XiaoMi-AI文件搜索系统
World File Search System偏斜
稀疏量：通过非IID数据集对定向和时间变化的图表进行交流和节能分散的分布式学习
当前的深度学习（DL）系统依赖于集中的计算范式，该计算范式限制了可用培训数据的数量，增加了系统延迟并增加了隐私和安全性。通过分散的DL模型对DL模型对点对点连接的边缘设备进行的分散和分布式培训启用的设备学习，不仅可以减轻上述限制，而且还可以启用需要DL模型的下一代应用程序，以连续进行交互并从他们的环境中学习。然而，这需要开发新型培训算法，这些新型培训算法会通过随着时间变化和定向的对等图结构进行训练DL模型，同时最大程度地减少设备之间的连接数量，并且对非IID数据分布也有弹性。在这项工作中，我们提出了稀疏的畅通，这是一种交流效率分散的分布式培训算法，该培训算法支持对点对点，指导和时间变化的图形拓扑。所提出的算法可以减少466倍的交流，而在训练各种DL模型（例如Resnet-20和VGG11）上的CIFAR-10数据集时，性能仅降解了1％。此外，我们证明了如何导致非IID数据集的频率降解的显着性能降解，并提出了偏斜补偿的稀疏推动算法，从而恢复了这种性能下降，同时保持相似的通信压缩水平。
磷酸二酯酶4抑制剂对人树突状细胞功能的调节：治疗呼吸道疾病的潜在相关性
摘要：磷酸二酯酶4（PDE4）的抑制剂是小分子药物，通过增加免疫细胞中cAMP的cAMP水平，引起了广泛的抗炎性效果。因此，PDE4抑制剂被积极地研究为以潜在炎症发病机理为特征的多种人类疾病中的治疗选择。树突状细胞（DC）是炎症和免疫反应的检查点，根据其激活状态而导致激活和衰减负责。本评论显示了证据表明，PDE4抑制剂通过减少炎症和Th1/Th17偏振细胞因子的分泌来调节炎症性DC激活，尽管尽管保留了共拟合分子的表达以及CD4+ T细胞激活潜力。此外，在存在PDE4抑制剂的情况下激活的DC会诱导效应T细胞的优先Th2偏斜，保留了Th2吸收趋化因子的分泌并增加T细胞调节介质的产生，例如IDO1，TSP-1，TSP-1，VEGGF-A，VEGGF-A和amphiregulin。最后，PDE4抑制剂选择性地诱导表面分子CD141/血栓瘤蛋白/BDCA-3的表达。这种细胞调整的结果是免疫调节的DC，与经典抗炎药物（如皮质类固醇）诱导的DC不同。将讨论对PDE4抑制剂治疗呼吸疾病（例如COPD，哮喘和COVID-19）的可能影响。
脑转移分割网络，训练有鲁棒性，对带有多个假阴性的注释
深度学习已被证明是医学图像分析的重要工具。但是，需要准确标记的输入数据，通常需要专家的时间和劳动密集型注释，这是对深度学习使用的主要限制。解决这一挑战的一种解决方案是允许使用粗或嘈杂的标签，这可以允许图像的更有效，可扩展的标签。在这项工作中，我们根据熵正则化开发了偏斜的损失函数，该熵正规化假定目标注释中存在非平凡的假阴性率。从经过精心注释的脑转移病变数据集开始，我们通过（1）随机审查带注释的病变，并系统地审查最小的病变，从而用假阴性模拟数据。后者更好的模型真正的医师错误，因为较小的病变比较大的病变更难注意到。即使模拟的假阴性率高达50％，将我们的损失函数应用于随机审查数据的最大敏感性在基线的97％（未经审查的培训数据）下保留，而标准损失函数仅为10％。对于基于尺寸的审查制度，绩效从当前标准的17％恢复为88％，而我们的自举损失损失。我们的工作将与图像标记过程的更有效的缩放相同，并与其他方法并行，以创建更多效果的用户界面和注释工具。关键字：脑转移，细分，深度学习，假阴性，嘈杂标签
昨天的奖励是今天的惩罚：人类对强化学习者反馈的对比影响
自主代理向用户保证了个性化的未来，允许他们将注意力转移到对他们最有意义的任务上。但是，个性化的需求无法实现诸如机器学习之类的车型训练范式，这需要许多数据订单才能培训代理的单个任务。在顺序决策域中，加强学习（RL）可以实现这一需求，当对所需行为的先验培训非常棘手时。先前的工作已利用用户输入来培训代理将其映射到数值奖励信号。但是，最近的方法已经确定了不一致的人类反馈是实现最佳表现的瓶颈。在这项工作中，我们提供了经验证据，以表明受对比影响影响的人类感知会扭曲其对强化学习者的反馈。通过一系列研究，涉及来自亚马逊机械土耳其人的900名参与者，他们被要求向RL代理提供反馈，我们表明，参与者在接触了同一任务上具有较高能力的代理商后，明显低估了代理商的行动。为了了解这种影响在训练过程中对代理的重要性的重要性，然后我们模拟了培训师，这些培训师基于过去的性能（创建系统偏向的反馈信号）对代理的动作进行了低估 - 整合到了Actor-Critic框架中。我们的结果表明，在Atari环境中人类反馈中有系统偏斜的情况下，代理性能最多可降低98％。我们的工作提供了对人类反馈不一致的源头的概念理解，从而为人类代理人的互动设计提供了信息。
人类基因工程钙网蛋白突变干细胞重现 MPN 特征并识别可靶向的弱点
钙网蛋白 ( CALR ) 突变是 JAK2 野生型 (WT) 骨髓增生性肿瘤 (MPN)（包括原发性血小板增多症和骨髓纤维化）的主要致癌驱动因素，其中突变型 (MUT) CALR 越来越多地被认为是合适的突变特异性药物靶点。然而，我们目前对其作用机制的理解来自于小鼠模型或永生化细胞系，其中跨物种差异、异位过表达和缺乏疾病渗透性阻碍了转化研究。在这里，我们描述了第一个人类基因工程模型 CALR MUT MPN，使用 CRISPR/Cas9 和腺相关病毒载体介导的敲入策略在原代人类造血干细胞和祖细胞 (HSPC) 中建立可重复和可追踪的体外和异种移植小鼠表型。我们的人源化模型重现了许多疾病特征：不依赖血小板生成素的巨核细胞生成、髓系谱系偏斜、脾肿大、骨髓纤维化和巨核细胞引发的 CD41 + 祖细胞扩增。令人惊讶的是，引入 CALR 突变会强制人类 HSPC 进行早期重编程并诱导内质网应激反应。观察到的分子伴侣补偿性上调揭示了新的突变特异性脆弱性，CALR 突变细胞对 BiP 分子伴侣和蛋白酶体的抑制具有优先敏感性。总体而言，我们的人源化模型改进了纯鼠模型，并为在人类环境中测试新型治疗策略提供了现成的基础。
牙齿微生物组中异质谱系特异性精氨酸脱节酶表达
细菌精氨酸脱节酶系统（ADS）的抽象精氨酸分解代谢具有通过氨的生产来调节口腔环境的pH值。鉴于ADS途径的潜在保护能力，通过预或益生菌应用对ADS功能的口服微生物的开发是防止牙齿衰减的有前途的治疗靶标。迄今为止，大多数对口腔中的广告及其与龋齿的关系的研究集中在间接的活动或特定细菌群上，但是在口腔健康和疾病的多种混合微生物社区中，ADS操纵子的普遍性和表达率仍然是一个悬而未决的问题。在这里，我们使用多元方法，将超深的元文字测序与配对的metataxonomic和体外柑橘丁物定量相结合，以表征微生物群落和ADS操纵子在健康和晚期洞穴中的表达。虽然健康牙齿的ADS活性较高，但我们鉴定了多个细菌谱系，在熟牙上具有上调ADS活性的多个细菌谱系，这些谱系与使用基于参考的映射和从头组装方法的健康牙齿上的牙齿不同。我们的双重metataxonomic和metatranscriptomic方法证明了物种丰度对基因表达数据解释的重要性，并且差异表达的模式可以被低含量的群体偏斜。最后，我们确定了物种内的几种潜在候选益生菌细菌谱系，这些谱系可能是预防牙齿衰减的有用治疗靶标，并提出，鉴于此处确定的整个健康组所识别的分类群的异质性，鉴于菌株特异性，混合菌益生菌的发展可能是一种有益的方法。
ForestFit.pdf
描述 为以下任务而开发。 1) 计算概率密度函数、累积分布函数、随机生成，并估计十一个混合模型的参数。 2) 使用十二种方法对二参数威布尔分布的参数进行点估计，使用九种方法对三参数威布尔分布的参数进行点估计。 3) 三参数威布尔分布的贝叶斯推断。 4) 使用近似最大似然、期望最大化和最大似然三种方法估计适合分组数据的三参数 Birnbaum-Saunders、广义指数和威布尔分布的参数。 5) 通过 EM 算法估计适合分组数据的伽马、对数正态和威布尔混合模型的参数， 6) 估计适合高度 - 直径观测的非线性高度曲线的参数， 7) 估计参数，计算概率密度函数、累积分布函数，并从 Venturini 等人提出的伽马形混合模型生成实现。 (2008) < doi:10.1214/07-AOAS156 >，8）贝叶斯推断，计算概率密度函数、累积分布函数，并从单变量和双变量 Johnson SB 分布生成实现，9）当误差项遵循偏斜 t 分布时进行稳健多元线性回归分析，10）使用最大似然法估计适合分组数据的给定分布的参数，11）通过贝叶斯、矩法、条件最大似然法和二百分位数法估计 Johnson SB 分布的参数。
在具有多种收购的PCB上的缺陷定位
摘要 - 印刷电路板（PCB）可容纳在特定的粘结垫，线条和轨道布局中排列的各种集成电路（IC）组件。在整个制造过程中，在钻孔，蚀刻，剥离和其他阶段经常发生不规则或缺陷，从而影响电路板的性能和功能。其中许多缺陷与焊接垫和铜平衡有关，通过手动检查识别它们是耗时且容易出错的。这需要使用自动光学检查（AOI）。诸如模板匹配之类的实践通常需要两个相同的PCB，这些PCB使用数学算法进行比较以检测差异。但是，它们对观点变化和非刚性变形没有弹性。当前的检查过程主要集中于使用同型原理捕获的倾斜度从0到84捕获的PCB图像。此校正过程在7.96 s的最大运行时间内运行。然后，调整后的图像通过模式匹配单元进行分析，其中系统接收相同的PCB模式的图像，每个图像都表现出不同的缺陷。使用各种基于空间特征的匹配算法进行结构信息映射。使用SSI和MSE指标进行评估时，该模型的较高匹配百分比为99.67％，99.75％和99.30％，并且对于考虑了三种不同类型的PCB设计，该模型的错误率为0.343％，0.358％，0.358％和0.721％。总体而言，提议的系统有效地纠正了偏斜，准确地检测到异常，并且胜过传统评估系统。此外，根据通过分割方法的描述，该模型精确地识别PCB图像中缺陷的位置而不使用边界框。
通过早停...
摘要 - 在本文中，我们提出了一种基于蒙特卡洛的增强特征选择（MCRFS）方法，以及两种效率改进策略，即早期停止（ES）策略和奖励级别互动（RI）策略。功能选择是数据预科技术中最重要的技术之一，旨在为给定的下游机器学习任务找到最佳特征子集。已进行了巨大的研究，以提高其有效性和效率。最近，多代理增强功能选择（MARFS）在改善特征选择的性能方面取得了巨大的成功。但是，Marfs承受着构成成本的沉重负担，这极大地限制了其在现实情况下的应用。在本文中，我们提出了一种有效的增强功能选择方法，该方法使用一种代理来遍历整个功能集，并决定选择或不选择每个功能。特别是，我们首先制定一种行为策略，并使用它来穿越功能集并生成培训数据。然后，我们根据培训数据评估目标策略，并通过Bellman方程来改善目标政策。此外，我们以渐进的方式进行了重要性采样，并提出了一种早期停止策略，以通过删除偏斜数据来提高训练效率。在早期停止策略中，行为策略停止以与重要性抽样重量成反比的概率相反。此外，我们提出了一种奖励级别的互动策略，以通过奖励级别的外部建议来提高培训效率。最后，我们在现实世界数据上设计了广泛的实验，以证明该方法的优越性。
观察半数智格shapiro在石墨烯约瑟夫森连接中的步骤
AC Josephson效应吸引了很多关注，作为研究基本物理现象的强大探测。1–7常规的基于氧化物的约瑟夫森连接（JJS）具有正弦电流相关联（CPR）。结果，微波辐照下的这些连接的AC响应表现为vn¼n（U 0 f mw）处的相锁电压平台，其中n是整数，u 0是the the the the the the the the the the the the fl ux量子。然而，许多理论研究预测超导体 - 疾病 - 导向器 - 超导体（S-SM – S）系统中的非鼻腔CPR，在这些系统中，高度透明模式通过Andreev结合状态携带电流。8–11这种现象的实验表现示例包括拓扑系统中缺少奇数步骤1,2,4,6和高度偏斜的琐碎琐碎系统中的分数shapiro步骤。1,12–14因此，研究AC Josephson效应可以提供对S -SM – S系统物理学的关键见解。由于其狄拉克带结构和出色的载体传输性能，石墨烯是实现S -SM – S Josephson插条设备的吸引人选择。的确，许多研究有助于推进石墨烯JJ设备。3,5,15–20在其中的观测值是AC JOSEPHSON在石墨烯JJ中的效应。它们包括零跨步骤，19个双稳定性，20和分数电压在多末端系统中。3,5但是，尚未在平面石墨烯JJS中系统地研究了分数shapiro的步骤及其门电压依赖性，我们在这里的研究中报告了这一点。