XiaoMi-AI文件搜索系统
World File Search System启发
受磁学启发的量子力学模型...
为了在这个世界上生存和发展，人类一直努力了解自己是谁、是什么。这个持续的过程导致了某些规范、可接受的社会角色和行为模式的产生。性别概念就是这些规范之一，它是女性、男性、女孩和男孩的一组社会建构特征，在不同社会中各不相同，并会随着时间而变化[1-7]，在流行文化和文学中发挥着重要作用[8,9]。性别流动的概念挑战了社会规范[10-17]。从二元的角度来看，性别流动可以定义为在不同时间拥有不同的性别认同[18]。例如，在某一时刻，一个人可能认为自己是女性，而在另一时刻，他们可能认为自己是男性。然而，一个人也可能同时认为自己是男性和女性，或者都不认为自己是男性和女性。这种身份转变可能发生在不同的时间尺度上：一天几次、每周、每月或每年[19]。事实上，性别流动更为复杂。然而，尽管尝试利用复杂系统领域的方法来理解它，但其复杂程度尚未确定[20]。
机器学习启发的电池材料创新
直接取代化石燃料汽车可去除温室气体的主要来源。成功的EV部署主要取决于克服“范围焦虑”问题。开发改进的电池模型以监视电池的充电状态和健康状况可能是一种解决方案； 6,7另一个解决方案是开发更持久和可持续的电池，8材料设计起着重要作用。电池是复杂的，动态的电化学系统，其中两个主要组成部分（图1a）是电极（负和正）和电解质（液态和固态）。在设计电池电极时，要考虑的关键参数包括电压和特定的充电能力，这有助于总体能量密度；充电和放电期间的体积扩大，这决定了可环性和安全性问题。用于电解质，氧化还原电位和稳定窗（液体电解质）和离子电导率以及
生物学启发的材料，过程和系统（...
Topics include, but are not limited to: • fundamental research (e.g., aerodynamics, adhesion, superhydrophobicity and self-cleaning, nano and microfluidics, structural colors, optics, rheology, photonics, locomotion, visual systems) • materials development (e.g., biomaterials, composites, hybrid materials, structural materials, high-strength membranes,超轻型结构，自我修复材料）•设备设计（例如，传感器，多功能设备，微型设备，神经形态设备和系统，光子设备）•应用（例如，机器人技术，建筑，生物医学和药品，药物和药品，海洋用途，通讯和信息，人工效应，人工涂料，人工效果，涂层，人工涂料，人工涂料，人工涂层，均可出现，•资源效率，废物管理和生物益生生物呼吸（例如自主系统，绿色能源，生物降解性，循环经济）
认知和脑启发人工智能（E016360）
本课程涵盖 6 个主题，可从以下主题中选择（但不限于）： • 认知科学与人工智能的关系。 • 自然认知与人工认知之间的相似点与不同点。 • 进化、环境与个体之间的相互作用及其与人工智能的关系。 • 计算创造力（创造力的定义和指标、生成式人工智能）。 • 具身认知（中枢模式生成器、主动顺从、传感器和形态的机械优化、视觉系统）。 • 大脑中的算术和学习（神经元和突触、突触学习、自组织、基于奖励的学习、反向传播）。 • 意识（与意识相关的概念、意识理论、自然和人工系统中的意识）。 • 情感（情感概念、量化情感、情感对认知、决策和学习的贡献）。 • 自然语言（语言对认知的贡献、语义、人类物种的独特地位）。 • 模仿和从示范中学习（定位模仿、模仿在机器学习中的作用）。
壳板的开发 - 启发论文
4.1 测地线追踪离散化 ................................................................................................................................................ 66 4.2 通过几何程序进行测地线追踪 ................................................................................................................................ 67 4.3 使用优化程序进行测地线追踪 ............................................................................................................................. 72 4.4 地图要求 ...................................................................................................................................................... 77 4.5 地图概念 ............................................................................................................................................................. 78 4.6 地图详述 ............................................................................................................................................................. 80 4.7 唯一性问题 ............................................................................................................................................................. 86 4.8 追踪测地线的精度要求 ............................................................................................................................. 87 4.9 初步验证的图版集 ............................................................................................................................................. 88 4.10 比较验证 .............................................................................................................................................
由土壤启发的动态响应化学系统
Yiliang Lin 1 † *, Xiang Gao 1 † , Jiping Yue 2 † , Yin Fang 1 † , Jiuyun Shi 2 , Lingyuan Meng 3 , 4
生物启发的对抗性鲁棒性的机制
尚未证明卷积神经网络在合理的计算和性能成本下对对抗性扰动非常强大。灵长类动物的视觉腹流似乎对视觉刺激中的小扰动是可靠的，但是引起这种强大感知的基本机制尚不清楚。在这项工作中，我们研究了两个生物学上合理的机制在对抗鲁棒性中的作用。我们证明，灵长类动物视网膜进行的非均匀采样以及在每个偏心率下具有一系列接受型尺寸的多个接受场的存在，可以改善神经网络对小型对抗性扰动的稳健性。我们验证了这两种机制不会遭受梯度混淆，并通过消融研究研究了它们对对抗性鲁棒性的贡献。
基于动态的脑启发视力的研究...
摘要 - 在本文中，我们探讨了许多脑启发视力的应用，其中基于动态视觉传感器摄像机（即法语中的PSEE300EVK）获取数据。具体来说，我们探索了以下三个方面：（1）将大规模的人工卷积神经网络转换为尖峰神经网络，该网络可以处理大规模数据集并节省网络资源而不会丢弃太多精确度。我们为两个网络之间的差异提出了可靠的解决方案，并且可以将其推广到其他深层网络变换。（2）在自动驾驶场景中识别行人和车辆尖峰数据流。具体来说，我们将CityScapes数据集转换为两种模式尖峰数据，一种称为事件处理模式，另一种称为“对比检测模式”。（3）基于PSE300EVK摄像机构建结构化的光3D采集系统和3D图像识别算法。测试表明，本文中使用的算法可以有效地减少深人造卷积神经网络与深尖峰卷积神经网络之间的误差，并且具有良好的概括能力，并且算法可以有效地处理尖峰图像和3D图像。
受神经生物学启发的自我监控系统
稿件收到日期为 2019 年 5 月 31 日；修订日期为 2019 年 10 月 30 日和 2020 年 2 月 5 日；接受日期为 2020 年 2 月 26 日。出版日期为 2020 年 4 月 6 日；当前版本的日期为 2020 年 6 月 18 日。Andrea A. Chiba 的工作部分由 Irina Merzlyak Russell 和千叶实验室 (NIMH) 资助 (拨款 R01MH110514-02)，部分由 Wiles 实验室资助，部分由学习时间动态中心 (NSF SMA) 资助 (拨款 1041755)。Jeffrey L. Krichmar 的工作部分由国防高级研究计划局 (DARPA) 通过空军研究实验室 (AFRL)（终身学习机器：L2M）资助 (合同 FA8750-18-C-0103)，部分由空军科学研究办公室 (AFOSR) 资助 (合同 FA9550-19-1-0306)。（通讯作者：Jeffrey L. Krichmar。）