XiaoMi-AI文件搜索系统
World File Search System单纯形
人类大脑动力学的单纯形和拓扑描述
虽然功能性磁共振成像 (fMRI) 等脑成像工具可以测量整个大脑活动，但如何最好地解释在数据明显的自组织中发现的模式仍不清楚。为了阐明大脑活动模式如何支持大脑功能，人们可以确定度量空间，这些度量空间可以在实验定义的条件下最佳地区分大脑状态。因此，本研究考虑了几个度量空间在消除实验定义的大脑状态歧义方面的相对能力。一个基本度量空间以拓扑方式解释 fMRI 数据，即，将其解释为随时间变化的多变量信号幅度向量。另一个视角比较了大脑的功能连接，即计算来自不同大脑区域的信号之间的相似性矩阵。最近，考虑数据拓扑结构的度量空间已经出现。这种方法将数据视为从抽象几何对象中提取的样本。为了恢复该对象的结构，拓扑数据分析会检测在连续变形（例如坐标旋转和节点错位）下不变的特征。此外，这些方法明确考虑了跨多个几何尺度持续存在的特征。虽然每个大脑动力学度量空间都有其优点和缺点，但我们发现那些跟踪拓扑特征的度量空间可以最佳地区分实验定义的大脑状态。
使用 GraphNet 的单纯形回归构建结构连接丰富的功能性脑网络
摘要。连接分析是研究硬连线大脑结构以及与人类认知相关的灵活功能动力学的强大技术。最近的多模态连接研究面临着将功能和结构连接信息组合成一个集成网络的挑战。在本文中，我们提出了一个带有图约束弹性网络（Graph-Net）的单纯形回归模型，以低模型复杂度以生物学有意义的方式估计由结构连接丰富的功能网络。我们的模型使用稀疏单纯形回归框架构建功能网络，并基于 GraphNet 约束丰富结构连接信息。我们将我们的模型应用于真实的神经影像数据集，以展示其预测临床评分的能力。我们的结果表明，与使用单一模态相比，整合多模态特征可以检测到更敏感和更细微的大脑生物标志物。
通过扩展（SBX）/AGBT 2025
sbx =通过扩展进行测序； Q-SCORE = PHRED质量评分，对误差可能性的对数测量； HG001 =一个瓶子（GIAB）财团样本中的基因组，由国家标准技术研究所在多个测序技术中表现出良好的特征； F1分数=变异通话精度的度量，这是精确和回忆的谐波平均值； SNV =单核苷酸变体； indel =插入或删除；双链/单纯形=双链体是指双链DNA的两个链，而单纯形仅指其中一条链。 vcf =变体调用文件
dirichlet流匹配
离散扩散或流模型可以比自回归模型更快，更可控制的序列产生。我们表明，单纯形上的线性流匹配不足以实现该目标，因为它遭受了训练目标和进一步的病理的差异。为了克服这一点，我们基于Dirichlet分布作为概率路径的混合物在单纯形上开发了Dirichlet流量匹配。在此框架中，我们在混合物的分数和流量的矢量字段之间得出了一个连接，允许分类器和无分类器指导。此外，我们提供了蒸馏的Dirichlet流量匹配，从而使一步序列产生具有最小的性能命中率，与自动回旋模型相比，O（L）的加速导致O（L）的加速。在复杂的DNA序列生成任务上，我们证明了与分布指标的所有基准相比，在实现生成序列的所需设计目标方面相比。最后，我们表明我们的指导方法改善了无条件的生成，并且可以生成满足设计目标的DNA。
dirichlet流匹配
离散扩散或流模型可以比自回归模型更快，更可控制的序列产生。我们表明，单纯形上的线性流匹配不足以实现该目标，因为它遭受了训练目标和进一步的病理的差异。为了克服这一点，我们基于Dirichlet分布作为概率路径的混合物在单纯形上开发了Dirichlet流量匹配。在此框架中，我们在混合物的分数和流量的矢量字段之间得出了一个连接，允许分类器和无分类器指导。此外，我们提供了蒸馏的Dirichlet流量匹配，从而使一步序列产生具有最小的性能命中率，与自动回旋模型相比，O（L）的加速导致O（L）的加速。在复杂的DNA序列生成任务上，我们证明了与分布指标的所有基准相比，在实现生成序列的所需设计目标方面相比。最后，我们表明我们的指导方法改善了无条件的生成，并且可以生成满足设计目标的DNA。
dirichlet流与DNA序列设计的应用
离散扩散或流模型可以比自回归模型更快，更可控制的序列生成。我们表明，单纯形上的线性流量匹配不足以实现此目标，因为它遭受了训练目标中的不连续性和进一步的病理。为了克服这一点，我们基于Dirichlet分布作为概率路径的混合物在单纯形上开发了Dirichlet流量匹配。在此框架中，我们得出了混合物的分数与流量向量字段之间的连接，从而允许分类器和无分类器的GUID-ANCE。此外，我们提供了蒸馏的Dirichlet流量匹配，从而使一步序列发电具有最小的性能命中，从而与自回旋的模型相比，导致O（L）加速。在复杂的DNA序列生成任务上，我们证明了与分布指标的所有基准相比，在实现生成序列的所需设计目标方面相比。最后，我们表明我们的分类器免费指导方法改善了无条件的生成，并且有效地生成满足设计目标的DNA。代码可在https://github.com/hannesstark/ dirichlet-flow-matching上找到。
《爱丽丝与鲍勃遇见巴拿赫》勘误表
P. 103，第 4.1 节的注释和备注：我们错误地引用了 [GLMP04] 中的一个结果；它应该是“对于任何中心对称凸体 KĂRn，dBMpK,∆nqďn”。在这种对称性假设和一般性下，这实际上是从练习 4.2 得出的（实际上是一个等式；[GLMP04] 进一步断言，如果其中一个体 K、L 是中心对称的，则 dBMpK,Lqďn）。事实上，KĂ´n∆ 意味着 K 包含在 n∆ 的某个平移中，因此它是∆ 的同位像——比率为 n——关于某个中心（回想一下，通过构造，∆ĂK）。由于 K 的对称中心可能不同于 ∆ 的质心（假设为 0 ），从这个论证中不能立即确定同位体中心的位置。例如，在 [GLMP04] 中引用的例子中心属于 ∆ 的边界，这对于某些应用来说并不理想。如果我们接受任何单纯形（即不一定是体积最大的单纯形），但仍然坚持同位体中心是其质心，则最优因子是什么并不完全清楚。对于不一定对称的体 K °R n ，似乎已知至少在某些情况下，我们可能有 d BM pK, ∆ nq °n 。例如，在 [R. Fleischer, K. Mehlhorn, G. Rote, E. Welzl and C. Yap, Simultaneous inner and outer approximation of shapes. Algorithmica 8 (1992), 365-389] 断言三角形和正五边形之间的距离等于
“ box-tdi polytopes的算法和结构属性...
范围。优化问题的很大一部分等同于优化线性程序，其中可行区域是由线性不等式定义的多面体。解决此类问题的复杂性受到多面体结构的很大影响。尤其是当多面体是整数时，众所周知，我们可以在多项式时间内解决问题的大小[7]。实际上，最有效的算法之一仍然是Dantzig开发的单纯形方法。即使该方法以不良的理论性能而闻名[8，9]，它已经看到了新的兴趣和几种理论进步[5]，特别是最近的一些发展，连接了多面体的结构以及该算法的效率[1]。该算法的另一个兴趣点是与问题本身的多面体结构的密切联系。尤其是，影响单纯形算法性能的一个关键因素是多面体直径，它限制了最坏情况下所需的枢轴数量。在这种情况下，赫尔希猜想的弱形式已被证明对由完全单型矩阵定义的多型植物有效[2，6]。box-tdi polyhedra是可以用box-tdi系统描述的多面体。这些多面体直接概括了由完全单型矩阵描述的多面体[3]。此外，即使整数线性编程最近已被证明在Box-TDI Polyhedra上是NP-HARD [4]，当此Polyhedra是整数时，该主题尚未探索。该项目的主要目的是研究Box-TDI Polyhedra是否承认直径范围的改善，以及这是否对线性编程算法的效率有影响。
自主UAS
摘要 - 放松保证（RTA）是针对安全至关重要系统的设计时间档案，内部监视器在检测侵犯财产时作用。单纯形架构是RTA的一个实例，当不信任的控制器违反安全属性时，采取的动作是将整体系统控制给受信任的控制器。Simplex RTA正在成为一种方法，可以将AI/ML和其他未经验证的软件集成到飞机操作等安全至关重要的应用中。为此，美国测试和材料学会（ASTM）和NASA都发布了有关在此类系统中使用RTA的准则。在这项工作中扩展了Hybrid程序语言中简单RTA框架的正式验证。混合程序是包括离散和连续动态的程序，可用于建模复杂的网络物理系统。plaidypvs是一种能够在PVS定理供体中形式化混合程序的工具。plaidypvs可以验证一般的单纯形RTA框架，然后通过专门介绍混合程序的某些组件，在将未经信任的组件视为黑匣子的同时验证框架的实例。本文介绍了这种形式化的应用于无人飞机系统（UAS）操作的选择。正式验证过程提供了对系统的设计时间验证的好处，并且还对确定RTA框架“开关”属性的传感器采样率提供了要求。索引条款 - 跑步保证，混合程序，PLAIDYPVS，PVS