XiaoMi-AI文件搜索系统
World File Search System幂律
可扩展图像通过临时预测
我们提出了视觉自动回归建模（VAR），这是一种新一代范式，它重新定义了图像上的自回归学习，例如粗到精细的“下一尺度预测”或“下一个分辨率预测”，与标准的栅格扫描“下一步的预测”不同。这种简单，直观的方法使自动回归（AR）变压器可以快速学习视觉分布并可以很好地概括：VAR首次使GPT型AR模型超过图像生成中的扩散变形金刚。在Imagenet上256×256基准上，通过将Fréchet距离（FID）从18.65提高到1.73，从80.4到350.2显着改善了AR基线，并具有20倍的推理速度。还经过经验验证，VAR在多个维度上胜过扩散变压器（DIT），包括图像质量，推理速度，数据效率和可扩展性。扩展VAR模型表现出与LLMS中观察到的明确的幂律缩放定律，线性相关系数接近-0。998作为可靠的证据。var进一步展示了下游任务中的零弹性概括能力，包括图像上涂抹，外观和编辑。这些结果表明，VAR最初模拟了LLM的两个重要特性：缩放定律和零弹性概括。我们发布了所有模型和代码，以促进对视觉生成和统一学习的AR/VAR模型的探索。
核反应网络揭示基于恒星能量的新型反应模式
摘要 尽管在发现新原子核、建模微观原子核结构、核反应堆和恒星核合成方面取得了进展，但我们仍然缺乏系统工具（例如网络方法）来了解 JINA REACLIB 中编译的 7 万多种反应的结构和动力学。为此，我们开发了一个分析框架，通过计算进入和离开任何目标核的中子和质子数，可以很容易地知道哪些反应通常是可能的，哪些是不可能的。具体而言，我们在此组装一个核反应网络，其中节点代表核素，链接代表核素之间的直接反应。有趣的是，核网络的度分布呈现双峰分布，与无标度网络的常见幂律分布和随机网络的泊松分布明显不同。基于 REACLIB 中截面参数化的动力学，我们意外地发现，对于速率低于阈值 λ < e − T γ 的反应，该分布具有普遍性，其中 T 是温度，γ ≈ 1.05。此外，我们发现了三条控制核反应网络结构模式的规则：（i）反应类型由链接选择决定，（ii）在核素 Z vs N 的二维网格上，反应核素之间的网络距离很短，（iii）每个节点的入度和出度都彼此接近。通过结合这三个规则，无论核素图如何扩展，我们的模型都可以普遍揭示隐藏在大型密集核反应网络中的底层核反应模式。它使我们能够预测代表尚未发现的可能的新核反应的缺失环节。
圣乔治教区社区
一位君王将要从你那里降生，牧养我的百姓。当希律王的时候，耶稣生在犹大的伯利恒。有几位贤士从东方来到耶路撒冷，说：“那生下来作犹太人之王的在哪里呢？我们在东边看见他的星，特来拜他。”希律王听见了，就甚不安，耶路撒冷合城的人也都不安。希律召集了众祭司长和民间的文士，问他们基督将生在何处。他们回答说：“在犹大的伯利恒。因为有先知写着：犹大地的伯利恒啊，你在犹大诸城中并不是最小的。因为有一位君王将要从你那里降生，牧养我以色列民。“于是希律秘密地召集了贤士，向他们打听那颗星出现的时间。他派他们去伯利恒，说：“去仔细寻找那孩子。你们找到后，告诉我，我也好去拜见他。” 他们觐见了国王后就出发了。看哪，他们所看见的那颗星在他们前面升起，直升到孩子所在的地方，停了下来。他们看见那颗星，非常高兴，一进屋就看见了孩子和他的母亲马利亚。他们俯伏拜见他。然后他们打开宝盒，向他献上黄金、乳香和没药作为礼物。他们被梦中警告不要回到希律那里，于是他们从另一条路返回了自己的国家。
“人工智能改变法律和社会——深入思考不久的将来”
自治作为受到平等对待和尊重的成员身份 / 自治作为“自己生活的作者”应享有的能力的目标 / 两种自治的互补性 / 自治作为集体自律 < /div>
M.Tech。机械设计 2020-22 - 从来没有
模块 II：线性代数 - 2 特征值和特征向量，特征值的界限 - 盖尔施戈林圆定理。吉文方法、对称矩阵对角化的雅可比方法、任意矩阵的鲁蒂豪瑟方法、幂方法、逆幂方法（SLE：获取特征值和特征向量的分析方法）。
高度自动化驾驶中的接管请求
高度自动化驾驶领域的一个重要研究问题是如何帮助驾驶员在手动和自动控制之间转换。在高度自动化汽车问世之前，有关这个主题的知识必须通过模拟器和自我报告问卷来获取。我们利用众包方式对 1692 人进行了调查，内容涉及高度自动化驾驶中的听觉、视觉和振动触觉接管请求 (TOR)。调查呈现了不同紧急程度的交通场景中的听觉消息记录以及视觉和振动消息的图示。在高紧急程度场景中，多模式 TOR 是最受欢迎的选项。在低紧急程度场景中，听觉 TOR 是最受欢迎的选项，并且作为系统已准备好从手动模式切换到自动模式的确认消息。对于低紧急程度场景，仅视觉 TOR 比仅振动 TOR 更受欢迎。脉冲间隔较短的哔哔声被认为更紧急，史蒂文斯幂律与数据准确吻合。口头信息比抽象声音更容易被接受，女性声音比男性声音更受欢迎。中等收入国家和高收入国家的偏好和感知紧迫性评级相似。总之，这项国际调查表明，人们对高度自动化驾驶中 TOR 类型的偏好取决于情况的紧迫性。� 2018 Elsevier Ltd. 保留所有权利。
多任务记忆电容网络 - PDXScholar
摘要 — 最近的研究表明，记忆电容设备网络为储存器计算系统提供了低功耗的理想计算平台。随机、交叉或小世界幂律 (SWPL) 结构是储存器基底计算单个任务的常见拓扑结构。然而，神经学研究表明，与不同功能相关的皮层大脑区域互连形成富俱乐部结构。这种结构允许人类大脑同时执行多项活动。到目前为止，记忆电容储存器只能执行单一任务。在这里，我们首次提出了集群网络作为记忆电容储存器同时执行多项任务。我们的结果表明，在三个任务上，集群网络分别比交叉和 SWPL 网络高出 4.1 × 、5.2 × 和 1.7 × 倍：孤立口语数字、MNIST 和 CIFAR-10。与我们之前和已发表结果中的单任务网络相比，多任务集群网络可以实现类似的准确率，分别为 MNIST、孤立口语数字和 CIFAR-10 的 86%、94.4% 和 27.9%。我们的扩展模拟表明，输入信号幅度和集群间连接都会影响集群网络的准确性。选择信号幅度和集群间链接的最佳值是获得高分类准确率和低功耗的关键。我们的结果说明了记忆电容式大脑启发集群网络的前景及其同时解决多项任务的能力。这种新颖的计算架构有可能使边缘应用程序更高效，并允许无法重新配置的系统解决多项任务。
文章 基于 MEMS 的压阻式压力传感器的机械膜片结构设计，以提高灵敏度和线性度 Phongsakorn
2 泰国微电子中心（TMEC）、国家电子和计算机技术中心、国家科学技术发展局、Chachoengsao 24000，泰国电子邮件：a s6209091960016@email.kmutnb.ac.th，b，* ekachai.j@tggs.kmutnb.ac.th（通讯作者），c hwanjit.rattanasonti@nectec.or.th，d putapon.pengpad@nectec.or.th，e karoon.saejok@nectec.or.th，f chana.leepattarapongpan@nectec.or.th，g ekalak.chaowicharat@nectec.or.th，h wutthinan.jeamsaksiri@nectec.or.th 摘要。本文针对低压工作范围提出了一种改进的微机电系统 (MEMS) 压阻式压力传感器设计，该传感器由花瓣边缘、横梁、半岛、三个横梁和一个中心凸台组合而成，以提高传感器性能，即灵敏度和线性度。利用有限元法 (FEM) 预测 MEMS 压阻式压力传感器在 1-5 kPa 施加压力下的应力和挠度。利用幂律制定纵向应力、横向应力和挠度的函数形式，然后将其用于优化所提设计的几何形状。仿真结果表明，所提设计能够产生高达 34 mV/kPa 的高灵敏度，同时具有 0.11% 满量程 (FSS) 的低非线性。半岛、三个横梁和中心凸台的设计降低了非线性误差。通过增加花瓣边缘宽度可以提高灵敏度。还将所提设计的传感器性能与文献中先前的设计进行了比较。比较结果表明，所提设计的性能优于先前的设计。关键词：MEMS、压阻式压力传感器、有限元法、灵敏度、线性度。
生成简单有向社会网络图用于信息传播
在线社交网络是日常生活中与朋友保持联系和分享信息的主要媒介。在 Twitter 上，用户可以通过关注其他用户来与他们建立联系，而其他用户也可以关注他们。近年来，研究人员研究了社交网络的几种特性，并设计了随机图模型来描述它们。这些方法中的许多要么侧重于无向图的生成，要么侧重于有向图的创建，而没有对互惠边（即两个节点之间方向相反的两个有向边）和有向边之间的依赖关系进行建模。我们提出了一种生成有向社交网络图的方法，该方法创建互惠边和有向边，并考虑各自度序列之间的相关性。我们的模型依赖于 Twitter 中抓取的有向图，在该图上交换或传播有关主题的信息。虽然这些图表现出较高的聚类系数和随机节点对之间的较小平均距离（这在现实世界的网络中很常见），但它们的度序列似乎遵循 χ 2 分布而不是幂律。为了实现高聚类系数，我们应用了一种保留节点度的边重新布线程序。我们比较了抓取的图谱和创建的图谱，并在其上模拟了某些信息传播和流行病传播算法。结果表明，创建的图谱表现出与真实世界图谱非常相似的拓扑和算法特性，这证明它们可以用作社交网络分析的替代物。此外，我们的模型具有高度可扩展性，使我们能够创建具有与相应的真实世界网络几乎相同属性的任意大小的图谱。