XiaoMi-AI文件搜索系统
World File Search System嵌入
通过基于注意力的深度强化学习实现节能的 VNF-FG 嵌入
摘要 — 设计智能机制以促进和加速服务部署和管理是网络基础设施提供商面临的最具挑战性的方面之一。这是由于他们预计要支持的大量流量、架构的分散性质以及他们运行的服务以满足质量目标并避免违反服务水平协议 (SLA)。因此，通信服务提供商 (CSP) 正致力于减少能源消耗和减少其网络基础设施的碳足迹。在未来的通信网络中，传统的管理机制和集中式传统解决方案在确保基础设施提供商、服务提供商的收入以及最终用户的良好体验质量 (QoE) 方面显示出其局限性。这些服务的部署通常需要有效分配虚拟网络功能转发图 (VNF-FG)。在此背景下，我们提出了一种基于多智能体注意力的深度强化学习 (DRL) 的智能节能 VNF-FG 嵌入方法。我们的贡献使用半分布式 DRL 机制进行 VNF-FG 放置。事实证明，所提出的算法在接受率、功耗和执行时间方面优于以前最先进的方法。索引词——能源效率、深度强化学习、注意力、多智能体、虚拟网络功能嵌入。
Levenshtein距离嵌入DNA存储的泊松回归
有效的计算或Levenshtein distance是一种用于评估序列相似性的普遍指标，随着DNA存储和其他生物学应用的出现，引起了显着的关注。序列嵌入将Levenshtein的距离映射到嵌入向量之间的调用距离，已成为一种有前途的解决方案。在本文中，提出了一种基于泊松再生的新型基于神经网络的序列嵌入技术。我们首先提供了对嵌入维度对模型性能的影响的理论分析，并提出了选择适当的嵌入性识别的标准。在此嵌入维度下，通过假设托管式分离后的固定长度序列之间的levenshtein距离来引入泊松式，这自然与左环特链距离的定义相一致。此外，从嵌入距离的分布的角度来看，泊松回归大约是卡方分布的负面对数可能性，并在消除偏度方面提供了进步。通过对实际DNA存储数据的全面实验，我们证明了与最新方法相比，采用方法的出色性能。
嵌入数字生态系统的媒体消费对环境的影响
除了与传统的纸质媒体消费相比可能带来的环境效益外，有迹象表明，总体电力消耗从以终端用户设备为主转向越来越重要的无形数据传输网络和数据中心。因此，自下而上的分析被认为是对更普遍的自上而下的观察和评估的补充。为此，提出了一个详细的参考场景，以将生命周期评估 (LCA) 的单纯分析方法与基于德国市场观察和调查的行为方面联系起来。本研究的主要目的是检测与通过连接的电子设备访问基于文本的内容的服务相关的环境热点和绝对影响。在此过程中，本研究认为，由于提供的功能、市场和行业存在非常明显的差异，这两种媒体消费类型（数字和纸质）是无法比较的。因此，归因和独立的 LCA 被认为是合适的。
嵌入开源放射信息系统的通用 AI 助手
摘要。在研究环境或 Kaggle 竞赛中开发的大多数 AI 模型都无法转化为临床应用，因为它们难以验证或嵌入到现实世界的临床实践中。放射学 AI 模型在接近或超越人类表现方面取得了重大进展。然而，由于缺乏健康信息标准、上下文和工作流程差异以及数据标签变化，AI 模型与人类放射科医生的合作仍然是一个尚未探索的挑战。为了克服这些挑战，我们将使用 DICOM 标准 SR 注释的 AI 模型服务集成到开源 LibreHealth 放射学信息系统 (RIS) 中的 OHIF 查看器中。在本文中，我们描述了该平台新颖的人机合作能力，包括少量学习和群体学习方法，以持续重新训练 AI 模型。基于机器学习的概念，我们在 RIS 中开发了一种主动学习策略，以便人类放射科医生可以启用/禁用 AI 注释以及“修复”/重新标记 AI 注释。然后使用这些注释重新训练模型。这有助于在放射科医生用户和用户特定的 AI 模型之间建立合作关系。然后，这些用户特定模型的权重最终在群体学习方法中在多个模型之间共享。我们通过将 AI 模型集成到临床工作流程中来讨论这种组合学习的潜在优势和缺陷。
通过直接能量沉积将光纤传感器嵌入金属部件中
光纤可用作应变和温度传感器，在结构健康监测中引起了广泛关注，尤其是在大型土木工程和基础设施应用中 [1, 2, 3]。最近，人们对将光纤用于嵌入式传感应用产生了兴趣，用于小型金属零件在工程应用中监测应变和/或温度分布。增材制造工艺非常适合嵌入光纤，因为它们可以在光纤周围或上方沉积材料。因此，光纤传感器可以放置在零件内部，从而获得更详细的应变和温度信息。此外，通过使用光频域反射法 (OFDR)，一种能够确定沿光纤长度分布应变测量值的传感技术，可以通过嵌入在零件中的光纤传感器连续确定应变分布和集中度。
智能购物线追随者手推车跟随嵌入RFID
简介：购物中心是休闲活动，购物和娱乐的最受欢迎的地方之一，每天吸引大量人。随着在线购物的日益普及，实体店面临着留住客户的挑战。因此，购物中心一直在寻找创新的方式来提供更个性化的购物体验来吸引和留住客户。这样的解决方案是购物手推车之后的聪明人。智能客户关注的购物手推车旨在自动关注客户，从而消除了他们手动推动购物车的需求。这项技术为购物者提供了便利和轻松的功能，使他们可以专注于购物和享受自己的体验。Smart手推车配备了各种传感器，可以检测客户并在购物和RFID读取器扫描产品的RFID标签时，LCD显示器显示账单，ESP8266节点MCU Wi-Fi模型，以操纵和将数据发送到计费单位无线通信。购物手推车后，聪明人的主要优势之一是它们提供了更个性化的购物体验。购物者可以轻松地浏览商店，而无需推动手推车或担心丢失它。购物手推车之后的聪明人的另一个优点是，他们可以帮助有限的移动性或残疾客户。对于这些客户来说，推销购物手推车可能具有挑战性，智能手推车提供了一种解决方案，可以使购物更容易，更有趣。手推车配备了一个遵循线条的机制，使其能够通过遵循预定义的路径自动移动商店，并在地板上标有黑线。传感器用于检测并遵循这些线路。此自动化允许客户简单地将手推车放置在起点，它将通过商店的不同过道或部分导航。RFID（射频标识）技术用于自动跟踪和识别产品。商店中的每种产品都用RFID标签标记，其中包含一个唯一的标识号。当客户放入手推车中时，RFID读取器会扫描标签，将产品自动添加到虚拟购物清单中并计算总成本。
福尔马林固定石蜡嵌入心脏组织分析的方法
在FFPE过程中，通过交联蛋白保留了组织样品，然后将其嵌入石蜡蜡块中，从而可以轻松切割适合的切片，以安装在显微镜载玻片上进行检查。对于这个实验室，组织是普渡大学研究人员的FFPE。对于他们的方法，从鼠模型中获取了短轴心脏梗塞样品。切除后立即将组织浸入10％中性缓冲甲醛的溶液中。这种浸入过程发生24小时。在此过程中组织变硬。使用70％乙醇洗涤的组织脱水的组织。洗涤后，样品被嵌入石蜡中。重要的是要适当地脱水，并且鉴于要固定的24小时，否则将无法保留组织。然后通过邮件将这些样本发送到田纳西大学，在那里使用各种准备方法为MALDI-MSI的样本做准备[10,11]。
利用图嵌入神经网络实现自适应布局分解
摘要 — 多重模式布局分解 (MPLD) 已被广泛研究，但到目前为止，还没有一个分解器在结果质量和效率方面胜过其他分解器。这一观察促使我们探索如何为给定的布局图自适应地选择最合适的 MPLD 策略，这是一个并非平凡且仍未解决的问题。在本文中，我们提出了一种基于图卷积网络的布局分解框架来获得布局的图嵌入。图嵌入用于图库构建、分解器选择、图匹配、针迹去除预测和图着色。此外，我们设计了一种纯粹依赖于消息传递图神经网络的快速非针迹布局分解算法。实验结果表明，与快速但非最优的启发式方法相比，我们基于图嵌入的框架可以在广泛使用的基准中实现最佳分解，并且运行时间显着下降。
通过对比学习统一双空间嵌入以实现实体对齐
实体对齐 (EA) 旨在匹配不同知识图谱 (KG) 中的相同实体。基于图神经网络的实体对齐方法在欧几里得空间中取得了良好的效果。然而，KG 通常包含复杂的局部和层次结构，难以在单个空间中表示。在本文中，我们提出了一种名为 UniEA 的新方法，它统一了双空间嵌入以保留 KG 的内在结构。具体而言，我们同时学习欧几里得空间和双曲空间中的图结构嵌入，以最大化两个空间中嵌入之间的一致性。此外，我们采用对比学习来减轻由相似实体引起的错位问题，其中相似相邻实体的嵌入变得太近。在基准数据集上进行的大量实验表明，我们的方法在基于结构的 EA 方法中实现了最佳性能。我们的代码可以在https://github.com/wonderCS1213/UniEA上找到。
融化异构体的融化用于嵌入微通道的高分辨率模板
然而，组织工程并不是唯一受益于逃亡材料的研究领域。自2000年代初以来，使用散散射墨水的3D打印而创建的微通道越来越引起人们的关注，作为微流体学领域中传统软性光刻技术的一种替代方法。这些系统涉及在将微通道网络从2D扩展到3D时的软光刻的持久限制。Therriault等人的开创性工作。[8]证明了将AM扩展到包括3D微通道网络在内的微流体的可能性。尽管3D打印原理为微流体提供了令人兴奋的新机会，但软光刻方法仍然比传统的3D打印技术（例如挤出印刷或立体光刻学）保持优势，在达到小型特征尺寸和高表面质量时。[9,10]虽然基于挤出的技术主要传递了毫米尺寸的尺度，但立体光刻可能会将边界推向100 µm以下。但是，实现此类决议的市售树脂和打印机非常有限。[9]作为常规3D打印技术的替代方法，诸如用于液体打印的液体填充空隙[11]和两光子直接激光写入聚合[12]允许制造特征大小以下50 µm。但是，这些