XiaoMi-AI文件搜索系统
World File Search SystemSimilarity
图像和视频柔和对比度自我监督学习的相似性估计
抽象的对比表示学习已被证明是图像和视频的有效自我监督的学习方法。最成功的方法是基于噪声对比估计（NCE），并将实例的不同视图用作阳性，应与其他称为否定的实例形成对比，被称为噪声。但是，数据集中的几个实例是从相同的分布中汲取的，并共享基本的语义信息。良好的数据表示应包含实例之间的关系，语义相似性和差异性，即通过将所有负面因素视为噪声来损害对比学习。为了避免此问题，我们提出了一种新的对比度学习的表述，使用称为“相似性对比估计（SCE）”的实例之间的语义相似性。我们的训练目标是一个软的对比目标，它使阳性更接近，并估计根据其学到的相似性推动或提取负面实例的连续分布。我们在图像和视频表示学习方面均通过经验验证我们的方法。我们表明，SCE在ImageNet线性评估方案上的最低时期时代的较少时代的时期与最低的时期进行了竞争性，并且它概括为几个下游图像任务。我们还表明，SCE达到了预处理视频表示的最新结果，并且学习的表示形式可以推广到下游任务。源代码可用：https：//github.com/juliendenize/eztorch。
基于多个相似性度量融合>的合成致命相互作用预测
摘要综合致死性（SL）关系会产生，而两个基因中的遗传结合导致细胞死亡，而两种基因中的任何一个都没有缺乏效率。突变肿瘤细胞的存活取决于突变基因的SL伴侣，从而通过抑制致癌基因的SL伴侣而被选择性地杀死癌细胞，但正常细胞不能杀死。因此，迫切需要开发更有效的SL对鉴定的癌症靶向治疗的计算方法。在本文中，我们提出了一种基于相似性融合的新方法，以预测SL对。多种类型的基因相似性度量是整合的，并应用了k -neart最初的邻居算法（K -NN），以实现基因对之间基于相似性的分类任务。作为一种基于相似性的方法，我们的方法在多个实验中表现出了出色的性能。除了我们方法的效果外，易用性和可扩展性也可以使我们的方法在实践中更广泛地使用。
对早产新生儿
剑桥大学，剑桥大学CB2 CB2 0SZ，英国B宾夕法尼亚州宾夕法尼亚州宾夕法尼亚大学宾夕法尼亚大学精神病学系，宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州c伦敦国王学院伦敦国王学院伦敦国王学院伦敦国王学院，伦敦SE5 SE5 8AF费城儿童医院，费城，PA 19139，美国，美国精神病学系，宾夕法尼亚大学宾夕法尼亚大学宾夕法尼亚大学宾夕法尼亚大学，美国G费城脑研究所，费城和宾夕法尼亚州儿童医院宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州，19104年，美国I Instituto de Biomedicina de Sevilla（IBIS）HUVR/CSIC/CSIC/COSIC/UNIVERDAD DE SEVILLA，CIBERSAM，CIBERSAM，ISCIII，DPTO。def> de fisiolog´ıaM´edica y biof´ısica，41013塞维利亚，西班牙
青春期过渡期间心理化和现场社交互动之间的神经相似性
图 1 社交互动 fMRI 任务示意图 (a)。参与者会得到半秒钟的提示，表明他们是要回答互动伙伴 (peer) 提出的问题，还是回答计算机提出的关于故事人物 (character) 的问题。提示持续 3.5 秒，需要使用关于目标的心理状态信息 (mental)，或非心理、物理信息 (nonmental)。这产生了一个完全的受试者内、2 (同伴/角色) 2 (心理/非心理) 设计 (b)。PM，同伴心理；PNM，同伴非心理；CM，角色心理，CNM，角色非心理。模型 1 = 互动涉及心理化 (c)，模型 2 = 互动模型 (d)，模型 3 = 心理化模型 (e)
语义关系的分布式代码预测类比推理期间的神经相似性
诗人塞缪尔·泰勒·科尔里奇（Samuel Taylor Coleridge）声称，这种思想需要“习惯于不仅要考虑事物，而是……而是同样，主要是事物的关系……”（Coleridge，1810/1969，第451页）。由于关系为语言和思想提供了基本的基础，因此它们对于一系列认知任务是核心。A prime example is the critical role of relation representa- tions in analogical reasoning (Holyoak, 2012), a mental process that impacts human activities as diverse as meta- phor comprehension (Holyoak, 2019), mathematics edu- cation (Richland, Zur, & Holyoak, 2007), scientific discovery (Dunbar & Klahr, 2012), and engineering design (Chan & Schunn, 2015）。然而，尽管关系的重要性得到了广泛的认可，但就思想和大脑中的关系表示形式尚未达成共识。在过去的半个世纪中，探索人类语义记忆的认知科学家试图确定两个概念之间一阶关系的代码（有关评论，请参见琼斯，威利特斯，＆dennis，＆dennis，2015年； Holyoak，2008年）。两种长期观点，主要基于从类别的加速验证（例如，尽快决定玫瑰是花是花）的数据，继续具有影响力。源自计算机科学的一种方法（Collins＆Quillian，1969），将关系视为粗编码，并在代表概念的本地主义节点之间具有标记的统一联系（例如，连接连接玫瑰花的“ IS”链接）。关系
遗传相似性与遗传祖先作为人类遗传学样本描述符
样本标签研究人员选择适用于下游分析的人类基因组数据形状以及其他人如何解释结果。一些样本标签，例如种族或种族，以模棱两可和不一致的方式应用（Panofsky和Bliss，2017年； Popejoy等人。，2020年； BYEON等人。，2021）。今天，样本描述符通常还包括对样品基因组数据分析的标签。研究人员使用的一个常见的遗传样本描述是“遗传血统群体”：例如，将生活在美国的个体标记为具有“欧洲遗传血统”或“非洲遗传血统”。由于这些标签是基于统计方法，因此它们似乎比根据社会分组分配的标签要少。但是，使用流行基因组学方法来分配人群描述符，其自身相交的挑战。的确，遗传血统标签显然是混乱的根源，范围和遗传标签之间的滑倒与社会标签之间的底漆（参见Mathieson和Scally，2020年； Lewis等； Lewis等，2022年，最近呼吁对我们的遗传血统的含义更加准确。从这个角度来看，我认为人类遗传学的领域应远离使用遗传血统作为样本描述符。这样的术语是不精确的且潜在的误导性，并且对于大多数应用，研究人员都使用它们来指示与某些预定的样本集的遗传相似性或相关性。许多在大多数应用中，人类遗传学家实际上与控制遗传相似性，地理和环境的比较有关，而不是祖先人群的某些模糊概念。
fast：在黑盒生成模型中弱学习的功能相似性阈值
摘要 - 强调对深层生成模型的调节，这是由于与隐私和遵守监管框架有关的关注所升级，强调了对这些模型的精确控制机制的必要需求。这种紧迫性尤其强调，在这种情况下，生成模型产生的输出涵盖了可观的，令人反感的，令人反感的或可能有害的内容。在响应中，已经出现了机器，以选择性地忘记特定的知识或从预训练的模型中删除不良数据子集的影响。但是，现代机器未学习方法通常会在学习过程中访问模型参数和架构细节，这并不总是可行的。在多种下游任务中，这些模型充当黑框系统，具有无法访问的预训练参数，体系结构和训练数据。在这种情况下，过滤不需要的输出的可能性成为一种实用的选择。我们提出的方法功能特征意识相似性阈值（快速）通过系统地编码潜在空间中不需要的特征来有效地抑制不希望的输出。我们采用用户标记的正和负样本来指导此过程，利用潜在空间固有的能力来捕获这些不受欢迎的表示形式。在推断期间，我们使用潜在空间中的此确定的表示形式来计算带有新采样的潜在向量的投影相似性指标。随后，我们精心应用一个阈值以从输出中排除不可用的样品。我们的实施可从https://github.com/subhodip123/weak-unlearning-gan-gan
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
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。”
价值相似性如何影响人工智能辅助道德决策中的人类依赖？
本文探讨了在人工智能辅助伦理决策的背景下，人类与人工智能之间的价值观相似性对人类依赖的影响。以肾脏分配为例，我们进行了一项随机的人类受试者实验，其中工人在各种条件下面临道德困境，包括没有人工智能建议、来自类似人工智能的建议和来自不同人工智能的建议。我们发现，不同人工智能提供的建议对人类决策的总体影响高于来自类似人工智能的建议。然而，当人类和人工智能意见不一致时，参与者在获得类似人工智能的建议时更有可能改变他们的决定。这种影响不是由于人类对人工智能的看法相似，而是由于人工智能通过其建议表现出相似的道德价值观。我们还对价值观相似性和信任之间的关系以及人口层面的道德偏好的潜在转变进行了初步分析。