XiaoMi-AI文件搜索系统
World File Search SystemVarying
人工智能在颅内动脉瘤检测中的不一致性
保留所有权利。未经许可不得重复使用。永久。预印本（未经同行评审认证）是作者/资助者，他已授予 medRxiv 许可，可以在此版本中显示预印本。版权所有者于 2024 年 11 月 30 日发布此版本。；https://doi.org/10.1101/2024.11.26.24317954 doi：medRxiv preprint
在空间上有变化的纳米光子神经网络 - 研究
人工智能的计算和能源成本的爆炸性增长引起了人们对传统电子处理器的替代计算方式的兴趣。使用光子代替电子的光子处理器承诺具有超低潜伏期和功耗的光学神经网络。但是，现有的光神经网络受其设计的限制，尚未达到现代电子神经网络的识别精度。在这项工作中，我们通过将并行的光学计算嵌入到平面相机光学器件中，在捕获过程中执行神经网络计算，然后在传感器上记录之前。我们利用大型内核，并提出了通过低维度重新聚体化学到的空间变化的卷积网络。我们使用具有角度依赖性响应的纳米光子阵列在相机镜头内实例化。与大约2K参数的轻质电子后端结合使用，我们可重新配置的纳米含量神经网络可在CIFAR-10上获得72.76％的精度，超过Alexnet（72.64％）（72.64％），并将光学神经网络推进到深度学习时代。
具有不同感染性和免疫力降低的随机流行模型
摘要。我们研究了一种基于个体的随机流行模型，在这种流行病模型中，感染的个体在每种感染后再次变得易感性。与经典隔室模型相反，在每次感染之后，感染性是自感染以来经过的时间的随机函数。同样，根据随机易感函数，恢复的个体在一段时间后逐渐易感。我们研究了该模型的大种群渐近行为：我们证明了大量的功能定律（FLLN），并研究了限制确定性模型的地方性平衡。极限取决于易感性随机函数的定律，但仅取决于平均感染函数。flln是通过构造i.i.d的序列证明的。辅助过程并从混乱的传播理论中适应了方法。极限是Kermack和McKendrick引入的PDE模型的概括，我们展示了如何作为我们的FLLN限制的特殊情况获得该PDE模型。如果r 0小于（或等于）某个阈值，则流行病不会永远持续下去，最终从人口中消失，而如果r 0大于该阈值，则流行病将不会灭绝，并且存在一个地方性平衡。感染后很长时间后，该阈值的值是易感性的谐波平均值。
调查硅死亡裂纹的变化硅死亡裂纹...
Quezon City，菲律宾1101年，摘要 - 对小型，便携式电子设备的需求一直在增加，直到今天。紧凑的电子设备将减少半导体的大小，这将转化为进一步缩小其中的组件，例如小轮廓二极管（SOD）和小轮廓晶体管（SOT）。这项工作利用有限元法采用断裂力学方法来分析不同的几何参数对硅死亡诱导裂纹的J积分的影响。此外，对两种模量弹性模量的影响对硅死模的裂纹倾向的研究进行了研究。获得的J积分值通常显示出具有中型硅的峰值，其模具附着材料具有较高的弹性模量。J-积分值通常会随着厚度而降低，但发现在100毫米厚度约为100毫米的最小值。进一步减少厚度会导致J积分的增加。模拟的结果将有助于确定这些参数对包裹对模具裂纹风险的可靠性的影响，并可以用于指导现有包装设计的改进。关键字 - die crack，j-integral，小排出线晶体管
通过改变冷却方法，离子电动汽车电池系统……
血管收缩会降低电池的放电能力，在高倍率充电时，血管收缩会导致金属元素镀层形成，从而严重缩短电池寿命并引起安全问题。近年来，电动汽车事故频发，近两年有上升趋势。随着电动汽车数量的增加，类似事故发生的频率也会更高。电池安全问题成为重中之重，为了确保电池组在工作时能安全工作并表现出合理的充电/放电性能，有必要采用BTMS来确保电池组有效工作。
基准的尖峰神经网络学习方法具有不同的位置
摘要 - 提供更现实的神经元动力学的启用神经网络（SNN）已证明在几个机器学习任务中实现了与人工神经网络（ANN）相当的性能。信息在基于事件的机制中以显着降低能源消耗的基于事件的机制而作为SNN中的峰值进行处理。但是，由于尖峰机制的非差异性质，训练SNNS具有挑战性。传统方法，例如通过时间的反向传播（BPTT），已显示出有效性，但具有额外的综合和记忆成本，并且在生物学上是难以置信的。相比之下，最近的作品提出了具有不同程度的地方性的替代学习方法，在分类任务中表现出成功。在这项工作中，我们表明这些方法在培训过程中具有相似性，同时它们在生物学合理性和性能之间进行了权衡。此外，这项研究研究了SNN的隐式复发性质，并研究了向SNN添加显式复发的影响。我们在实验上证明，添加显式复发权重可以增强SNN的鲁棒性。我们还研究了基于梯度和非梯度的对抗性攻击下本地学习方法的性能。索引术语 - 启用神经网络，本地学习，培训方法，集中的内核对齐，Fisher信息。
经济政策不确定性对美国经济的时变影响
我们利用具有时变系数的 VAR 模型研究经济政策不确定性 (EPU) 对美国经济的影响。系数可以随着时间的推移逐渐变化，这使我们能够发现结构性变化而无需先验地强加它们。我们发现三种不同的机制，与美国经济的三个主要时期相匹配，即大通胀、大缓和和大衰退。对实际 GDP 的初始影响在大通胀和大衰退期间为 -0.2%，在大缓和期间为 -0.15%。此外，EPU 的不利影响在大衰退期间更为持久，这解释了复苏缓慢的原因。这种机制依赖性对于 EPU 来说是独一无二的，因为金融不确定性的宏观经济后果结果相当不随时间变化。
大气和空间天气条件变化对定位精度的影响
摘要：当今的技术发展使得使用机器代替人类执行特定任务成为可能。然而，这种自主设备面临的挑战是在不断变化的外部环境中精确移动和导航。本文分析了不同天气条件（气温、湿度、风速、大气压力、使用的卫星系统类型/可见卫星以及太阳活动）对定位精度的影响。为了到达接收器，卫星信号必须传播很长的距离并穿过地球大气层的所有层，大气层的变化会导致错误和延迟。此外，接收卫星数据的天气条件并不总是有利的。为了研究延迟和误差对定位的影响，对卫星信号进行了测量，确定了运动轨迹，并比较了这些轨迹的标准偏差。所得结果表明，可以实现高精度定位，但太阳耀斑或卫星可见度等变化条件意味着并非所有测量都能达到所需的精度。卫星信号绝对测量法的使用在很大程度上促成了这一点。为了提高 GNSS 系统的定位精度，首先建议使用消除电离层折射的双频接收器。
基准的土壤有机碳（SOC）浓度比欧洲规模的SOC/粘土比提供了更强的土壤健康评估在不同的太阳活动条件下热圈的未来气候变化
抽象在中层和下热层中增加二氧化碳浓度正在增加辐射冷却，从而导致热圈收缩和固定高度下的中性质量密度降低。对历史中性密度趋势的先前研究表明，对太阳活性有依赖性，较大的F10.7值导致中性密度降低。为了研究对未来热层的影响，使用电离层和热层扩展的整个大气社区气候模型已用于模拟在增加二氧化碳浓度和变化的太阳能活动条件下的热层。这些中性密度降低已被映射到政府间气候变化委员会发表的共享社会经济途径上。中性密度降低也可以用作缩放因素，从而使常用的经验模型可以考虑CO 2趋势。在“最佳情况”下，SSP1-2.6场景下，与2000年相比，在400 km高度峰值（当CO 2 = 474 ppm时）的中性密度降低（当CO 2 = 474 ppm时）以13％–30％的降低（分别低于太阳能和低太阳能活动）。较高的CO 2浓度导致更大的密度降低，最大的建模浓度为890 ppm，在高太阳能活动下，在400 km时分别减少了50％–77％的浓度。