XiaoMi-AI文件搜索系统
World File Search System密度函数
一种新的2阶段残差U-net算法与...相结合
利用最佳质量传输 (OMT) 技术将不规则的 3D 脑图像转换为立方体（U-net 算法所需的输入格式），这是医学成像研究的全新思路。我们开发了一个立方体体积测量保留 OMT (V-OMT) 模型来实现这种转换。脑图像中流体衰减反转恢复 (FLAIR) 的对比度增强直方图均衡灰度创建了相应的密度函数。然后，我们提出了一种有效的两相残差 U-net 算法与 V-OMT 算法相结合进行训练和验证。首先，我们使用残差 U-net 和 V-OMT 算法精确预测整个肿瘤 (WT) 区域。其次，我们使用扩张来扩展这个预测的 WT 区域，并通过将与脑图像中 WT 区域相关的阶梯状函数与 5×5×5 模糊张量卷积来创建平滑函数。然后，构建一种具有网格细化的新 V-OMT 算法，使残差 U-net 算法能够有效地训练 Net1-Net3 模型。最后，我们提出集成投票后处理来验证脑图像的最终标签。我们从包含 1251 个样本的脑肿瘤分割 (BraTS) 2021 训练数据集中随机选择了 1000 个和 251 个脑样本，分别用于训练和验证。Net1-Net3 计算的 WT、肿瘤核心 (TC) 和增强肿瘤 (ET) 区域的验证 Dice 分数分别为 0.93705、0.90617 和 0.87470。脑肿瘤检测和分割的准确性显著提高。
nerd：啮齿动物密度的数值估计
侵入性啮齿动物在全球约90％的岛屿上存在，对地方性和本地岛屿物种构成了严重威胁，并使啮齿动物消除了岛屿保护的核心。空中广播是分散啮齿动物诱饵的首选方法。因此，必须实时生成准确的诱饵密度图，以最大程度地利用空中分散方法来最大化啮齿动物消除运动的效率。传统上，保护主义者依靠地理信息系统（GIS）生成的地面诱饵分散图。但是，这种方法是耗时的，并且基于未经测试的假设。为了提高航空运营的准确性和效率，我们开发了书呆子（啮齿动物密度的数值估计），这是一种执行高度精确计算并立即结果的算法。在其核心上，书呆子是一种概率密度函数，它描述了地面上的诱饵密度，这是啮齿动物桶和直升机速度的孔径直径的函数。我们通过在两个岛屿啮齿动物的消除运动中成功利用模型来证实该模型的有效性：在墨西哥太平洋的圣贝尼托·奥斯特（San Benito Oeste）（400公顷）上消除小鼠，而在墨西哥加勒比海的Banco Chonchorro的Cayo Centro（539 HA）上消除了船只大鼠。值得注意的是，Cayo Centro运动是迄今为止在湿的热带岛屿上进行的最大啮齿动物。我们已经证明了书呆子的效率及其显着降低大规模消除啮齿动物运动的整体成本的潜力。
具有策划数据的自我消耗生成模型可证明优化人类偏好
生成模型的快速进步导致了构成质量的令人印象深刻的飞跃，从而模糊了合成数据和真实数据之间的界限。网络规模的数据集现在易于通过合成数据不可避免地污染，直接影响了未来生成的模型的培训。已经在文献中出现了自我消耗生成模型的一些理论结果（又称迭代性重新训练），表明模型崩溃或稳定性可能取决于每个重新培训步骤中使用的生成数据的分数。但是，实际上，合成数据通常受到人类反馈的约束，并在在线使用和上载之前由用户策划。例如，流行的文本到图像生成模型的许多接口（例如稳定的扩散或Midjourney）为给定查询产生了几种图像的变化，最终可以由用户策划。在本文中，我们从理论上研究了数据策展对生成模型的迭代重新培训的影响，并表明它可以看作是一种隐式优先优化机制。但是，与标准偏好优化不同，生成模型无法访问成对比较所需的奖励功能或负面样本。此外，我们的研究不需要访问密度函数，而只需要访问样品。我们证明，如果数据是根据奖励模型策划的，则最大化迭代重新训练程序的预期奖励。我们在每个步骤使用真实数据的正分数时进一步提供了关于重新循环的稳定性的理论结果。最后，我们在合成数据集和CIFAR10上进行说明性实验，表明这种过程扩大了奖励模型的偏见。
生物信息学教学大纲（SCQP06）
单元1：数学和统计基础演算：函数限制，连续性，可不同，连续分化的概念，Liebnitz Theorem，渐近线，确定的积分，降低公式，普通微分方程的顺序和程度，线性微分方程，线性微分方程具有恒定系数和laplace的恒定差异。代数：映射，组，亚组，矩阵，矩阵的基本操作，矩阵倒数，矩阵在线性方程系统中的应用，向量空间，线性变换及其矩阵表示。分析开放集，闭合集，限制，连续性，泰勒定理，拉格朗日的平均定理，罗尔定理，序列和系列，串联的收敛。概率分布：二项式，泊松和正常分布的基础知识及其在生物学中的应用。随机变量;离散且连续的概率分布，概率质量函数，概率密度函数，数学期望。几何平面，直线，球体，锥体，圆柱体，圆锥体。单元2：化学在生物信息学动力学中的作用，原子结构，周期性特性，化学键合，有机化合物中电子的分布。自然平衡，化学动力学，P和D块元素，立体化学，构型异构主义，对称性元素，手性。界面特性，热力学，第一过渡系列元素的化学性质，配位综合，有机金属化合物，Alicyclic化合物酯酯包括活性甲基元素，芳族化合物，核化合物，核化合物，零组元素，相位元素，相位规则和电化学。
DNA核碱基吸附在单层Ti3c2 ...
我们使用van der waals（vdw） - 纠正的密度函数理论和非平衡绿色的功能方法研究了DNA核苷酸酶[腺嘌呤（A），鸟嘌呤（g），胸腺嘧啶（T）和胞嘧啶（C）]与单层Ti 3 C 2 MXEN的相互作用。所有计算均针对石墨烯进行了基准测试。我们表明，取决于Ti 3 C 2表面上方的核碱基的初始垂直高度，可能是两个相互作用机制，即物理吸附和化学吸附。对于石墨烯，与石墨烯片上方核碱基的初始垂直高度无关，DNA核碱始终将物理呈现在石墨烯表面上。石墨烯的PBE + VDW结合能高（0.55-0.74 eV），并遵循G> a> t> C的顺序，吸附高度在3.16–3.22Å的范围内，表明强大的物理学。对于Ti 3 C 2，PBE + VDW结合能相对较弱（0.16-0.20 eV），并遵循A> g = T> C的阶，吸附高度在5.51–5.60Å的范围内，表明弱物理吸收。化学物质的结合能遵循g> a> t> c的顺序，这是相同的物理学顺序。结合能值（5.3-7.5 eV）表示非常强的化学吸附（约为物理吸附结合能的40倍）。此外，我们的频带结构和电子传输分析表明，对于物理吸附，频带结构没有显着变化，也没有调制状态的传输函数和设备密度。相对较弱的物理吸附和强烈的化学吸附表明，Ti 3 C 2可能无法使用物理吸附方法鉴定DNA核碱基。
研究β12-苯苯的电催化特性作为有效锂氧气电池的阴极材料：第一原理研究div>
抽象响应紧迫的需求，以减轻由于化石燃料消耗而导致的气候变化影响，因此有一个集体推动向可再生和清洁能源过渡。但是，此举的有效性取决于超过当前锂离子电池技术的有效储能系统。与其他系统相比，具有明显高理论特异性容量的锂氧电池已成为有前途的解决方案。然而，在排出产品形成过程中，较差的阴极电极电导率和缓慢动力学的问题限制了其实际应用。在这项工作中，首先基于原理的密度函数理论用于研究β12-硼苯苯苯甲；作为高性能锂氧气电池的阴极电极材料的电催化特性。计算了β12-硼苯锂的吸附能，电荷密度分布，吉布斯自由能的变化以及超氧化锂（LIO 2）的扩散能屏障。我们的发现揭示了一些重要的见解：发现吸附能为-3.70 eV，这表明LIO 2在放电过程中保持固定在材料上的强烈趋势。LIO 2和β12-硼苯基底物之间的电荷密度分布中的动力学表现出复杂的行为。对吉布斯反应的自由能变化的分析产生的过电势为-1.87 V，该中等值表明在排放产物形成期间自发反应。最有趣的是，状态和频带结构分析的密度表明，在LIO 2吸附后，材料的电导率得到了保留，并提高了材料的电导率。此外，β12-硼苯二苯乙烯的扩散能屏障相对较低，为1.08 eV，这意味着LIO 2的毫不费力地扩散，并且放电过程的速率增加。最终，预测的β12-硼烷的电子特性使其成为有效锂氧气电池的阴极电极材料的强大候选者。
![arXiv:2002.05817v1 [cond-mat.mes-hall] 2020 年 2 月 14 日](/simg/5\518681e16d0ce9d84b792aeae6b5fc2c6ce6c09a.webp)
arXiv:2002.05817v1 [cond-mat.mes-hall] 2020 年 2 月 14 日
非对称随机电报信号是在两个能级 y = y 1 和 y = y 2 之间随机切换的信号。它们是对各种物理系统进行测量的常见结果，包括细胞中的离子通道 [1]、晶体管 [2, 3] 等半导体器件、量子点 [4] 和光电器件 [5]、高温超导体 [6] 和单库珀对盒 [7]，也是 1 /f 噪声的组成部分 [8]。从 1 (2) 到 2 (1) 的转换率 Γ 1(2) 是描述底层系统动态的可访问参数，通常需要从测量的时间序列中提取它们。最直接的方法是按某个速率 fs 对时域信号进行采样，将其分为状态 1 和 2 中的各一个周期（图 1（a）），对停留时间 τ 1(2) 进行直方图绘制，并根据得到的分布拟合 ke − Γ 1(2) τ 1(2)。但是，噪声和有限的测量带宽的存在会导致测得的统计数据不能准确地代表底层系统。问题有两个方面：一个状态下的噪声可能导致检测到另一个状态下的错误时间周期（图 1（b）），而有限的带宽意味着看不到另一个状态的真正短周期偏移（图 1（c））。后者还会将错过的周期两侧的两个周期连接在一起，导致出现错误的长周期。已经提出了多种解决该问题的方法。一些研究侧重于优化将信号划分为状态 1 和 2 的阈值 [9]。Naaman 和 Aumentado 将检测器建模为一个单独的过程 [10]，并对测量的速率进行校正。其他技术包括小波边缘检测 [11]、自相关方法 [12]、互相关方法 [13] 和信号概率密度函数分析 [14, 15]。在本文中，我们证明了循环神经网络可用于从嘈杂、带宽受限的随机电报信号中提取底层速率。神经网络 (NN) 包括一个输入层，其中包含
![arxiv：2402.16320v1 [eess.sp] 2024年2月26日](/simg/8\8ab716398e44362a86f7cae4e23ee08b093c5014.webp)
arxiv：2402.16320v1 [eess.sp] 2024年2月26日
摘要 - 本文着重于基于FSO的无线功率传输（WPT），从Earth-Moon Lagrangian Point-2（EMLP-2）到接收器的光学天线，配备了太阳能电池，这些天线可位于LUNAR FAR侧（LFS）的任何地方。emlp-2位于单个稳定卫星和EMLP-2光晕轨道旋转旋转单，双卫星和三卫星的不同太阳能卫星（SPS）配置，以100％LFS表面覆盖率（SCP）（SCP）和连续的地球可见度评估。发现，在EMLP-2光环轨道上的等距三卫星方案，半高轴长度为15,000 km，为LFS提供了完整的SCP，对于连续的LFS无线电源传输至关重要。在我们提出的动态CISLUNAR空间模型中，地球系统的几何和时间参数用于AFFILE转换。我们的动态模型使我们能够确定特定区域（例如LFS Southern Pole）的完整覆盖时间率。结果表明，等距双卫星方案在这些卫星围绕EMLP-2光晕轨道围绕这些卫星的单一革命时提供了SCP = 100％。最后，确定随机收获功率P H的概率密度函数（PDF），并验证从稳定的EMLP-2卫星中提取的仿真数据和围绕EMLP-2 Halo轨道围绕EMLP-2 Halo轨道旋转的卫星提取的模拟数据，以最小和最大的LOS距离。尽管考虑了稳定和旋转的SPS的指向设备减轻随机错位错误，但考虑稳定的卫星的指向精度更好。我们的模拟表明，稳定卫星的PH≤41.6W的概率约为0.5，而旋转卫星案例的CDF = 0.99的发射功率为1 kW。
类型-II T-J型模型和共享超导统治中的superexchange耦合la 3 ni 2 o 7
最近，在高压下在LA 3 Ni 2 O 7中发现了一个80 K超导体。密度函数理论计算d x 2 -y 2，d z 2是双层平方晶格上的活性轨道，每个位点的ni构造d 8 -x。在这里，x是孔掺杂水平。一个天真的期望是用两轨T -J模型来描述该系统。但是，我们强调了Hund的耦合J H的重要性，X = 0限制应视为旋转的Mott绝缘子。，显着的hund的耦合共享了D Z 2轨道的层间交换j j r，d Z 2轨道上D x 2-y 2轨道，这种效果无法通过常规的扰动或均值扰动或均值扰动方法来捕获。这项研究首先探讨了d z 2轨道被局部化的极限，处理的是一个轨道双层T -J模型，该模型的重点是D x 2 -2 -y 2轨道。值得注意的是，我们发现强大的层间配对可生存至x = 0。5孔由传输的J驱动，这解释了该掺杂水平的实验中高的TC超导体的存在。接下来，我们发现了更现实的情况，即D Z 2轨道略微掺杂，不能简单地集成。我们采用J H→+∞极限，并提出了一个II型T-J模型，具有四个旋转半旋转（D 7）状态和三个旋转的Dublon（D 8）状态。采用parton均值字段方法，我们恢复了与单轨t-j模型中相似的结果，但现在具有自动生成的j r的效果。
用于实数的快速连续小波变换（fCWT）...
信号在自然界和（人造）技术中都至关重要，因为它们使通信成为可能 1、2（图 1）。从数学上讲，信号是一维（例如语音）或多维（例如二维 (2D) 图像）的函数，它携带有关物理系统 3 的属性（例如状态）的信息。源通过信道将信号传输到接收器，接收器再将信号传送到目的地。例如，大脑通过声带通过空气发送口头信息，听者的耳朵接收该信息，然后将其传送到听者的大脑。当相同的信息通过智能手机传输时，空气会通过技术链进行补充，而其余部分则保持不变。信号在社会中无处不在 3、4（图 1）。无论信号来自何处，都需要进行处理才能生成、转换、提取和解释其所携带的信息 3。一种广泛用于解释（即提取和分析）信号中重复模式的方法是傅里叶变换 (FT) 3、4。FT 将时间函数转换为频率的复值函数，表示频率的幅度。FT 假设信号是平稳的。换句话说，它是一个随机过程，其中边际和联合密度函数不依赖于时间原点的选择 2。然而，在现实世界的实践中，这一假设经常被违反。因此，FT 无法可靠地处理现实世界的非平稳信号 5。为了避免非平稳性问题，存在先进的算法，这些算法基于信号分解为在时间和频率上很好地局部化（或分箱）的基本信号来分析信号 4。这些算法包括短期傅里叶变换 (STFT)，也称为 Gabor 变换，和小波变换 (WT) 6。 STFT 与 FT 非常相似，但它使用窗口函数和在时间和频率上都局部化的短小波（而不是纯波）来提取时间和频谱信息。STFT 的缺点是它使用固定宽度的窗口函数，因此频率分析仅限于波长接近窗口宽度 7 的频率。此外，将信号切成短的固定宽度窗口会扰乱信号的属性。因此，频率分析会受到影响 8 。