XiaoMi-AI文件搜索系统
World File Search System可区分的
位置身份：生成AI的观点
城市有集体身份吗？生成人工智能（AI）模型的最新进步已使创建从大量数据中学到的现实表示形式。在这项研究中，我们测试了生成AI作为文本和视觉信息的潜在，以捕获通过过滤的描述和图像评估的城市的位置的位置。我们向两个生成AI模型Chatgpt和Dall·e2询问了64个全球城市的地点身份的问题。此外，鉴于伦理上的担忧表达了生成AI的可信度，我们研究了结果是否与真正的城市环境一致。尤其是，我们通过Wikipedia数据和从Google搜索的图像和图像进行了测量，并分别在案例中进行了比较，以确定每个城市生成的输出的独特性。我们的结果表明，生成模型有可能捕获使其可区分的城市的显着特征。这项研究是探索生成AI在模拟特定含义方面的建筑环境中的第一次尝试。它通过使用生成的AI来促进研究机会并讨论未来研究的潜在局限性，从而为城市设计和地理文献做出了贡献。
有效识别用于建模高维大脑动力学
摘要 - 系统识别为表征和控制复杂系统的表征带来了重要的瓶颈。当系统状态和参数都无法直接访问时，这是最大的，导致双重估计问题。当前解决此类问题的方法在Net Works中经常发生的多参数系统的扩展能力受到限制。在当前工作中，我们提出了一种新的计算有效方法来处理大型双重估计问题。在这项工作中，我们得出了预测错误方法的分析后传播梯度，该方法可以有效，准确地识别大型系统。PEM方法包括将状态估计直接整合到双重优化目标中，仅在未知系统参数方面留下可区分的成本/错误函数，我们使用数值梯度/HESSIAN方法求解。直觉，此方法包括求解生成最精确状态估计器（扩展/cubature Kalman滤波器）的参数。我们证明，尽管复杂性较低，但在状态和参数估计中至少与关节Kalman过滤器（Excent/Unnesped/Cubature）和期望最大化一样准确。我们通过从人类磁脑摄影（MEG）数据中反转解剖学的个性化脑模型来证明我们的实用性。
DTPP：自动驾驶中树木政策规划的可区分联合条件预测和成本评估
摘要 - 运动预测和成本评估是自主性自治决策系统中的重要组成部分。但是，现有方法通常忽略成本学习的重要性，而将其视为单独的模块。在这项研究中，我们采用了树结构的政策计划者，并为自我条件的预测和成本模型提出了一个不同的联合培训框架，从而直接改善了最终计划绩效。对于条件预测，我们引入了一个以查询为中心的变压器模型，该模型执行有效的自我条件运动预测。对于计划成本，我们提出了具有潜在互动功能的可学习的上下文感知成本功能，从而促进了可区分的联合学习。我们使用现实世界的NUPLAN数据集及其相关的计划测试平台验证了我们提出的方法。我们的框架不仅与最先进的计划方法匹配，而且在计划质量方面的其他基于学习的方法优于其他基于学习的方法，同时在运行时更有效地运行。我们表明，联合培训比对两个模块的单独培训的性能要好得多。此外，我们发现树结构化的策略规划表现优于传统的单阶段计划方法。代码可用：https：//github.com/mczhi/dtpp。
使用量子计算机测试量子基础
物理学是实验性的，因此所有物理理论的假设都是基于实验的。在这里，我们建议使用量子计算机直接对量子力学的两个假设进行实验测试。在理想情况下，假设硬件完美，它们特别适合此目的，因为它们是具有大量自由度的量子系统。相反，在非理想情况下，即噪声中尺度量子 (NISQ) 设备，可以假设量子力学有效，并使用这些测试对 [ 1 – 3 ] 深量子级别的设备进行基准测试，因为它们基于理论的基础（假设）。换句话说，假设硬件完美，可以测试量子力学；假设量子力学，可以测试硬件。放宽这两个假设，可以执行自洽性检查来测试两者。我们提出了两个这样的实验测试：我们为 Peres 和 Sorkin 测试提供算法和量子机器代码，并在 Rigetti 量子计算机上运行它们。第一个实验是对量子力学状态公设（即叠加原理）的检验，该公设认为量子态存在于复希尔伯特空间中。原则上，可以设想基于实数[ 4 , 5 ]、复数或四元希尔伯特空间[ 6 ]的量子力学：选择基于实验结果，例如Peres的实验；另见参考文献[ 7 – 12 ]。复数是必要（且充分）的事实具有有趣的含义，例如，它意味着量子态是局部可区分的[ 13 ]，并且它与某些量子现象的局部性有关[ 7 ]。第二个实验测试由Sorkin [ 14 ]提出，是对玻恩公设的检验。玻恩规则表明量子概率是
超越边界：在跨数据集和语言中学习通用实体分类法，以获取命名实体识别
开放命名实体识别（NER）涉及从任意域中识别任意类型的实体，对于大语言模型（LLMS）仍然具有挑战性。最近的研究表明，对数据数据的微调LLM可以提高其性能。但是，直接对现有数据集进行培训会忽略其不一致的实体定义和冗余数据，从而将LLMS限制为数据集 - 特定的学习和阻碍域外适应性。为了解决这个问题，我们提出了B 2 NERD，这是一个紧凑的数据集，旨在指导LLMS在通用实体分类学下的开放NER中的概括。b 2书呆子使用两个步骤的过程从54个Ex-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is-Is。首先，我们检测到跨数据集的不一致的实体定义，并通过可区分的标签名称来澄清它们，以构建400多种实体类型的Uni-Glesal分类学。第二，我们使用数据修剪策略来解决冗余，该策略选择了更少的类别和语义多样性的样本。综合评估表明，B 2 NERD显着增强了LLMS的开放式NER功能。我们的B 2 NER模型，在B 2 NERD上训练，超过6.8-12.0 f1点，并超过15个数据集和6种语言的3个室外基准标记中的先前方法。数据，模型和代码可在https://github.com/umeannever/b2ner上公开获取。
概括轨迹的钟形方程
路径特征是有效捕获路径的分析和几何特性的路径的强大表示，具有有用的代数特性，包括通过张量产品快速串联路径的特性。签名最近在用于时间序列分析的机器学习问题中广泛采用。在这项工作中，我们建立了通常用于最佳控制和吸引路径签名属性的价值函数之间的连接。这些连接激发了我们的新颖控制框架，具有签名转换，从而有效地将Bellman方程推广到轨迹空间。我们分析框架的属性和优势，称为签名控制。特别是我们证明（i）它自然可以处理不同/适应性的时间步骤； （ii）它比价值功能更新更有效地传播更高级别的信息； （iii）对于长期推出而言，动态系统错误指定是可靠的。作为我们框架的特定情况，我们设计了一种模型预测控制方法。此方法概括了整体控制，适合未知干扰的问题。在模拟中测试了所提出的算法，其中包括可区分的物理模型，包括典型的控制和机器人技术任务，例如点质量，ant模型的曲线跟随以及机器人操纵器。关键字：决策，路径签名，钟声方程，积分控制，模型预测控制，机器人技术
大脑网络转换器
为了了解大脑功能和精神障碍，人脑通常被建模为感兴趣区域 (ROI) 及其连接的网络。最近，基于 Transformer 的模型已经针对不同类型的数据（包括图）进行了研究，结果显示可广泛提高性能。在这项工作中，我们研究了基于 Transformer 的大脑网络分析模型。在数据的独特属性的驱动下，我们将大脑网络建模为具有固定大小和顺序的节点的图，这使我们能够 (1) 使用连接配置文件作为节点特征来提供自然且低成本的位置信息，以及 (2) 学习 ROI 之间的成对连接强度，并在个体之间使用有效的注意力权重，从而对下游分析任务具有预测性。此外，我们提出了一种基于自监督软聚类和正交投影的正交聚类读取操作。该设计考虑了决定 ROI 组之间相似行为的底层功能模块，从而产生可区分的聚类感知节点嵌入和信息图嵌入。最后，我们在唯一一个公开可用的大型脑网络数据集 ABIDE 上重新标准化了评估流程，以便对不同的模型进行有意义的比较。实验结果表明，我们提出的 B RAIN N ETWORK T TRANSFORMER 在公开的 ABIDE 和我们受限的 ABCD 数据集上都有明显的改进。实现可在 https://github.com/Wayfear/BrainNetworkTransformer 上获得。
基于对象分类的上肢假肢用户-假肢界面
摘要 — 用户-假肢接口 (UPI) 的复杂性，用于控制和选择主动上肢假肢的不同抓握模式和手势，以及使用肌电图 (EMG) 所带来的问题，以及长时间的训练和适应，都会影响截肢者停止使用该设备。此外，开发成本和具有挑战性的研究使得最终产品对于绝大多数桡骨截肢者来说过于昂贵，并且经常为截肢者提供无法满足其需求的界面。通常，EMG 控制的多抓握假肢将一组肌肉的特定收缩的具有挑战性的检测映射到一种抓握类型，将可能的抓握次数限制为可区分的肌肉收缩次数。为了降低成本并以定制方式促进用户和系统之间的交互，我们提出了一种基于图像和 EMG 对象分类的混合 UPI，与 3D 打印上肢假肢集成，由 Android 开发的智能手机应用程序控制。这种方法可以轻松更新系统，并降低用户所需的认知努力，从而满足功能性和低成本之间的权衡。因此，用户可以通过拍摄要交互的物体的照片来实现无数预定义的抓握类型、手势和动作序列，只需使用四种肌肉收缩来验证和启动建议的交互类型。实验结果表明，假肢在与日常生活物体交互时具有出色的机械性能，控制器和分类器具有很高的准确性和响应能力。
![arxiv：2502.07214v1 [cs.lg] 2025年2月11日](/simg/g:\will\search\icon\source\5\5e739b943df494c8c1b2eda5f9ab181fc39eb689.webp)
arxiv：2502.07214v1 [cs.lg] 2025年2月11日
摘要。在决策系统中，算法追索权旨在确定最小成本的动作以改变个人的特征，从而获得预期的结果。这使个人有能力理解，质疑或改变对他们产生负面影响的决定。但是，由于系统环境和个人的敏感性以及量化单个功能的成本几乎是不可能的，同时考虑了多种标准情况。大多数当前的追索性机制都使用基于梯度的方法，这些方法假设成本函数是可区分的，通常不适用于现实世界中的情况，从而产生了损害各种标准的亚最佳解决方案。这些解决方案通常是棘手的，并且缺乏严格的理论基础，从而从可解释的AI（XAI）角度引起了人们对解释性，可靠性和透明度的关注。为了解决这些问题，这项工作提出了一个算法的求程框架，该框架处理了非不同和离散的多成本功能。通过将追索权作为多目标优化问题制定，并根据其重要性将权重分配给不同的会议室，我们的方法确定了帕累托最佳追索权建议。为了证明可伸缩性，我们结合了ϵ -NET的概念，证明了找到近似帕累托最佳作用的能力。实验显示了不同迹象和该方法在大图中的可扩展性之间的权衡。与当前的启发式实践相比，我们的方法提供了更强的理论基础，并更好地将追索权与现实世界的要求保持一致。
生物膜在BioRETHing期间的生物膜形成
抽象的微生物依恋和生物膜形成是Mi-Croermanisms的无处不在行为，是接触生物涉及的最关键的先决条件。独居石和异种类是两个商业上可利用的矿物，其中包含稀土元素（REES）。使用磷酸盐溶解微生物的生物渗以是一种用于提取REE的绿色生物技术方法。在这项研究中，使用公共激光扫描显微镜（CLSM）和扫描电子显微镜（SEM）研究了这些矿物表面上克雷伯菌的微生物附着和生物膜形成。在批处理培养系统中，Aerogenes能够在三种磷酸盐矿物的表面附着并形成生物膜。显微镜记录显示，在微生物接种的最初分钟内，对k的生物膜发育的三个独特阶段，对表面的初始附着。随后是表面定植，形成成熟的生物膜作为第二个可区分的阶段，并将分散作为最后阶段。生物膜具有薄层结构。定位和生物膜形成位于物理表面缺陷，例如裂缝，凹坑，凹槽和凹痕。与独居石和异种晶体相比，高级独居石矿石表面的比例较高，被生物膜覆盖，这可能是由于其较高的表面粗糙度所致。未检测到针对特定矿物学或矿物化学成分的选择性附着或定殖。最后，与对照样品的非生物浸出相反，微生物活性导致高级独居石的微生物侵蚀。