XiaoMi-AI文件搜索系统
World File Search SystemSong
Hongxin Zeng, Sen Gong, Lan Wang, Tianchi Zhou, Yaxin Zhang*, Feng Lan, Xuan Cong, Luyang Wang, Tianyang Song, YunCheng Zhao, Ziqiang Yang and Daniel
太赫兹技术在数据通信、雷达探测、高分辨率成像等领域展现出巨大的发展潜力，但这些应用也面临着大气吸收和自由空间路径损耗导致的传输距离短的问题[1-3]。解决该问题的主要方法是增加天线增益来补偿这些损耗，但大多数高增益天线不易操控，传播角度固定，降低了系统的实用性。作为解决方案之一，太赫兹波前整形技术可以灵活地操控光束方向和波前特性，满足太赫兹系统的应用需求，例如在点对点通信系统中可以改善太赫兹光束方向性，以增加传播距离；在目标雷达系统中可以切换多光束波前特性，实现多区域检测[4，5]。在太赫兹高分辨率成像中，波前模式掩模可以切换，为系统提供更多的感知信息[6-8]。为了实现这些目标，太赫兹波前整形需要由多个通道合成，携带适当可变的相位信号。
陆军价值观
美国陆军歌曲于 1908 年在菲律宾创作。准将（当时的中尉）埃德蒙·L·“斯尼茨”·格鲁伯是一名炮兵军官，他驻扎在那里，随第 2 营第 5 野战炮兵部队，在两名中尉的帮助下创作了这首歌。在听到他的一名部门负责人敦促他的驾驶员“让它们（炮）继续前进”后，他受到了启发；并迅速创作了《炮车之歌》的歌词和音乐。这首歌立即流行起来，很快被整个美国野战炮兵部队采用。后来，这首歌被交给了传奇作曲家约翰·菲利普·苏萨；由此产生的《美国野战炮兵进行曲》在第一次世界大战期间成为轰动一时的作品，销量约为 75 万张。尽管陆军曾两次尝试创作一首官方歌曲，但似乎没有一首作品能留下什么印记。最终在1952年，陆军副官长的音乐顾问HW Arberg将《炮车之歌》改编成美国陆军的官方歌曲《军队前进》。
ACM 参考格式：Yoonjoo Lee、John Joon Young Chung、Tae Soo Kim、Jean Y. Song 和 Juho Kim。2022 年。Promptiverse：通过可扩展的方式生成脚手架提示
虽然在线视频学习已成为各种学习者广泛采用的方法，但大多数在线视频学习环境为所有学习者提供的都是相同的讲座视频。在千篇一律的设计中，由于学习者先前的知识不同，他们可能会对讲座内容的不同部分感到困难。找到另一个能更好地解释学习者困难点的视频可能是一个解决方案，但这需要学习者搜索这样的视频，从而产生额外的努力。此外，由于学习者是新手，他们可能没有足够的知识来辨别哪个视频可以帮助他们克服困难。缓解学习者因千篇一律的视频设计而产生的各种痛点的一种方法是利用不同的支架提示，这些提示提供提示并向学习者询问学习内容。例如，如果视频对某个概念的解释对学习者来说不够详细，那么学习者就会很难理解内容。有了多样化的提示，如果学习者向在线学习系统寻求有关概念的帮助，那么系统可以提供合适的支架提示，让学习者有机会促进他们对该概念的理解。提示可以让学习者检查他们的理解，保持他们的参与度，并让他们将该概念与他们已经知道的其他概念联系起来[11，12]。最终，对概念的理解将拓宽学习者组织和感知新信息的方案，让学习者全面理解讲座。为了成功提供这种支持，必须准备各种各样的支架提示来应对学习者的各种痛点。然而，由于创作成本高昂，手动创建多样化的支架提示可能是不切实际的，如果没有这种多样性，提示往往无法全面解决讲座中涉及的各种概念。在这项工作中，我们介绍了 Promptiverse，这是一种支架提示生成方法，它使用知识图谱以较低的创作成本大规模创建多样化的提示。 Promptiverse 借助讲座内容的知识图谱，遍历知识实体和关系，同时考虑 Ausubel 理论 [ 4, 6 ] 中有意义的学习模式，这为设计有效的教学提示提供了深刻见解。Promptiverse 不仅从遍历的路径中生成大量提示，而且还通过改变哪些知识元素作为提示提供以及哪些知识元素从学习者那里引出，使提示的内容多样化。例如，在图 1 中，Promptiverse 通过改变遍历的路径生成了两个不同的支架提示（绿色框）。这些不同内容的提示可以为那些可能无法理解视频解释的学习者提供不同的解释。尽管 Promptiverse 有望实现提示的可扩展创建，但构建底层知识图谱需要课程设计人员的手动操作。因此，我们设计了 Grannotate，一款人机混合系统，用于协助课程设计人员
时间序列基础模型|明金
Liang，Y.，Wen，H.，Nie，Y.，Jiang，Y.，Jin，M.，Song，D.，...＆Wen，Q。 （2024）。 时间序列分析的基础模型：教程和调查。 在KDD'24 中Liang，Y.，Wen，H.，Nie，Y.，Jiang，Y.，Jin，M.，Song，D.，...＆Wen，Q。（2024）。时间序列分析的基础模型：教程和调查。在KDD'24
社交情感和语言的快乐音乐...
i nvite：为父母提供歌曲，故事或视频的链接。例如专辑歌曲流平台或YouTube上的T hree Kind Mice视频视频，或将书籍的副本发送给他们。要求他们邀请他们的孩子听/观看/阅读歌曲/故事/视频。要求孩子们想象与故事中的老鼠相同的情况会是什么样。
亚马逊音乐 - 节拍背后的职业
生产商使用哪些软件来捕获声音输入？回到当天，音乐曾经被录制到巨型卷轴或磁带上。如果艺术家犯了一个错误或制作人希望零件听起来有所不同，那么艺术家将不得不重新记录整首歌曲或录音带的物理剪裁和磁带部分。今天，生产商使用称为数字音频工作站的特殊软件，或简称DAW。此软件使制作人和音乐家可以轻松地操纵音乐以添加效果，重新录制歌曲的某些部分，重新排序歌曲的部分，为音乐添加层数等等。生产者然后将音频存储在计算机硬件或云中，并可以与他人共享歌曲。
Qinglei Cao
1。Sameh Abdulah，Allison H. Baker，George Bosilca，Qinglei Cao，Stefano Castruccio，Marc G. Genton，David E. Keyes，Zubair Khalid，Hatem Ltaief，Yan Song，Yan Song，Georgiy L. Stenchikov和Ying Sun.使用Exascale气候模拟器来增强地球系统模型输出并节省其存储空间。国际高性能计算，网络，存储和分析会议（SC，ACM Gordon Bell气候建模奖），2024 [PDF]
技术会议 2024 年 8 月 29 日星期四 | 13:45
Zhao Yuqing, Divya Saxena, Jiannong Cao, Xiaoyun Liu and Changlin Song 8. Cross-modal Representation Flattening for Multi-modal Domain Generalization Yunfeng Fan, Wenchao Xu, Haozhao Wang and Song Guo 9. FedConv: A Learning-on-Model Paradigm for Heterogeneous Federated Clients Leming Shen, Qiang Yang, Kaiyan Cui, Yuanqing Zheng, Xiao-Yong Wei, Jianwei Liu and Jinsong Han 10. Fuzzy Logic Guided Reward Function Variation: An Oracle for Testing Reinforcement Learning
大面积WTE2薄膜中的可调等离子体
Chaoyu Song 1,2 ,, Fanjie Wang 1,2 ,, Yuangang Xie 1,2 ,, Yuchen Lei 1,2 ,, Zhengzong Sun 3* ,
斑点纹状体神经元对环境价调节运动活力
Sarah Hawes 1，Bo Liang，3，Braden Oldham 1，Braden Oldam 1，Lupeng Wang 1，Bin Song 1，