XiaoMi-AI文件搜索系统
World File Search Systemvious
fots：用于Sim2real学习触觉运动机器人操纵技巧的快速光学触觉模拟器
摘要 - 仿真是机器人技术中广泛使用的工具，可减少硬件消耗并收集大规模数据。尽管为模拟光学触觉传感器做出了预先的努力，但仍在有效合成图像并在不同的接触载荷下复制标记运动方面仍然存在Challenges。在这项工作中，我们提出了一个名为FOTS的快速光学式模拟器，用于模拟光学触觉传感器。我们利用多层感知器映射和平面阴影生成来模拟光学响应，同时采用标记分布近似来模拟由弹性体变形引起的表面标记的运动。实验结果表明，FOT在图像产生质量和渲染速度方面优于其他方法，用于光学仿真的28.6 fps和326.1 fps的单个CPU上的标记运动模拟326.1 fps，而无需GPU加速。此外，我们将FOTS仿真模型与Mujoco等物理引擎集成在一起，而PEG-In-inole任务则证明了我们方法在实现零拍摄的SIM2REAL学习触觉机器人机器人操纵技能方面的有效性。我们的代码可在https://github.com/rancho-zhao/fots上找到。
智慧城市中基于人工智能的技术导向知识管理、创新和电子服务交付：电子政务的调节作用
摘要：本研究的基本目标是利用基于知识管理的服务科学理论和创新扩散理论，研究技术导向的知识管理、创新、电子政务和智慧城市绩效之间的定量关系。先前的研究发现了知识管理、创新、电子政务和电子服务交付之间的联系。我们认为这些不仅是直接联系，而且是情境和互动关系，因此我们探讨了创新作为知识管理和电子服务交付之间的中介作用的意义。此外，我们研究了电子政务对创新和电子服务交付之间关系的调节作用。对来自大城市的公务员、企业家和公民进行了调查问卷以进行数据抽样，并使用 SPSS 分析了来自韩国、巴基斯坦、日本和孟加拉国的 569 名参与者的数据。我们从分析中发现，直接关系是情境化的，因为创新调节知识管理与电子服务交付之间的关系，而电子政务在创新与电子服务交付之间的关系中起着调节作用。根据定量分析的结果，我们在本研究中提出的所有假设都得到了显著的支持。
直升机飞行员的任务、主观工作量以及舰载着陆过程中外部视觉提示的作用
直升机船上着陆是一项认知复杂的任务，对飞行员和机组人员都具有挑战性。有效的沟通、准确读取飞行仪表以及监控外部环境对于成功着陆至关重要。特别是，着陆的最后阶段至关重要，因为它们意味着在空间有限的不稳定环境中承受高工作负荷。在本定性研究中，我们使用应用认知任务分析方法采访了来自意大利海军的十名直升机飞行员。我们的目的是获得着陆程序的详细描述，并确定影响飞行员工作负荷、表现和安全的相关因素。根据对访谈内容的分析，我们确定了在甲板上进近和着陆的六个不同阶段和四类可能显著影响飞行员表现和着陆程序安全性的因素。与之前的研究一致，我们的研究结果表明，外部视觉提示对于成功着陆至关重要，特别是在着陆的最后阶段。因此，根据飞行员的陈述，我们提出了改进外部视觉提示的建议，以减少飞行员的工作量并提高着陆操作的整体安全性。
触觉增强的辐射场 - CVF Open Access
我们提出了一个场景表示形式，我们称之为触觉的辐射场（TARF），它将视觉和触摸带入共享的3D空间。此表示形式可用于估计场景中给定3D位置的视觉和触觉信号。我们从一系列照片和稀疏采样触摸探针中捕获了场景的tarf。我们的方法利用了两个见解：（i）基于常见的触摸传感器建立在普通摄像机上，因此可以使用多视图几何形状中的方法对图像进行注册，并且（ii）在视觉和结构上相似的场景区域具有相同的触觉效果。我们使用这些见解将触摸信号注册到捕获的视觉场景中，并训练有条件的扩散模型，该模型带有从神经辐射场呈现的RGB-D图像，生成其相应的触觉信号。为了评估我们的方法，我们收集了一个TARF的数据集。此数据集比预先持有的现实世界数据集包含更多的触摸样本，并且为每个捕获的触摸信号提供了空间对齐的视觉信号。我们揭示了跨模式生成模型的准确性以及在下游任务上捕获的视觉效果数据的实用性。项目页面：https：// dou- yiming.github.io/tarf。
将卫星与机器学习链接到基因，以估算浮游植物社区结构
摘要。海洋色遥感已使用了20多年，以估计主要生产力。ap-aparaches，以基于空间的光谱数据为基于phyto-plankton群落结构，特别是当与光合色素的原位测量结合时。在这里，我们提出了一种新的海洋颜色算法，以得出七个浮游植物组的相对细胞丰度，以及它们对全球尺度上总叶绿素A（CHL A）的贡献。Our al- gorithm is based on machine learning and has been trained using remotely sensed parameters (reflectance, backscatter- ing, and attenuation coefficients at different wavelengths, plus temperature and Chl a ) combined with an omics-based biomarker developed using Tara Oceans data representing a single-copy gene encoding a component of the photosyn- thetic machinery that is present across all浮游植物，包括原核生物和真核生物。它不同于依靠诊断色素来推导浮游植物组的预先方法。我们的方法论提供了浮游植物社区结构的强大范围，该结构的相对细胞丰度和对总CHL浓度的贡献。新生成的数据集产生的有关植物粉的不同方面的信息 -
kgdm：一个扩散模型，用于捕获知识图嵌入的多个关系语义
知识图嵌入（KGE）是用于知识图完成的有效且可扩展的方法。但是，大多数现有的KGE方法都遭受了多种关系语义的挑战，这常常会降低其性能。这是因为大多数KGE方法都学习实体（关系）的固定连续向量，并做出确定性实体预测以完成知识图，这几乎无法捕获多个关系语义。为了解决这个问题，预先的作品试图学习复杂的概率嵌入，而不是固定的嵌入，但遭受了严重的计算复杂性。相比之下，本文提出了一个简单而有效的框架，即知识图扩散模型（KGDM）以捕获预测中的多个关系语义。它的关键思想是将实体问题的问题投入到条件实体生成中。具体而言，KGDM通过降级扩散概率模型（DDPM）来估计目标实体在预测中的概率分布。为了弥合连续扩散模型和离散kg之间的间隙，将两个可学习的嵌入功能定义为映射实体和与连续向量的关系。为了考虑KGS的连通性模式，引入了条件实体Denoiser模型，以生成针对给定实体和关系的目标实体。广泛的实验表明，KGDM在三个基准数据集中的现有最新方法明显优于现有的最新方法。
表面安装中的热管理
r TH（J-A）表示Sytem的热电阻，并包括与包装接触的硅死亡，包装和任何热量，以将热量耗散到环境中。在给定的耗散级别的p d中，在环境温度t a上的ΔTj j t a的增加由以下方式给出：∆ t j = r th（j-a）x p d r th（j-a）（j-a）由设备内的许多元素和外部组成。如果单独考虑设备，则从硅死亡到铅框架，再到成型化合物，再到环境的耗散路径给出。实验值在此条件下非常大，尤其是对于小包装（例如小型轮廓类型）。但是，在实践中没有达到这一定位，并且当前工作中包含的详细数据表明了最坏的情况（浮动样本）。在大多数应用中，表面安装的设备都被焊接到基板上（通常是环氧玻璃（FR4），并通过焊接接头和铜互连进行热接触。在这种情况下，将热电路产生给铅框，然后转移给铅框，然后转移到substrate。图A显示了实验模块。
实地记录：儿童和青少年中既往登革热病毒感染的流行情况 — 美属维尔京群岛，2022 年
2019 年 5 月，美国食品药品管理局批准了 Dengvaxia（赛诺菲巴斯德），这是一种减毒活嵌合四价登革热疫苗 ( 1 )。2021 年 6 月，免疫实践咨询委员会 (ACIP) 建议对经实验室确认既往感染过登革热病毒且居住在登革热流行地区（如美属维尔京群岛 (USVI) † ( 2 )）的 9-16 岁儿童和青少年接种 Dengvaxia 疫苗。在接种疫苗前确认既往感染过登革热病毒（接种前筛查）非常重要，因为 1) 虽然 Dengvaxia 可降低既往感染者因登革热住院和患重症的可能性，但它会增加无既往感染者出现这些结局的风险；2) 许多登革热病毒感染是无症状的；3) 许多有症状感染的患者没有就医或接受适当的检测 ( 3 )。实验室证据足以证明先前感染过登革热病毒，包括经实验室确诊的登革热病史§或符合 ACIP 推荐的疫苗接种前筛查性能标准的阳性血清学检测结果，该标准定义为高特异性（≥98%）和敏感性（≥75%）。建议在符合疫苗接种条件的人群中，血清阳性率为 20%（对应于最低敏感性为 75%、最低特异性为 98% 的检测的阳性预测值为 ≥90%），以最大限度地提高疫苗安全性，并最大限度地降低未感染过登革热病毒的人群接种疫苗的风险（ 2 ）。
用于实际网络压缩的组 Fisher 剪枝
网络压缩由于能够减少推理过程中的内存和计算成本而得到了广泛的研究。然而，以前的方法很少处理残差连接、组/深度卷积和特征金字塔网络等复杂结构，其中多层的通道是耦合的，需要同时进行修剪。在本文中，我们提出了一种通用的通道修剪方法，可应用于各种复杂结构。特别地，我们提出了一种层分组算法来自动查找耦合通道。然后，我们基于 Fisher 信息推导出一个统一的度量来评估单个通道和耦合通道的重要性。此外，我们发现 GPU 上的推理加速与内存 2 的减少而不是 FLOPs 的减少更相关，因此我们采用每个通道的内存减少来规范重要性。我们的方法可以用来修剪任何结构，包括具有耦合通道的结构。我们对各种骨干网络进行了广泛的实验，包括经典的 ResNet 和 ResNeXt、适合移动设备的 MobileNetV2 以及基于 NAS 的 RegNet，这些实验都针对尚未得到充分探索的图像分类和对象检测。实验结果验证了我们的方法可以有效地修剪复杂的网络，在不牺牲准确性的情况下提高推理速度。
gsqa：生成性口语问题回答
在口头问题回答（SQA）的最新进展中，端到端模型取得了长足的进步。然而，预先研究的研究主要集中于提取跨度的选择。当直接在输入中存在ANS时，这种基于提取性的方法是有效的，但它在提出抽象性问题方面缺乏，而答案不是直接提取的，而是从给定的信息中推断出来的。为了弥合这一差距，我们介绍了第一个端到端的生成性口语答案（GSQA）模型，该模型赋予了系统进行抽象推理的能力。培训我们的GSQA模型的挑战在于没有口头抽象的质量检查数据集。我们建议使用文本模型初始化并利用提取性质量数据集将知识从文本生成模型转移到口语生成模型。的结果表明，我们的模型在提取性质量检查数据集上超过了3％的先前的提取模型。更重要的是，GSQA模型仅在口语提取QA数据集上进行了微调。尽管没有看到任何口头质量质量检查数据，但它仍然可以与级联模型的性能非常匹配。总而言之，我们的GSQA模型表明了将概括为广泛问题的潜力，从而进一步扩大了抽象质量检查的SQA功能。poken问答，无文本的NLP，生成模型，转移学习，表示学习