XiaoMi-AI文件搜索系统
World File Search System传递性
仔细观察gan先验：利用中级特征来增强模型反转攻击
摘要。模型反转（MI）攻击旨在通过利用输出信息来重建来自发布模型的隐私敏感培训数据，从而引起了人们对深神经网络（DNNS）安全性的广泛关注。最新的生成对抗网络（GAN）的进步已大大贡献了MI攻击的性能，因为它们具有具有高忠诚度和适当语义的逼真的图像的强大能力。但是，以前的MI攻击仅在Gan Pri-Ors的潜在空间中披露了私人信息，从而限制了它们在多个目标模型和数据集中的语义提取和可传递性。为了应对这一挑战，我们提出了一种新颖的方法，可以增强饮食，增强了g势元（IF-GMI），该方法分解了GAN结构并利用了中间块之间的特征。这使我们可以将优化空间从潜在代码扩展到具有增强表达能力的中间功能。为了防止gan先验产生不切实际的图像，我们将L 1球约束应用于优化过程。对多个基准测试的实验表明，我们的方法在各种设置下，尤其是在分布外（OOD）方案下显着执行先前的方法并实现最新结果。我们的代码可用：https：//github.com/final-solution/if-gmi
国际咖啡经济与卢旺达种族灭绝的产生
本文认为，卢旺达大屠杀既是历史事件，也是我们全球社会想象中挥之不去的、富有成效的一部分。我认为，关于大屠杀的大部分学术研究并没有解决第二个方面，而是使用方法论上的社会科学或历史主义方法来解释大屠杀发生的原因。然而，这两种方法都默认采用了经验主义和传递性因果关系理论，而这种理论无法解释大屠杀产生的结构化物质关系。我转向路易斯·阿尔都塞的结构化因果关系概念，以寻找一种历史化大屠杀的替代方法；这种方法既不将大屠杀视为普遍趋势的一部分，也不将其视为偶然的历史异常。本文的后半部分将大屠杀置于全球咖啡经济中，重新想象大屠杀。这种方法阐明了大屠杀最终产生的经济、文化、国家和意识形态记录。着眼于咖啡生产的社会关系，胡图族和图西族之间的种族紧张关系可以取代种族灭绝的主要原因。用结构因果关系来表示种族灭绝说明了种族紧张关系如何仅作为一组过度决定的剥削关系而存在，除了殖民者与被殖民者、富人和穷人、农民和进化者、北方人和南方人、咖啡生产者和咖啡消费者等之间的关系外，这些关系还导致了种族灭绝。
用epivariant神经网络的机器学习哈伯德参数
具有扩展Hubbard功能（DFT + U + V）的密度功能理论提供了一个可靠的框架，可以准确描述包含过渡金属或稀有元素的复杂材料。它是通过减轻半本地功能固有的自我相互作用误差来做到的，该误差在具有部分填充D和F电子状态的系统中特别明显。但是，在这种方法中实现准确性取决于现场U和现场v哈伯德参数的准确确定。在实践中，这些是通过半经验调整，需要先验知识或更正确地通过使用预测但昂贵的第一原理计算来获得的。在这里，我们提出了一种基于模棱两可的神经网络的机器学习模型，该模型使用原子占用矩阵作为描述符，直接捕获了手头系统的电子结构，局部化学环境和氧化状态。我们在这里以迭代性线性响应计算为单位计算的哈伯德参数的预测，如密度功能性扰动理论（DFPT）和结构放松。值得注意的是，当对跨越各种晶体结构和组成的12个材料的数据进行培训时，我们的模型分别达到了Hubbard U和V参数的平均相对误差，分别为3％和5％。通过规避计算昂贵的DFT或DFPT自洽协议，我们的模型可以显着加快用可忽略的计算开销的哈伯德参数的预测，同时接近DFPT的准确性。此外，由于其可靠性的可传递性，该模型通过高通量计算促进了加速的材料发现和设计，与各种技术应用相关。
通过可解释的机器学习和第一原理计算揭示的金属催化剂的结构灵敏度
摘要：主动位点及其结构敏感性的性质是有效催化剂理性设计的关键，但在异质催化中已经进行了近一个世纪的辩论。尽管Brønsted -evans -polanyi（BEP）以及线性缩放关系长期以来一直用于研究这种关系中的反应性，明确的几何形状和组成特性，这一事实阻止了其在支持催化剂的结构敏感性中的探索。在这项工作中，基于可解释的多任务符号回归和全面的第一原理数据集，我们发现了一个结构描述符，拓扑不足的数量由价电子数量和晶格常数介导，以成功地解决金属催化剂的结构敏感性。用于训练，测试和可传递性研究的数据库包括10种过渡金属，两个金属晶体学阶段和17个不同方面的20种不同化学键的破坏键屏障。所得的2D描述符组成结构项，反应能量项显示出非常准确的准确性，可以预测与对称性，键顺序和空间阻滞中不同化学键的数据集的反应障碍和概括性。理论是物理和简洁的，提供了一种建设性的策略，不仅是为了理解结构敏感性，而且还可以破译金属催化剂的纠缠几何和电子效应。所揭示的见解对于位点特异性金属催化剂的合理设计很有价值。■简介
基于脑电图的图论网络测量对离散情绪状态进行对比分类
摘要 本研究的新发现揭示了情绪唤起与神经功能大脑连接测量之间的高度关联。为此，使用由图论分离（聚类系数、传递性、模块化）和大脑网络集成（全局效率、局部效率）测量驱动的支持向量机（SVM）对对比离散的情绪状态（快乐与悲伤、有趣与厌恶、平静与兴奋、平静与愤怒、恐惧与愤怒）进行分类。从名为 DREAMER 的公开数据库下载由短时间视频影片片段介导的情绪 EEG 数据。已经检查了皮尔逊相关性（PC）和斯皮尔曼相关性，以估计整个皮质中相对较短（6 秒）和较长（12 秒）不重叠 EEG 段之间的统计依赖关系。然后，将编码为图形的相应大脑连接根据两个不同的阈值（60% 最大值和平均值）转换为二进制数。根据变量（依赖性估计、片段长度、阈值、网络测量），使用单因素方差分析和逐步逻辑回归模型，获得对比情绪之间的统计差异。当将 PC 应用于较长的片段并按照特定阈值作为平均值时，组合整合测量可提供最高的分类准确率 (CA) (75.00% 80.65%)。分离测量也提供了有用的 CA (74.13% 80.00%)，而两种测量的组合则没有。结果表明，即使分离和整合测量都因视频观看过程中神经递质释放导致的视听刺激的唤醒分数而变化，离散的情绪状态仍以平衡的网络测量为特征。
基于脑电信号功能连接和复杂性的新生儿缺氧缺血性脑病婴儿认知结果预测
新生儿缺氧缺血性脑病后神经发育受损，尤其是认知障碍，是家长、临床医生和社会关注的一大问题。本研究旨在探讨使用先进的定量脑电图分析 (qEEG) 早期预测认知结果的潜在益处，本文在 2 岁时进行了评估。一组 20 名新生儿缺氧缺血性脑病 (HIE) 婴儿出生后第一周内记录了脑电图数据。提出的回归框架基于两组不同的特征，即从加权相位滞后指数 (WPLI) 得出的图论特征和由样本熵 (SampEn)、排列熵 (PEn) 和谱熵 (SpEn) 表示的熵指标。这两组特征都是在噪声辅助多元经验模态分解 (NA-MEMD) 域内计算的。相关性分析表明，新生儿 EEG 数据中提出的特征、图属性（半径、传递性、全局效率和特征路径长度）和熵特征（Pen 和 SpEn）与 2 岁时的认知发展在 delta 频带中存在显著关联。这些特征用于训练和测试树集成（增强和装袋）回归模型。使用熵特征和增强树回归模型，最高预测性能达到 14.27 均方根误差 (RMSE)、12.07 平均绝对误差 (MAE) 和 0.45 R 平方。因此，结果表明，提出的 qEEG 特征显示了早期的大脑功能状态；因此，它们可以作为后期认知障碍的预测生物标志物，这有助于识别那些可能从早期有针对性的干预中受益的人。
聚合物化学-RSC出版
物理和机械方法，例如电孔，22个超声，23磁化，24磁化，25个基因枪，26和微分注射，27将裸露的NAS驱动到细胞质或细胞核中，以实现成功的基因转移。尽管他们的潜力和科学家的注意力引起了人们的注意，但这些技术的局限性使它们在转移目的中的吸引力不如其他技术吸引力。的确，在体内使用时，它们通常会引起毒性，并且不是很有效。将NAS输送到细胞中的一种直截了当的方法依赖于使用基因输送载体（载体），该方法被归类为病毒和非病毒。工程的病毒载体，其中所述的治疗基因盒代替了部分病毒基因组的一部分，目前是基因治疗中最广泛使用的载体，由于它们的天然能力进入宿主细胞以产生高传递性效率。18,28,29虽然显着推进了基因治疗领域，但病毒载体也带有几种缺点，包括致癌，免疫原性，广泛的托波主义，有限的DNA包装能力以及矢量产生的挑战。30 - 33个非病毒基因递送（即，一个称为转染的过程）有望解决许多这些限制，尤其是在安全方面。例如，与病毒载体相比，合成的车辆通常具有较低的免疫原性，并且患者缺乏预先存在的免疫力，就像某些病毒系统一样。非病毒载体也这会导致人体更安全，更耐受性的非病毒载体，从而在需要长期治疗的情况下（例如慢性结合）的患者重复给药，而不会引起免疫学反应或毒性积累。
CRISPR 介导的 HBV 基因破坏概述
乙肝病毒 (HBV) 感染是全球范围内导致肝病的常见原因。目前使用核苷酸类似物 (NA) 的抗病毒治疗只能抑制从头 HBV 复制，但无法消除慢性 HBV 感染，因为共价闭合环状 (ccc) DNA 会持续存在，从而维持病毒复制。CRISPR/Cas9 系统是一种新型基因组编辑工具，可以精确破坏和灭活基因。CRISPR/Cas9 系统高效且简单，已在多项研究中用于特异性破坏 HBV 基因组，在体外和体内均产生不同的抗 HBV 作用。此外，多位点基因靶向已显示出增强的抗病毒活性，为破坏和灭活 HBV cccDNA 以及整合的 HBV DNA 的联合疗法铺平了道路。尽管该技术具有良好的抗病毒作用，但在临床应用之前仍面临着需要克服的几个挑战，即脱靶效应和体内药物输送。因此，需要改进 CRISPR/Cas9 的效率、特异性、多功能性和传递性。在这里，我们批判性地回顾了最近的文献，这些文献描述了用于设计针对 HBV 基因组的向导 RNA (gRNA) 的工具、用于表达和传递 CRISPR/Cas9 成分的载体、用于评估 CRISPR 介导的 HBV 基因破坏的模型、用于评估 CRISPR/Cas9 介导的 HBV 基因破坏引起的抗病毒和脱靶效应的方法，以及利用这种 HBV 基因编辑方法推进 HBV 治疗走向临床治愈的未来方向和挑战的前景。
淡水观看：从自下而上
淡水生态系统越来越面临着主要的全球和地方压力源，而监管监管机构的地表水状况通常受到财务和政治限制的限制。采用强大的质量控制和培训的基于公民科学的方法可以支持监管和决策。在此，我们概述了用于制定水质公民科学监测计划的标准，该计划基于旨在支持议程2030指标6.3.2和欧盟水框架指令的标准化方法。我们探讨了用于确保数据鲁棒性和可传递性的协议的演变，并检查公民科学家注册的上下文信息的效用。我们提出了实验室和现场实验，以验证化学和光学方法。使用来自4个生物地理区域的80多个项目的数据，我们探索了区域之间大量营养素浓度的季节性和空间趋势的一致性和差异。我们的结果表明，硝酸盐和磷酸盐浓度在农业强化和工业土地使用的地区倾向于增加。在季节性上，硝酸盐的浓度在温带地区的春季和秋季达到最大值，而夏季和秋季的磷酸盐水平最高，冬季达到最低。我们还发现，藻华的观察结果与较低的硝酸盐浓度时期一致。重要的是，当地和地区利益相关者正在使用公民科学家记录的生态，化学和光学条件的数据来管理淡水生态系统。这项研究揭示了扩展基于公民科学的监测计划的潜力，可以为全球水质评估做出贡献。
TD-Zero：使用零拍学习
摘要 - 供应链漏洞为攻击者提供了将硬件木马植入系统 - 芯片（SOC）设计的机会。虽然基于机器学习（ML）的特洛伊木马检测是有希望的，但它具有三个实际局限性：（i）可能无法获得黄金模型，（ii）缺乏人类专业知识来选择Trojan特征，并且（iii）有限的可传递性可能会导致在新的基准标准中无法获得未观察的Trojans的新基准标准。虽然基于转移学习的最新方法解决了其中一些问题，但仍需要重新训练以使用特定于域特异性（例如，硬件特洛伊木马功能）知识对模型进行微调。在本文中，我们提出了一个利用零射击学习来应对上述挑战的特洛伊木马检测框架。所提出的框架采用了自我监督学习的概念，其中利用预训练的图形卷积网络（GCN）来提取有关硬件Trojans的下划线常识，而指标学习任务用于衡量测试输入和恶意样本之间的相似性来进行分类。广泛的实验评估表明，与最先进的技术相比，我们的方法具有四个主要优势：（i）在特洛伊木马检测过程中不需要任何黄金模型，（ii）可以处理未知的特洛伊木马和未见的基准测试，而不会更改网络的任何变化，（iii）培训时间和（iv）的估计效率的显着提高（iv）的均值提高效率显着（iv）的均值（10.5％）（10.5％）5％（10.5％）。5％（10.5％）。