XiaoMi-AI文件搜索系统
World File Search System健壮
在健壮的联合模型设置中利用机器学习
在强大的联合模型设定主管中利用机器学习：Karen Cairns博士和Lisa McFetridge博士自2020年4月以来，贝尔法斯特皇后大学的研究人员通过贝尔法斯特皇家护理部门（ICU）的贝尔法斯特皇后学院的研究人员收集了大量数据。拟议的博士将开发新的统计理论，以更好地说明和分析此类数据的复杂性，并与贝尔法斯特皇家维多利亚医院的呼吸医学顾问紧密合作，计算机科学的高级讲师查尔斯·吉兰（Charles Gillan）将这一理论付诸实践。因此，这是对ICU患者产生现实世界影响的一个令人兴奋的机会。该项目将开发的新方法将用于确定严重不良事件的风险因素，并产生动态预测，这些预测将被纳入预警系统中以帮助ICU员工。机械通气是一种挽救生命的疗法，但不幸的是，它确实对患者构成风险。预防策略的早期鉴定和发展对于最终改善需要机械通气的患者的生存预后至关重要。该项目将开发新的鲁棒关节建模方法来同时分析ICU患者在住院期间从ICU患者收集的重复测量（纵向数据），并且这些生物标志物的动态变化对患者预后的影响（McFetridge 2021）。生存森林是一种合奏技术，类似于随机森林（Breiman 2001），它在事实上的环境中应用（Ishwaran 2008）。尤其是，这项工作将通过掺入生存树和随机生存森林来利用机器学习技术的准确性，以更好地捕获活动时间的过程。与标准生存模型（例如COX回归）相比，它们已显示出高度准确的集合预测指标，提高了预测精度。因此，它们在健壮的关节模型设置中的利用将提供更精确的动态个性化的生存预测，同时考虑了生物标志物随时间的发展，并且有可能存在趋势不符合人群平均值的外围个体的共同存在的潜力。这种强大的方法将在ICU中为严重的不良事件奠定急需的预警系统的基础。该博士将融入针对预警系统开发和完善的更广泛的项目集合，学生与整个研究团队紧密合作，以实施所需的现实世界影响。有关该项目的更多详细信息，请联系主要主管（k.cairns@qub.ac.uk）。McFetridge，L.M.，Asar，Ö。和沃林（J. 63（8），1587-1606。 Breiman，L。随机森林，机器学习，2001年； 45，5-32。McFetridge，L.M.，Asar，Ö。和沃林（J. 63（8），1587-1606。Breiman，L。随机森林，机器学习，2001年； 45，5-32。
神经异质性促进健壮的学习
大脑具有多样化的异质结构。相比之下，许多功能性神经模型都是同质的。我们比较了尖峰神经网的表现，该作品受过训练，可以执行困难任务，并具有不同程度的异质性。在膜和突触时间常数中引发异质性大大改善了任务性能，并使学习在多种培训方法中更加稳定，更健壮，尤其是对于具有丰富时间结构的任务。此外，训练有素网络中时间常数的分布与实验观察到的那些网络密切匹配。我们表明，在大脑中观察到的异质性可能不仅仅是嘈杂过程的副产品，而是在允许动物在不断变化的环境中学习的积极和重要作用。
扩散对健壮和安全文本的优化...
为解决这个问题，最近的研究（Gandikota等人。，2023; Kumari等。，2023;张等。，2023a; Heng＆Soh，2024年； Gandikota等。，2024年）旨在从模型中删除不需要的概念。在删除目标概念时，希望在非目标概念上的性能保持尽可能接近原始模型。现有的研究主要采用了阻止在模型中包含不安全关键字的提示流的方法。由于阻止仅应用于特定的提示，因此它具有保留非目标概念的优势。但是，它们的缺点是容易受到对抗性及时攻击的影响，如图1所示。最近的研究（Tsai等人，2023; Pham等。，2023;杨等。，2024）已经表明，即使在黑盒子方案中，也可以使用提示进行对抗攻击。这表明您需要删除视觉功能，以防止易受此类及时攻击的脆弱性。
一种健壮而高效的动态哈希表
大多数云服务和分布式应用程序都依赖于哈希算法，这些算法允许动态扩展稳健且高效的哈希表。示例包括 AWS、Google Cloud 和 BitTorrent。一致性和会合哈希是在哈希表调整大小时最小化密钥重新映射的算法。虽然大规模云部署中的内存错误很常见，但这两种算法都不能同时提供效率和稳健性。超维计算是一种新兴的计算模型，具有固有的效率、稳健性，非常适合矢量或硬件加速。我们提出了超维 (HD) 哈希，并表明它具有在大型系统中部署的效率。此外，实际的内存错误水平会导致一致性哈希超过 20% 的不匹配，而 HD 哈希不受影响。
AAAI-24安全，健壮和负责的AI（SRRAI）
神经封闭证书Alireza Nadali； Vishnu Murali; Ashutosh Trivedi； MDPS Mateo Perez中的LTL和Omega-grounder目标的Majid Zamani学习算法；法比奥·索恩齐（Fabio Somenzi）； Ashutosh Trivedi朝着K-Means聚集Stanley Simoes的更公平的质心； deepak p; Muiris MacCarthaigh的稳定性分析具有神经Lyapunov功能的切换线性系统Virginie Debauche；亚历克·爱德华兹（Alec Edwards）； RaphaëlJungers; Alessandro Abate Advst：重新访问单个领域概括的广托Zheng的数据增强； Mengdi Huai; Aidong Zhang Omega规范决策过程Ernst Moritz Hahn； Mateo Perez; Sven Schewe;法比奥·索恩齐（Fabio Somenzi）； Ashutosh Trivedi； Dominik Wojtczak Sentinellms：私人和安全推理的语言模型的加密输入适应和微调
分子昼夜节律在缺乏有节奏行为的海洋annelids中很健壮
1 Max Perutz Labs，维也纳大学，维也纳生物中心，维也纳，奥地利，2 Alfred Wegener Institute Helmholtz极地和海洋研究中心，德国Bremerhaven，德国Bremerhaven，Vienna Biocenter Phd Proghna dienna Biocenter Phardienna dienna Biocation and Maxtienna，Vienna，Vienna，Vienna，Vienna，Vienna，Vienna，4佩鲁茨实验室，维也纳大学，维也纳医科大学，维也纳，奥地利，5动物生理学和神经生物学司，库尤文库芬，比利时，鲁南，6个神经和发育生物学系，维也纳大学，维也纳大学，维也纳大学，维也纳，奥地利，奥地利7研究平台，奥地利，奥法利亚，奥法利亚，奥法利亚，奥法利亚，奥地利，维也纳，维也纳，维也纳，维也纳，维也纳，维也纳，维也纳，维也纳，维也纳，维也纳，维也纳，维也纳，维也纳，维也纳。环境（ICBM），数学与科学学院，Carl von Ossietzky Universita tember，德国奥尔登堡
对具有较高靶向效率的纳米颗粒的抗体结合的多功能和健壮方法
摘要：抗体在纳米医学中的应用现在是研究中的标准实践，因为它代表了一种创新的方法10，以选择性地将化学疗法剂选择性地授予肿瘤。在不同类型的11种癌症中过表达的各种靶标或标记导致对抗体共轭纳米颗粒的需求很高，这些纳米颗粒具有通用性且易于自定义。考虑到上的12缩放，抗体共轭纳米颗粒的合成应简单且高度可重现。在这里，我们开发了一种简便的涂料13策略，使用“单击化学”生成抗体共轭纳米颗粒，并进一步评估了它们对癌细胞14表达不同标记的选择性。我们的方法始终被重复以与CD44和EGFR的抗体结合，这是15个是显着的癌细胞标记。官能化的颗粒分别对CD44和EGFR过表达16个细胞具有出色的细胞特异性。我们的结果表明，开发的涂层方法可再现，多功能，无毒，可用于具有不同抗体的17个粒子功能化。这种嫁接策略可以应用于各种纳米颗粒，并将为未来的靶向药物输送系统的发展提供18个致敬。19
研究人员发展高度健壮，可重构和机械色纤维素光子水凝胶
受到天然面包结构的启发，研究人员一直在开发用于耐撞击生物塑料，陶瓷装甲和仿生合金复合材料的高级材料。尽管在改善材料的可塑性方面取得了进展，但大多数现有材料仍然由单尺度脆性单元组成。缺乏分层主动界面和自主响应功能限制了其延展性和整体功能。
stmmr：具有多模式特征表示的空间分辨转录组学的准确且健壮的空间域识别
。cc-by-nc-nd 4.0国际许可证。是根据作者/资助者提供的预印本（未经同行评审认证）提供的，他已授予Biorxiv的许可证，以在2024年2月29日发布的此版本中在版权所有者中显示预印本。 https://doi.org/10.1101/2024.02.22.581503 doi：Biorxiv Preprint
在特定的低闸门源电压偏置方面的SIC MOSFET的重复短路能力，以实现更健壮的极端操作
摘要 - 本文提出了在高排水源电压下重复定位的SC应力下的商用硅卡比德（SIC）MOSFET设备的短路（SC）性能。研究了两种方案，以评估栅极源电压（V GS）去极化和SC持续时间（T SC）降低的影响。V GS去极化可提供功率密度的降低，并允许在短路持续时间t scmax的情况下保持安全的故障模式（FTO：失败）。结果表明，SIC MOSFET V GS去极化不会降低T SCMAX时的SC循环能力。但是，使用V GS去极化允许将近1000个周期@T SC = 10 µ s的IGBT鲁棒性水平接近IGBT鲁棒性水平。 SC测试期间芯片温度演变的模拟表明，降解归因于SC周期期间的连接温度（T J）的升高，这导致顶部Al诱导裂纹融合到厚氧化物中。