XiaoMi-AI文件搜索系统
World File Search Systempreserving
通过随机旋转几何特征模式生成保留空间自相关的替代脑图
。CC-BY-NC 4.0 国际许可，根据 提供（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 6 月 18 日发布。；https://doi.org/10.1101/2024.02.07.579070 doi：bioRxiv 预印本
1个多院数据的分散，协作和隐私的机器学习
背景：机器学习（ML）在医学数据分析上表现出了巨大的潜力。从不同来源和设置收集的大型数据集对于医疗保健中的ML模型至关重要，以实现更好的准确性和概括性。在不同的医疗机构或司法管辖区之间共享数据，由于复杂，不同的隐私和监管要求，这是具有挑战性的。因此，很难允许多方协作培训ML模型来利用各方可用的私人数据集，而无需直接共享这些数据集或通过协作损害数据集的隐私。方法：在本文中，我们通过提出集中式的，collaborative，以及用于多疗养院数据（DENAPH）的DE集中式，Collaborative，以及PRIVACY PRIVACY PRIVACY ML。此框架提供了以下关键好处：（1）允许不同的各方在不转移其私人数据集的情况下协作训练ML模型（即没有数据集中量）； （2）通过限制培训过程中各方共享的任何内容引起的潜在隐私泄漏来保护患者的隐私； （3）它在不依赖集中派对/服务器的情况下促进了ML模型培训。的发现：我们使用现实世界分布的医疗数据集在三个不同的任务上证明了脱夹的通用性和力量：使用电子健康记录，使用单细胞人体基因组进行细胞类型分类的患者死亡率预测以及使用胸部放射学图像进行病理鉴定。同时，接受脱夹培训的模型隐私攻击的平均脆弱性降低了16％。与非私人保留协作框架培训的ML模型相比，经过剪裁框架训练的ML模型的模型性能下降了3.2％。此外，经过我们的Dechaph框架培训的模型比仅在没有协作的情况下与私人数据集进行培训的模型和以前的隐私权协作培训框架培训的模型分别在相同的隐私保证下受到了70％和18.2％的培训。解释：我们证明，经过雕刻框架训练的ML模型具有改进的公用事业折衷，这表明dechaph使模型能够具有良好的性能，同时保留了培训数据点的隐私。此外，经过培训的ML模型一般而言，跑赢大盘的模型仅通过各方的私人数据集进行培训，这表明DeChaph增强了模型的通用性。Funding: This work was supported by the Natural Sciences and Engineering Research Council of Canada (NSERC, RGPIN- 2020-06189 and DGECR-2020-00294), Canadian Institute for Advanced Research (CIFAR) AI Catalyst Grants, CIFAR AI Chair programs, Temerty Professor of AI Research and Education in Medicine, University of Toronto, Amazon, Apple, DARPA through the GARD Project，Intel，Meta，安大略省早期研究员奖和斯隆基金会。资源
保留分位数趋势以模拟未来气候影响
摘要：全球气候模型 (GCM) 是理解气候系统及其在情景驱动排放路径下演变趋势预测的重要工具。其输出结果被广泛应用于气候影响研究，用于模拟气候变化的当前和未来影响。然而，与气候影响研究所需的高分辨率气候数据相比，气候模型输出结果仍然较为粗糙，并且相对于观测数据也存在偏差。在现有的全球尺度上经过偏差调整和降尺度处理的气候数据集中，分布尾部的处理是一个关键挑战；许多此类数据集使用了分位数映射技术，而这些技术已知会抑制或放大尾部的趋势。在本研究中，我们应用分位数增量映射 (QDM) 方法 (Cannon 等，2015) 进行偏差调整。在偏差调整之后，我们应用一种名为“分位数保留局部模拟降尺度”（QPLAD）的新型空间降尺度方法，该方法旨在保留分布尾部的趋势。这两种方法都集成到一个透明且可重复的软件流程中，我们将其应用于耦合模式比较计划第六阶段 (CMIP6) 实验 (O'Neill et al., 2016) 的历史实验和四种未来排放情景（从积极缓解到无缓解）的全球每日 GCM 地表变量输出（最高和最低温度以及总降水量），即 SSP1-2.6、SSP2-4.5、SSP3-7.0 和 SSP5-8.5 (Ri-
基于区块链的联合学习中的隐私权...
联合学习（FL）最近是一种用于协作培训机器学习模型的革命性方法。根据这个新颖的框架，多个参与者协作培训全球模型，与中央聚合器协调而无需共享其本地数据。由于FL在不同领域，安全性和隐私问题上获得了普及，因此由于该解决方案的分布性质而引起了人们的关注。因此，将该策略与区块链技术整合在一起已被合并为确保参与者隐私和安全性的首选选择。本文探讨了科学界在采用启用区块链的FL的情况下定义隐私解决方案所做的研究工作。它全面总结了与FL和区块链相关的背景，评估现有架构的集成以及主要的攻击以及可能的对策，以确保在这种情况下进行隐私。最后，它回顾了启用了启用区块链的FL方法的主要应用程序方案。这项调查可以帮助学术界和行业从业人员了解哪种理论和技术可以通过区块链来提高FL的性能，以保护隐私，哪些是这部小说中的主要挑战和未来的方向，并且仍然不足以探索。我们认为，这项工作为对先前的调查提供了新的贡献，并且是探索当前景观，了解观点并为这种融合的区块链和联合学习融合的进步或改进铺平道路的宝贵工具。
方差特征保留运动想象 BCI 的共同空间模式
方法：本研究提出了一种方差特征保持的 CSP（VPCSP），并通过基于图论的正则化项对其进行了修改。具体来说，我们在局部保留方差特征的同时计算投影数据的异常损失。然后，通过引入拉普拉斯矩阵将损失重写为矩阵，从而将其转化为与 CSP 等价的广义特征值问题。本研究在来自 BCI 竞赛的两个公共 EEG 数据集上评估了所提出的方法。改进的方法可以提取稳健且可区分的特征，从而提供更高的分类性能。实验结果表明，所提出的正则化显著提高了 CSP 的有效性，并且与已报道的改进 CSP 算法相比取得了显著更好的性能。
人工智能和机器学习在通过虚拟修复保护文化遗产和艺术作品中的作用
包括绘画、素描、版画、马赛克、雕塑、历史建筑和纪念碑以及考古遗址在内的工艺品是我们文化遗产的重要组成部分。它包括非物质文化（如民间传说、传统、语言和知识）、物质文化（如建筑、纪念碑、景观、档案材料、书籍、艺术品和工艺品）和自然遗产（如生物多样性和具有重要文化意义的景观）。现在我们将集中讨论物质文化及其问题以及如何处理这些问题。它最大的问题之一是，多年来，用于创作艺术品的材料的性质使它们容易出现裂缝、断裂、污渍和褪色和模糊。它们损坏的原因可能是自然原因，也可能是人为原因。自然原因包括战争、火灾、地震、自然灾害，人为原因包括意外事件，如气候变化导致的污染，如酸雨。必须考虑您存放艺术品的环境。我们日常环境中的光、热、湿度和污染水平会导致艺术品发生有害的化学和物理反应。有几个原因需要保存古代艺术品。它使我们能够理解其创作时代的历史和文化背景，这是关键因素之一。那么保存我们的艺术品是必须的，这可以通过手动技术或使用机器学习算法来完成。
一种基于跨栏技术的湿konjac面条的经济高效方法
摘要本文旨在研究几种新型保存方法对存储期间湿konjac面条质量的影响。湿的konjac面条由konjac粉，大豆蛋白分离株和地瓜淀粉制备。通过单个酸（pH = 3）浸泡（CA组），酸浸泡和真空包装（CF组）以及碱性浸入，然后是巴氏灭菌和真空包装（CI组）。结果，CF和CI组可以很好地抑制在室温下（28±1°C）储存过程中微生物的生长8周。与对照组（CK）组相比，经过处理的湿konjac面条也具有稳定的感官质量，更好的气味和味道，并且具有更高的咀嚼性和弹性。与CI治疗相比，CF治疗在白色，感觉特征，纹理特性和产品的内部微观结构方面表现出更理想的性能。总而言之，使用酸浸泡和真空包装技术是确保湿konjac面条的预期货架的一种有效方法。这项技术还可以为企业提供一些理论和技术支持，以处理和生产湿的konjac面条和其他高水分食品。
量子计算机上的对称性破坏/对称性保持电路和对称性恢复
摘要 我们在此讨论在量子计算机上处理量子多体问题时与其对称性相关的一些方面。回顾了与对称性守恒、对称性破缺和可能的对称性恢复有关的几个特点。在简要讨论了一些与多粒子系统相关的标准对称性之后，我们讨论了在量子分析中直接编码某些对称性的优势，特别是为了减少量子寄存器大小。然而众所周知，当自发对称性破缺发生时，使用对称性破缺状态也可以成为一种独特的方式来纳入特定的内部相关性。这些方面是在量子计算的背景下讨论的。然而，只有当最初破缺的对称性得到适当恢复时，才能精确描述量子系统。介绍了几种在量子计算机上执行对称性恢复的方法，例如，通过 Grover 算法净化状态、结合使用 Hadamard 测试和 oracle 概念、通过量子相位估计和一组迭代独立的 Hadamard 测试进行对称性过滤。
糖尿病中的盐皮质激素受体拮抗作用通过保留肾小球内皮糖质
引言肾小球疾病，包括糖尿病性肾病（DN），是终末期肾衰竭的最常见原因（1）。大约有5分之一的糖尿病患者在其一生中需要DN治疗（2）。2018年，美国有70万人因终末期肾病（ESRD）治疗，糖尿病占所有新ESRD病例的47％（3）。肾素 - 血管紧张素 - 醛固酮系统（RAAS）具有血管紧张素转换酶抑制剂（ACEI）或血管紧张素受体阻滞剂（ARB）的阻断降低了蛋白尿和ESRD的风险（4）。然而，由于醛固酮逃脱，使用ACEI或ARB可能不会减少醛固酮介导的矿物皮质激素受体（MR）刺激（5，6）。在DN中，在ACEI或ARB治疗中添加MR拮抗剂进一步降低了蛋白尿，这表明MR激活直接导致蛋白尿（7-12）。最近，大型III阶段Fidelio-DKD试验报告说，在患有慢性肾脏疾病（CKD）和2型糖尿病的患者中，MR拮抗作用降低了CKD进展，蛋白尿和心血管疾病的风险（13）。然而，包括高钾血症在内的副作用限制了MR拮抗剂的临床使用（10、12、14-16）。因此，需要更好地定义由MR拮抗剂介导的肾小球保护机制，以鉴定新型的特异性治疗靶标。