XiaoMi-AI文件搜索系统
World File Search Systeminvariant
导航任意空间的能力是分析不同实施方式中认知的不变量
摘要：生命最显著的特征之一是它能够处理新事物，即茁壮成长并适应新情况以及环境和内部成分的变化。了解这种能力对于几个领域至关重要：形式和功能的进化、生物医学有效策略的设计以及通过嵌合和生物工程技术创造新的生命形式。在这里，我们回顾了生物体解决各种问题的有启发性的例子，并提出了在任意空间中有效导航作为思考进化过程中认知扩展的不变量。我们认为，我们天生识别陌生伪装下的能动性和智慧的能力远远落后于我们在熟悉的行为环境中检测它的能力。生命的多尺度能力对于自适应功能至关重要，可以增强进化并为自上而下的控制（而不是微观管理）提供策略以应对复杂的疾病和伤害。我们提出了一种以观察者为中心的观点，该观点与规模和实施无关，说明了进化如何利用类似的策略来探索和利用代谢、转录、形态以及最终的 3D 运动空间。通过概括行为的概念，我们获得了关于进化、系统级生物医学干预策略以及生物工程智能构建的新视角。该框架是与高度陌生的实施方式中的智能相关的第一步，这对于人工智能和再生医学的进步以及在越来越多地由合成、生物机器人和混合生物组成的世界中蓬勃发展至关重要。
导航任意空间的能力是分析不同实施方式中认知的不变量
摘要：生命最显著的特征之一是它能够处理新事物，即茁壮成长并适应新情况以及环境和内部成分的变化。了解这种能力对于几个领域至关重要：形式和功能的进化、生物医学有效策略的设计以及通过嵌合和生物工程技术创造新的生命形式。在这里，我们回顾了生物体解决各种问题的有启发性的例子，并提出了在任意空间中有效导航作为思考进化过程中认知扩展的不变量。我们认为，我们天生识别陌生伪装下的能动性和智慧的能力远远落后于我们在熟悉的行为环境中检测它的能力。生命的多尺度能力对于自适应功能至关重要，可以增强进化并为自上而下的控制（而不是微观管理）提供策略以应对复杂的疾病和伤害。我们提出了一种以观察者为中心的观点，该观点与规模和实施无关，说明了进化如何利用类似的策略来探索和利用代谢、转录、形态以及最终的 3D 运动空间。通过概括行为的概念，我们获得了关于进化、系统级生物医学干预策略以及生物工程智能构建的新视角。该框架是与高度陌生的实施方式中的智能相关的第一步，这对于人工智能和再生医学的进步以及在越来越多地由合成、生物机器人和混合生物组成的世界中蓬勃发展至关重要。
利用合成主体不变 EEG 信号实现零校准 BCI
摘要 — 最近，使用现代机器学习技术解码和解释脑信号的脑机接口 (BCI) 领域取得了实质性进展。虽然脑电图 (EEG) 提供了一种与人脑交互的非侵入性方法，但获取的数据通常严重依赖于受试者和会话。这使得将这些数据无缝整合到现实世界的应用中变得棘手，因为受试者和会话数据的差异可能导致漫长而繁琐的校准要求和跨受试者泛化问题。专注于稳态视觉诱发电位 (SSVEP) 分类系统，我们提出了一种生成高度逼真的合成 EEG 数据的新方法，这些数据不受任何受试者、会话或其他环境条件的影响。我们的方法称为主题不变 SSVEP 生成对抗网络 (SIS-GAN)，它使用单个网络从多个 SSVEP 类别生成合成 EEG 数据。此外，通过利用固定权重预训练的主题分类网络，我们确保我们的生成模型对主题特定特征保持不可知，从而生成可应用于新的以前未见过的主题的主题不变数据。我们广泛的实验评估证明了我们的合成数据的有效性，在使用我们的主题不变合成 EEG 信号进行训练时，可实现卓越的性能，在零校准分类任务中可提高高达 16 个百分点。
通过量子经典自适应门控实现时间扭曲不变量子循环神经网络
摘要 自适应门控在通过经典循环神经网络 (RNN) 进行时间数据处理中起着关键作用，因为它有助于保留预测未来所需的过去信息，从而提供一种保持时间扭曲变换不变性的机制。本文以量子 RNN (QRNN)（一种具有量子记忆的动态模型）为基础，介绍了一类新型的时间数据处理量子模型，该模型保持了 (经典) 输入输出序列的时间扭曲变换的不变性。该模型称为时间扭曲不变 QRNN (TWI-QRNN)，它在 QRNN 中增强了一种量子-经典自适应门控机制，该机制通过经典循环模型选择是否在每个时间步骤中根据输入序列的过去样本应用参数化酉变换。TWI-QRNN 模型类源自第一原理，其成功实现时间扭曲变换的能力已在具有经典或量子动力学的示例上通过实验证明。
天文光谱的积极和规模不变的高斯过程潜在变量模型
高斯流程（GPS）[1]是机器学习中的一种多功能工具，但对它们的构成诸如阳性，单调性或物理约束之类的约束是具有挑战性的[2]。过去的作品已考虑将GPS作为差异方程的解决方案[3]，时间和光谱重建问题[4]，或通过线性操作员注入域特异性约束[5]。其他作品与非线性函数相结合的GP输出[6，7]，通过约束边际可能性[8]或铸造线性约束作为截短的多变量高斯分布的条件期望，将输出结合到正值[9]。在这项工作中，我们旨在发现一个积极价值的天文光谱的潜在空间。在过去的降低谱图[10，11，12]的作品中，[13]独特地纳入了非阴性约束。，我们通过将其外部限制到正值来扩展高斯过程潜在变量模型（GPLVM）[14]。天文光谱的幅度不是本质的物理特性，不应在潜在空间中反映。我们引入了规模不变，并表明它会导致更好的重建。
功能性神经网络：用于功能数据的换档模型，并具有脑电图分类的应用程序
在BCI的背景下，更具体地用于通过脑电图（EEG）测量的数据分析，传统方法基于根据数据计算得出的精心选择的功能。通常应用的技术包括时间域中脑电图数据的主要成分分析，或基于频域中功率谱的特征（Azlan＆Low，2014; Boubchir等，2017; Boonyakitanont et al。，2020）。由于深度学习领域的最新进展，提出了避免手动特征提取的神经网络的不同架构，并且似乎超过了更传统的方法。例如，提出了神经网络EEGNET来支持多个BCI范式，通常被称为该领域的基准模型（Lawhern等，2018）。在临床环境中，使用VGG16神经网络的某些变体来检测与癫痫相关的信号（Da Silva LourenC报O等，2021）。通常，深度学习已成功地应用于与脑电图数据有关的各种任务（Craik等，2019； Roy等，2019）。
稳健高斯和非线性混合不变聚类特征辅助方法加速脑肿瘤诊断
1 纳季兰大学医学院内科放射学系，纳季兰 61441，沙特阿拉伯；yealmalki@nu.edu.sa 2 世宗大学无人驾驶车辆工程系，首尔 05006，韩国；umair@sejong.ac.kr 3 Secret Minds，创业组织，伊斯兰堡 44000，巴基斯坦；engnr.waqasahmed@gmail.com 4 国立科技大学（NUST）机械与制造工程学院（SMME）机器人与智能机械工程系（RIME），H-12，伊斯兰堡 44000，巴基斯坦； karamdad.kallu@smme.nust.edu.pk 5 伊巴达特国际大学电气工程系，伊斯兰堡 54590，巴基斯坦 6 卡西姆大学医学院放射学系，沙特阿拉伯布赖代 52571；salduraibi@qu.edu.sa（SKA）；al.alderaibi@qu.edu.sa（AKA） 7 纳季兰大学工程学院电气工程系，沙特阿拉伯纳季兰 61441；miditta@nu.edu.sa 8 扎加齐格大学人类医学学院放射学系，埃及扎加齐格 44631；maatya@zu.edu.eg 9 纳季兰大学应用医学科学学院放射科学系，沙特阿拉伯纳季兰 61441； hamalshamrani@nu.edu.sa * 通信地址：amad.zafar@iiui.edu.pk † 这些作者作为第一作者对这项工作做出了同等贡献。
社论：粘膜组织中分泌性免疫球蛋白 A 的合成：粘膜相关不变 T 细胞、滤泡辅助 T 细胞和 B 细胞
粘膜免疫系统 (MIS) 在维持和保护肠道免受病原体侵害方面起着根本性作用。免疫球蛋白 A (IgA) 是 MIS 的关键组成部分，也是粘膜分泌物中的主要免疫球蛋白同种型 ( 1 , 2 )。除了在中和病原体中的作用外，IgA 在维持肠道稳态、塑造微生物群和影响全身免疫方面也至关重要 ( 3 , 4 )。粘膜相关不变 T (MAIT) 细胞是一种类先天 T 细胞，它们分布在粘膜部位，有助于调节 MIS，从而提供针对微生物威胁的保护 ( 5 )。肠道相关淋巴组织中 T 细胞依赖性分泌 IgA 的 B 细胞的分化需要 T 滤泡辅助 (TFH) 细胞，它们通过细胞因子和表面分子提供关键信号 ( 6 , 7 )。了解 MAIT、B 和 T FH 在产生 IgA 中的相互作用对各种健康状况（包括自身免疫性疾病、过敏和感染）具有重要意义。最近的研究表明这些细胞类型之间存在功能性相互作用，表明粘膜免疫区室内存在协调良好的串扰，从而增强分泌性 IgA (SIgA) 产生和/或改善 MAIT 细胞功能。例如，Leung 的研究小组在体内和体外都证明了 MAIT 细胞在促进 B 细胞分化为浆母细胞并随后产生 IgA 方面的作用 (8)。此外，Salerno-Gonc ̧ alves 和同事发现 B 细胞上调 HLA-G 表达会下调 MAIT 细胞上的抑制性 HLA-G 受体 CD85j，导致 MAIT 细胞丢失 (9)。最近，Pankhurst 等人。发现 MAIT 细胞激活树突状细胞，促进 T FH 活性，增强小鼠流感 A 感染模型中抗原特异性 SIgA 的产生 ( 10 )。尽管有这些见解，但关键知识缺口仍然存在
研究文章肽基丙基异构酶C（PPIC）调节小鼠中不变的天然杀手T细胞（INKT）分化
肽基蛋白酶 - trans异构酶C（PPIC）在几个骨髓（BM）造血祖细胞和T细胞前体中表达。由于PPIC在血清免疫系统中的表达曲线暗示它可以在造血和/或T淋巴细胞分化中发挥作用，因此我们试图在体内检验该假设。特定的，我们通过CRISPR/CAS9靶向内源性基因座并测试了PPIC在造血中的需求，从而生成了PPIC缺陷的小鼠模型。分析了涵盖BM祖细胞，淋巴细胞前体以及周围成熟细胞的几个免疫细胞谱系。虽然大多数谱系不受影响，但在PPIC缺乏的胸腺中，不变的NKT（INKT）细胞的百分比和绝对细胞数量降低。这影响了胸腺，S2和S3中最成熟的阶段，并且表型是在外围的。此外，PPIC缺乏的脾脏中未成熟的过渡性T1和T2 B淋巴细胞增加，但在成熟的B淋巴细胞中丢失了表型。总的来说，我们的数据表明，PPIC对于稳态的体内的髓样细胞，血小板，红细胞，αβ和γδT淋巴细胞的可分配，同时参与B和INKT细胞分化。
在定期扰动的平面循环RTBP模型中，快速准确地计算不变的托里，流形和接近平均运动共振的连接
[2]`A. Haro等。不变流形的参数化方法：从严格的结果到e显计算。卷。195。应用数学科学。Springer International Publishing，2016年。ISBN：9783319296623。