XiaoMi-AI文件搜索系统
World File Search System图形
用于异常检测的图形扩散模型
图上的异常检测重点是识别图形结构化数据中不规则的贴合或异常淋巴结，这显着偏离了规范。由于其在垃圾邮件检测，反洗钱和网络安全性等各个领域的广泛适用性，因此该领域的重要性很高。在图表上应用异常检测时，应对标签不平衡和数据不足所带来的challenges是显着的。生成模型（尤其是扩散模型）的最新扩散铺平了一种有希望的方式。在本文中，我们引入了潜在空间中的图扩散模型，该模型旨在减轻图表上异常检测中普遍存在的标签失衡问题。所提出的模型能够多任命生成图形结构和节点特征，并具有有条件的生成能力，仅产生积极的示例，从而减轻标签不平衡问题。我们改进了扩散模型，以应用于同质图和异质图。通过广泛的实验，我们证明了我们提出的方法对传统技术提供了显着改进。
使用循环变压器的图形算法
由于有希望的经验进步，使用神经网络的图算法最近引起了极大的兴趣。这激发了对神经网络如何通过关系数据复制推理步骤的进一步理解。在这项工作中，我们研究了变压器网络从理论角度模拟算法的能力。我们使用的体系结构是一个循环变压器，其额外的注意力头与图形相互作用。我们通过构造证明，该架构可以模拟单个算法，例如Dijkstra的最短路径，广度和深度搜索，以及Kosaraju的强烈连接组件以及同时的多种算法。网络中的参数数不会随输入图大小而增加，这意味着网络可以模拟任何图的上述算法。尽管有有限的精确度，但我们在解决方案中的模拟显示了一个限制。最后，当利用额外的注意力头时，我们显示出具有恒定宽度的图灵完整性结果。
在图形及其图纸上的组合优化
科学背景。离散的几何形状和组合优化具有丰富的相互作用。对于一般输入而言，许多优化问题是NP的，但对于受限但重要的输入类别，例如，对于某些图和矩阵类，或几何结构起作用时，变得有效/近似于近似。图形及其图纸是数学和计算机科学以及该项目中研究的核心对象。我们考虑将顶点表示为平面点的图形的图纸，边缘用简单的曲线（或线段，直线图中的线段）表示连接点的图形。在简单的图纸中，任何两条曲线最多在一个共同点中相交。在图表及其图纸上的优化问题的背景下，完整的图构成了一个特别有趣且具有挑战性的研究对象：例如，交叉数问题（至少有图形的任何图形至少有多少个交叉点）对于一般图表[4]。但是，完整图的特殊情况不太可能在计算上很难（赋予著名的Harary-Hill猜想[1，6]）。同样，C颜色的交叉数问题（发现最小的k，因此给定图形图的边缘可以以c颜色为c颜色，以使单色交叉数的数量最多为k）是已经用于C = 2的通用图[8]，而完整图的绘图的复杂性状态为C = 2 [8]。完整图的少数已知硬度结果之一是完整图K n的给定简单绘制是否包含≥k边缘的平面亚绘制[3]。K N的直线图的相应问题很容易，因为每个最大平面亚绘制都是三角剖分，也是最大的。对简单图纸及其上的问题的研究与相交图密切相关，因为图形的每个（简单）绘图D诱导了相交图。因此，识别此类图的结构特性是迈向改进优化算法的有希望的步骤。
图形 CONOPS 开发调查... - DTIC
估计公共报告信息收集负担平均为每份回应 1 小时，包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将关于此负担估计或此信息收集的任何其他方面的评论（包括减轻此负担的建议）发送至华盛顿总部服务处、信息运营和报告理事会，地址：1215 Jefferson Davis Highway, Suite 1204, Arlington VA 22202-4302。受访者应注意，尽管法律有任何其他规定，但如果信息未显示当前有效的 OMB 控制编号，则任何人都不会因未遵守信息收集而受到处罚。
基于图形的模型工程数字蓝图...
摘要 复杂的信息物理系统必须建立在数字蓝图之上，该蓝图通过联合来自多个企业存储库的工程模型的信息来提供最准确的系统表示。该蓝图将作为系统的数字替代品，并随着实际系统在其生命周期（从概念和设计到生产和运营）的成熟而发展。本文介绍了一种基于图形的方法来实现数字蓝图，我们将其称为“总系统模型”。本文分为五个部分。第 1 部分介绍了基于模型的系统工程用例。第 2 部分介绍了“总系统模型”的图形概念。第 3 部分使用 Syndeia 软件作为代表性应用程序演示了基于图形的方法。第 4 部分总结了本文，第 5 部分列出了未来工作的潜在方向。
基于图形神经网络的灵活在线路由
abtract的深入增强学习（DRL）已被广泛用于寻找最佳路由方案，以满足用户的各种需求。但是，DRL的优化目标通常是静态的，因为网络环境是动态的。交通环境的变化或净工作设备的重新配置通常会导致网络性能的定期变化（例如，吞吐量降低和潜伏期峰）。传统的静态目标配置不能反映动态净工作环境中不同指标的重要性差异，从而导致基于DRL的路由算法的僵化性。为了解决上述问题，我们建议使用Graph神经网络（GNNS）和DRL的在线路由优化算法优化。通过对网络的不同特征（例如路径，流和链接）之间的关系进行建模和理解，我们提出的GNN模型可以预测网络性能指标的未来开发（即延迟，吞吐量和丢失），从而迅速调整路由算法的目标。然后，使用我们提出的DRL模型，代理可以学习适应不同环境变化的最佳途径。我们在控制平面上实现了G路线甲基元素，并使用现实世界网络拓扑和流量数据执行模拟实验。实验结果表明，当网络环境发生重大变化时，我们提出的G路线会收敛得更快，达到较低的抖动并生成更可靠的路由方案。
人工智能的图形用户界面的设计...
微电网作为一种结构，随着能源损失率的降低，可再生能源的有效利用，使用储能系统自动运行的可能性以及其提供的盈利能力，它每天都变得更加重要。此外，这种有助于减少碳足迹的结构将在不久的将来使用纳米格里德和智能电网而变得至关重要。创新的动态能源管理系统将使微电网提供的这些优势更容易访问，同时促进电动汽车的整合和有效贡献。另一方面，由于机器学习和深度学习中的有前途且有用的发展和算法，基于人工智能（AI）的控制方法和应用程序不断增加。因此，强化学习的概念（RL）对系统的控制提供了非常规的观点。这项研究是创建基于AI的能源管理系统的最后一步，根据所有这些要求和发展，介绍了图形界面设计。在这项研究中，用于确定管理措施的深度RL代理以及为做出必要预测的预测模型所收集的预测模型都聚集在一个屋顶下。索引术语 - 强化学习，GUI设计，微电网，深度学习，能量管理，人工智能
计算机图形技术技术，MSE
交互式娱乐和计算机动作视觉效果现在已成为我们主流文化的一部分。创建这种计算机生成的图像并不是琐碎的任务。需要由高技能专业人士团队（包括艺术家，动画师，作家，设计师，工程师和软件开发人员长时间使用尖端的技术和工具工作的长时间工作）将艺术与科学融为一体。目前，在四年的研究大学中，很少有跨学科学术课程为学生做好充分的准备。专门创建了计算机图形技术和游戏技术工程学硕士（CGGT），以满足这一需求。
2024 PCOM图形样式指南
希望使用商标PCOM徽标或WordMark的学生群体必须与组名称一起使用。例如，儿科俱乐部的一件衬衫会在PCOM徽标或PCOM Wordmark上说“ PCOM儿科俱乐部”。PCOM火焰徽标是我们的首选，是我们的主要标记，但是可以使用工作标志和铭牌。必须由学生事务办公室授予许可。营销和传播办公室将有助于制作徽标，但必须由学生事务办公室或教师顾问的工作人员完成并批准营销和通信工作请求。
计算机和图形-SBILAB -IIIT -DELHI
研究人员采用了Hyperscanning，该技术用于在现实世界中同时记录多个参与者的神经活动。据我们所知，没有研究在虚拟现实（VR）中使用Hyperscaning。 这项研究的目的是；首先，要复制现有文献中脑之间同步的结果，以实现现实世界的任务，其次，探索脑间同步是否可以在虚拟环境（VE）中引起。 本文在两种不同的设置（现实世界和VR）中报告了三个飞行员研究。 配对的参与者进行了两次会议，该会议是通过纤维跟踪练习隔开的，在此练习中，他们的神经活动也通过脑电图（EEG）硬件同时记录。 通过使用相位锁定值（PLV）分析，发现VR诱导相似的脑间同步，如现实世界中所见。 此外，观察到的纤维点练习在现实世界和VR中都具有相同的神经激活区域。 基于这些结果，我们推断VR可用于增强在VE中执行的协作任务中的脑间合成。 特别是，我们已经能够证明VR中的视觉视角改变能够引起脑间同步。 这表明VR可能是一个令人兴奋的平台，可以进一步探索脑间同步的现象，并更深入地了解人类交流的神经科学。据我们所知，没有研究在虚拟现实（VR）中使用Hyperscaning。这项研究的目的是；首先，要复制现有文献中脑之间同步的结果，以实现现实世界的任务，其次，探索脑间同步是否可以在虚拟环境（VE）中引起。本文在两种不同的设置（现实世界和VR）中报告了三个飞行员研究。配对的参与者进行了两次会议，该会议是通过纤维跟踪练习隔开的，在此练习中，他们的神经活动也通过脑电图（EEG）硬件同时记录。通过使用相位锁定值（PLV）分析，发现VR诱导相似的脑间同步，如现实世界中所见。此外，观察到的纤维点练习在现实世界和VR中都具有相同的神经激活区域。基于这些结果，我们推断VR可用于增强在VE中执行的协作任务中的脑间合成。，我们已经能够证明VR中的视觉视角改变能够引起脑间同步。这表明VR可能是一个令人兴奋的平台，可以进一步探索脑间同步的现象，并更深入地了解人类交流的神经科学。