XiaoMi-AI文件搜索系统
World File Search Systempropose
van der waals ferroelectrics
在散装3R-TMD晶体中，具有相同堆叠顺序的层组显示为三维双胞胎，被双边界的平面隔开。Here, we propose [10] the formation of two-dimensional (2D) electron/hole gases at twin boundaries, analyse their stable density in photo-doped structures, which appears to be in the range of n * ~8x10 12 cm -2 for electrons at both intrinsic mirror twin boundaries in bulk crystals and twisted twin boundaries in structures assembled from two thin mono-domain films.我们还预测了组装双胞胎之间的扭角值的“魔法”值，为此，累积的载体密度，n *和moiré模式之间的可相差性将促进形成强相关的电子状态，例如wigner晶体。参考文献[1] F. Ferreira等，科学报告11，13422（2021）
机器和人类视觉的图像压缩具有空间频率适应
摘要。机器和人类视力（ICMH）的图像压缩近年来引起了人们的关注。现有的ICMH方法受到高训练和存储开销的限制，这是由于特定于任务的网络设计的大量设计。为了解决此问题，在本文中，我们为ICMH（名为Adapt-ICMH）开发了一种新颖的基于轻量级适配器的调整框架，可以更好地平衡任务性能和比特率与减少的开销。We propose a spatial-frequency modulation adapter (SFMA) that simultaneously eliminates non-semantic redundancy with a spatial modulation adapter, and enhances task-relevant frequency com- ponents and suppresses task-irrelevant frequency components with a fre- quency modulation adapter.所提出的适配器是插件播放的，并且与几乎所有现有的学到的图像压缩模型兼容，而不会损害预训练模型的性能。实验表明，适应性ICMH始终在各种机器视觉任务上的现有ICMH框架较少，并且较少的微调参数和降低的计算复杂性。代码将在https://github.com/qingshi9974/eccv2024-adpaticmh上发布。
公告
1。In this Order and Proposed Order of Modification , the Public Safety and Homeland Security Bureau (PSHSB) and the Wireless Telecommunications Bureau (WTB) (collectively, the Bureaus) propose to modify the Intelligent Transportation System (ITS) radio service licenses of twenty- eight licensees who received waiver authority (hereafter, “C-V2X Waiver Recipients”) 1 to operate their systems using Cellular Vehicle-to-Everything （C-V2X）在5.9 GHz频段（5.895-5.925 GHz）的上部30兆赫兹的基于基于C-V2X的技术2之前，在采用了5.9 GHz第二个报告和订单中提出的最终规则之前。3此外，该拟议的修改实施了委员会的命令，终止了豁免权，并指示该局根据最终规则进行任何必要的许可修改。4拟议的修改将确保其豁免授权到期后，C-V2X豁免接收者的原始许可将被修改，以遵守2024年11月21日的5.9 GHz第二次报告中采用的最终基于C-V2X的规则，该规则将
使用查询学习量子有限自动机
抽象学习有限的自动机（称为模型学习）已成为机器学习中的重要领域，并且已成为有用的现实应用。量子有限自动机（QFA）是具有有限内存的量子计算机的简单模型。由于其简单性，QFA具有良好的物理可靠性，但是对于状态复杂性，单向QFA仍然具有与经典有限的自动机相比具有重要优势（Timway QFA在计算能力方面的经典自动机更强大）。As a different problem in quantum learning theory and quantum machine learning , in this paper, our purpose is to initiate the study of learning QFA with queries (naturally it may be termed as quantum model learning ), and the main results are regarding learning two basic one-way QFA (1QFA): (1) we propose a learning algorithm for measure-once 1QFA (MO-1QFA) with query complexity of polynomial time and （2）我们也提出了一种具有多项式时间查询复杂性的测量值1QFA（MM-1QFA）的学习算法。
lbkt：长期序列数据的基于LSTM BERT的知识跟踪模型
摘要。知识追踪领域（KT）旨在通过分析他们的历史行为数据来了解学生如何随着时间的推移学习和掌握知识。为了实现这一目标，许多研究人员提出了使用智能辅导系统（ITS）的数据来预测学生随后的行动的KT模型。然而，随着其大规模数据集的发展，包含长期数据的大规模数据集开始出现。最近基于深度学习的KT模型在处理包含长期数据的大规模数据集时面临着低效率，低精度和低解释性的障碍。To address these is- sues and promote the sustainable development of ITS, we propose a L STM B ERT-based K nowledge T racing model for long sequence data processing, namely LBKT , which uses a BERT-based architecture with a Rasch model-based embeddings block to deal with different difficulty levels information and an LSTM block to process the sequential char- acteristic in students' actions.LBKT在ACC和AUC指标上实现了大多数基准数据集的最佳性能。
地面穿透雷达的自主数据获取...
2 Public Works Department, Faculty of Engineering, Cairo University, Giza12613, Egypt amr-m.eldemiry@polyu.edu.hk , muhammad.muddassir@polyu.edu.hk , tarek.zayed@polyu.edu.hk Abstract – In this paper, we propose a ground mobile robot that can perform both surface mapping and subsurface mapping using三维激光雷达同时定位和映射系统（3D激光雷达大满贯系统）和地面穿透雷达（GPR）。机器人由配备3D激光雷达传感器的移动平台和安装在固定机箱上的GPR天线组成。机器人可以自主浏览环境并从表面和地下收集数据。表面映射是通过使用±3 cm范围精度的3D激光镜传感器来观察地形的点云，然后对其进行处理以生成3D表面图。地下映射是通过使用GPR天线将电磁脉冲发射到土壤中并接收反射的，然后对其进行处理以生成3D地下图。然后，我们可以融合表面和地下图以获得地形的全面表示。我们在现实世界中（例如桥梁）演示了机器人的性能。我们表明，我们的机器人可以在表面映射任务和GPR数据采集中实现高精度和效率。
有弹性的受限强化学习
我们研究一类受约束的加强学习（RL）问题，其中在训练之前未确定多个结合规格。由于奖励最大化目标和约束满意度之间的不可罚款，确定适当的约束规格是一项挑战，这在决策制定方面无处不在。为了解决此问题，我们提出了一种新的约束RL方法，以搜索政策和约束规格。这种方法的特征是根据学习意义中介绍的重新设备成本放松约束的适应。由于此特征模仿了生态系统如何通过改变操作来适应破坏，因此我们的方法被称为弹性约束RL。Specifically, we provide a set of sufficient conditions that balance the con- straint satisfaction and the reward maximiza- tion in notion of resilient equilibrium, propose a tractable formulation of resilient constrained policy optimization that takes this equilib- rium as an optimal solution, and advocate two resilient constrained policy search algorithms with non-asymptotic convergence guarantees on the optimality gap and constraint satis-派系。此外，我们证明了我们方法在计算实验中的优点和有效性。
在动态环境中递归可行的缩小 - 摩尼子MPC保证保证
在本文中，我们着重于在不确定的动态环境中缩小 - 摩尼斯模型预测控制（MPC）的问题。我们考虑控制一个确定性的自主系统，该系统在其任务过程中与无法控制的随机代理相互作用。采用保形预测中的工具，现有作品为未知代理的传统提供了高信心的预测区域，并将这些区域集成到MPC适当安全约束的设计中。尽管保证了闭环轨迹的概率安全性，但这些约束并不能确保在整个任务的整个过程中相应的MPC方案的可行性。We propose a shrinking-horizon MPC that guarantees recursive feasibility via a gradual relaxation of the safety constraints as new prediction regions become available online.这种放松可以从所有可用的预测区域集合最少限制性预测区域保存安全限制。在与艺术状态的比较案例研究中，我们从经验上表明，我们的方法导致更严格的预测区域并验证MPC方案的递归可行性。关键字：MPC，动态环境，共形预测
生物多样性 - 生态系统功能（BEF）进一步理解水产养殖的方法 - 环境与应用于双壳文化和底栖生态系统的相互作用
沿海底栖生态系统可能受到包括水产养殖在内的许多人类活动的影响，水产养殖继续迅速扩展。的确，如今，全世界的水产养殖为人类消费提供了更多的生物量，而不是野生渔业。这一快速发展引发了有关实践与周围环境的互动的疑问。为了设计可持续生态系统开发和海洋空间规划的策略，需要更好地了解沿海生态系统功能，以便可以开发量化包括水产养殖在内的人类活动影响的工具。为了实现这一目标，提出的一些可能的方向是综合研究，导致新概念，基于这些概念的建模以及在全球范围内的各种生态系统的比较。This review draws on existing literature to (i) briefly summarize the major ecological interactions between off ‐ bottom shellfish aquaculture and the environment, (ii) introduce research on the influence of benthic diversity on ecosystem functioning (BEF relationships) and (iii) propose a holistic approach to conduct aquaculture–environment studies using a BEF approach, highlighting the need for integrated studies that could offer insights and perspectives to guide未来的研究工作并改善了水产养殖的环境管理。
通过滚动曲线在大规模点云中的全局本地化...
摘要 - 由于LiDar，Camera和IMU之间的固有互补性，最近对激光 - 视觉惯性大满贯付出了越来越多的努力。但是，现有方法在两个方面受到限制。首先，在前端，它们通常采用离散的时间表示，需要高精度硬件/软件同步，并基于几何激光功能，从而导致稳健性和可扩展性低。第二，在后端，视觉循环限制遭受了规模的歧义和点云的稀疏性，扫描到扫描环的检测恶化。To solve these problems, for the front-end, we propose a continuous-time laser-visual-inertial odometry which formulates the carrier trajectory in continuous time, organizes point clouds in probabilistic submaps, and jointly optimizes the loss terms of laser anchors, visual reprojections, and IMU readings, achieving accurate pose estimation even with fast motion or in unstructured scenes where it is difficult to extract meaningful几何特征。在后端，我们通过通过激光辅助视觉重新定位匹配预计的2D子包和6-DOF视觉约束来建立5-DOF激光限制，从而确保在大型场景中映射一致性。结果表明，我们的框架实现了高精度的估计，并且比载体在大型场景或快速移动时工作时更健壮。相关的代码和数据在https://cslinzhang.github.io/ct-lvi/ct-lvi/ct-lvi.html上进行开源。