XiaoMi-AI文件搜索系统
World File Search System先验
算术为超验
摘要。本文认为Peano算术的概括，希尔伯特算术是毕达哥拉斯的基础。Hilbert算术将数学基础（Peano算术和集合理论）统一，物理基础（量子力学和信息）以及哲学的先验主义（胡塞尔的现象学现象学）统计于正式的理论和数学结构，这实际上是在侯赛尔（Husserl）的“哲学上的哲学”迹象之后。在通往该目标的途径中，希尔伯特算术本身以有限集和序列和量子信息相关的信息来识别无限的信息，这两者都出现在三个“降低酶”中：相应地，数学，物理和本体论，每种都可以产生相关的科学和认知领域。科学先验主义是哲学先验主义的伪造。总体的基本概念也可以在数学上也相应地解释为一致的完整性和物理，因为宇宙不是在经验上或实验上定义的，而是因为含有其外部性的最终整体性。
贝叶斯统计中的漏洞∗ 1. 概述 2. 概率......
每种哲学都有漏洞，指出这些问题是哲学支持者的责任。以下是贝叶斯数据分析中的几个漏洞：（1）通常的条件概率规则在量子领域失效，（2）平坦或弱先验会导致对我们关心的事物做出可怕的推断，（3）主观先验不一致，（4）贝叶斯因子在平坦或弱先验存在的情况下失效，（5）由于康托尔原因，我们需要检查我们的模型，但这会破坏贝叶斯推理的连贯性。贝叶斯统计的一些问题源于人们试图做他们不应该做的事情，但其他漏洞并不是那么容易修补的。特别是，避免平坦、弱或传统的先验可能是一个好主意，但如果遵循这样的建议，就会违背绝大多数贝叶斯实践，并要求我们面对贝叶斯推理的根本不连贯性。这并不意味着我们认为贝叶斯推理是个坏主意，而是意味着贝叶斯逻辑和贝叶斯工作流之间存在着一种紧张关系，我们认为只有将贝叶斯逻辑视为一种工具、一种揭示模型假设中不可避免的不一致性和不一致性的方式，而不是将其作为目的本身，才能解决这种紧张关系。
人工智能的语法 - Mark Coeckelbergh
摘要 在拒绝语言学转向之后，经验主义技术哲学中具有影响力的派别倾向于忽视甚至敌视结构主义和先验主义技术方法。本文借鉴卡西尔、布迪厄、维特根斯坦和利科的思想，对技术的意义进行了阐述，理论化了技术的这些方面，并展示了这种解释学对于理解人工智能和算法数据处理等数字技术的意义。本文认为，先验和结构主义方法有助于我们揭示和评估人工智能以及更广泛意义上的数字技术的语言、社会政治、身体和物质前提条件。考虑到人工智能和机器人技术提出的一些问题，本文表明这些先验结构或“语法”使人工智能的意义和使用成为可能，但同时也限制了它。因此，所提出的框架和研究计划不仅使我们能够更好地理解数字技术和其他技术，而且还能够对它们进行批判，从而最终实现质疑我们在世界上的生存方式的哲学任务。
ct-lvi：一个朝着连续的激光 - 视觉的框架...
现有的先验使用预先训练的重量作为中心，这可能会构成对目标数据适应不足的严重风险。在[ICML2020-LI]中，我们提出了一种步枪方法，该方法会积极忘记通过在细调过程中重新定位完全连接的层所学到的东西，以增强目标适应性。学习过程的稳定性主要是由于模型崩溃或信息理论中输入和输出的异常相互信息。模型崩溃可以通过跨层相互信息的变化来检测。在[ICASSP 2023-LI]中，我们基于信息的感应偏见补充了现有的先验，以偏爱具有稳定信息传播的网络，以降低模型崩溃率并提高模型稳定性。我们进一步开发了具有可牵引概括的新先验，以鼓励微调模型对输入噪声不敏感[NAACL2021-LI]。（用于bert微调的噪声稳定性正则化）
使用自然语言动作空间进行加固学习的语言模型
使用自然语言动作空间的强化学习通常由于自然语言的组合而遭受维度的诅咒。先前的研究利用了预验证的语言模型来限制动作语义并减少动作空间的大小。然而，由于经过验证的模型通常是在一般的竞争中训练的，因此在预审计的模型中编码的先验和特定RL环境的特征之间可能存在不匹配的不匹配。为了解决这个问题，我们提出了相互信息的正规政策选择，MIPO。MIPO可以使动作空间的隐式和动态减少。从审计的语言模型提供的先验开始，我们的方法基于相互信息正常化的指导在学习过程中动态调整了先验。从理论上讲，我们证明了这种政策优化过程会导致相互信息正规化RL目标的单位改进。从经验上讲，我们在各种环境中进行了实验，并证明了MIPO的有效性。
![arxiv：2401.06415v3 [cs.cv] 2024年4月2日](/simg/0\09aec2408111749d987c6de320aa4a63fee9f430.webp)
arxiv：2401.06415v3 [cs.cv] 2024年4月2日
本文介绍了一条新颖的管道，以从单个图像中重建在全球连贯的场景空间上的服装中相互作用的多人相互作用的几何形状。主要挑战是由遮挡引起的：由于他人或自我的遮挡，从单一角度看不到人体的一部分，这引入了缺失的几何形状和身体上的不可能（例如，穿透性）。我们通过利用两个人的先验来克服这一挑战，用于完整的3D几何和表面接触。对于几何形状，编码器学会了回归潜在向量的人体缺失的人的形象；解码器解码这些向量以产生相关几何形状的3D特征。隐式网络将这些功能与表面正常地图结合在一起，以重建完整而详细的3D人类。对于先验接触，我们开发了一个图像空间触点检测器，该检测器输出3D人员之间表面接触的概率分布。我们使用这些先验在全球范围内提炼身体的姿势，使得无穿透性和准确的重建
语言经验塑造了节奏声音序列的预测编码
摘要 感知系统严重依赖先验知识和预测来理解环境。预测可以来自多种信息源，包括基于孤立时间情况的上下文短期先验，以及由于长期接触统计规律而产生的上下文无关的长期先验。虽然短期预测对听觉感知的影响已得到充分证实，但长期预测如何影响早期听觉处理尚不清楚。为了解决这个问题，我们记录了两种不同语序（西班牙语：函子首字母 vs 巴斯克语：函子尾字母）的母语使用者的脑磁图数据，让他们聆听简单的二进制声音序列，这些声音持续时间交替，偶尔会省略。我们假设，听觉系统结合上下文转换概率，使用与母语语序相关的特征韵律线索（持续时间）作为内部模型，对传入的非语言声音进行长期预测。与我们的假设一致，我们发现由声音省略引起的不匹配负波的幅度随说话者的语言背景而变化，并且在左听觉皮层最为明显。重要的是，聆听音调而不是持续时间交替的二元声音不会产生群体差异，证实上述结果是由假设的长期“持续时间”先验驱动的。这些发现表明，对特定语言的体验可以塑造人类感知的一个基本方面——有节奏的声音的神经处理——并为听觉皮层中的长期预测编码系统提供了直接证据，该系统使用一生中学习到的听觉方案来处理传入的声音序列。
通过脑栓塞保护装置在经导管主动脉瓣植入中减少中风：系统评价和贝叶斯荟萃分析
抽象目标在多个随机试验中研究了经导管主动脉瓣植入（TAVI）期间脑栓塞保护（CEP）的使用。我们旨在对随机CEP试验进行系统的审查和贝叶斯荟萃分析，重点是临床上相关的残疾中风。方法将系统搜索应用于三个电子数据库，包括将TAVI患者随机与CEP与标准治疗的试验。主要结果是禁用中风的风险。结果作为相对风险（RR），绝对风险差异（ARDS），需要治疗（NNT）和95％可靠的间隔（CRIS）（CRIS）。根据专家共识，以1.1％ARD确定临床上重要的差异（NNT 91）。主要的贝叶斯荟萃分析是在模糊的先验下进行的，并在两个知情的文献先验下进行了次要分析。结果包括七个随机研究以进行荟萃分析（n = 3996：CEP n = 2126，对照n = 1870）。在含糊的先验下，禁用中风的CEP使用的估计中值RR为0.56（95％CRI 0.28至1.19，得出的ARD ARD 0.56％和NNT 179，I 2 = 0％）。尽管估计的任何收益的后验概率为94.4％，但在模糊且知情的基于文献的先验下，临床相关效应的概率为0-0.1％。在多个灵敏度分析中的结果是可靠的。结论很有可能具有有益的CEP治疗效果，但这不太可能在临床上相关。Prospero注册号CRD42023407006。这些发现表明，将来的试验应集中于确定中风基线风险增加以及新一代设备的开发。
vista3d：揭开单个图像的3D暗边
摘要。我们踏上了古老的任务：从仅瞥见其可见部分的物体中揭示了隐藏的物体。为了解决这个问题，我们提出了Vista3d，这是一个在仅5分钟内实现迅速而有能力的3D代表的框架。Vista3d的核心是一种两相的方法：粗相和细相。在粗相中，我们从单个图像中迅速生成初始几何形状。在细阶段，我们直接从学到的高斯脱落中提取一个签名的差异函数（SDF），并通过可区分的等音表面表示对其进行选择。此外，它通过使用带有两个独立隐式函数的分离代表来捕获对象的可见和模糊方面，从而提高了发电质量。此外，它通过角扩散先验的梯度与3D感知扩散先验的梯度通过角度扩散先验组成。通过广泛的评估，我们证明Vista3d有效地维持了生成的3D对象的一致性和二元性之间的平衡。演示和代码将在https://github.com/florinshen/vista3d上找到。