XiaoMi-AI文件搜索系统
World File Search Systemsar
对软骨肉瘤进行分子深度表征，以用于当前和未来的靶向治疗
摘要：软骨肉瘤 (CHS) 是异质性的，但总体而言，是第二大最常见的原发性恶性骨肿瘤。尽管在过去几十年中，人们对肿瘤生物学的了解呈指数级增长，但手术切除仍然是治疗这些肿瘤的金标准，而放疗和分化化疗无法充分控制癌症。对 CHS 的深入分子表征揭示了与上皮来源的肿瘤相比的显著差异。从遗传学上讲，CHS 是异质性的，但没有定义 CHS 的特征性突变，然而，IDH1 和 IDH2 突变很常见。血管减少、胶原蛋白、蛋白聚糖和透明质酸的细胞外基质组成为肿瘤抑制免疫细胞创造了机械屏障。相对较低的增殖率、MDR-1 表达和酸性肿瘤微环境进一步限制了 CHS 的治疗选择。 CHS 治疗的未来进展取决于对 CHS 的进一步表征，特别是肿瘤免疫微环境，以便改进和更好地针对性地治疗。
国防部建模与仿真 (M&S) 词汇表 - DTIC
模拟到数字 反装甲先进技术演示达到可用性 美国科学促进会 先进两栖攻击车 先进机载拦截器模拟器 ATM 适应层 大气气溶胶和光学数据库 1 - 行动后评估 2 - 行动后报告 行动后评估系统 先进自动化系统 陆军自动化安全计划 空对空系统性能评估模型 陆军先进技术演示 大气、生物和化学模拟 ALSP 广播模拟器 装甲断点模型 先进战斗模拟 模拟备用空中行动路线评估模型 先进计算机辅助设计 陆军计算机辅助采购与后勤支援 宙斯盾计算机中心 异步通信设备接口 陆军通信电子司令部 (现为 CECOM) 1 - 先进战役效能模型 2 - 空战评估模型 空战环境测试与评估设施 AWSIM CTAPS 接口 先进计算与信息科学理事会 ALSP 通用模块 空战机动仪表 空战机动模拟器
DeSVig：工业人工智能系统中针对对抗性攻击的去中心化快速警惕
摘要 — 单独增强单个深度学习模型的鲁棒性只能提供有限的安全保障，尤其是在面对对抗性示例时。在本文中，我们提出了 DeSVig，这是一个去中心化的 Swift Vigilance 框架，用于识别工业人工智能系统 (IAIS) 中的对抗性攻击，使 IAIS 能够在几秒钟内纠正错误。DeSVig 高度去中心化，提高了识别异常输入的有效性。我们尝试使用特殊指定的移动边缘计算和生成对抗网络 (GAN) 来克服由行业动态引起的超低延迟挑战。我们工作最重要的优势是它可以显着降低被对抗性示例欺骗的失败风险，这对于安全优先和延迟敏感的环境至关重要。在我们的实验中，工业电子元件的对抗样本由几种经典的攻击模型生成。实验结果表明，DeSVig 比一些最先进的防御方法更强大、更高效、更具可扩展性。
VK简历-NETET KOSARAJU
2019 Tau Beta Pi Engineering Honor Society Actoric＆Community Service，授予斯坦福工程大三学生的前12.5％。2019年2020年计算机视觉和模式识别（CVPR）2019年神经信息处理系统的进步（NEURIPS）旅行奖（500美元）2018年最佳纸质奖（CS230）〜1000级学生2017年第二名$ 10K奖学金获得者2015美国计算机奥林匹克（USACO）黄金部2014年西门子地区决赛，其中30个项目中有1个项目