XiaoMi-AI文件搜索系统
World File Search System受约束的
www.migrationletters.com具有新型模块化的受约束的Louvain算法，以增强复杂网络中的社区检测
结论：这项研究引入了一种创新的方法，可以在复杂的网络中进行社区检测。具有𝐹2模块化的受约束卢旺算法有效地克服了传统模块化的局限性，尤其是分辨率限制问题。它促进了准确且细粒度的社区检测，使其成为分析各个领域广泛网络的宝贵工具。这项研究通过提供强大的社区检测方法来有助于持续的努力来增强我们对网络结构和动态的理解。
多智能体自适应数学学习
我们利用 OpenAI 的 GPT-4o 模型，使用多个大型语言模型代理提出了一个原型自适应学习框架。每个代理都专门针对自适应学习的一个特定方面。代理使用自动生成的多代理框架相互通信。群组通信以不受约束、半约束和完全约束的方式实现。不受约束的代理通信允许自动生成的 GroupChatManager 仅根据代理所擅长的描述来选择下一个要“发言”的代理。半约束代理选择使用了允许和不允许的转换。受约束的代理通信使用状态机来选择下一个代理。使用受约束的通信允许任务排序的可预测性，但在处理任意学生输入方面不太灵活。不受约束的通信偶尔会出现代理角色混淆。我们使用受约束通信的原型系统向学习者传授新材料并测试他们的掌握程度。实现实验的代码是开源的，可在 github 1 上找到。
基于深度学习的流程，用于通过连续捕获的立体视频估计不受约束的水下环境中水生生物的数量和大小
摘要：使用固定式水下摄像机是一种现代且适应性强的方法，可提供持续且经济高效的长期解决方案来监测特别感兴趣的水下栖息地。此类监测系统的共同目标是更好地了解各种海洋生物种群的动态和状况，例如迁徙或商业相关鱼类种群。本文介绍了一种完整的处理流程，用于从固定式水下鱼类观测站 (UFO) 的立体摄像机捕获的立体视频数据中自动确定生物种群的丰度、类型和估计大小。记录系统进行了现场校准，然后使用同步记录的声纳数据进行了验证。视频数据在德国北部波罗的海入口基尔峡湾连续记录了近一年。它展示了水下生物的自然行为，因为使用被动低光摄像机代替主动照明来减弱吸引力并实现尽可能少的侵入性记录。记录的原始数据通过自适应背景估计进行预过滤，以提取具有活动的序列，然后由深度检测网络（即 Yolov5）进行处理。这提供了在两个摄像机的每个视频帧中检测到的生物的位置和类型，用于按照基本匹配方案计算立体对应关系。在后续步骤中，使用匹配的边界框的角坐标来近似所描绘生物的大小和距离。本研究中使用的 Yolov5 模型是在一个新颖的数据集上训练的，该数据集包含 10 类海洋动物的 73,144 张图像和 92,899 个边界框注释。该模型实现了 92.4% 的平均检测准确率、94.8% 的平均精度 (mAP) 和 93% 的 F1 得分。
FlexType：使用少量输入手势实现灵活的文本输入
在许多情况下，通过选择物理或触摸屏键盘上的精确位置来输入文本可能是不切实际的或不可能的。我们提出了一种具有四个字符组的歧义键盘，它可以用于免眼文本输入，以及使用单个开关或脑机接口的文本输入。我们开发了一种基于利用长跨度语言模型的消歧算法来优化这些字符分组的程序。我们在离线优化实验中生成了字母约束和不受约束的字符组，并在纵向用户研究中对它们进行了比较。经过四个小时的练习，我们的结果没有显示约束和不受约束的字符组之间有显著差异。如预期的那样，参与者在第一次训练中对不受约束的组的错误率明显更高，这表明学习这项技术的门槛更高。因此，我们推荐使用字母限制的字符组，参与者能够用单手且在没有视觉反馈的情况下实现每分钟 12.0 个单词的平均输入速度，字符错误率为 2.03%。
南福雷斯特代尔工业区的地方结构计划（...
从历史上看，AEMO在设施与西方权力的访问协议下使用了“签约能力”水平，以确定在高峰需求期内可用于设施的网络注入能力的基础。这是基于需要新设施来资助网络升级的实践，而网络能力不足以容纳其注入而不会中断提供给现有设施的访问权限。但是，在受约束的网络中，设施对网络的访问可能会受到其他用户引起的约束。这将对可以分配给设施的能力信用有影响。需要更改，以确保RCM在受约束的网络访问制度下继续有效地运行并履行其角色。
量化网络攻击对网络物理系统安全的影响
摘要：我们提出了一个用于建模信息物理控制系统中攻击场景的新颖框架：我们将信息物理系统表示为一个受约束的切换系统，其中单个模型嵌入了物理过程的动态、攻击模式和攻击检测方案。我们证明，这与混合自动机（即受约束的切换线性系统）中已建立的结果兼容。所提出的攻击建模方法允许大量非确定性攻击策略，并能够将系统安全性表征为渐近性质。通过计算最大安全集，由此产生的新影响指标可以直观地量化安全性的下降以及网络攻击对受攻击系统安全属性的影响。我们通过一个示例展示了我们的结果。
简洁的语言范式（拍手），一个研究
研究语言通常分离出一种语言方式或过程，重点是理解或生产。我们的目标是将两者结合在新的简洁语言范式中（拍手），在一个试验中利用理解和生产。试验结构在各种条件下是相同的，呈现一个听觉句子（受约束，不受约束，时间转移），然后是要命名的图片（正常，拼命的）。我们用脑电图测试了21位年轻的健康演讲者，以检查拍手提供的几种验证和新颖的对比。行为结果揭示了在受约束的句子之后的图片的最快命名时间，这表明在图片开始之前，基于句子约束，表明单词检索。命名不受约束的句子的命名与裸照命名一样快。句子发作后对正常语音的大脑反应（240-400ms）与时间转相关的语音有显着差异。图片锁定的ERP显示出幅度差异与条件的函数，尤其是在P2组件（200-300ms）中，并且也受到前面约束句子的调节。alpha-beta功率相对于时间倒转或不受约束的句子而言，上下文引导的图片命名降低。这些结果表明，拍手提供了一个有希望的框架来研究语言系统，提供了不同版本的语言内容和任务，并结合了电生理学或其他成像方法。
使用大脑变形的地图集和限制的卡尔曼滤波器
摘要 - 基于术前图像的术语脑移位降低了神经元研究系统的准确性。在本文中，可以通过计算脑移位的估计来解决此问题，该估计可用于更新术前的大脑图像。因此，可以提高导航的精度。在这方面，使用大脑变形和受约束的卡尔曼过滤器（ACKF）提出了一种脑移位估计方法。另外，当风险函数是估计误差方差时，获得的ACKF估计是最佳无偏见的最小值估计。此外，在ACKF和两种现有方法（即受约束的卡尔曼滤波器（CKF）和基于地图集的方法）之间进行了比较。比较表明，ACKF会导致更准确的估计，并且需要更少的计算时间。最后，通过模拟说明了提出的ACKF方法对CKF和基于ATLAS的方法的至高无上。
VRSketchIn：探索虚拟现实中 3D 素描的笔和平板电脑交互设计空间
摘要 虚拟现实 (VR) 中的素描可增强对 3D 体积的感知和理解，但目前是一项具有挑战性的任务，因为空间输入设备（例如跟踪控制器）不提供任何用于空中交互的支架或约束。我们介绍了 VRSketchIn，这是一款 VR 素描应用程序，使用 6DoF 跟踪笔和 6DoF 跟踪平板电脑作为输入设备，将不受约束的 3D 空中与受约束的 2D 基于表面的素描相结合。为了探索这种 2D（平板电脑上的笔）和 3D 输入（6DoF 笔）组合产生的可能性，我们提出了一组设计维度并定义了 VR 中 2D 和 3D 素描交互隐喻的设计空间。我们对设计空间内的现有技术进行分类，并在我们的原型中实现了笔和平板电脑素描的隐喻子集。为了更深入地了解哪些特定的
对差异平面系统的最佳控制非常容易
随着我们转向日益复杂的网络物理系统（CPS），需要采用新的方法来实时计划有效的状态轨迹。在本文中，我们提出了一种方法，可以显着降低解决具有非线性动力学的CP的最佳控制问题的复杂性。我们利用差异平坦度的属性来简化优化过程中出现的Euler – lagrange方程，而这种简化消除了通常会遇到最佳控制的数值不稳定性。我们还提出了一个显式微分方程，该方程描述了最佳状态轨迹的演变，并扩展了结果以考虑不受约束和受约束的情况。此外，我们通过为带有两个Revolute关节的平面操纵器生成最佳轨迹来证明方法的性能。我们在模拟中表明，我们的方法能够在4中生成受约束的最佳轨迹。5 ms尊重工作空间约束并在肘关节中的“左”弯曲和“右”弯曲之间切换。©2023 Elsevier Ltd.保留所有权利。