XiaoMi-AI文件搜索系统
World File Search Systemlocalization
在赞美和批评波功能的连续自发定位模型
通过否认崩溃原理并用量子形式主义的变化代替量子元素（QM）来解决量子元素（QM）的测量问题的不同尝试失败，因为形式主义的变化导致与QM预测的矛盾。差异，Ghirardi，Rimini和Weber将崩溃视为一种真实现象，并提出了一个微积分，通过该计算，波功能应突然进行定位。后来，Ghirardi，Pearle和Rimini随着该积分的变化而变成了CSL（连续自发定位）崩溃模型。这两个提议都取决于实验事实，即当微观系统遇到宏观物体并体现大量颗粒时，波功能的减少量会减小。这两个建议还通过在schrödinger方程中引入其他词来改变量子形式主义，并以嘈杂的行为来改变。但是，只要研究系统仅包含一个或几个组件，这些术语实际上就不会影响。只有当组件的数量很大时，这些术语才会显着，并导致波功能减少到其一个组件之一。目前的工作有两个目的：1）证明崩溃的假设是不可避免的； 2）将CSL模型应用于检测器中的过程，并逐步显示波功能的修改，直到还原。作为一个侧面的细节，在这里认为噪声不能起源于某些碎屑领域，这与某些物理学家的思想/希望相反，因为没有由纠缠的波浪量身定制的classical领域。
在半导体中的一维电子定位与电磁腔
一维（1D）固体的电导率相对于其长度表现出指数衰减，这是定位现象的众所周知的表现。在这项研究中，我们介绍了将一维半导体插入单模电磁腔所产生的电导率改变，并特别集中在非排定掺杂的状态上。我们的方法采用了绿色的功能技术，适用于对腔体激发状态的非扰动考虑。这包含相干的电子腔效应，例如零点爆发场中的电子运动，以及在隧道过程中的不一致的光子发射过程。跨腔的电子传递的能量谱发育与虚拟光子发射，沿谐振水平的通过以及光子重吸收相关的FANO型共振。FANO共振的质量因素取决于中间状态是否耦合到铅，当该状态深入障碍潜力中时达到最大值。耦合到空腔也提高了浅结合状态的能量，使它们接近传导带的底部。这种作用导致低温下电导率的增强。
改进了基于IR的错误本地化，具有智能相关性反馈
摘要 - 软件错误在开发和维护过程中构成了巨大的挑战，从业者将近50％的时间用于处理错误。许多现有技术采用信息检索（IR），使用错误报告和源代码之间的文本和语义相关性来本地化报告的错误。但是，他们经常难以弥合需要深入上下文理解的错误报告和代码之间的关键差距，这超出了文本或语义相关性。在本文中，我们提出了一种用于错误本地化的新技术 - 大脑 - 通过评估与大语言模型（LLM）之间的相关性来解决上下文差距。然后，它利用LLM的反馈（又称智能相关性反馈）来重新调整查询并重新排除源文档，从而改善错误本地化。我们使用基准数据集–Bench4BL和三个完善指标评估大脑，并将其与文献的六个基线技术进行比较。我们的实验结果表明，MAP，MRR和HIT@K的大脑的表现分别超过了87.6％，89.5％和48.8％的利润率。此外，由于相应的错误报告质量较差，因此可以将≈52％的错误定位为无法通过基线技术定位的错误。通过解决上下文差距并引入智能相关性反馈，大脑不仅提高理论，而且可以改善基于IR的错误本地化。索引术语 - Bug本地化，查询重新印象，智能相关性反馈，信息检索，大语言模型，自然语言处理，软件工程
I2P注册通过学习从像素到点相似性的基本对齐特征空间
摘要 - 对于自动地面车辆，带有3D激光雷达的全球定位是导航等任务中必不可少的一部分。通常，使用LIDAR的全球定位细分为两个子问题，即位置识别和全球注册。为了获得位置识别，基于深度学习的最新新兴方案要么依赖于具有高复杂性的3D卷积，要么需要从各种前瞻性角度学习特征。为此，我们提出了一个具有滚动式yaw不变性的模型，该模型代表点云为概率的体素，并从鸟眼的视图中产生占用网格，从而通过从固定的角度学习聚集的嵌入来实现稳健的位置识别。对于低重叠的全球注册，基于传统的手工艺特征的方法主要限于密集的对象级别云，而基于最新的学习方法通常依赖于复杂的3D卷积和其他功能关联学习。为了在一定程度上填补这一空白，我们建议通过拟合和对齐点云的接地平面来估计相对滚动角度和垂直翻译，并通过匹配其预计的占用率网格来确定水平翻译和偏航角。广泛的实验证实了我们位置识别模型的出色召回和概括能力，以及我们3D注册方法的高级成功率和准确性。尤其是在认识和注册硬样品时，我们的结果远远超过了我们的结果。为了确保完整的可重复性，相关代码和数据可在https://cslinzhang.github.io/gloc/gloc/gloc.html上在线提供。
在高速公路场景中对自动驾驶汽车的本地化方法的调查
摘要：在高速公路上的自动驾驶汽车的背景下，第一个也是最重要的任务之一是将车辆定位在道路上。为此，车辆需要能够考虑到几个传感器的信息，并将其与来自路线图的数据融合在一起。高速公路上的本地化问题可以蒸馏成三个主要组成部分。第一个是推断车辆目前行驶的道路上的推断。的确，全球导航卫星系统不够精确，无法自行推导此信息，因此需要进行过滤步骤。第二部分包括估计车辆在车道中的位置。最后，第三个也是最后一个旨在评估车辆目前驾驶的车道。这两个组件是必须安全驾驶的，因为诸如车辆之类的行动需要有关车辆当前定位的精确信息。在这项调查中，我们介绍了在高速公路场景中自动驾驶的定位方法的分类法。我们介绍本地化过程的每个主要组成部分，并讨论相关最新方法的优点和缺点。
基于原型的神经网络，用于图像异常检测和定位
图像异常检测和定位不仅执行图像水平异常分类，还可以定位像素级异常区域。最近，由于其在各个领域的广泛应用，因此受到了很多研究的关注。本文提出了原型，这是一种基于原型的神经网络，用于图像异常检测和定位。首先，普通图像的贴片特征是通过对自然图像预先训练的深网进行提取的。然后，通过非参数聚类来学习北斑特征的原型。最后，我们通过将特征提取网络附加到具有L 2特征正常ization，1×1卷积层，通道最大 - 功能和减法操作的特征提取网络来构建图像异常定位网络（PITOAD）。我们将原型用作1×1卷积层的内核；因此，我们的神经网络不需要训练阶段，并且可以以端到端的方式进行异常检测和定位。对两个挑战的工业异常检测数据集MVTEC AD和BTAD进行了广泛的实验，这表明，原始AD达到了具有较高推理速度的最先进方法的竞争性能。源代码可在以下网址获得：https：//github.com/98chao/protoad。
为什么本地化在卫生应急响应中很重要
当地卫生非政府组织和行动者在危机爆发之初就已经在现场，是帮助打破传播链（在疫情爆发的情况下）或在地方/国家当局（卫生部）或联合国/国际非政府组织支持到达之前动员救命物资或人员流动的关键第一响应者。在多维冲突中，由于准入受到限制，当地卫生非政府组织和行动者更有能力跨越控制线或困难地形接触民众。当地社区最了解自己的地形，国家、联合国和国际非政府组织合作伙伴可以与他们合作（例如在病例检测、接触者追踪方面），以确保以考虑到当地行动者安全风险的方式持续提供服务。卫生部门的当地和社区成员最适合立即参与并作为合作伙伴/利益相关方投入响应工作，作为世卫组织紧急反应基金下建立的任何事件管理系统 (IMS) 的一部分。当地行动者可能有与其他联合国机构/部门合作的经验，并且可能拥有可用于卫生响应的技能和能力。
正常和病理视网膜图像中的视盘定位
正常和病理性视网膜图像中视盘的定位 Vijay Khare 电子与通信工程系，Jaypee 信息技术学院，诺伊达，印度 (vijay.khare@jiit.ac.in) 摘要：本文提出了一种在视网膜图像中检测视盘 (OD) 的新方法
基于同步定位和地图绘制的自主导航系统
摘要 —本文介绍了基于同步定位和地图构建 (SLAM) 的自主导航系统的开发。本研究的动机是找到一种自主导航室内空间的解决方案。室内导航具有挑战性，因为它可以永远发展。解决这个问题对于许多服务来说都是必要的，例如清洁、医疗行业和制造业。本文的重点是描述为这个提议的自主系统开发的基于 SLAM 的软件架构。评估了该系统面向智能轮椅的潜在应用。当前的室内导航解决方案需要某种引导线，例如地板上的黑线。有了这个提议的解决方案，室内不需要翻新来适应这个解决方案。此应用程序的源代码已开源，因此可以重新用于类似的应用程序。此外，预计这个开源项目将由广泛的开源社区在其当前状态的基础上得到改进。索引术语 —深度学习、导航、物体避让、SLAM
Cav-1 :: GFP在C. exkemans中的内源表达和定位
小窝蛋白是负责形成口洞的整体膜蛋白，与各种疾病状态相关的质膜的内陷（Parton等人2020）。在秀丽隐杆线虫中，有两个小窝蛋白Cav-1和cav-2。CAV-1基因与所有三个哺乳动物小窝蛋白基因共享同源性（Tang等人1997）。 秀丽隐杆线虫Cav-1蛋白似乎并不形成小窝，但是Cav-1和Cav-2的双敲击突变体会影响产卵，而Cav-1的敲低会影响动态突变体背景中的运动（Parker等人 。 2007，Kirkham等。 2008，Sato等。 2008）。 基于外源表达，Cav-1 :: GFP众所周知，众所周知，卵形颗粒和质膜中的质膜和早期胚胎，在后来的胚胎中，质膜，以及幼虫和成人蠕虫中的神经肌肉系统（Sato等）（Sato等。 2006，Bembenek等。 2007，Parker等。 2007）。1997）。秀丽隐杆线虫Cav-1蛋白似乎并不形成小窝，但是Cav-1和Cav-2的双敲击突变体会影响产卵，而Cav-1的敲低会影响动态突变体背景中的运动（Parker等人。2007，Kirkham等。 2008，Sato等。 2008）。 基于外源表达，Cav-1 :: GFP众所周知，众所周知，卵形颗粒和质膜中的质膜和早期胚胎，在后来的胚胎中，质膜，以及幼虫和成人蠕虫中的神经肌肉系统（Sato等）（Sato等。 2006，Bembenek等。 2007，Parker等。 2007）。2007，Kirkham等。2008，Sato等。 2008）。 基于外源表达，Cav-1 :: GFP众所周知，众所周知，卵形颗粒和质膜中的质膜和早期胚胎，在后来的胚胎中，质膜，以及幼虫和成人蠕虫中的神经肌肉系统（Sato等）（Sato等。 2006，Bembenek等。 2007，Parker等。 2007）。2008，Sato等。2008）。 基于外源表达，Cav-1 :: GFP众所周知，众所周知，卵形颗粒和质膜中的质膜和早期胚胎，在后来的胚胎中，质膜，以及幼虫和成人蠕虫中的神经肌肉系统（Sato等）（Sato等。 2006，Bembenek等。 2007，Parker等。 2007）。2008）。基于外源表达，Cav-1 :: GFP众所周知，众所周知，卵形颗粒和质膜中的质膜和早期胚胎，在后来的胚胎中，质膜，以及幼虫和成人蠕虫中的神经肌肉系统（Sato等）（Sato等。2006，Bembenek等。 2007，Parker等。 2007）。2006，Bembenek等。2007，Parker等。 2007）。2007，Parker等。2007）。2007）。