XiaoMi-AI文件搜索系统
World File Search System参数化
濒死大脑的参数化
背景：据报道，死亡前皮质高频激活会立即出现，这引发了人们对这一关键时刻意识状态增强的质疑。在这里，我们使用标准床边监视器和频谱参数化技术分析了一名昏迷患者在死亡过程中的脑电图 (EEG)。方法：我们报告了一名没有严重皮质损伤的濒死患者的神经生理学特征。使用 Sedline ™ 监视器记录了 60 分钟的额叶脑电图活动。计算了频谱、非振荡 1/f 特性和 Lemple-Ziv-Welch 和置换熵的信号复杂度的定量指标。除了比较随时间变化的脑电图轨迹外，我们还提供了与其他研究中获得的脑电图记录的比较，这些研究具有众所周知的警觉状态（睡眠、麻醉和清醒）。结果：虽然我们观察到了死亡过程中高频激活的变化，但也注意到非周期性脑电图成分的较大变化。与代表清醒、慢波睡眠或麻醉的脑电图记录相比，这些变化截然不同。尽管从根本上来说仍然是独一无二的，但濒死大脑中的神经元活动与 REM 睡眠的相似性比我们测试的任何其他状态都高。结论：即使在昏迷患者中，也可以在死亡前的最后一小时内观察到定量脑电图特征（包括非周期性成分）的时间动态。
参数化层次制品 -
神经程序是高度准确且结构化的策略，可以通过控制计算机制的行为来执行算法 - MIC任务。尽管有可能增加人工剂的行为的解释性和组成性，但仍很难从代表计算机程序的演示神经网络中学习。与其他模仿学习域不同的设定算法的主要挑战是需要高精度，数据的特定结构的参与以及极为有限的观察力。为了应对这些挑战，我们建议将程序建模为参数化的层次结构程序（PHP）。php是一系列条件操作，使用程序计数器以及观察结果，在采取基本操作，将另一个PHP作为子处理和返回呼叫者之间进行选择。我们开发了一种从一组主管演示中培训PHP的算法，其中只有一些用内部呼叫结构注释，并将其应用于对多级PHP的有效水平培训。我们以两个基准（纳米司法机构和长局添加）的形式显示，PHP可以从较小量的注释和未经通知的示范中更准确地学习神经程序。
规范响应参数化
神经系统中的单脉冲电刺激，通常称为皮层间诱发电位 (CCEP) 测量，是了解大脑区域如何相互作用的重要技术。在用相隔几秒钟的短暂电流脉冲刺激一个大脑区域的同时，测量植入在一个大脑区域的电极的电压。从历史上看，研究人员曾尝试通过目视检查来了解诱发电压多相偏转的意义，但还没有出现通用工具来了解它们的形状或用数学方法描述它们。我们描述并说明了一种参数化大脑刺激数据的新技术，其中使用半标准化点积将电压响应轨迹投影到彼此中。点积中包含的刺激时间点的长度会有所不同，以获得结构意义的时间分布，并且分布的峰值唯一地标识了响应的持续时间。使用线性核 PCA，可在此持续时间内获得典型响应形状，然后将单次试验轨迹参数化为具有残差项的典型形状的投影。通过量化交叉投影幅度、响应持续时间、典型形状投影幅度、信噪比、解释方差和统计显著性，这种参数化允许直接比较来自不同大脑区域的不同轨迹形状。通过交叉投影幅度子分布中的异常值，可以自动识别并拒绝伪造试验。这种我们称之为“典型响应参数化”（CRP）的技术大大简化了 CCEP 形状的研究，并且还可以应用于涉及事件触发数据的其他广泛设置中。
大气重力波：过程和参数化
摘要：从季节到季节性时间尺度和气候变化的大气可预测性均由重力波（GW）严重影响。区域和全球数值模型的质量依赖于GW动力学的彻底理解及其与许多尺度上化学，降水，云和气候的相互作用。在可预见的未来，GWS和许多其他相关过程将部分尚未解决，并且模型将继续依赖参数化。最近的模型对比和研究表明，当今的GW参数化并不能准确代表GW过程。这些缺点在预测气候变化对重要变异模式的影响时引入了不确定性。然而，过去十年来产生了新的数据和理论和数值发展的进步，有望改善情况。本综述对这些发展进行了调查，讨论了GW参数化的当前状态，并为如何从那里开始提出了建议。
推进力场参数化有向图 - ...
原子特征 大小(38) 描述 原子符号 11 [UNK、H、C、N、O、F、P、S、Cl、Br、I] (one-hot) 键度 6 共价键数 [0、1、2、3、4、5] (one-hot) 形式电荷 7 [-3、-2、-1、-0、1、2、3] (one-hot) 杂化 8 [未指定、s、sp、sp2、sp3、sp3d、sp3d2、其他] (one-hot) 手性 4 [未指定、四面体 CW、四面体 CCW、其他] (one-hot) 环 1 原子是否在环中 [0/1] (one-hot) 芳香性 1 原子是否属于芳香系统 [0/1] (one-hot) 键特征 大小(12) 描述 键类型 4 [单键、双键、三键、芳香] (one-hot) 共轭1 键是否为共轭键 [0/1] (one-hot) 环 1 键是否在环中 [0/1] (one-hot) 立体类型 6 [StereoNone, StereoAny, StereoZ, StereoE, Stereocis, Stereotrans] (one-hot)
大气重力波：过程和参数化
摘要：从季节到季节性时间尺度和气候变化的大气可预测性均由重力波（GW）严重影响。区域和全球数值模型的质量依赖于GW动力学的彻底理解及其与许多尺度上化学，降水，云和气候的相互作用。在可预见的未来，GWS和许多其他相关过程将部分尚未解决，并且模型将继续依赖参数化。最近的模型对比和研究表明，当今的GW参数化并不能准确代表GW过程。这些缺点在预测气候变化对重要变异模式的影响时引入了不确定性。然而，过去十年来产生了新的数据和理论和数值发展的进步，有望改善情况。本综述对这些发展进行了调查，讨论了GW参数化的当前状态，并为如何从那里开始提出了建议。
参数化 CAD 建模的方法开发...
本报告是斯堪尼亚 CV AB 在索德泰利耶进行的硕士论文的记录。在本研究中，评估了使用参数化 CAD 模型辅助 CFD 模拟和性能优化在内燃机产品开发中的优势、挑战和条件。论文的目标包括为斯堪尼亚的设计工程师开发和提出一种方法，以帮助他们创建强大、灵活、易懂和智能的参数化 CAD 模型。该研究还包括使用实践和理论方法评估这种方法的优势和先决条件。整个研究的最终目标是通过减少设计流程中的交付周期同时促进高质量产品的生产来为组织创造价值。
参数化量子电路的输入冗余
量子信息处理旨在利用量子物理现象进行数据处理。该领域始于 20 世纪 80 年代初 [ 1 , 2 ]，最近在构建可控量子力学系统方面取得的突破引发了该领域的爆炸式增长。构建量子计算机是一项艰巨的挑战，但设计算法同样艰巨，这些算法在量子计算机上运行后，能够利用专家们普遍认为量子计算在某些计算任务上优于传统计算的优势。一项特别引人注目的努力是利用近期的量子计算机，但它的缺点是尺寸有限，并且存在令人衰弱的量子噪声。过去几年，噪声中型量子 (NISQ) 计算机的算法设计领域一直在努力确定计算领域、采用量子信息处理的范例和商业用例，以便从构建可编程量子力学设备的最新进展中获益——尽管目前这些进展可能还很有限 [ 3 ]。人工智能 [ 3 , 4 ] 是近期可能实现量子优势的用例领域。这种希望最有可能出现在生成任务中：理论上已经证明，几种概率分布族允许量子算法从中有效地采样，而没有经典算法能够或已知能够执行该采样任务。玻色子采样可能是这些采样任务中最广为人知的，即使在有噪声的情况下这种优势似乎不会持续（参见 [ 5 ]）；在参考文献 [ 6 , 7 ] 中可以找到一些其他采样程序的示例。在可以通过操纵一个或多个参数来迭代改变的量子电路方面也取得了有希望的进展：Du 等人 [ 8 ] 考虑了所谓的参数化量子电路 (PQC)，发现它们也在生成任务中产生了理论优势。当强调非线性方面时，PQC 偶尔被称为量子神经网络 (QNN)（例如在 [ 9 ] 中），或称为变分量子电路 [ 10 ]。在本文中，我们坚持使用术语 PQC，但不考虑排除 QNN 或 VQC。
使用机器学习的参数化雨滴
摘要：温暖云中的雨滴形成过程主要包括凝结和碰撞 - 小云液滴的合并。一旦形成雨滴，它们就可以通过收集云滴和自我收集来继续生长。在这项研究中，我们通过使用复杂的气溶胶 - 包含300滴量尺寸的垃圾箱和机器学习方法的云模型来开发新型的模拟器来表示雨滴形成是各种物理或背景环境条件的函数。然后在天气研究和预测模型的两个微物理学方案中实施模拟器，并在两个理想情况下进行了测试。与原始模拟相比，与原始模拟相比，与模拟器的浅对流模拟显示出明显的雨滴形成的增强。另一方面，由于降雨量的变化，由于云系统中较大数量的微物理过程（即冰期过程），对对流的模拟表现出对模拟器实施的更为复杂响应。我们的结果表明，仿真器的潜力取代了常规参数化，这可能使我们能够以负担得起的综合费用来改善物理过程的表示。