XiaoMi-AI文件搜索系统
World File Search Systemlect
修剪神经网络中相互抵消的权重
如果神经网络规模较大，则往往在训练时获得更高的准确度，即使生成的模型参数过多。但是，在训练之前、之中或之后小心地删除过多的参数，也可能产生准确度相似甚至更高的模型。在许多情况下，这可以通过简单的启发式方法实现，例如删除一定比例的绝对值最小的权重，即使绝对值并不是权重相关性的完美指标。在获得明显更佳的剪枝性能取决于考虑删除多个权重的综合影响这一前提下，我们重新审视了基于影响的剪枝的经典方法之一：最佳脑外科医生 (OBS)。我们提出了一种易于处理的启发式方法来解决 OBS 的组合扩展，其中我们选择要同时删除的权重，并将其与未剪枝权重的单次系统更新相结合。我们的选择方法在高稀疏性方面优于其他方法，如果在这些方法之后应用单次权重更新，也会很有优势。源代码：github.com/yuxwind/CBS。
组合脑外科医生：修剪神经网络中相互抵消的权重
如果神经网络规模较大，则往往在训练时获得更高的准确度，即使生成的模型参数过多。但是，在训练之前、之中或之后小心地删除过多的参数，也可能产生准确度相似甚至更高的模型。在许多情况下，这可以通过简单的启发式方法实现，例如删除一定比例的绝对值最小的权重，即使绝对值并不是权重相关性的完美指标。在获得明显更佳的剪枝性能取决于考虑删除多个权重的综合影响这一前提下，我们重新审视了基于影响的剪枝的经典方法之一：最佳脑外科医生 (OBS)。我们提出了一种易于处理的启发式方法来解决 OBS 的组合扩展，其中我们选择要同时删除的权重，并将其与未剪枝权重的单次系统更新相结合。我们的选择方法在高稀疏性方面优于其他方法，如果在这些方法之后应用单次权重更新，也会很有优势。源代码：github.com/yuxwind/CBS。
病毒在野外传播的速度有多快？
1 Spatial Epidemiology Lab (SpELL), Universite´ Libre de Bruxelles, Brussels, Belgium, 2 Department of Microbiology, Immunology and Transplantation, Rega Institute, KU Leuven, Leuven, Belgium, 3 Interuniversity Institute of Bioinformatics in Brussels, Universite´ Libre de Bruxelles, Vrije Universiteit Brussel,布鲁塞尔，比利时，4 imm，de Montpellier，CNRS，CNRS，蒙彼利埃，法国，5计算机科学系，Laboratoire d'Indryatique，de Robotique et Microe de Microe´lect'ilect'irectronique de Montpellier，CNRS，CNRS和Montpellier，Montpellier，Montpellier，France，France，6 phim nefter，france，france，6 Cirad，Inrae，Institut Agro，蒙彼利埃，法国7劳动力d'volutire d'volutire d'vologire Biologique et ecologie et ecologie，学院，科学学院，大学，布鲁塞尔大学，布鲁塞尔，比利时，比利时，8号，盖德·盖芬遗传学，戴维·盖芬遗传学，加利福尼亚州卫生部。加利福尼亚州洛杉矶，洛杉矶，加利福尼亚州美国，美国10号计算医学系，戴维·盖芬医学院，加利福尼亚大学洛杉矶分校，加利福尼亚州，美国，美国
利用生成对抗网络增强脑电图可增强跨分类器和样本大小的大脑解码能力
脑电图 (EEG) 在大脑解码方面具有巨大潜力，由于需要大量数据，这一潜力尚未得到开发。机器学习的进步通过数据增强技术（如生成对抗网络 (GAN)）缓解了这种需求。在这里，我们评估了 GAN 可以在多大程度上增强 EEG 数据以提高分类性能。我们的目标是确定哪些分类器可以从 GAN 增强的 EEG 中受益，并估计样本量对 GAN 增强的影响。我们研究了三种分类器——神经网络、支持向量机和逻辑回归，涉及七种样本量，从 5 到 100 名参与者。GAN 增强的 EEG 增强了神经网络和支持向量机的分类能力，但没有增强逻辑回归。此外，随着样本量的增加，GAN 的增强效果会减弱——这表明它对小样本最有效，这可能有助于无法收集大量数据的研究。关键词：EEG、GAN、数据增强、神经网络、支持向量机、逻辑回归
ataxia telangiectia中的生物标志物：系统评价
摘要性共济失调 - 凝血症（A-T）是一种非常罕见的DNA修复多系统疾病，与进行性残疾神经学症状，呼吸衰竭，免疫缺陷和癌症的易感性有关，导致过早死亡。没有可用于A-T的治疗方法，但是临床试验已经开始。有效评估A-T疗法的主要限制因素是缺乏合适的结果指标和生物标志物。我们进行了系统的审查，以收集目前在患者和临床前研究的生物标志物上可用的信息。我们已经确定了56个报告，讨论了临床前模型和患者中潜在的A-T生物标志物。这些研究报告了诊断生物标志物，但目前缺乏预后生物标志物和临床状况的反应标记。A-T中神经退行性的一些生物标志物显示了诺言，包括非侵入性神经影像学生物标志物。在临床试验中，对放射疗法和类固醇治疗的氧化应激和反应性标志物的一些生物标志物具有潜在的价值。与国际专家的A-T生物标志物工作组成立是促进材料，数据和专业知识共享的重要一步，其共同目标是为A-T找到有效的生物标志物。
企业责任及可持续发展报告 企业责任及可持续发展报告
VI - d‚ikZsjsV lkekftd mÙkjnkf;Ro fooj.k 24- 1⁄4 i 1⁄2 D;k lh,lvkj daiuh vfèkfu;e] 2013 dh èkkjk 135 ds vuqlkj ykxw gS% ¼gka@ugh ug1⁄2 wèkjk dh 2013; 135 ds vuqlkj] lh,lvkj çkoèkku iatkc uS'kuy cSad ij ykxw ugha gksrs gSaA gkyk¡fd] cM+s iSekus ij leqnk; dcks etcwr djufd ds for, çfrc) ,d lkakes :e ls fEenkj laLFkku dds :i esa f"kZd {kk d tickrgd gS ;gd‚ickZsjsV kkekftd mÙkjnkf;Ro ls lacafèkr dickZsjsV kekksa ds e=ky; sf'cred gS gexh lh,lvkj xfrfoffèk;k¡ lect dk okil ykSVcus vkSj leqk;xa ds mRFkku ds çkFkf mís'; offèk;ca bl fgsVZ ds fl)kar 8 ds fcanq 6 ig gSaA ¼ ii ½ VuZvsoj ¼#i;s esa½ & 120285 djkksM+ #i;s ¼VuZvsoj dqy vk;s;s;s dks iznf'kZr djrk gS½ ¼ iii ½ usVoFkZ ¼#i;s esa½ & 74600 djksM+ #i;s
调查勒索软件支付经济 - arXiv
摘要 勒索软件攻击是最严重的网络威胁之一。近年来，它们因威胁政府、关键基础设施和企业的运营而成为头条新闻。收集和分析勒索软件数据是了解勒索软件传播和设计有效防御和缓解机制的重要一步。我们报告了运营 Ransomwhere 的经验，Ransomwhere 是一个开放的众包勒索软件支付追踪器，用于收集勒索软件攻击受害者的信息。通过 Ransomwhere，我们收集了 13.5k 笔赎金，支付对象超过 87 名勒索软件犯罪分子，总支付金额超过 1.01 亿美元。利用比特币（用于大多数勒索软件支付的加密货币）的透明性质，我们描述了不断发展的勒索软件犯罪结构和赎金洗钱策略。我们的分析表明，有两个平行的勒索软件犯罪市场：商品勒索软件和勒索软件即服务 (RaaS)。我们注意到，这两个市场在加密货币资源的使用方式、每笔交易的收入以及赎金洗钱效率方面存在显著差异。虽然在商品勒索软件支付活动中识别瓶颈相对容易，但对于 RaaS 来说，识别瓶颈则更加困难。
调查勒索软件支付经济 - arXiv
摘要 勒索软件攻击是最严重的网络威胁之一。近年来，它们因威胁政府、关键基础设施和企业的运营而成为头条新闻。收集和分析勒索软件数据是了解勒索软件传播和设计有效防御和缓解机制的重要一步。我们报告了运营 Ransomwhere 的经验，这是一个开放的众包勒索软件支付追踪器，用于收集勒索软件攻击受害者的信息。通过 Ransomwhere，我们收集了 87 多名勒索软件犯罪分子的 13.5k 笔赎金，总支付金额超过 1.01 亿美元。利用比特币（用于大多数勒索软件支付的加密货币）的透明性，我们描述了不断发展的勒索软件犯罪结构和赎金洗钱策略。我们的分析表明，有两个平行的勒索软件犯罪市场：商品勒索软件和勒索软件即服务 (RaaS)。我们注意到，这两个市场在加密货币资源的使用方式、每笔交易的收入和赎金洗钱效率方面存在显著差异。虽然在商品勒索软件支付活动中识别瓶颈相对容易，但对于 RaaS 来说，识别瓶颈则更加困难。
OPBOX：从多个主题中同时脑电图和EMG获取的开源工具
同时多个啮齿动物。opbox将开源硬件和软件与现成的组件相结合，以创建一个小于商业解决方案（每个受试者$ 500）的系统，并且可以轻松地用于多个主题。在MATLAB中编码的OPBOX脚本可以同时且灵活地汇总并显示多个模拟和数字数据流，例如实时脑电图和EMG，行为系统的事件触发器以及旋转编码器数据。OPBOX还计算并显示实时光谱次数和事件相关电位（ERP）。为了验证系统的性能，我们将放大器与另外两个商业放大器，一个草p55 AC前置放大器和一个Intan RHD2000系列放大器进行了比较。OPBox放大器的性能与商业放大器相当，以获得信噪比（SNR），噪声地板和公共模式拒绝。我们还证明，我们的采集系统可以从多个受试者可靠地重新收集多通道数据，并且已通过单个标准台式计算机在多个运行的受试者中成功测试了该数据。一起，OPBox提高了灵活性并降低了从多个受试者同时获得电生理学数据的成本。
比较人工智能数据工作的专家和新手 - NSF-PAR
许多人工智能系统设计师都在努力寻找最佳方法，以收集不同类型的训练数据。在线群体提供了一种廉价的按需情报来源，但他们往往缺乏许多领域所需的专业知识。专家提供隐性知识和更细致入微的输入，但他们更难招募。为了探索这种权衡，我们在设计基于文本的对话代理的背景下，比较了新手和专家在人类智能任务方面的表现和看法。我们开发了一个初步的聊天机器人，它模拟与寻求心理健康建议的人的对话，以帮助教育 7cups.com 的志愿听众。然后，我们招募了经验丰富的听众（领域专家）和 MTurk 新手工作者（群体工作者）来执行任务，以改进具有不同复杂程度的聊天机器人。新手群体在只需要自然语言理解的任务上的表现与专家相当，例如纠正系统对用户语句的分类方式。对于更具生成性的任务，例如创建新的聊天机器人对话，专家们表现出更高的质量、新颖性和情感。我们还发现了一个激励差距：众包工作者喜欢互动任务，而专家们则认为这项工作乏味且重复。我们提供了设计考虑，以分配众包工作者和专家完成 AI 系统的输入任务，并更好地激励专家参与 AI 的低级数据工作。