XiaoMi-AI文件搜索系统
World File Search SystemSimi
相似性缓存 - IRIS-AperTO
摘要 —本文重点介绍相似性缓存系统，其中用户对不在缓存中的对象 𝑜 的请求可以通过存储的相似对象 𝑜 ′ 来（部分）满足，但代价是用户效用的损失。相似性缓存系统可有效地用于多个应用领域，如多媒体检索、推荐系统、基因组研究和机器学习训练/服务。然而，尽管它们具有相关性，但人们对此类系统的行为还远未得到很好的理解。在本文中，我们首次全面分析了离线、对抗和随机设置中的相似性缓存。我们表明相似性缓存带来了重大的新挑战，为此我们提出了第一个具有一些最优性保证的动态策略。我们在合成和真实请求跟踪下评估了我们方案的性能。
ARE 版权警报：人工智能被认为是专家评估作品相似度的可靠方法
法院评论了专家在“人工智能驾驶系统的算法推理，包括面部识别技术”方面的经验，并推断专家的“方法是可靠的，因为他对 King Cake Baby 和 Happy Death Day 面具进行了人工智能面部识别分析，以确定使用数学和目标面部识别算法比较这两件作品是否会发现人类感知会将作品视为基本相似。” Slip op.第 4 页。因此，法院驳回了被告排除意见证词的动议。在驳回排除动议时，法院指出，被告对拟议证词的担忧“可以在交叉询问中进行探讨，并不需要完全排除他们的意见和证词。”
Microsoft Word - 04-老年人站立测试中的腿部肌肉活动和相似性指数
目的：双腿、串联和左右单腿站立（DLS、TS、L-SLS 和 R-SLS）的总时间通常用于评估老年人的稳定性。为了提供老年人运动控制能力的详细信息，肌肉活动数据至关重要。背景：几种站立测试已用于评估老年人未来跌倒的可能性。将肌肉活动数据与站立测试一起纳入稳定性分析，将提供更可靠的姿势稳定性定量指标。方法：我们收集了 22 名老年参与者（70.3±4.2 岁）每条腿六块肌肉的表面肌电图 (sEMG) 数据，并使用大脑运动控制评估 (BMCA) 协议对其进行评估，重点关注幅度和相似性指数 (SI)。15 名能够保持站立至少 10 秒或更长时间的参与者组成对照组，而 7 名保持站立时间少于 10 秒的参与者被分为测试组。结果：对于右侧单腿站立 (R-SLS)，对照组显示为 28.1(±3.5) 秒，而测试组平均为 8.9(±4.6) 秒。对照组所有站立姿势的总平均 EMG 幅度为 120.0(±45.6) uV，而测试组为 131.6(±75.5) uV (p > 0.56)。对照组的 SI 为 0.94(±0.04)，测试组为 0.84(±0.15) (p < 0.02)。右侧和左侧之间没有发现显著差异。值得注意的是，两名测试组参与者在所有站立姿势下的 SI 值都很低（平均 SI = 0.69±0.16 和 0.60±0.12）。结论：我们应用 BMCA 协议来分析健康老年人在站立测试期间的 sEMG 模式。相似性指数有望成为一种有效的筛查工具，用于识别存在稳定性问题的人。此外，BMCA 协议可用于在各种稳定性测试中监测老年人的运动控制能力。应用：本研究使用 BMCA 协议评估这些姿势下的 sEMG，表明 SI 和维持时间可能是识别平衡困难的老年人的有效筛查工具。关键词：肌电图、单腿姿势、相似性指数、脑运动控制评估 (BMCA)、筛查工具
种子生产中的社区同步与北美的特质相似性和气候有关
1密苏里大学生物学系 - 美国密苏里州圣路易斯圣路易斯大学| 2密苏里大学惠特尼·R·哈里斯世界生态中心 - 美国密苏里州圣路易斯圣路易斯大学| 3美国密苏里州圣路易斯密苏里州植物园科学与保护部| 4美国加利福尼亚州阿卡塔的Cal Poly Humboldt林业，消防和范围管理部| 5约克大学生物学系，英国约克| 6美国阿拉斯加阿拉斯加费尔班克斯大学北极生物学研究所，美国阿拉斯加，美国| 7 H.J. Andrews实验森林，俄勒冈州立大学，美国俄勒冈州蓝河| 8美国波多黎各圣胡安市波多黎各大学环境科学系| 9美国加利福尼亚州圣塔芭芭拉分校国家生态分析与合成中心长期生态研究网络办公室，美国加利福尼亚州圣塔芭芭拉| 10赖斯大学，美国德克萨斯州休斯敦莱斯大学生物科学系|美国科罗拉多州科罗拉多州柯林斯堡的USDA森林服务局11落基山研究站| 12美国俄亥俄州俄亥俄州俄亥俄州大学环境与植物生物学系| 13美国新罕布什尔州汉诺威市达特茅斯学院的环境研究系| 14美国纽约州伊萨卡康奈尔大学自然资源与环境系| 15美国加利福尼亚州戴维斯分校的进化与生态系| 16美国加利福尼亚州卡梅尔谷加利福尼亚大学伯克利分校的Hastings保留地| 17美国加利福尼亚州伯克利分校的环境科学，政策与管理系| 18美国科罗拉多州柯林斯堡的柯林斯堡科学中心，美国科罗拉多州柯林斯堡1密苏里大学生物学系 - 美国密苏里州圣路易斯圣路易斯大学| 2密苏里大学惠特尼·R·哈里斯世界生态中心 - 美国密苏里州圣路易斯圣路易斯大学| 3美国密苏里州圣路易斯密苏里州植物园科学与保护部| 4美国加利福尼亚州阿卡塔的Cal Poly Humboldt林业，消防和范围管理部| 5约克大学生物学系，英国约克| 6美国阿拉斯加阿拉斯加费尔班克斯大学北极生物学研究所，美国阿拉斯加，美国| 7 H.J.Andrews实验森林，俄勒冈州立大学，美国俄勒冈州蓝河| 8美国波多黎各圣胡安市波多黎各大学环境科学系| 9美国加利福尼亚州圣塔芭芭拉分校国家生态分析与合成中心长期生态研究网络办公室，美国加利福尼亚州圣塔芭芭拉| 10赖斯大学，美国德克萨斯州休斯敦莱斯大学生物科学系|美国科罗拉多州科罗拉多州柯林斯堡的USDA森林服务局11落基山研究站| 12美国俄亥俄州俄亥俄州俄亥俄州大学环境与植物生物学系| 13美国新罕布什尔州汉诺威市达特茅斯学院的环境研究系| 14美国纽约州伊萨卡康奈尔大学自然资源与环境系| 15美国加利福尼亚州戴维斯分校的进化与生态系| 16美国加利福尼亚州卡梅尔谷加利福尼亚大学伯克利分校的Hastings保留地| 17美国加利福尼亚州伯克利分校的环境科学，政策与管理系| 18美国科罗拉多州柯林斯堡的柯林斯堡科学中心，美国科罗拉多州柯林斯堡Andrews实验森林，俄勒冈州立大学，美国俄勒冈州蓝河| 8美国波多黎各圣胡安市波多黎各大学环境科学系| 9美国加利福尼亚州圣塔芭芭拉分校国家生态分析与合成中心长期生态研究网络办公室，美国加利福尼亚州圣塔芭芭拉| 10赖斯大学，美国德克萨斯州休斯敦莱斯大学生物科学系|美国科罗拉多州科罗拉多州柯林斯堡的USDA森林服务局11落基山研究站| 12美国俄亥俄州俄亥俄州俄亥俄州大学环境与植物生物学系| 13美国新罕布什尔州汉诺威市达特茅斯学院的环境研究系| 14美国纽约州伊萨卡康奈尔大学自然资源与环境系| 15美国加利福尼亚州戴维斯分校的进化与生态系| 16美国加利福尼亚州卡梅尔谷加利福尼亚大学伯克利分校的Hastings保留地| 17美国加利福尼亚州伯克利分校的环境科学，政策与管理系| 18美国科罗拉多州柯林斯堡的柯林斯堡科学中心，美国科罗拉多州柯林斯堡
乙酸化学及其类似类似物的化学审查
α-羟基酸（AHA），溶解在水中并且具有还原性和酸性品质等二醇酸（C₂H₄O₃）。它包含一个羧基（-COOH），该羧基可以与醇通过酯化酸化乙酸酯的反应。其中等酸度使IT导致基于分离的溶液，产生氢离子（H⁺），并有助于护肤产品的脱角质质量。另外，乙醇酸可以通过与碱中和反应进行中和反应来产生盐等盐。由于其反应性，它可以用作化学剥离剂和无效组成。它还具有降低的品质，可以影响不同种类的反应中其他有机分子。
检索蛋白质结构预测的增强蛋白质语言模型
准确预测分子活性对于有效的药物发现至关重要，但由于数据集有限和嘈杂，因此仍然具有挑战性。我们引入了相似性 - 量化的相对学习（SQRL），这是一个学习框架，将分子活性预测重新定义为结构相似的化合物对之间的相对差异学习。sqrl使用预先计算的分子相似性来增强图形神经网络和其他体系结构的训练，并显着提高了药物疾病中常见的低数据表格的准确性和概括。我们通过在公共数据集和专有行业数据上进行基准测试来证明其广泛的适用性和现实世界的潜力。我们的发现表明，利用相似性相对差异为分子活性预测提供了有效的范例。
2025 年美国经济展望：新政策、相似路径（...
波音公司发货延迟在最近几个季度支撑了商业投资，但由于去年推动资本支出增长的工厂建设热潮已趋于平稳，商业投资在其他方面表现相当疲软。我们预计，商业投资将在 2025 年回升，推动力包括新工厂和人工智能设备的支出、税收优惠的恢复、信心的增强以及对小企业借贷至关重要的短期利率降低（图表 14）。从负面来看，上一次贸易战的教训表明，关税将通过提高投入成本、引发外国对美国出口的报复以及对进一步升级风险的不确定性来拖累投资。综合来看，我们预测第四季度商业投资增长将大致持平，然后在 2025 年第四季度/第四季度的基础上逐渐反弹至略高于 5%。
I2P注册通过学习从像素到点相似性的基本对齐特征空间 通过滚动曲线在大规模点云中的全局本地化... ct-lvi：一个朝着连续的激光 - 视觉的框架... AI和大型模型的基础 对象重新识别的功能聚合和连接性 混合现实可视化和人脑的交互式血流动力学计算 Guihua Wang 实时的表面识别系统，用于可变的双头机器人步行速度 lcnet.pdf-科学技术学院
估计相机和激光雷达之间的相对姿势对于促进多代理系统中复杂的任务执行至关重要。尽管如此，当前的方法论遇到了两个主要局限性。首先，在跨模式特征提取中，它们通常采用单独的模态分支来从图像和点云中提取跨模式特征。此方法导致图像和点云的特征空间未对准，从而降低了建立对应关系的鲁棒性。第二，由于图像和点云之间的比例差异，不可避免地会遇到一到一对像素点的对应关系，这会误导姿势优化。为了应对这些挑战，我们通过学习从p ixel到p oint sim Imarlities（i2p ppsim）的基本对齐特征空间来提出一个名为i Mage-p oint云注册的框架。I2P PPSIM的中心是共享特征对齐模块（SFAM）。 它是在粗到精细体系结构下设计的，并使用重量共享网络来构建对齐特征空间。 受益于SFAM，I2P PPSIM可以有效地识别图像和点云之间的共同视图区域，并建立高可责任2D-3D对应关系。 此外，为了减轻一对一的对应问题，我们引入了一个相似性最大化策略，称为点最大。 此策略有效地过滤了异常值，从而确立了准确的2D-3D对应关系。 为了评估框架的功效，我们进行了有关Kitti Odometry和Oxford Robotcar的广泛实验。I2P PPSIM的中心是共享特征对齐模块（SFAM）。它是在粗到精细体系结构下设计的，并使用重量共享网络来构建对齐特征空间。受益于SFAM，I2P PPSIM可以有效地识别图像和点云之间的共同视图区域，并建立高可责任2D-3D对应关系。此外，为了减轻一对一的对应问题，我们引入了一个相似性最大化策略，称为点最大。此策略有效地过滤了异常值，从而确立了准确的2D-3D对应关系。为了评估框架的功效，我们进行了有关Kitti Odometry和Oxford Robotcar的广泛实验。结果证实了我们框架在改善图像到点云注册方面的有效性。为了使我们的结果可重现，源代码已在https://cslinzhang.github.io/i2p上发布。
因名称相似而导致的药物混淆（第 2 例）
关于此信息 * PMDA 医疗安全信息由药品和医疗器械管理局发布，旨在从促进药品和医疗器械安全使用的角度为医疗保健提供者提供更清晰的信息。这里提供的信息是在专家建议的帮助下，根据日本质量医疗保健委员会收集的医疗事故信息报告案例以及根据《药品和医疗器械质量、功效和安全保障法》收集的不良药物反应和故障报告案例汇编而成的。 * 我们在汇编时已尽力确保此信息的准确性，但不保证其将来的准确性。 * 此信息并非旨在限制医疗保健专业人员的判断力或对他们施加义务和责任，而是为了促进医疗保健专业人员安全使用药品和医疗器械而提供的。通过 PMDA Medi-navi 服务可访问最新的安全信息。 * 此英文版旨在作为参考资料，为用户提供便利。如果日文原文与英文译本有不一致之处，以日文原文为准
贝叶斯相似度加权聚合用于联合脑肿瘤分割
度量贝叶斯+UCB SimAgg RegAgg 模拟时间（小时） 47.45 78.14 78.13 预计收敛分数 0.7264 0.7273 0.7227 DICE 标签 0 0.9977 0.9978 0.9980 DICE 标签 1 0.6844 0.6657 0.6561 DICE 标签 2 0.7257 0.6430 0.6665 DICE 标签 4 0.7464 0.7603 0.7313