XiaoMi-AI文件搜索系统
World File Search Systemrealistic
对逼真的果蝇运动的全身模拟，并进行深度加固学习
动物的身体影响神经系统如何产生行为。因此，2对感觉运动行为神经控制的详细建模需要3个身体的详细模型。在这里，我们在Mujoco Physics发动机中贡献了4种水果果蝇Melanogaster的解剖学生物力学全身模型。我们的模型是通用的，5可以在陆地和空气中模拟各种频率行为。我们通过模拟逼真的运动和步行来证明模型的6个通用力。为了支持7这些行为，我们通过流体力和8种粘附力的现象学模型扩展了穆霍科。通过数据驱动的端到端强化学习，我们证明了9这些进步使能够基于高级转向控制信号的复杂轨迹进行现实运动10的神经网络控制器的训练。我们通过训练12个模型来证明11使用视觉传感器以及重复使用预训练的通用式旋转控制器。我们的项目是一个开源平台，用于在体现的上下文中对感觉运动行为的神经控制建模。14
基于逼真的中性运动的合成
抽象大多数自动表达分析系统试图识别一系列传统的表达方式，例如幸福，悲伤，愤怒，惊喜和恐惧等。尽管这套表达方式是面部最典型的表达式，但它与身体表达式所告诉我们的内容并不是最代表性/相关的。本文提出了一种新颖而通用的方法，用于使用人类姿势识别身体表情。我们的方法基于给定表达式产生的中性运动的概念。第二次，我们估计残基函数，作为两个相关运动之间的差异，即表达式和中性运动。更准确地说，受心理学领域研究启发的此功能给出了运动的“中立性”得分。使用此“中立分数”，我们提出了一个成本函数，该成本函数能够从任何输入表达运动中综合中性运动。中性运动过程的合成基于两个嵌套的主成分分析，提供了一个可以移动和选择现实的人类动画的空间。在具有异质运动和身体表达的四个数据库上评估了拟议的方法，并在超过艺术状态的身体表达识别方面获得了识别结果。
具有具身人工智能的现实人形机器人的多模态图灵测试
艾伦·图灵开发了图灵测试，作为一种方法来确定人工智能 (AI) 是否能够通过以 30% 以上的置信度回答问题来欺骗人类询问者相信它具有感知能力。然而，图灵测试关注的是自然语言处理 (NLP)，而忽略了外观、交流和运动的重要性。本文的核心理论命题：“机器可以模仿人类吗？”既涉及功能性，也涉及物质性。许多学者认为，创造一个在感知上与人类无法区分的逼真的人形机器人 (RHR) 是人类技术能力的顶峰。然而，目前还没有全面的开发框架供工程师实现更高模式的人类模仿，而且目前的评估方法还不够细致，无法检测恐怖谷 (UV) 效应的因果影响。多模态图灵测试 (MTT) 提供了这样的方法，并为在 RHR 中创建更高水平的人类相似性以增强人机交互 (HRI) 奠定了基础
人工智能在立法中的运用——现实选题的思考与选取
摘要 议会目前正在研究使用基于人工智能 (AI) 技术的应用程序执行某些任务。考虑到可以想象到的工具、应用领域、使用场景和需求，我们可以合理地预期人工智能会给议会带来变化。这使得人工智能在议会中的引入是一个普遍研究不足的课题这一事实变得更加奇怪。本文通过提供未来在立法工作空间中使用基于人工智能的工具和服务的经验证据，有助于弥合这一差距。这些数据是在 2021 年的头脑风暴练习和虚拟研讨会期间收集的。该分析揭示了在议会环境中基于人工智能的技术的优先级。在研究过程中，已经针对多个议会部门调查了 210 多个人工智能技术的应用和主题在议会中的相关性和优先级，其中包括 36 项围绕立法能力和程序的提案，称为“立法”。介绍了有关立法的主要发现。
有一个不可思议的山谷吗？调查听众对现实综合声音的评估
探索不可思议的山谷效应（UVE）是对几乎但不是人类的实体的厌恶 - 一直是人类机器人相互作用研究的富有成效的主题。含义 - 在各种设置中，越来越多地反驳现实的文本到语音（TTS）声音。在这项工作中，我们旨在描述综合声音的人类相似性和愉悦性之间的关系，并在听众的评估中寻求听觉uve的证据。在在线主题间示例中，听众对使用单个扬声器的数据进行了培训，对一系列操纵的TTS声音进行了评分。所获得的证据与现实主义和批准之间普遍正面的平稳性兼容。所有使用的TTS声音平均收到了低于50％的“人类风格”的评分，因此有关uve的结论，即对被认为是非常人类的声音的负面反应，无法从这些数据中得出。我们的结果表明，尽管相关的相关性，但对于相对较高的高度来说，高现实主义可能不是必需的。平均而言，音高变化降低的声音被评为“愉快”和“友好”的高度两倍，就像“像人”一样。俯仰变化与感知现实主义之间的关系被检查并确定为进一步研究的方向。索引术语：语音综合，语音韵律，音调变化，人类计算机相互作用，TTS评估
基于傅立叶神经操作员的替代物，用于现实地质中的二氧化碳存储
这项研究旨在开发替代模型，以加速与碳捕获和存储（CCS）技术相关的决策过程。选择子表面CO 2存储位点通常需要昂贵，并且涉及CO 2流场的模拟。在这里，我们开发了一个基于傅立叶神经操作员（FNO）模型，用于对CO 2羽流迁移的实时高分辨率模拟。该模型经过由现实的子面参数产生的综合数据集训练，并提供O（10 5）计算加速度，并以最少的预测准确性牺牲。我们还探索了超分辨率的概念，以提高培训基于FNO的模型的计算成本。此外，我们提出了各种策略，以改善模型的预测可靠性，这是在评估实际地质地点的同时。基于NVIDIA的模量，这个新型框架将允许对CCS的站点进行快速筛选。讨论的工作流和策略可以应用于其他能源解决方案，例如地热储层建模和氢气。我们的工作量表科学机器学习模型到现实的3D系统，这些系统与现实生活中的地下含水层/储藏室更一致，为下一代数字双胞胎铺平了道路，用于亚面CCS应用程序。
使用去噪扩散概率模型生成真实的神经生理时间序列
近年来，深度生成模型对工程和科学产生了深远的影响，彻底改变了图像和音频生成等领域，并提高了我们建模科学数据的能力。特别是，去噪扩散概率模型 (DDPM) 已被证明可以准确地将时间序列建模为复杂的高维概率分布。实验和临床神经科学也将受益于这一进步，因为准确建模神经生理时间序列，例如脑电图 (EEG)、皮层电图 (ECoG) 和局部场电位 (LFP) 记录及其合成生成可以实现或改进各种神经科学应用。在这里，我们提出了一种使用 DDPM 建模多通道和密集采样的神经生理记录的方法，该方法可以灵活地应用于不同的记录模式和实验配置。首先，我们表明 DDPM 可以为各种数据集 11 生成逼真的合成数据，包括不同的记录技术（LFP、ECoG、EEG）和物种（大鼠、猕猴、人类）。DDPM 生成的时间序列准确捕获单通道和多通道统计数据，例如频谱和 13 相位幅度耦合，以及细粒度和数据集特定特征，例如尖锐的波纹。14 此外，可以根据实验条件或大脑状态等其他信息生成合成时间序列。我们展示了 DDPM 在几种神经科学特定分析中的实用性和灵活性，例如大脑状态分类和缺失通道的归纳以改进神经解码。总之，DDPM 可以作为神经生理记录的精确生成模型，并且在概率生成合成时间序列以用于神经科学应用方面具有广泛的实用性。20
行动计划示例 制定具有现实目标、目的和活动的干预措施
申请人工具包。新罕布什尔州健康基金会网站，2006 年 8 月 15 日访问：http://www.endowmentforhealth.org/grant_center_applying.asp 拨款写作资源。威斯康星大学医学与公共卫生学院，威斯康星州合作伙伴计划网站，2006 年 8 月 15 日访问：http://wphf.med.wisc.edu/how_to_apply/grantWritingResources.php Miner LE、Miner JT。提案规划与写作（第 3 版）。康涅狄格州韦斯特波特：格林伍德出版社，2003 年。美国卫生与公众服务部。疾病控制与预防中心。战略与创新办公室主任办公室。公共卫生计划评估简介：自学指南。佐治亚州亚特兰大：疾病控制与预防中心，2005 年。
黑桃：使用事件传感
摘要 - 近年来，人们对在轨道内运营（例如更新，停靠和接近操作）的自主权的需求不断增长，从而导致人们对采用深度学习的飞船姿势估计技术产生了兴趣。但是，由于对实际目标数据集的访问有限，算法通常是使用合成数据训练并应用于真实域中的，因此由于域间隙而导致性能下降。最新方法采用域适应技术来减轻此问题。在搜索可行解决方案中，过去探索了事件感应，并显示出可减少模拟和现实世界情景之间的域间隙。事件传感器近年来在硬件和软件方面取得了重大进步。此外，与RGB传感器相比，事件传感器的特性在空间应用中具有多个优势。为了促进基于DL的模型的进一步培训和评估，我们介绍了一个新的数据集，包括在受控的实验室环境中获得的真实事件数据，并使用相同的摄像机内在系统模拟了事件数据。fur-hoverore，我们引入了一个基于图像的事件表示形式，该表示的性能优于现有表示形式。此外，我们提出了一种有效的数据过滤方法，以提高培训数据的质量，从而提高模型性能。使用不同的事件表示，事件过滤策略和算法框架进行了多方面的基线评估，并总结了结果。数据集将在http://cvi2.uni.lu/spades上提供。
在（混杂）人类微生物组研究中识别差异丰富的分类单元的现实基准
结果在这里我们开发了一个模拟框架，该框架将校准信号植入实际的分类学概况，包括模仿混杂因素的信号。使用几个全元素组和16S rRNA基因扩增子数据集，我们验证我们的模拟数据与疾病关联研究的真实数据相比，其程度要比以前的基准更大。使用广泛的参数化模拟，我们基准了18种DA方法的性能，并进一步评估了混杂模拟的最佳方法。只有线性模型，Limma，Fastancom和Wilcoxon测试以相对较高的灵敏度正确控制虚假发现。在考虑混杂因素时，这些问题会加剧，但是我们发现事后调整可以有效地减轻它们。在大型心脏代谢性疾病数据集中，我们展示了未能说明诸如药物等协变量的情况，这会导致现实世界中的虚假关联。