XiaoMi-AI文件搜索系统
World File Search SystemTransferability
标题列表2025
OK6CY13 Rule-Based With Machine Learning IDS for DDoS Attack Detection in Cyber-Physical Production Systems (CPPS) OK6CY14 Rethinking Membership Inference Attacks Against Transfer Learning OK6CY15 Automatic Evasion of Machine Learning-Based Network Intrusion Detection Systems OK6CY16 Evasion Attack and Defense on Machine Learning Models in Cyber- Physical Systems: A Survey OK6CY17 Transferability of Machine Learning Algorithm for IoT Device Profiling and识别OK6CY18网络威胁分类模型的自我训练以威胁付费中心增强OK6CY19 rmdnet-Deep学习范式，用于有效的恶意软件检测和分类OK6CY20高级机器学习基于机器学习的恶意软件检测系统
评估和确保定性研究中的可信度的标准
定性数据的可信赖性是有争议的，但它得到了支持者的强烈支持。但是，定性数据的重要性和价值不会受到破坏。本文对定性数据的可信度进行了批判性审查。可以通过确保可信度，可转移性，可靠性和研究设计，过程和行动的可信度，可转让性，可靠性和可比性来衡量定性研究的信任程度。由于其主观性质，定性研究中可信度的保证比定量研究中更为复杂。许多研究人员和专家否认定性研究的普遍性。但是，很少有Guba（1985）的研究人员开发了一种广泛接受的模型和策略，以确保定性研究的可信度和普遍性。可信度就像定量分析中的内部有效性，并提供了有关该现象的实际数据。可转移性显示了研究发现在其他确切的上下文，人，群体和环境中的应用程度。如果一项研究的发现在相似的人群，状况或环境中复制，则发现可靠。中立性是结果的公平程度，包括初始响应和无偏见的纯度。关键词：信誉；可靠；中立可转让性；值得信赖； GUBA模型
ARL 在 AI 和 ML 方面的重要研究领域
创新：描述了深度神经网络 (DNN) 因训练不完善而产生的脆弱性；引入了新型算法来制作对抗样本，并展示了对抗样本的跨模型可转移性；开发了一种防御机制——蒸馏——以降低对抗样本的有效性。
通过几何阻抗控制
摘要 - 本文提出了一种差异几何控制方法，该方法利用了SE（3）组不变性和等效性，以提高学习机器人操纵任务中涉及与环境相互作用的可传递性。所提出的方法是基于利用最近提出的几何阻抗控制（GIC）与学习变量阻抗控制框架相结合的，在该框架中，增益计划策略是从专家辩护中以监督的学习方式培训的。几何一致的误差向量（GCEV）被馈送到神经网络以实现增益计划策略。我们证明，使用GCEV的GIC和学习表示在任意SE（3）转换（即翻译和旋转）下仍然不变。此外，我们表明，相对于空间框架表示，所提出的方法是均等的。对我们提出的控制和学习框架与配备笛卡尔错误矢量增益计划策略的著名的笛卡尔太空学习阻抗控制的比较，证实了我们所提出的方法的出色学习转移性。索引术语 - 几何阻抗控制，SE（3）等效性和剩余不变性，可变阻抗控制，接触式操纵任务
![arxiv：2302.04649v2 [Quant-ph] 7 Sep 2023](/simg/g:\will\search\icon\source\3\30393ea3f9baabef6e1b1e77de167da88444481a.webp)
arxiv：2302.04649v2 [Quant-ph] 7 Sep 2023
摘要 - 目标：通过疾病护理中的机器学习技术利用患者数据可提供许多实质性好处。尽管如此，患者数据的固有性质构成了一些挑战。普遍的病例由于患者的数量和一致的随访而积聚了大量的纵向数据，但是，纵向实验室数据以其不规则性，时间性，缺勤性和稀疏性而闻名。相比之下，由于患者的大小和情节观察结果有限，稀有或特定病例的招募通常受到限制。这项研究采用了自学学习（SSL）来预识广义实验室进度（GLP）模型，该模型捕获了普遍的心血管病例中六个常见实验室标记的总体进展，目的是转移这种知识以帮助检测特定心血管事件。方法和过程：GLP实施了两阶段训练方法，利用嵌入在插值数据中的信息并扩大了SSL的性能。GLP进行了预处理后，将其转移以进行目标血管血运重建（TVR）检测。结果：拟议的两阶段训练提高了纯SSL的性能，而GLP的可传递性表现出了独特性。GLP处理后，该分类表现出显着的增强，平均精度从0.63上升到0.90。与先前的GLP处理相比，所有评估的指标均表现出很大的优势（P <0.01）。扩大这种涵盖其他疾病的方法的潜力具有巨大的希望。结论：我们的研究通过将心血管实验室参数的患者进展从一个患者组转移到另一个患者，从而有效地从事转化工程，从而超越了数据可用性的局限性。疾病进展的转移性优化了检查和治疗的策略，并在使用常用的实验室参数的同时改善了患者的预后。临床影响：我们的研究有效地将患者从一个队列转移到另一个队列，超过了情节观察的约束。疾病进展的转移性有助于心血管事件评估。
太阳能投资税收抵免指南
2022 年及以后，《通货膨胀削减法案》将允许将税收抵免出售给无关的第三方，这是一项新的发展。这一可转让性功能旨在为可转让税收抵免创造一个市场，让纳税额不足的房主和企业收回 ITC 的大部分价值。出售金额不得超过抵免额的价值。我们期待联邦政府在这方面提供更多指导，敬请期待。
REGI 委员会研究 - 能源效率和可再生能源的金融工具
本研究分析了能源效率和可再生能源的 ESIF 金融工具及其实施情况。结果表明，由于实施情况高度依赖环境，经验教训和良好做法的可转移性有限。EE 和 RES FI 需要专家支持，并受到运营计划生命周期的限制。虽然评估低碳政策和金融工具的表现极具挑战性，但可以做更多工作来衡量 EE 和 RES FI 的影响。
ACORE 情况说明书 - 税收公平：实现清洁能源并促进美国经济发展
为了实现《通货膨胀削减法案》（IRA）的目标，税收公平将需要从目前每年 200 亿美元的市场规模增加到 500 亿美元以上。虽然 IRA 引入了可转让性和直接支付作为将 PTC 和 ITC 货币化的其他选项，但这些选项旨在补充税收公平市场，从而优化其收益。传统税收公平预计将保持较大的市场份额，并为项目发起人提供最大的整体经济价值。税收公平参与者还将在为非传统投资者提供尽职调查和联合服务方面发挥重要作用。
可转移的深层生成模型的内在无序蛋白构象
本质上无序的蛋白质具有动态结构，它们扮演着关键的生物学作用。阐明其构象合奏是一个具有挑战性的问题，需要综合使用计算和实验方法。分子仿真是用于构建无序蛋白质结构集合但资源密集型的有价值的计算策略。最近，基于深层生成模型的机器学习方法已成为生成结构合奏的有效替代方法。但是，当训练数据中缺乏建模序列和构象时，此类方法当前的可传递性有限。在这里，我们开发了一种新型的生成模型，该模型可实现固有无序蛋白质集合的高水平可传递性。该方法称为IDPSAM，是基于变压器神经网络的潜在扩散模型。它结合了自动编码器，以学习蛋白质几何形状的表示和扩散模型，以在编码空间中采样新型构象。iDPSAM在使用Absinth隐式溶剂模型进行的大型模拟蛋白质区域的模拟数据集上进行了训练。由于其神经网络的表现力及其训练稳定性，Idpsam忠实地捕获了测试序列的3D结构集合，在培训集中没有相似之处。我们的研究还证明了从数据集中产生完全构象合奏的潜力，并强调了训练集大小对概括的重要性。我们认为，IDPSAM通过机器学习代表了可转移蛋白质集合建模的重大进展。