XiaoMi-AI文件搜索系统
World File Search Systemmize
一个用于优化深神经网络体系结构和超参数
在本文中，我们提出了Dragon（用于定向的无环形优化），这是一种自动生成效率高的深神经网络体系结构并优化其相关超参数的算法框架。该框架基于不断发展的无环图（DAG），定义比文献中现有的搜索空间更具灵活的搜索空间。它允许进行不同的古典操作的混合物：卷积，相互作用和密集的层，但也有更多新的操作，例如自我注意力。基于此搜索空间，我们建议邻里和进化搜索操作员，以选择网络的体系结构和超参数。这些搜索操作员可以与能够处理混合搜索空间的任何元疗法一起使用。我们在时间序列预测基准的时间序列上使用异步进化算法测试了我们的算法框架。结果表明，龙的表现优于最先进的手工制作的模型和汽车技术，用于在众多数据集上预测时间序列。Dragon已被实施为Python开源软件包1。关键字：神经体系结构搜索，超参数优化，元启发式学，进化算法，时间序列预测
WRSN 中使用多辆无线充电车的按需多节点部分充电方案
在传感器的使用寿命截止之前对其进行能量补充是无线可充电传感器网络 (WRSN) 延长其使用寿命的重要组成部分。在小规模 WRSN 中，已证明由单个无线充电车辆 (WCV) 进行的多节点充电是有效的。在大规模 WRSN 中，大多数现有方案都会部署多个 WCV，以使用多节点充电同时对传感器充满电。传感器完全充电可以最大限度地减少 WCV 行驶所需的能量。然而，它可能无法在截止日期之前为许多传感器充满电。在本文中，我们的目标是最大限度地减少死机传感器的数量，同时最大限度地缩短传感器的平均死机时间。为了实现该目标，首先考虑传感器的能量需求和 WCV 的运动，将待充电的传感器分配到 WCV 之间。其次，提出了一种多节点部分充电方案，其中 WCV 充电范围内的传感器可以多次部分充电，直到传感器充满电。仿真结果表明，所提方案在最小化死传感器数量方面优于现有方案，并且产生更短的传感器平均死传感器持续时间，证明了我们方案的有效性。
务实的指导以下和目标辅助通过合作语言引导的逆计划
人们经常提供指示，其含义在没有进一步上下文的情况下是模棱两可的，期望自己的行为或目标会脱离意图。我们如何以灵活的上下文敏感的方式建立以下说明的辅助代理？本文介绍了合作语言引导的逆计划搜索（剪辑），这是一种贝叶斯代理体系结构，用于实用教学和目标帮助。我们的经纪人通过将他们作为合作计划者建模，以协助他们将联合计划传达给助手，然后使用大型语言模型（LLMS）对人类的目标进行多模式的贝叶斯对人类的目标进行推断，以评估鉴于一个假设的计划，以评估指令的可能性。鉴于这一后部，我们的助手采取行动为小型的预期目标实现成本，使其能够务实地遵循模棱两可的指示，并在不确定目标的情况下提供有效的帮助。我们在两个合作计划域（门，钥匙，宝石和virtualhome）中评估了这些功能，发现剪辑的剪辑极大地超过了GPT-4V，基于LLM的文字教学，并在准确性和帮助方面都在同时及其辅助审判者和助手审判者提供了匹配的准确性和帮助，并在准确性和帮助方面都具有相反的作用。
Distribution Locational Marginal Pricing Based Equilibrium Optimization Strategy for Data Center Park with Spatial-temporal
摘要 - 本文提出了一个基于分销的位置定位定价（DLMP）的BI级Stackelberg游戏框架 - Internet服务公司（ISC）与数据中心公园中的分销系统运营商（DSO）之间的工作。为了微型电力成本，上层的ISC在空间上跨不同数据中心构建的交互式工作负载（IWS），并根据DLMP的时间安排电池储能系统。光伏生成和静态VAR生成提供了额外的活跃和反应能力。在较低级别，DSO通过最大程度地降低两部分关税政策的总电量成本来计算DLMP，并确保分销网络未经汇总，并且总线电压在限制范围内。使用强双重定理和二进制扩展方法将双层优化转换为单层混合二阶锥体编程优化，获得了平衡解决方案。案例研究验证了所提出的方法在保留ISC的隐私时是否有利于DSO和ISC。通过考虑考虑IWS和光伏发电的不确定性，提高了分配网络的灵活性，这进一步促进了更高需求侧的重新源的适应。
![arxiv：2404.00717v3 [CS.RO] 2024年12月24日](/simg/g:\will\search\icon\source\8\8039245c57bbe43971b6b61ef25733ec15c7c6df.webp)
arxiv：2404.00717v3 [CS.RO] 2024年12月24日
合作利用通过V2X通信的自我车辆和基础设施传感器数据的合作已成为高级自主驾驶的一种有前途的方法。但是，当前的研究主要集中在改善个体模块上，而不是端到端学习以选择最终的计划绩效，从而导致数据潜在的未充分利用。在本文中，我们介绍了一个开拓性的自动驾驶框架Univ2x，该框架不用将各种视图中的所有关键驾驶模块整合到统一的网络中。我们提出了一种有效的车辆基础设施合作的稀疏密度混合数据传输和融合机制，提供了三个优点：1）同时增强剂的感知，对线映射和占用率预测，最终提高计划绩效。2）适用于实践和有限的通信条件的传输友好。3）可靠的数据融合，并具有该混合数据的解释性。我们在具有挑战性的dair-v2x（现实世界中的合作驾驶数据集）上实现了Univ2x，并重现了几种基准方法。实验结果证明了Univ2x在显着增强计划表现方面以及所有中间输出性能方面的有效性。该项目可在https://github.com/air-thu/univ2x上找到。
人工智能技术能否取代人类...
过去十年，随着医学、技术的进步以及电子病历 (EMR) 的巨大影响，病患与医生之间的个人关系不断演变。普通初级保健医生每天工作 11.4 小时，其中有 5.9 小时用于在 EMR 中执行各种任务。1 医生大约有一半的工作时间用于撰写病患笔记、结账和管理收件箱，而另一半工作时间则需要谨慎地分配给整个病患负荷。EMR 时间需求的增加以及与病患互动时间的减少导致了各种有利策略的发展，以最大限度地减少医生的工作量并将重点转移回病患身上。可以最大限度地利用医生的时间和患者的个性化护理的两个最重要的例子是使用医疗文书记录员以及技术来撰写笔记和完成各种办公室任务。两者都减少了医生的工作量，并通过不同的方法实现了更多以病患为中心的互动。当考虑采用哪种治疗方法时，医生必须权衡两种治疗方式的利弊，特别是皮肤科医生会利用这些选项来简化大量患者治疗负担。
具有异型的全细胞筛选方法
由于其直接电子传输到电极的能力，稀土金属作为辅因子的利用及其周质定位，吡咯烷二酚奎诺酮依赖性的醇dehydroge- nases（pqqq-adhs）代表了一类有趣的生物催化剂，用于各种生物技术应用程序。对于大多数生物催化剂而言，蛋白质稳定性是库的，要么在给定的过程条件下提高蛋白质的性能，要么最大程度地提高蛋白质对突变操纵的鲁棒性，通常需要增强或引入感兴趣的功能。在这项研究中，我们描述了一个全细胞筛选测定法，适用于探测Escherichia Coli BL21（DE3）细胞中的PQQ-ADH活动，并使用此测定法筛选智能突变库，以提高PQQ-ADH PEDE的热稳定性（PP_2674）（PP_2674）（ppseudomonas putida putida ktida KT22440）。在连续三轮筛选时，我们确定了三个不同的氨基酸位置，这显着改善了酶的稳定性。The subsequent combination of the bene fi cial mutations fi nally results in the triple mutant R91D/ E408P/N410K, which not only exhibits a 7 ° C increase in thermal stability but also a twofold increase in residual activity upon incubation with up to 50% dimethyl sulfoxide (DMSO), while showing no signi fi - cant difference in enzymatic ef fi ciency ( k cat / k m）。
KFC 400 - Bendix/King
KFC 400 飞行控制系统在一台计算机中整合了完整的自动驾驶仪和飞行指引仪计算功能。其数字飞行计算机和集成架构使 KFC 400 能够更快地确定飞机控制要求，并且比以前的自动驾驶仪系统更平稳、更准确地执行这些要求。主要由于其双通道飞行计算机设计，KFC 400 可以更积极地控制飞机，同时提供单通道系统无法提供的安全监控级别。整个飞行控制系统采用数字化、固态设计，在节省系统重量和所需安装空间的同时，提供最大的可靠性。KFC 400 旨在优化乘客和机组人员的舒适度，同时在任何飞行情况下仍提供准确的控制响应。只要有可能，自动驾驶仪引起的飞机运动就会接近人类可感知的下限，从而确保飞行异常平稳。但是，飞行控制系统的许多最大可控值是在飞行控制系统认证过程中为每架飞机确定的。有关特定值，请参阅您的飞机的 KFC 400 飞行手册补充。
基于变压器的强化学习模型用于优化定量交易
摘要 - 由于投资者和政策制定者的巨大潜力，储存市场的预测长期以来一直是财务研究的重点。这是一项具有挑战性的任务，因为它涉及根据历史数据来预测资产的未来价格。传统的定量交易策略通常在适应动态市场条件并捕获财务数据中的复杂模式方面面临挑战。回应，这项工作探讨了一种新颖的股票预测方法，将变压器架构的力量与强化学习的决策能力相结合。我们提出了一个定量交易框架，该框架集成了一个基于变压器的编码器 - 编码网络，以预测未来的股票价格，并根据这些预测来预测股票价格和强化学习代理商，以对投资策略进行计算。变压器网络利用其自我注意力的机制在历史价格数据中捕获复杂的关系，而强化学习代理在模拟环境中通过反复试验学习最佳行动。实验结果证明了与现有方法相比，我们方法在提高库存预测准确性方面的有效性。这项工作突出了将变压器和增强学习结合起来的潜力，以实现股票和库存市场导航。索引条款 - 托克预测，强化学习，变压器，量化交易，算法交易，金融市场
prod 的一个新致死等位基因的遗传图谱
艾玛·约翰逊 1* , 塔尔博特·金尼 1* , 汉娜·鲁伦 1* , 瑞安南·阿梅鲁德 2 , 黛莎·R·安德森 3 , 玛丽·安德森 2 , 阿内林·梅·安德烈斯 3 , 拉米尔·阿尔沙德 3 , 凯莉·巴宾-霍华德 3 , Dede G Barrigah 3 , Addison Beauregard 1 , Leah Beise 2 , 诺兰克里斯托弗森 3 , 伊利亚 L 大卫 3 , 卢克·德瓦德 1 , 玛雅迪亚兹 3 , 莉莉·唐纳 2 , 娜塔莉·埃林格 1 , Diellza Elmazi 3 , 莱利·恩格尔哈特 1 , Tamkanat Farheen 3 , 马克·M·菲格罗亚 3 , 索伦·弗拉顿 2 , 麦迪逊·弗拉什 1 , 伊丽莎白·冈萨雷斯 2 , 杰伦古尔斯比 4 , Estefania Guzman 3、Logan Hanson 3、John Hejl 4、Jackson Heuschel 3、Brianna Higgins 1、Brylee Hoeppner 1、Daijah Hollins 3、Josette Knutson 1、Rachel Lemont 3、Mia Lopez 1、Samantha Martin 4、Trinity May 2、Abby McDade 3、Nearyroth Men 2、Ellie Meyer 1、Caroline R Mickle 3、Sebastian Mireles 4、Avery Mize 1、Jaiden Neuhaus 1、April Ost 2、Sarah Piane 4、Makenzie Pianovski 3、Aliya Rangel 3、Jessica Reyes 4、Alexandra Ruttenberg 3、Jacob D Sachs 3、Brandon Schluns 3、Nicholas施罗德 4 , Peighton R Skrobot 3 , Cylie Smith 1 , Sydney Stout 1 , Andrew Valenzuela 1 , Kaiden P Vinavich 3 , Amber K Weaver 3 , Michael Yager 3 , Jose Zaragoza 4 , Gabriela Zawadzki 3 , Weam El Rahmany 3 , Nicole L. Scheuermann 3 , Hemin P Shah 3、Kayla L Bieser 5、Paula Croonquist 2、Olivier Devergne 3、Elizabeth E Taylor 3、Jacqueline K Wittke-Thompson 4、Jacob D Kagey 6§、Stephanie Toering Peters 1