病毒进行交叉保护。
面向空间应用的紧凑、坚固且高度稳定的光学频率参考
共同作者：GOHLKE，Martin（德国航空航天中心 (DLR)）；KUSCHWESKI 博士，Frederik（德国航空航天中心 (DLR)）；OSWALD，Markus（德国航空航天中心 (DLR)）；ABICH，Klaus（德国航空航天中心 (DLR)）；ALAM 博士，Tasmim（德国航空航天中心 (DLR)）；BLOMBERG，Tim（德国航空航天中心 (DLR)）；BISCHOF，Jonas（德国航空航天中心 (DLR)）；BOAC，Alex（德国航空航天中心 (DLR)）；BUSSMEIER，Andre（德国航空航天中心 (DLR)）；RÖDER，Niklas（德国航空航天中心 (DLR)）；WÜST，Jan Martin；SANJUAN 博士，Jose（德国航空航天中心 (DLR)）；SCHULDT 博士，Thilo（德国航空航天中心 (DLR)）； BRAXMAIER, Claus 教授（德国航空航天中心 (DLR)）
![arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日](/simg/5/5ee1b28253fd57f67c8de75bac41fc3c62096654.webp)
arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日
摘要 - 基于变压器的模型主导了NLP和视觉应用，其基本机制却尚不清楚为标签空间映射到标签空间的基本机制。在本文中，我们研究了视觉变压器（VIT）的已知表示形式漏洞的来源，其中感知相同的图像可以具有非常不同的表示，而语义上无关的图像可以具有相同的表示形式。我们的分析表明，对输入的不可感知的变化可能会导致显着的表示变化，尤其是在以后的层中，这表明VIT的性能中的潜在不稳定性。我们的全面研究表明，在早期层中微妙的较微妙的效果通过网络传播和放大，在中间到晚层中变得最明显。这种洞察力激发了神经维特 - 武器的发展，这是一种新型的防御机制，在战略上使早期层中脆弱的神经元中和脆弱的神经元，以防止一系列对抗性效应。我们在各种攻击中展示了神经果赛的有效性，尤其是在强烈的迭代攻击中出色，并展示了其非凡的零弹性概括能力。在没有微调的情况下，我们的方法在对抗性示例中实现了77.8％的效率精度，超过了常规的鲁棒性方法。我们的结果为对抗性效应如何通过VIT层传播，同时提供了一种有希望的方法来增强视觉变压器对对抗性攻击的鲁棒性。此外，它们还提供了一种有希望的方法来增强视力变压器对对抗攻击的鲁棒性。索引术语 - 代表脆弱性，对抗性攻击，视觉变压器，可靠的嵌入
通过对抗攻击和培训进行强大的深入强化学习：调查
深度加固学习（DRL）是一种在各种复杂环境中训练自主代理的方法。尽管在众所周知的环境中表现出色，但它仍然容易受到较小条件的变化，这引起了人们对其在现实世界应用中的可靠性的担忧。为了改善Usabil的影响，DRL必须表现出可信赖和稳健性。通过对环境动力学的良好适合对抗性攻击进行训练，通过训练代理人来训练代理商，将DRL鲁尔的鲁棒性转化为未知变化的鲁棒性。解决这个关键问题时，我们的工作对当代对抗攻击方法进行了深入分析，系统地对其进行了分类并比较其目标和操作机制。此分类提供了一个详细的见解，以了解对抗性攻击如何有效地评估DRL代理的弹性，从而为增强其稳健性铺平了道路。