XiaoMi-AI文件搜索系统
World File Search Systemwalk
Chameleo：利用人工智能检测变色龙行走方式
[4] Linda Evans、Fred Hardtke、Emily Corbin 和 Wouter Claes。2020 年。伪装的变色龙：在埃及 el-Hosh 遗址的新发现。《考古学和人类学》12，8 (2020)，1–9。[5] 欧洲宠物食品工业联合会 (FEDIAF)。2020 年。事实与数据 2020。https://www.fediaf.org/images/FEDIAF_Facts_and_Figures_2020.pdf [6] Martin S Fischer、Cornelia Krause 和 Karin E Lilje。2010 年。变色龙运动能力的进化，或如何成为树栖爬行动物。《动物学》113，2 (2010)，67–74。[7] Olivier Friard 和 Marco Gamba。 2016. BORIS：一款免费、多功能的开源事件记录软件，可用于视频/音频编码和实时观察。《生态学与进化方法》7，11（2016），1325–1330。[8] Klaus Greff、Rupesh K Srivastava、Jan Koutník、Bas R Steunebrink 和 Jürgen Schmidhuber。2016. LSTM：搜索空间漫游。《IEEE 神经网络与学习系统汇刊》28，10（2016），2222–2232。[9] Anthony Herrel、Krystal A Tolley、G John Measey、Jessica M da Silva、Daniel F Potgieter、Elodie Boller、Renaud Boistel 和 Bieke Vanhooydonck。2013. 缓慢但坚韧：变色龙奔跑和抓握能力分析。 《实验生物学杂志》216，6（2013），1025–1030。[10] Timothy E Higham 和 Bruce C Jayne。2004。蜥蜴在斜坡和栖木上的运动：树栖专化者和陆栖通才者的后肢运动学。《实验生物学杂志》207，2（2004），233–248。[11] Mayank Kabra、Alice A Robie、Marta Rivera-Alba、Steven Branson 和 Kristin Branson。2013。JAABA：用于自动注释动物行为的交互式机器学习。《自然方法》10，1（2013），64–67。 [12] Mary P Klinck、Margaret E Gruen、Jérôme RE del Castillo、Martin Guillot、Andrea E Thomson、Mark Heit、B Duncan X Lascelles 和 Eric Troncy。2018 年。通过随机临床试验，开发了供看护人/主人 MI-CAT (C) 使用的蒙特利尔猫关节炎测试工具，并对其初步效度和信度进行了评估。《应用动物行为科学》200 期 (2018)，第 96-105 页。[13] JB Losos、BM Walton 和 AF Bennett。1993 年。《肯尼亚变色龙的冲刺能力与粘着能力之间的权衡》。《功能生态学》(1993)，第 281-286 页。[14] Tom Menaker、Anna Zamansky、Dirk van der Linden、Dmitry Kaplun、Aleksandr Sinitica、Sabrina Karl 和 Ludwig Huber。 2020 年。面向数据驱动的动物行为模式自动分析方法。第七届动物-计算机交互国际会议论文集。1-6。[15] Nikola Mijailovic、Marijana Gavrilovic、Stefan Rafajlovic、M Ðuric-Jovicic 和 D Popovic。2009 年。从加速度和地面反作用力识别步态阶段：神经网络的应用。Telfor 杂志 1, 1（2009 年），34-36。[16] Hung Nguyen、Sarah J Maclagan、Tu Dinh Nguyen、Thin Nguyen、Paul Flemons、Kylie Andrews、Euan G Ritchie 和 Dinh Phung。2017 年。使用深度卷积神经网络进行动物识别和鉴别，用于自动野生动物监测。2017 年 IEEE 数据科学与高级分析国际会议 (DSAA)。IEEE，40–49。[17] Matthias Ott。2001 年。变色龙有独立的眼球运动，但在扫视猎物追踪过程中双眼会同步。实验脑研究 139，2（2001 年），173–179。[18] Veronica Panadeiro、Alvaro Rodriguez、Jason Henry、Donald Wlodkowic 和 Magnus Andersson。2021 年。28 款免费动物追踪软件应用程序回顾：当前功能和局限性。实验室动物（2021 年），1–9。[19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020. 揭示未知：使用深度学习实时识别加拉帕戈斯蛇类。动物 10, 5 (2020), 806。[20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan Shuman 和 Denise J Cai。2019. ezTrack：用于研究动物行为的开源视频分析流程。科学报告 9, 1 (2019), 1–11。[21] Talmo D Pereira、Diego E Aldarondo、Lindsay Willmore、Mikhail Kislin、Samuel SH Wang、Mala Murthy 和 Joshua W Shaevitz。2019. 使用深度神经网络快速估计动物姿势。自然方法 16, 1 (2019), 117–125。[22] Jane A Peterson。 1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1-42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用智能与信息学会议上。Springer，216-231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016. 您只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779-788。 [25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。一种新型活动监测器在评估猫的身体活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。实验动物（2021），1-9。 [19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020。揭示未知：利用深度学习实时识别加拉帕戈斯蛇种。动物 10, 5 (2020), 806。 [20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan S human 和 Denise J Cai。 2019. ezTrack：用于研究动物行为的开源视频分析管道。科学报告 9、1 (2019)、1-11。 [21] 塔尔莫·D·佩雷拉、迭戈·E·阿尔达隆多、林赛·威尔莫尔、米哈伊尔·吉斯林、塞缪尔·SH·王、马拉·穆尔蒂和约书亚·W·沙维茨。 2019. 使用深度神经网络快速估计动物姿势。《自然方法》16，1（2019），117–125。[22] Jane A Peterson。1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1–42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。 2016. 只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957. 世界上的现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019. 行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020. 新型活动监测器在评估猫身体活动和睡眠质量中的实用性。 Plos one 15, 7 (2020), e0236795。实验动物（2021），1-9。 [19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020。揭示未知：利用深度学习实时识别加拉帕戈斯蛇种。动物 10, 5 (2020), 806。 [20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan S human 和 Denise J Cai。 2019. ezTrack：用于研究动物行为的开源视频分析管道。科学报告 9、1 (2019)、1-11。 [21] 塔尔莫·D·佩雷拉、迭戈·E·阿尔达隆多、林赛·威尔莫尔、米哈伊尔·吉斯林、塞缪尔·SH·王、马拉·穆尔蒂和约书亚·W·沙维茨。 2019. 使用深度神经网络快速估计动物姿势。《自然方法》16，1（2019），117–125。[22] Jane A Peterson。1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1–42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。 2016. 只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957. 世界上的现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019. 行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020. 新型活动监测器在评估猫身体活动和睡眠质量中的实用性。 Plos one 15, 7 (2020), e0236795。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016 年。你只需看一次：统一的实时物体检测。在 IEEE 计算机视觉和模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界上现存的爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。 [27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。新型活动监测器在评估猫体力活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016 年。你只需看一次：统一的实时物体检测。在 IEEE 计算机视觉和模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界上现存的爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。 [27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。新型活动监测器在评估猫体力活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。
人工智能在儿科中的应用：一起学走路
在这个技术飞速发展的时代，人工智能 (AI) 已成为一股变革力量，甚至与基因编辑和机器人技术一起被称为第四次工业革命。虽然它无疑已成为我们日常生活中越来越重要的一部分，但必须认识到，它不是一种额外的工具，而是一个带来各种挑战的复杂概念。人工智能具有相当大的潜力，在医疗保健和临床研究中都占有一席之地。在广阔的儿科领域，它是一项特别有前途的进步。作为儿科医生，我们确实目睹了基于人工智能的应用程序与我们日常临床实践和研究工作的有效整合。这些工具被用于从简单到更复杂的任务，例如诊断临床挑战性疾病、预测疾病结果、制定治疗计划、教育患者和医疗保健专业人员以及生成准确的医疗记录或科学论文。总之，人工智能在儿科的多方面应用将提高效率并改善医疗保健和研究的质量。然而，这一进步也伴随着一定的风险和威胁，包括可能导致健康差异和不准确性的偏见。因此，认识和解决技术、伦理和法律挑战以及探索临床和研究领域的好处至关重要。
遗产注释⓭苍鹭礁遗产步行
为了紧急援助，请致电Triple Zero（000）或手机112，以访问任何可用网络。尤里卡礁在北中央消防区。丛林安全是个人责任。在丛林大火季节，任何进入公园和森林的人都需要了解预测天气状况。在紧急情况下检查火灾危险等级，并在Amergy.gov.au上进行全部消防禁令，请致电1800 226 226。关于灾难性的火灾危险等级日，该公园将为了公共安全而关闭。不要进入公园。在parks.vic.gov.au上检查最新条件或通过致电13 1963。
用于 Metropolis-Hastings 算法的高效量子行走电路
虽然乍一看这是具有深远应用的重要优势，但还必须考虑其他因素才能确定量子行走是否能为任何特定应用带来显著的加速。原因之一是实现量子行走的单步 UW 可能比实现经典行走的单步 W 花费更长的时间。因此，量子行走在平衡时间极长的情况下更有可能带来优势。此外，我们必须解决这样一个事实，即经典行走通常在非平衡状态下启发式使用。例如，在训练神经网络时，使用称为随机梯度下降的 MCMC 方法来最小化成本函数，实际上通常不需要达到真正的最小值，因此 MCMC 的运行时间比其混合时间要短。类似地，模拟退火通常以启发式方式使用，冷却计划远快于可证明界限的规定——并结合重复重启。此类启发式应用进一步推动了 UW 高效实现的构建，以及量子计算机启发式方法的开发。
学习使用机器学习击败随机游走......
在我的论文中，我使用不同的机器学习技术来预测汇率的方向性变化。我首先分析了无抛补利率平价 (UIP) 及其无法预测汇率变化的情况。使用线性回归，我表明 UIP 方程中的 β 系数在短期和长期内都不等于零。这表明货币风险溢价对于理解汇率变化的重要性。然而，风险溢价和市场预期极难衡量。因此，随机游走是预测短期外汇汇率变化的最佳模型。这让我想问：我们能否使用最新的机器学习技术比随机游走模型更准确地预测外汇汇率？我探索了各种机器学习技术，包括主成分分析 (PCA)、支持向量机 (SVM)、人工神经网络 (ANN) 和情绪分析，以预测一系列发达国家和发展中国家的汇率方向性变化。
在科技公司中践行人工智能伦理
人工智能伦理领域在工业界和学术界迅速发展，很大程度上是由于剑桥分析公司等科技行业丑闻引发的“科技反弹”，以及国会对科技巨头的数据隐私和其他内部实践的日益关注。近年来，科技公司发布了人工智能原则，聘请社会科学家进行研究和合规，并聘请工程师开发与人工智能伦理和公平相关的技术解决方案。尽管有这些新举措，但许多私营公司尚未优先考虑在人工智能开发中采用问责机制和道德保障措施。公司经常“谈论”人工智能伦理，但很少“付诸行动”，为致力于负责任的人工智能的团队提供足够的资源和授权。
讲座2：碰撞发现1量子行走搜索......
步骤 (i) 不需要查询。步骤 (ii) 相当于收集索引在 Y ′ 中的元素 x Y ′。由于 x Y ′ 包含一个不在 x Y 中的元素，所以这只需要一次查询。因此设置成本 S 大约为 k 。最后，我们将单次调用量子行走算子 W 的成本 U 绑定起来。回想一下上一节课，W = S · C，其中 S 是一个简单的交换（即 S |Y , Y ′ ⟩ = |Y ′ , Y⟩ ），不需要查询，而 C = 2 PY | ψ Y ⟩⟨ ψ Y | − I 是围绕星形子空间的反射。使用与之前类似的技巧，我们可以通过两次调用准备算子 U ψ 来实现反射 C，这只需要一次查询。这证明更新成本 U 为 O (1)。
穿上数字鞋走一英里：体现的影响...
{nyee@stanford.edu , bailenson@stanford.edu } 摘要 在社会心理学中，观点采择已被证明是减少负面社会刻板印象的可靠方法。到目前为止，这些练习仅依赖于要求一个人想象自己处于另一个人的心态。我们认为，沉浸式虚拟环境提供了独特的机会，让个人可以直接从另一个人的角度看问题，从而可能大大减少负面刻板印象。在当前的工作中，我们报告了一项初步实验调查，调查了沉浸式虚拟环境中体现观点采择的好处。研究发现，与被置于年轻人化身中的参与者相比，当参与者被置于老年人的化身中时，对老年人的负面刻板印象显着减少。我们讨论了这些结果对社会互动理论和共存的影响。
基于多粒子量子行走的误差修正...
对粒子进行离散时间量子游动演化时，由于系统噪声的影响，游动态容易出现误差。该研究提出了一种基于双格子Bose-Hubbard模型的多粒子量子游动误差修正算法。首先，根据局域欧氏生成元构造两点Bose-Hubbard模型，并证明模型中的两元素可以任意替换。其次，利用Bethe假设方法得到了模型中粒子的跃迁强度与纠缠度的关系。第三，对量子格子的位置进行编码，构造量子态交换门。最后，通过将游动器切换到量子纠缠码的格点上，进行格点上的量子游动状态替换，再次进行替换。对双格子Bose-Hubbard模型中的量子粒子的纠缠进行了数值模拟。当粒子间相互作用与粒子跃迁强度的比值接近于0时，利用该算法可以实现模型中量子粒子的纠缠操作。根据Bose-Hubbard模型的性质，粒子纠缠后可以实现量子行走纠错。本研究引入流行的restnet网络作为训练模型，使纠错电路的解码速度提升约33%。更重要的是，卷积神经网络（CNN）解码器的下限阈值由传统最小权重完美匹配（MWPM）下的0.0058提升到0.0085，实现了高容错率的量子行走稳定行进。
量子步行的第一个检测和隧道时间
摘要：我们考虑一维量子步行的第一个检测问题，并重复局部测量。采用频道射击测量方案和更新方程式，我们研究了隧道对检测时间的影响。特别是，我们在两种具有物理现实的典型情况下，在有限的紧密结合晶格上研究连续的时间量子行走。在没有高斯初始状态的隧穿的情况下，第一个是量子行走的情况。第二种是将屏障添加到系统中的情况。表明，可以通过修改初始条件来观察到第一个检测概率的衰减行为的过渡，并且在存在隧道障碍的情况下，可以比无杂质的晶格更早地检测到粒子。这表明沃克在重复测量下穿过障碍物的隧道时会加快沃克的演变。引入了第一个检测时间，以研究量子步行的隧道时间。此外，我们通过得出渐近公式来分析关键的及传递点。