XiaoMi-AI文件搜索系统
World File Search System上应
参考虚拟晶格的HR-TEM和HR-STEM图像上应变和位移字段的定量映射
摘要：已经开发了一种高分辨率传输电子显微镜（HR-TEM）和高分辨率扫描传输电子显微镜（HR-STEM）图像的互惠空间处理方法。命名为“绝对应变”（Abstrain），它可以通过用户定义的Bravais晶格对平面间距离和角度，移位场以及应变张量组件进行定量和映射，并从特定于HR-TEM和HR-STEM成像的图像扭曲中进行校正。我们提供相应的数学形式主义。抽象超出了对现有方法的限制，即通过对感兴趣区域进行直接分析，而无需在同一视野上具有相似晶体结构的参考晶格边缘。此外，对于由两种或多种原子组成的晶体，每个原子都有其自身的子结构约束，我们开发了一种名为“相对位移”的方法，用于提取与一种原子类型的亚晶状体和测量原子色谱柱相关的子晶状体，并与与Bravais lattice lattice lattice lattice或另一个子结构相关的原子柱相关。证明了抽象和相对位移在功能性氧化物铁电异质结构的HR-STEM图像中的成功应用。
在开放LLMS上应用检索功能的一代，以支持高血压患者的医疗聊天机器人
抽象疾病管理，特别是对于慢性病或老年人，涉及持续监测，生活方式调整和频繁的医疗互动，需要有效的家庭护理解决方案。为了满足这些需求，聊天机器人技术已成为支持患者自主管理健康的有前途的工具。在这种情况下，聊天机器人必须提供及时，准确的信息和持续的善解人意支持，以维持患者的参与度。此外，数据隐私问题需要避免第三方自然语言处理和发电服务。为了满足这些需求，在本文中，我们建议开发聊天机器人，以支持患者管理慢性病，重点关注高血压。特别是，由于隐私要求，我们使用开源大型语言模型来避免专有系统。鉴于他们的性能基于最先进的指标，我们不竞争第三方服务，因此我们结合了检索增强发电（RAG）技术，建立了一个知识库，并通过医学专业人员的投入来提高模型性能。我们评估了七个开源型号，其中包括两个在医疗领域进行的专门培训。我们的结果表明，抹布可显着提高性能，超过没有抹布的专门医疗域模型。这种方法提供了一种有希望的解决方案，用于独立安全地管理慢性条件。
通过在bytecode上应用Lapranove功能
摘要 - 在这项研究中，我们将Lapranove功能的新应用在勒索软件检测中进行了新的应用，提供了一种新的方法来增强检测准确性和可靠性。lapranove功能显着提高了特征，从而提高了机器学习模型在识别勒索软件时的性能。这项研究严格评估了使用支持向量机，随机森林和神经网络的Lapranove功能增强功能集的有效性。实验结果表明，神经网络模型基本上优于传统检测方法，实现了准确性，精度，回忆和F1评分的卓越指标。对实验设置，结果和比较性能的详细分析使用基线方法突出了将高级数学功能与最先进的机器学习技术集成的可观好处。这些发现强调了这种创新方法增强网络安全系统的准确性和可靠性的潜力，从而提供了适应其他恶意软件和网络安全威胁的强大框架。这项研究表明了高级功能工程和高质量数据集在培训有效的机器学习模型中的重要性，为未来的研究和实际应用铺平了道路，以增强恶意软件检测功能。
在课堂上应对人工智能炒作：ChatGPT 和公平优先的语言学教学法
LLM 的发展与语言学有关，但通常仅涉及极少的语言学知识（Bender 等人，2021 年）。尽管在人工智能发展的新阶段取得了许多飞跃，但 NLP 和 NLU 对我们通过人类语言命令与计算机通信的能力的提高最为重要。通过向学生展示生成式人工智能工具背后的计算语言学过程及其局限性，我们打破了人们的幻想，即这些技术确实是独立学习的智能或可靠替代品。
在增强拓扑图上应用软计算...
基于嵌入方法的图形表示可以更轻松地分析网络结构，可用于各种任务，例如链接预测和节点分类。这些方法已被证明在各种环境中都是有效的，并且已成为图形学习领域的重要工具。这些方法易于实施，它们的预测会产生可解释的结果。但是，大多数图形嵌入方法仅依赖于图形结构信息，并且不考虑节点/边缘属性，从而限制其适用性。在本文中，我们提出了图理论设计，以将节点和边缘属性纳入拓扑结合，从而使图形装饰方法无缝地在属性图上无缝工作。为了找到给定属性图的理想表示形式，我们提出了原始网络中的增强特殊子图结构。我们讨论了所提出的方法的潜在挑战，并证明了其一些理论局限性。我们通过比较15个标准生物信息学数据集上的最先进的图形分类模型来测试方法的功效。与原始图上的结果相比，在增强图上，在增强图上的分类精度最高可提高高达5％的分类精度。©2023 Elsevier B.V.保留所有权利。
在HF 0中的铁电和电阻开关之间自由切换。 5 ZR 0。 5 o 2薄膜及其在片上的高精度上应用深度神经
摘要HF 0。5 ZR 0。 5 O 2（Hzo）基于基于铁的铁电场晶体管（FEFET）Synapse是符合处尺度深神经网络（DNN）应用的承诺候选者，因为其高对称性，准确的准确性，良好的准确性和快速运行速度。 然而，随着时间的流逝，由去极化场引起的remanent极化（P R）的降解尚未有效地解决，从而极大地影响了受过训练的DNN的准确性。 在这项研究中，我们证明了使用FE模式进行高速重量训练的铁电（Fe）抗性切换（RS）可切换突触，并进行稳定的重量存储的RS模式，以克服准确性降解。 FE-RS杂交特性是通过具有非对称电极的基于HZO的金属 - 有线金属（MFM）电容器来实现的，最佳的Fe耐力以及最可靠的RS行为可以通过测试多种电极材料来证明。 在FE和RS模式下都可以实现高内存窗口。 通过这种设计，通过网络仿真验证，随着时间的流逝，保持出色的精度。5 ZR 0。5 O 2（Hzo）基于基于铁的铁电场晶体管（FEFET）Synapse是符合处尺度深神经网络（DNN）应用的承诺候选者，因为其高对称性，准确的准确性，良好的准确性和快速运行速度。然而，随着时间的流逝，由去极化场引起的remanent极化（P R）的降解尚未有效地解决，从而极大地影响了受过训练的DNN的准确性。在这项研究中，我们证明了使用FE模式进行高速重量训练的铁电（Fe）抗性切换（RS）可切换突触，并进行稳定的重量存储的RS模式，以克服准确性降解。FE-RS杂交特性是通过具有非对称电极的基于HZO的金属 - 有线金属（MFM）电容器来实现的，最佳的Fe耐力以及最可靠的RS行为可以通过测试多种电极材料来证明。在FE和RS模式下都可以实现高内存窗口。通过这种设计，通过网络仿真验证，随着时间的流逝，保持出色的精度。
波形可以同时代表知识和现实吗？通过机器学习的辅助神经科学知识提取在neuromorpho.org上应用于神经重建元数据
摘要在学术期刊中每天产生的非结构化文本的数量是巨大的。系统地识别，分类和构造此类数据的信息对于研究人员即使在划界领域中也越来越具有挑战性。命名实体识别是一种基本的自然语言处理工具，可以训练从科学文章中的宣传，结构和提取信息。在这里，我们利用了最新的机器学习技术，并开发了人类通过用户友好的图形接口和通过应用程序编程界面访问的智能神经科学元数据建议系统。我们向神经重建的公共存储库展示了一种实际应用，Neuromorpho.org，从而扩展了当前正在使用的现有基于Web的元数据管理系统。定量分析表明，建议系统将人事劳动减少至少50％。此外，我们的结果表明，由于神经科学命名的内在歧义，具有相同软件体系结构的较大较大的培训数据集不太可能进一步提高性能，而无需进行临时启发。该项目的所有组件均发布开源，以进行社区增强和扩展到其他应用程序。关键字：元数据管理，神经策略，神经信息学，自然语言处理，命名实体识别，机器智能，深度学习，变形金刚
适合船上应用的中压直流电 (MVDC)
效益/回报：可靠且价格合理的 MVDC 故障保护系统，兼容断路器和无断路器故障保护策略，可将多种高功率脉冲武器和传感器集成到军舰中。减少在船舶使用寿命期间集成新负载所需的工程工作量。技术挑战/风险：当故障电流以高 di/dt 上升时，通过协调多个电流读数来最大限度地减少误报，特别是在支持脉冲功率负载的总线拓扑中。证明 MVDC 电流传感器的稳健性和可靠性。通过简化在船舶使用寿命期间集成新负载所需的工作量来实现灵活性。
海上应用的能源存储解决方案
摘要：增加可再生能源的生产和储存是实现净零排放的关键支柱。海上可再生能源（如风能）的开发预期增长，为海上资产脱碳和缓解人为气候变化提供了机会，这需要开发和使用高效可靠的海上能源储存解决方案。本研究回顾了具有海上环境潜力的能源储存系统，并讨论了它们的部署机会。根据现有文献，检查和映射了存储解决方案的功能。对具有最大海上部署潜力的选定技术进行了彻底分析。介绍了短期和长期存储技术的前景，为重新利用难以脱碳的海上资产提供了机会。
海上应用的能源存储解决方案
摘要：增加可再生能源的生产和储存是实现净零排放的关键支柱。海上可再生能源（如风能）的开发预期增长，为海上资产脱碳和缓解人为气候变化提供了机会，这需要开发和使用高效可靠的海上能源储存解决方案。本研究回顾了具有海上环境潜力的能源储存系统，并讨论了它们的部署机会。根据现有文献，检查和映射了存储解决方案的功能。对具有最大海上部署潜力的选定技术进行了彻底分析。介绍了短期和长期存储技术的前景，为重新利用难以脱碳的海上资产提供了机会。