XiaoMi-AI文件搜索系统
World File Search Systemuate
希尔伯特空间和量子数学（...
课程讲师：Markus Pflaum 博士 联系信息： 办公室：MATH 255 电话：2-7717 电子邮件：markus.pflaum@colorado.edu 讲座时间：MTWThF 上午 9:00 – 下午 12:00，2024 年 8 月 5 日至 22 日 地点：HUMN 1B90 目标受众：本课程面向具有跨学科兴趣的数学、物理、化学、计算机科学或工程学高年级本科生和研究生。建议具备线性代数和分析的基本知识。课程主页：http://math.colorado.edu/courses/HilbertSpaces 课程内容：本课程将介绍希尔伯特空间的理论及其在量子力学中的应用。在数学方面，将解释厄米内积、希尔伯特空间、有界线性算子、希尔伯特基和傅里叶展开、自伴随性和线性算子的谱的概念。此外，还将介绍香农经典数学通信理论的基本概念。然后将应用这些概念来描述量子力学公理、谱定理、冯·诺依曼熵和量子信息理论基础。课程项目和家庭作业：每个学生必须就希尔伯特空间理论中的特定主题撰写一篇短文（约 5 页）或完成扩展的家庭作业问题。此外，还必须在课堂上就课程论文或家庭作业进行简短介绍。论文截止日期为 2024 年 8 月 22 日。课程页面上将提供一系列可能的主题，但您可以提出自己的项目主题。课程评分：您的成绩将根据家庭作业或课程论文以及相应的演示文稿确定。
量子计算：从爱丽丝到鲍勃
您可能已经选择了这本书，因为您对量子计算（QC）和量子信息科学（QIS）所听到的内容很感兴趣或困惑，并且您想了解更多信息。为什么要继续阅读？本书有什么不同？我们试图将这本书定位在旨在具有正式量子力学和高级数学专业知识的专业科学家和工程师的高科技书籍之间，以及那些几乎没有数学的通用听众书籍，尽管有些人非常聪明，可以找到数学的图形替代品。我们的演讲针对的是读者，他们希望对量子计算进行介绍，从而使他们具有强烈的基本理解，并准备与“ expts”聪明地交谈。如果读者如此倾向，他们将准备好研究本书后挖掘该领域的技术方面。典型的本科生（或高级高中生）应该可以使用该材料，其数学背景包括中学代数和与罪恶和余弦的相识。不需要物理背景，但是如果您很幸运地在高中或大学中拥有合理的介绍性物理课程，那么您了解到的内容将为量子计算提供更广泛的观点。高中数学和物理教师以及不是量子信息科学和量子计算专家的大学和大学教职员工也应享受和受益于阅读本书。以下内容将我们的演讲与其他演讲区分开：
手动姿势和动作建模的生成层次临时变压器
摘要。我们提出了一个新颖的统一框架，该框架同时可以解决人体姿势和动作建模的未来预测。以前的作品通常为识别或预测提供了孤立的解决方案，这不仅增加了实际应用中整合的复杂性，而且更重要的是，无法证明双方的协同作用并在各自领域中遭受次优的性能。为了解决这个问题，我们提出了一个具有代表性的变压器VAE架构来模拟手动姿势和动作，在该构图中，编码器和解码器捕获识别和预测会重新恢复，并且它们通过VAE瓶颈进行了联系，要求学习从过去到未来的一致手动运动的学习，并反复使用。此外，为了忠实地对手姿势和动作的语义依赖性和不同的时间粒度建模，我们将框架分解为两个级联的vae块：第一个和后者的区块分别模拟了短跨度的姿势和长跨度的动作，并通过代表一个子second seraps saps sand Hand Poses的中级特征连接起来。将这种分解为块级联反应有助于捕获姿势和动作模型的短期和长期时间规律性，并使训练可以分别训练两个块，以充分利用具有不同时间粒度注释的数据集。我们跨多个数据集训练和评估我们的框架；结果表明，我们对识别和预测的联合建模可以改善孤立的解决方案，并且我们的语义和时间层次结构有助于长期姿势和动作模型。
Voiceradar：使用Micro- ...
摘要 - 综合语音构成中的进步，包括文本到语音（TTS）和语音转换模型（VC）模型，允许产生令人信服的合成声音，通常称为音频深击。这些深击构成了日益增长的威胁，因为对手可以在社交媒体或绕过语音身份验证系统上使用它们来模仿个人，特别是突出的人物，从而产生广泛的社会影响。最先进的验证系统有效地检测语音深击的能力令人震惊。我们提出了一种新型的音频深击检测方法Voiceradar，它通过物理模型增强了机器学习，以近似音频样品中的频率动力学和振荡。这显着增强了检测能力。Voiceradar利用了两个主要的物理模型：（i）多普勒效应了解音频样品的频率变化和（ii）鼓头振动以将复杂的音频信号分解为组件频率。语音形式通过应用这些模型来识别音频信号中的微妙变化或微频。这些微观频率是聚合以计算观察到的频率的，从而捕获了音频的独特签名。该观察到的频率集成到机器学习算法的损耗函数中，从而使算法能够识别将人类生产的音频与AI生成的音频区分开的不同模式。我们构建了一个新的不同数据集，以全面评估Voiceradar，其中包含来自领先的TTS和VC模型的样本。我们的结果表明，语音的表现优于准确识别AI生成的音频样品的现有方法，展示了其作为音频深击检测的强大工具的潜力。
评估人工智能的伦理思考
计算机技术的进步不断改变着人类的生活条件，从而改变着每个人的道德。然而，计算机科学家在这个不断变化的道德环境中承担着特殊的责任：我们所构建的东西可以为善良和正义创造新的可能性。或者，我们所构建的东西可能会阻碍它们。鉴于人工智能对道德领域产生了如此大的影响，我们仍在试图弄清楚如何有效地教授人工智能伦理。同时，如果我们要评估课程的质量，我们需要对有效性有一个明确的定义，然后进行能够产生有效和可靠分数的评估。因此，我们建议计算机科学界应该开发一种评估工具，以衡量学生在计算机科学和特别是与人工智能相关的问题上应用的道德推理和描述性洞察技能。新的评估将被设计为一种工具，可用于评估面向教授计算机科学伦理的教学。我们认为，关注人工智能伦理教学的有效性是重要且及时的；今天的本科计算机科学教育正在培养明天的技术专业人士。人工智能专业人士不可避免地会在工作中遇到某种道德挑战。人工智能领域负责任的专业人士所承受的道德负担尤其明显。在努力设计支持道德生活和道德社会结构的技术时，这些专业人士面临着深刻而特殊的困境，这些困境源于现代工作和生活各个方面的计算无处不在。他们
计划和解决提示：改进零样本链......
大型语言模型 (LLM) 最近已被证明在各种 NLP 任务中表现出色。为了解决多步骤推理任务，少样本思维链 (CoT) 提示包括一些手工制作的分步推理演示，使 LLM 能够明确生成推理步骤并提高其推理任务准确性。为了消除人工工作，零样本思维链 (CoT) 将目标问题陈述与“让我们一步一步思考”连接起来作为 LLM 的输入提示。尽管零样本思维链 (CoT) 取得了成功，但它仍然存在三个缺陷：计算错误、缺步错误和语义误解错误。为了解决缺步错误，我们提出了计划和解决 (PS) 提示。它由两个部分组成：首先，制定计划将整个任务分成更小的子任务，然后根据计划执行子任务。为了解决计算错误并提高生成的推理步骤的质量，我们扩展了 PS 提示，增加了更详细的说明，并衍生出 PS+ 提示。我们在三个推理问题的十个数据集上评估了我们提出的提示策略。在 GPT-3 上的实验结果表明，我们提出的零样本提示在所有数据集上的表现始终远超零样本 CoT，与零样本思维程序提示相当或超过零样本思维程序提示，并且在数学推理问题上具有与 8 样本 CoT 提示相当的性能。代码可以在 https://github.com/AGI-Edgerunners/Plan-and-Solve-Prompting 找到。
基于深CNN方法的MR脑图像中的有效肿瘤检测：i-Yolov5
摘要随着计算机技术的出现，人工智能（AI）有助于放射科医生诊断脑肿瘤（BT）。可以在医疗保健中提高疾病的早期发现导致进一步的治疗，其中典型的AI系统应用在时间和节省的方面发挥了至关重要的作用。磁共振（MR）图像通过图像增强技术增强，以改善对比度和颜色的效果。此外，对于BT的几种类型的MR成像问题，传统方法是无偿的。深度学习技术可以扩展，以帮助克服常规肿瘤检测中遇到的常见问题。因此，在这项工作中，已经提出了基于MR图像的BT检测的即兴Yolov5技术。最终，使用混合网格搜索优化器算法（HGSOA）应用高参数优化（HPO）的想法，以增强拟议深神经网络中超级参数的肿瘤检测性能。为了评估提出的模型的有效性，麦卡洛克的算法rithm用于定位肿瘤区域分割的图像，并且还使用真实注释的图像检查了分割结果。使用MW脑测试图像进行了各种实验，以测量提出的微调模型的准确性。最后，将分类指标与现有的最新技术进行比较，包括MSE，PSNR，SSIM，FSIM和CPU时间，以证明所提出的模型的有效性。在MRI-BT的分类学中，CNN实现了更大的精确性。
使用 transformers 进行无监督脑成像 3D 异常检测和分割
病理性脑外观可能非常多样化，以至于只能理解为异常，这些异常由其与正常的偏差而不是任何特定的病理特征集来定义。在医学成像中最困难的任务之一中，检测此类异常需要正常脑模型，该模型将紧凑性与表征其结构组织的复杂、长程相互作用的表达性相结合。这些要求是 Transformer 比其他当前候选架构更有潜力满足的，但它们的应用受到对数据和计算资源的需求的限制。在这里，我们将矢量量化变分自动编码器的潜在表示与一组自回归 Transformer 相结合，以实现无监督异常检测和分割，这些异常由与健康脑成像数据的偏差定义，在相对适中的数据范围内以较低的计算成本实现。我们在一系列涉及合成和真实病理病变的 2D 和 3D 数据的实验中将我们的方法与当前最先进的方法进行了比较。在真实病变中，我们利用来自英国生物库的 15,000 名放射学正常参与者训练我们的模型，并在四种不同的脑 MR 数据集上评估其性能，这些数据集包括小血管疾病、脱髓鞘病变和肿瘤。我们展示了卓越的异常检测性能，无论是图像方面还是像素/体素方面，都无需后处理即可实现。这些结果引起了人们对 transformers 在这项最具挑战性的成像任务中的潜力的关注。© 2022 作者。由 Elsevier BV 出版 这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）
改善靶向放射性核素治疗的联合策略
近年来，靶向放射性核素治疗 (TRT) 已成为一种有前途的癌症治疗策略。与传统放射疗法相比，TRT 以有针对性的方式将电离辐射传送到肿瘤，从而减少健康组织所受的照射剂量。现有的 TRT 策略包括使用 177 Lu-DOTATATE、131 I-甲碘苄胍、Bexxar 和 Zevalin，这些药物分别经临床批准用于治疗神经内分泌肿瘤、神经母细胞瘤和非霍奇金淋巴瘤。尽管这些药物已获得有希望的结果，但迄今为止获得的临床证据表明，只有一小部分患者获得完全缓解。因此，人们一直尝试通过与其他治疗药物联合使用来改善 TRT 结果；这些策略包括同时进行 TRT 和化疗，以及将 TRT 与已知或假定的放射增敏剂（如聚（腺苷二磷酸核糖）聚合酶和哺乳动物雷帕霉素靶标抑制剂）一起使用。除了可能比各自的单一疗法获得更好的治疗效果外，这些策略还可以降低所需的剂量或治疗周期数，从而减少不必要的毒性。到目前为止，已经进行了多项临床试验来评估基于 TRT 的联合疗法的益处，尽管有时公共领域可用的临床前证据有限以支持其使用。虽然一些临床试验取得了有希望的结果，但其他试验并未显示特定的联合治疗对生存有益。在这里，我们全面回顾了迄今为止文献中报道的与 TRT 联合的策略，并评估了它们的治疗潜力。
用于评估生成规则的加强学习
引入程序内容产生（PCG）和通过机器学习（PCGML）的程序性内容生成（Summerville等人2018）是视频游戏研发中使用的技术，可以自动创建游戏内容。他们为开发人员提供了创建，测试和修改的工具，例如地图生成，Quest Generation和自动化武器设计。在视频游戏开发中，游戏机制（也称为规则）决定了游戏对玩家输入的反应；它们被定义为“游戏核心的规则，过程和数据”（Adams and Dormans 2012）或“旨在与游戏状态互动的代理商所调用的方法”（Sicart 2008）。在设计平衡且引人入胜的规则是一个复杂的过程中，通常会掌握重要的人类专业知识，但有一些承诺的自动化游戏设计方法（AGD）。在这种方法中，可以利用PCG方法来生成新规则，并且可以使用确定性的自主剂来近似人类参与者，例如在机械师中（Cook等人。2013）。尽管大多数AGD都使用某种形式的人类经验近似来评估生成的规则，但它们主要依靠具有某些缺点的静态健身功能或计划者。不喜欢这些代理商，人类不仅在静态上玩游戏，尤其是在面对新规则时。相反，他们必须通过反复试验学习玩游戏。