XiaoMi-AI文件搜索系统
World File Search Systemfers
中国分析人士考虑反舰弹道导弹
对于中国来说，在发生台海危机时阻止美国航母打击群干预的能力至关重要。北京的直接战略关切已经被明确阐述。中国人有兴趣获得反舰弹道导弹 (ASBM) 能力，因为这可以限制其他国家（尤其是美国）对中国海上边缘地区施加军事影响的能力，而中国海上边缘地区包含几个对北京具有核心战略意义的争议区。反舰弹道导弹被视为技术有限的发展中国家通过非对称手段克服其在常规作战平台质量劣势的一种手段，因为这里攻防之间的差距最大。今天，中国可能比以往任何时候都更接近获得这种能力。除了大量外部报道表明中国在这方面的努力之外，关于这个话题的技术和操作性讨论也越来越多地出现在中国越来越多的来源中，其中一些显然是权威的。这表明中国可能即将测试和部署反舰弹道导弹系统——这是自 1988 年美国放弃相关能力以来，目前没有其他国家拥有的武器。在中国和西方分析人士看来，即使仅仅是认为中国可能已经拥有反舰弹道导弹能力，也可能代表着一种范式转变，
累积产科并发症和儿童创伤对具有精神病经历的年轻人的脑量的影响
摘要目标：对高血糖厌恶的情况很少了解和主导。本研究旨在确定高血糖厌恶过程中涉及的心理因素，并了解它如何影响人们对1型糖尿病的自我管理。设计：使用了定性，深入的访谈。方法：使用半结构化参与者访谈的建构主义扎根理论研究，以建立高血糖厌恶过程的理论模型。结果：采访了18名参与者。15个被认为是高血糖厌食症，并包括在分析中。开发了一个理论模型来描述和解释与高血糖厌恶涉及的过程。许多参与者为自己拥有很高的标准，并且经常对控制。一些参与者描述了与较高的血糖相关的焦虑，但他们方法的近端驱动力是自我批评和沮丧，与不符合自己的高标准血糖相关。许多注意力过程和信念，主要与低血糖有关，维持和加强了血糖的偏爱。糖尿病技术是标准的推动者，促进者，以及参与者高血糖厌恶的其他批判性法官。结论：情绪过度控制的跨诊断概念用于理解提出的高血糖厌恶过程模型。本研究的本研究将有助于临床医生识别和
利用深度神经网络进行本体推理
进行逻辑推理的能力是人类智能行为的一个基本方面，因此也是实现人类水平的人工智能的一个重要问题。传统上，知识表示和推理领域的基于逻辑的符号方法已用于为代理配备类似于人类逻辑推理能力的能力。然而，最近，人们越来越有兴趣使用机器学习而不是基于逻辑的符号形式来解决这些任务。在本文中，我们采用最先进的方法来训练深度神经网络，以设计一种新模型，该模型能够学习如何以基本本体推理的形式有效地执行逻辑推理。这是一项重要且非常自然的逻辑推理任务，这就是为什么所提出的方法适用于大量重要的现实问题。我们展示了几个实验的结果，这些结果表明我们的模型能够在非常大、多样化且具有挑战性的基准上学习执行高精度的本体推理。此外，事实证明，所建议的方法较少受到基于逻辑的符号推理的各种障碍的影响，同时从生物学的角度来看，它是令人惊讶的合理。
通过元更新实现超高效迁移学习...
不同受试者的脑电图 (EEG) 信号的模式存在显著差异，这对 EEG 分类器提出了挑战，因为 1）有效地将学习到的分类器应用于新受试者，2）适应后保留已知受试者的知识。我们提出了一种有效的迁移学习方法，称为元更新策略 (MUPS-EEG)，用于跨不同受试者进行持续的 EEG 分类。该模型通过元更新学习有效的表示，这加速了对新受试者的适应，同时减轻了对先前受试者知识的遗忘。所提出的机制源自元学习，其作用是 1）找到广泛适用于不同受试者的特征表示，2）最大化损失函数的灵敏度以快速适应新受试者。该方法可应用于所有面向深度学习的模型。在两个公共数据集上进行的大量实验证明了所提模型的有效性，在适应新主题和保留已学主题知识方面，其表现远远优于当前最先进的模型。我们的代码可在 https://github.com/tiehangd/MUPS-EEG 上公开获取。
将实时生理学融入现场音乐表演
在本文中，我们提出了一种利用音乐产物和生理数据来创造一种新型现场音乐体验的方法，这种体验植根于表演者和观众的生理学。通过利用生理数据（即皮电活动 (EDA) 和心率变异性 (HRV)）并将这些数据应用于音乐产物，包括机器人筝（一种配有螺线管和线性执行器的传统 13 弦日本乐器）、Eurorack 合成器和 Max/MSP 软件，我们旨在开发一种新型的半即兴和显著不确定的表演实践。此后，它已演变为一种多模式方法，它尊重即兴表演实践并利用生理数据为表演者和观众提供不断变化和亲密的体验。在我们的第一个探索阶段，我们专注于开发一种控制定制机器人筝的方法，结合 Eurorack 合成器系统和 Max/MSP 软件来控制传入数据。我们整合了对生理数据的依赖，将更直接的人性化元素注入到这个人工制品系统中。这使得很大一部分决策可以直接由实时传入的生理数据控制，从而在这个非生命系统中提供表演感。我们的目标是继续开发这种方法，在意向性和即兴表演结果之间取得新的平衡。
![arxiv：2405.01218v1 [CS.HC] 2024年5月2日](/simg/g:\will\search\icon\source\d\df14f5348a43d06b41ce6b0d9aa58a90edf248ea.webp)
arxiv：2405.01218v1 [CS.HC] 2024年5月2日
摘要。大脑的注意力系统是大脑区域的复杂且适应性的净作品，使个人能够与周围环境有效互动并执行复杂的任务。该系统涉及各种大脑区域（包括前额叶皮层和顶叶）的协调，以处理和优先级，优先考虑感官信息，管理任务并保持焦点。在这项研究中，我们研究了基于大脑注意力系统的复杂机制，然后在增强现实（AR）设置的背景下进行探索。AR是一种可行的技术干预措施，以应对具有注意力缺陷多动症（ADHD）的个人所面临的多方面挑战。鉴于多动症的主要特征包括与注意力不集中，多动症和冲动性有关的困难，因此量身定制的溶液专门设计用于减轻这些挑战并增强认知功能。另一方面，如果这些与ADHD相关的问题没有充分解决，则可能导致其AR中的状况恶化。这强调了采用有效的干预措施（例如AR）来支持ADHD患者管理症状的重要性。我们检查了AR环境中的注意力机械性以及多动症人群中普遍存在的感觉处理动力学。我们的目标是在AR环境中了解该人群的注意力需求，并为设计可访问的AR应用程序提供框架。
Defictfinder Web服务，Wiki和数据库
近年来，发现了许多新型的反杂种防御机制。为了促进与反出现防御系统有关的机械，生态和进化方面的探索，我们于2021年发布了防御能力（Tesson等，2022）。de-Fensefinder是一项生物信息学计划，旨在系统地识别已知的反出发防御机制。Definestfinder v1.0.0的初始发布包括60个系统。在过去的三年中，纳入矿体的反义系统的数量已增长到152。越来越多的已知系统使进入该领域的挑战是一种挑剔，并使对反杂种系统的检测很难解释。此外，基于序列的结构的快速发展是新颖的分析可能性，应易于获得。为了克服这些Challenges，我们提供了防御系统上的资源枢纽，包括：1）具有Web服务搜索功能的防御能力的更新版本，2）在系统上的社区策划知识库库，以及3）预先计算的数据库，其中包括对Alphaffold产生的REDESEQ基因组和结构预测进行的注释。这些页面可以自由访问用户，作为他们更好地了解给定系统的旅程的起点。我们预计，这些资源将促进对抗系统研究中生物信息学的使用，并将为研究反戏系统的研究人员提供服务。此资源可在以下网址获得：https：// Defense -finfiffer.mdmlab.fr。
贝叶斯强化学习可靠性分析
提出了一种结合贝叶斯推断的贝叶斯强化学习可靠性方法，以实现故障概率估计和增强学习指导的顺序实验设计。以可靠性为导向的顺序实验设计被构架为有限的马尔可夫决策过程（MDP），其相关的效用函数由对克里格估计的失败概率的认知不确定性度量定义，称为综合的错误分类概率（IPM）。在此Ba-sis上，定义了一个步骤的贝叶斯最佳学习函数，称为错误分类减少的综合概率（IPMR）以及兼容的收敛标准。采取了三种有效的策略来加速IPMR信息的顺序实验设计：（i）IPMR中内部期望的分析推导，将其简化为单个期望。（ii）替换IPMR替换其上限IPMR U，以避免对其集成的元素计算。（iii）IPMR U中正交集合和候选池的合理修剪以减轻计算机内存约束。在两个基准示例和两个数值示例中证明了所提出的APACH的功效。结果表明，与其他现有学习功能相比，IPMR U促进IPM的快速减少，同时所需的计算时间比IPMR本身要少得多。因此，提出的可靠性方法在计算效率和准确性方面都具有很大的优势，尤其是在复杂的动态可靠性问题中。
生物入侵的经济成本是多少？需要国际和跨学科专业知识的复杂主题
抽象的生物学入侵可能会给管理带来重大的经济损失和费用，以及伤害生物多样性，生态系统服务和人类福祉。对入侵的经济成本进行全面评估是对侵入性外星物种有效和可持续管理的具有挑战性但必不可少的先决条件。的确，这些成本被证明是固有的异质和复杂的，可以确定，大量知识差距阻止了对其性质和分布的充分理解。因此，开发仍失误的全球，评估和破译入侵成本的标准框架对于确定有效的管理方法和优化立法至关重要。Invacost数据库的最新出现是与全球生物入侵相关的经济成本的首次全面和协调的汇编 - 为调查这些复杂而多样化的成本以不同尺度的方式提供了独特的机会。当组合各种经验和专业知识时，此类数据集提供的见解可能是最大的。为此，2019年11月12日至15日在法国（法国）附近举行了国际和多学科研讨会，根据Invacost中可用的数据发表了几篇项目论文。在这里，我们强调了这项创新研究是如何源于入侵科学迈出的重要一步的。我们共同确定了五个核心研究机会，这些机会可能有助于解决：（i）破译现有入侵成本如何实际分布在人类中
Q*搜索：启发式搜索with Q-networks
使用*搜索有效地解决大型动作空间的问题对人工智能界一直很重要。这是因为A*搜索的计算和内存要求与动作空间的大小线性增长。当*搜索使用通过计算昂贵的函数近似器（例如深神经网络）学习的启发式功能时，这种负担就变得更加卑鄙。为了解决这个问题，我们介绍了Q*搜索，一种搜索算法，该算法使用深Q-networks指导搜索，以利用一个事实，即可以通过一个深层的Q-Network在不明确产生这些孩子的情况下通过深层Q-Network来计算过渡成本的总和和节点子女的启发式值。这大大减少了计算时间，并且仅需要一个迭代生成一个节点。我们在不同的域和操作空间上使用Q*搜索，表明随着动作尺寸的增加，Q*仅从小型运行时间开销。此外，我们的经验结果表明，Q*搜索的速度最高129倍，并且比*搜索的节点最多生成1288倍。最后，尽管从深处神经网络中获得可允许的启发式函数是一个持续的研究领域，但我们证明Q*搜索被保证在启发式功能的情况下找到最短的路径并不能过分估计该州的过渡成本和成本的总和。