XiaoMi-AI文件搜索系统
World File Search System典型
学习典型形状空间以进行类别级 6D 物体姿势和尺寸估计
我们提出了一种类别级 6D 物体姿势和大小估计的新方法。为了解决类内形状变化，我们学习了规范形状空间 (CASS)，它是特定物体类别的大量实例的统一表示。具体而言，CASS 被建模为具有规范化姿势的规范 3D 形状的深度生成模型的潜在空间。我们训练变分自动编码器 (VAE) 以从 RGBD 图像在规范空间中生成 3D 点云。VAE 以跨类别的方式进行训练，利用公开可用的大型 3D 形状存储库。由于 3D 点云是以规范化姿势（具有实际大小）生成的，因此 VAE 的编码器学习视图分解的 RGBD 嵌入。它将任意视图中的 RGBD 图像映射到与姿势无关的 3D 形状表示。然后，通过将物体姿势与使用单独的深度神经网络提取的输入 RGBD 的姿势相关特征进行对比来估计物体姿势。我们将 CASS 的学习和姿势和尺寸估计集成到端到端可训练网络中，实现了最先进的性能。
岩土岩芯测井典型误差对大型崩落矿山地质力学设计的影响
Barton, N、Lien, R 和 Lunde, J 1974，《隧道支护设计中的岩体工程分类》，《岩石力学》，第 6 卷，第 189-236 页。Bieniawski, ZT 1974，《岩石材料强度估算》，《南非矿业冶金研究所杂志》，第 74 卷，第 8 期，第 312-320 页，https://doi.org/10.1016/0148-9062(74)91782-3 Bieniawski, ZT 1989，《工程岩体分类：采矿、土木和石油工程工程师和地质学家完整手册》，Wiley-Interscience 出版物 - John Wiley & Sons。 Carranza-Torres, C 和 Fairhurst, C 2000，《隧道设计中收敛约束法在满足 Hoek-Brown 破坏准则的岩体中的应用》，《隧道与地下空间技术》，第 15 卷，第 2 期，第 187-213 页。Deere, DU 和 Deere, DW 1988，《岩石质量指标 (RQD) 的实践》，L Kirkaldie (ed)，《工程用岩石分类系统》，ASTM STP 984，ASTM International，西康舍霍肯。
用于有限温度模拟的自适应变分量子最小纠缠典型热态
用于模拟热平衡量子多体系统的可扩展量子算法对于预测有限温度下量子物质的性质非常重要。在这里，我们描述并测试了最小纠缠典型热态 (METTS) 算法的量子计算版本，我们采用自适应变分方法来执行所需的量子虚时间演化。我们将该算法命名为 AVQMETTS，它动态生成紧凑且针对特定问题的量子电路，适用于嘈杂的中尺度量子 (NISQ) 硬件。我们在状态向量模拟器上对 AVQMETTS 进行基准测试，并对一维和二维中的可积和不可积量子自旋模型进行热能计算，并展示了电路复杂性的近似线性系统尺寸缩放。我们进一步绘制了二维横向场 Ising 模型的有限温度相变线。最后，我们使用现象学噪声模型研究噪声对 AVQMETTS 计算的影响。
DF-SSmVEP：采用双倍典型相关分析的双频聚合稳态运动视觉诱发电位设计
摘要：脑电图 (EEG) 传感器技术和信号处理算法的最新进展为脑机接口 (BCI) 在从康复系统到智能消费技术等多种实际应用中的进一步发展铺平了道路。当谈到 BCI 的信号处理 (SP) 时，人们对稳态运动视觉诱发电位 (SSmVEP) 的兴趣激增，其中运动刺激用于解决与传统光闪烁/闪烁相关的关键问题。然而，这些好处是以准确性较低和信息传输速率 (ITR) 较低的代价为代价的。在这方面，本文重点介绍一种新型 SSmVEP 范式的设计，而不使用试验时间、阶段和/或目标数量等资源来增强 ITR。所提出的设计基于直观的想法，即同时在单个 SSmVEP 目标刺激中集成多个运动。为了引出 SSmVEP，我们设计了一种新颖的双频聚合调制范式，称为双频聚合稳态运动视觉诱发电位 (DF-SSmVEP)，通过在单个目标中同时整合“径向缩放”和“旋转”运动而不增加试验长度。与传统的 SSmVEP 相比，所提出的 DF-SSmVEP 框架由两种运动模式组成，这两种运动模式同时集成并显示，每种模式都由特定的目标频率调制。本文还开发了一种特定的无监督分类模型，称为双折典型相关分析 (BCCA)，该模型基于每个目标的两个运动频率。相应的协方差系数被用作额外特征来提高分类准确性。基于真实 EEG 数据集对所提出的 DF-SSmVEP 进行了评估，结果证实了其优越性。所提出的 DF-SSmVEP 表现优于其他同类方法，平均 ITR 为 30.7 ± 1.97，平均准确度为 92.5 ± 2.04，而径向缩放和旋转的平均 ITR 分别为 18.35 ± 1 和 20.52 ± 2.5，平均准确度分别为 68.12 ± 3.5 和 77.5 ± 3.5。
基于Terahertz光谱和超材料技术的奶牛中典型生殖激素的定性和定量检测
摘要：孕酮（Prog）和雌激素（E 1）是奶牛中的典型生殖激素。评估体内这些激素的水平可以有助于发情识别。在当前的工作中，使用Terahertz时域光谱法（THZ-TDS）和超材料技术对Prog和E 1进行定性和定量检测的可行性进行了初步研究。首先，收集并分析了PROG和E 1样品的时域光谱，频域光谱和吸收系数。使用密度功能理论（DFT）进行了振动分析。随后，使用CST Studio Suite（CST）软件中的频域解决方案算法设计和模拟了双环（DR）超材料结构。这旨在确保DR的双共振峰与Prog和E 1的吸收峰相似。最后，对DR对不同浓度的PROG/E 1的响应进行了分析并进行定量建模。结果表明，可以通过比较Prog的相应DR共振峰变化和E 1样本以各种浓度进行定性分析。PROG定量模型的最佳R 2为0.9872，而E 1为0.9828。这表明Terahertz光谱 - 超材料技术用于定性和定量检测典型的生殖激素Prog和奶牛中的E 1是可行的，值得探索。这项研究提供了鉴定奶牛发情的参考。
端到端可解释人工智能：衍生心智理论指纹以区分自闭症和典型发育及社交症状的严重程度
摘要 — 心智理论 (ToM) 是一种不断发展的能力，对人类的学习和认知有重大影响。早期发展的心智理论能力使人能够理解他人的目标和抱负，以及与自己不同的思维方式。自闭症谱系障碍 (ASD) 是一种普遍存在的广泛性神经发育障碍，参与者的大脑似乎以整个大规模大脑系统的弥漫性变化为标志，这些大脑系统由功能上连接但物理上分离的大脑区域组成，这些大脑区域在意志行为、自我监控和监控他人意图方面出现异常，通常称为心智理论。虽然功能性神经成像技术已被广泛用于确定与心智理论有关的神经相关性，但具体机制仍需阐明。当前大数据和人工智能 (AI) 框架的可用性为系统地识别自闭症患者和正常发育患者铺平了道路，通过识别神经相关性和基于连接组的特征来生成准确的社会认知障碍分类和预测。在这项工作中，我们开发了一个 Ex-AI 模型，该模型量化了正常发育和 ASD 个体之间 ToM 大脑区域变异的共同来源。我们的结果确定了一个特征集，可以在该特征集上训练分类模型以学习特征差异并更清晰地对 ASD 和 TD ToM 发展进行分类。这种方法还可以估计 ASD ToM 亚型内的异质性及其与基于社会认知障碍的症状严重程度评分的关联。基于我们提出的框架，我们使用可解释 ML (Ex-Ml) 模型获得超过 90% 的平均准确率，使用可解释深度神经网络 (Ex-DNN) 模型获得平均 96% 的分类准确率。我们的研究结果基于静息状态下 ToM 区域功能连接模式的关键差异和异质性，以及对早期发育阶段轻度至重度非典型社会认知和沟通缺陷的预测，在 ASD 样本中确定了三个重要的亚组。
评估主要感觉皮层中的可塑性及其与自闭症中非典型触觉反应性的关系：TMS-EEG方案
本文采用多方面的方法来了解邻里层面上气候行动的驱动因素和障碍。我们首先假设，当在社区（如社区）中共同进行时，对公民水平的气候行动最具动力和有希望。在社区中进行的一项调查（奥地利3个，挪威2个，意大利2，芬兰2个）。社区部分在农村社区（4），部分是在城市或半城市地区（5）。总共在2022年夏季至2023年夏季之间保留了1.084个答案。在逐步的结构方程式模型中测试了因素对自我报告的实施气候行动数量的影响。分析表明，在四个领域（旅行，饮食，饮食，抗议，抗议和一般气候行动）中，公民在社区中实施的四个领域（旅行，饮食，抗议和一般气候行动）所代表的气候行动的意图影响了气候行动，但个人意图更为重要。此外，当地的文化方面对气候行动有影响，这在许多变量上都不同，这两个极端农村的芬兰社区也有所不同。在社会结构层面，男性和年幼的孩子的家庭报告的气候行动较少，而较大的家庭和大学学位的人报告更多。旨在，在大多数情况下采取行动的意图主要取决于个人的疗效和态度，但也选择了文化和社会结构因素。集体行动的意图取决于社区中的社会资本，集体效力和社会规范以及精选的社会结构和文化因素。总结说，本文强调，为了理解和刺激公民与气候相关的行动，必须考虑个人，集体，文化和社会结构因素，并且日常行动发生的邻居水平是相关的分析单位。
强于大市AI 端侧深度报告之AI 手机
智能手机是最适合承载端侧 AI 的载体， AI 手机可提供差异化的用户价 值与品牌价值。智能手机具有保有量大、使用便携、使用场景多、使用 时长久、应用生态系统强大等优势，可创造众多的 AI 使用场景，并加速 第三方 AI 应用成熟，我们认为智能手机将是生成式 AI 最佳的应用载体 之一。 AI 手机的定义具有三个典型特征：①能够在手机端侧运行大模型； ② SoC 中包含 NPU 算力；③达到一定参数要求的性能指标。 AI 手机可提 供差异化的用户价值与品牌价值。对用户而言， AI 手机将是自在交互、 智能随心、专属陪伴、安全可信的个人化助理，使用体验较目前阶段智 能手机大幅提升。对于手机厂商而言，可提供品牌形象与用户粘性。
PANELVIEW加7性能终端技术数据
在25°C（77°F）下进行典型的BTU测量：6.5英寸。dc（触摸和使用键盘触摸），51 BTU（典型）（B系列，38 BTU）6.5英寸。ac（触摸并使用键盘触摸），53 BTU（典型）9英寸。DC，55 BTU（典型）A系列A（不锈钢系列B系列）9英寸。DC，41 BTU（典型）B系列B（不锈钢系列C系列）9英寸。AC，58 BTU（典型）10.4英寸。dc（触摸和使用键盘）A系列A，51 BTU（典型）10.4英寸。dc（触摸和使用键盘触摸）B系列B（不锈钢系列C系列），48 BTU（典型）10.4英寸。ac（触摸并使用键盘触摸），56 BTU（典型）12.1英寸。DC系列A（不锈钢系列B系列），60 BTU（典型）12.1英寸。DC系列B（不锈钢系列C系列），49 BTU（典型）12.1英寸。AC，67 BTU（典型）15英寸。dc（触摸和使用键盘）A系列A，61 BTU（典型）15英寸。DC（触摸和使用键盘触摸）B系列B（不锈钢系列C系列），71 BTU（典型）15英寸。ac（触摸并使用键盘触摸），68 BTU（典型）19英寸。DC，114 BTU（典型）（B系列，92 BTU）19英寸。AC，119 BTU（典型）