XiaoMi-AI文件搜索系统
World File Search SystemTations
sprevak-预测编码1- intoduction.pdf
预测编码是认知的计算模型。与其他计算模型一样，它试图用我们的大脑进行的组合来解释人类的思想和行为。至少在至少三个方面与更传统的方法不同。首先，它渴望全面：它旨在解释人类认知的一个领域，而是所有这些领域 - 感知，运动控制，决策，计划，推理，关注等。其次，它的目的是统一：它不是用许多不同的计算来解释认知，而是通过吸引单个计算的认知来解释认知 - 一种计算任务和一种计算算法据称是认知的基础。tird，它的目的是完成：它不仅是有关计算故事的一部分，而且是一个从神经调节器的释放的细节到合理行动的抽象原理的模型，该模型是所有代理的抽象原理。
扩展现实 (XR) 远程研究：缺点和机遇调查
扩展现实 (XR) 技术（例如虚拟现实和增强现实）目前广泛应用于人机交互 (HCI)、社会科学和心理学实验。然而，这些实验主要在实验室内进行，有研究人员同时在场。尽管远程方法在非 XR 调查中取得了成功，但没有研究人员同时在场的远程实验并没有蓬勃发展。本文总结了对 46 名 XR 研究人员进行的 30 项调查的结果，以了解远程 XR 实验的局限性和好处。我们的主题分析确定了非 XR 远程研究中常见的问题，例如参与者招募，以及 XR 特定的问题，包括安全性和硬件可变性。我们确定了 XR 技术的潜在积极方面，包括利用 HMD 内置的数据收集功能（例如手部、凝视跟踪）以及实验设置的可移植性和可重复性。我们认为 XR 技术可以被概念化为一种交互式技术和一种适合远程实验的功能强大的数据收集设备。
对机器人抓手的机械设计进行了调查，该机器人使用低成本传感器进行了智能控制，并随着行业4.0的出现，有一个
对机器人抓手的机械设计进行了调查，该机器人使用低成本传感器随着行业4.0的出现而进行了智能控制，越来越需要智能和自动化的机器人系统，能够在未知的环境中执行复杂的任务。这项工作着重于用于机器人抓手的机械设计的开发，以及使用FANUC机器人平台选择目标的智能操作。所提出的方法结合了抓手，高级运动控制技术的计算力学以及握把控制策略，以使机器人臂能够准确有效地识别并选择目标对象。为了验证我们的方法，在各种情况下进行了几项实验验证。据认为，拟议的工作是可行的，有效且适用于广泛的工业应用的。关键字：机器人抓手，机械设计，智能控制，拾音器和位置，运动控制。1。引言近年来，工业机器人已成为现代制造工艺的整体部分，从而实现了有效的生产和精确的自动化[1，2]。尤其是，以其机器人和多功能性而闻名的工业机器人部门在各个工业领域都具有显着的突出性。其功能的一个关键方面是成功地操纵对象，尤其是在选择[3，4]和放置目标[5-7]等任务中。机器人抓手的机械设计是直接影响目标拾取成功的关键因素[12-14]。众多研究集中在手工握手的技术规范上[8，9]以及智能操纵技术的整合[10，11]，用于使用工业机器人系统的精确选择目标。的确，机器人抓手在安全抓住目标对象方面发挥了关键作用，而英特尔 - 连接的操纵技术增强了机器人臂的每 /形式的高度，以适应各种特征 - 包括形状，大小和尺寸和Orien- tations对象的特征。此抓手必须具有处理各种物体类型的多功能性，涵盖了从精致的物品到重组件。它应该提供安全，稳定的抓握动作，同时最大程度地减少对目标对象或机器人组本身损坏的风险。考虑到这些要求，改进的抓地力设计可以显着提高采摘过程的整体性能和效率。
分析预防性监管：预防、科学和创新能否并存？
在本文中，我们认为，预防原则在应用于科学技术监管时，不能被认为与科学知识生成和论证的规范和方法普遍不一致。此外，它不一定会限制科学技术创新。我们的论点源于对监管中预防措施的不同看法。我们首先描述学术辩论和监管实践中对预防原则的几种最相关的解释。然后，我们使用实际的预防性监管的例子来表明，尽管科学在不同情况和框架下可以发挥不同的功能，但所有这些解释都与科学方法和知识有关，并且往往意味着方法、产品和流程的创新。事实上，预防政策中监管与创新的相互作用，至少在我们分析考虑的预防解释中是如此，可以被理解为一种协调促进与控制这两大基本科学技术政策功能的方式。
![arXiv:2404.04001v1 [cs.LG] 2024 年 4 月 5 日](/simg/0\03b3203a82e098ca10b96a27f36a70cbd9ff1d21.webp)
arXiv:2404.04001v1 [cs.LG] 2024 年 4 月 5 日
摘要：在 BCI 领域，人们需要对脑信号进行自省和解释，以提供反馈或指导快速范式原型设计，但由于信号的高噪声水平和维数，自省和解释具有挑战性。深度神经网络通常通过使用投影算法（如均匀流形近似和投影 (UMAP) [1]）将其学习到的特征表示转换为二维或三维子空间可视化来进行自省。不幸的是，这些方法的计算成本很高，使实时数据流投影成为一项不简单的任务。在本研究中，我们介绍了一种新的 UMAP 变体，称为近似 UMAP (aUMAP)。它旨在为实时自省生成快速投影。为了研究其对实时投影的适用性，我们将这些方法与标准 UMAP 及其神经网络对应方参数 UMAP [2] 进行了基准测试。我们的结果表明，近似 UMAP 提供的投影可以复制标准 UMAP 的投影空间，同时将投影速度降低一个数量级并保持相同的训练时间。
揭穿 Deepfakes：利用增强和特征可变性进行 Deepfakes 语音检测
随着深度伪造技术的快速发展，深度伪造语音的检测变得越来越具有挑战性。在本文中，我们提出了一种用于深度伪造语音检测的混合架构，将用于特征提取的自监督学习框架与分类器头相结合，形成端到端模型。我们的方法结合了音频级和特征级增强技术。具体而言，我们介绍并分析了用于增强原始音频频谱图和在训练期间增强特征表示的各种掩蔽策略。我们在特征提取器的预训练阶段加入了压缩增强，以解决小型单语言数据集的局限性。我们在 ASVSpoof5（ASVSpoof 2024）挑战赛上对该模型进行了评估，在封闭条件下在 Track 1 中取得了最佳结果，等错误率为 4.37%。通过使用不同的预训练特征提取器，该模型实现了 3.39% 的增强 EER。我们的模型表现出了抵御未知深度伪造攻击的强大性能，并在不同的编解码器中表现出了强大的泛化能力。
大规模并行计算：算法和应用
现代时代目睹了将构造扩展到大型数据集的能力的革命。可伸缩性的关键突破是引入快速且易于使用的分布式编程模型，例如MapReduce（Dean和Ghemawat，2008年），Hadoop（Hadoop.apache.org）和Spark（Spark.apache.org）。我们将这些编程模型称为大规模并行框架。大规模并行框架最初是针对相对简单的计算类型设计的，例如计算数据集中的单词频率。从那以后，它们被证明对更丰富的应用程序非常有用。最近的工作目的是以释放其真正的潜在力量并扩大其适用性来研究这些框架算法。希望通过算法研究，取得与诸如合规算法等主题相似的成功（Frigo等人。，2012年）和数据流算法（McGregor，2014年）。实际上，大量分布式框架使程序员能够轻松地将算法在数十万台上部署到数千台机器。算法，这些框架对其计算表达能力有限制，以帮助确保程序有效地平行。
抗菌肽在癌症治疗中的应用——我们进展到了哪一步？
肿瘤疾病是现代社会面临的一大挑战。因此，近几十年来，科学家们开始寻找能够支持或独立用于肿瘤治疗的天然化合物。在抗菌蛋白 (AMP) 中，从 Hyalophora cecropia 蛹的免疫血淋巴中分离出一种很有前途的肽家族。天蚕素家族不仅具有抗菌和抗真菌特性，而且最重要的是还具有抗癌特性。它们的抗肿瘤潜力已通过对几种不同细胞系（其中包括前列腺癌细胞系和乳腺癌细胞系）进行的体外研究得到证实。本文介绍了一些出版物，这些出版物展示了天蚕素家族成员对肿瘤细胞的细胞溶解特性，以及引入序列修饰的合成天蚕素 B 和与修饰的促黄体激素释放激素 (LHRH) 结合的天蚕素 B。此外，还描述了天蚕素作用机制的三种模型。这些肽在肿瘤治疗中应用的益处和局限性也已得到证实。
量子计量学，成像和通信
书籍系列量子科学技术专门用于当今最活跃，最迅速扩展的研发领域之一。尤其是该系列将是量子系统越来越多的实验实现和实际应用的展示。这些将包括但不限于：量子信息处理，量子计算和量子模拟；量子通信和量子密码学；掌握和其他量子资源；量子接口和混合量子系统；量子记忆和量子中继器；基于测量的量子控制和量子反馈；量子纳米力学，量子光学力学和量子传感器；量子传感和量子计量学；以及生物学中的量子效应。最后但并非最不重要的一点是，该系列将包括有关与设计和理解这些系统和设备有关的理论和数学问题的书籍，以及与量子现象本身有关的基本问题。由领先的专家撰写和编辑，这些治疗将为研究生和其他已经从事的研究人员或打算进入量子科学技术领域的研究人员设计。
女性繁殖和哺乳动物中的菌群
通常认为哺乳动物的阴道包含特定于位点的菌群，在生殖器和生殖健康中起着相关作用，但在女性生殖道中存在一个阴道外微生物群（即卵泡流体，输卵管，子宫内膜和胎盘）至少是一个争议的问题。该领域的许多结论未能考虑下一代测序（NGS）方法固有的技术局限性，偏见和混杂因素。虽然这在领域产生了确定性，但毫无疑问，由于其科学和实际含义，因此该主题将成为新研究工作的重点。本综述列出了当前关于女性生殖道的微生物群，特别是关于体外环境的微生物的知识中的艺术状态和差距。还讨论了肠道和口服微生物群和生殖事件之间可能的关系。©2022作者。由Elsevier Inc.出版这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。