XiaoMi-AI文件搜索系统
World File Search System引导的
人工智能引导的检测未公认的心肌病的心脏点心脏疾病
美国纽约州西奈山伊坎山医学系肾脏科学系公共卫生，纽黑文，CT手稿类型：原始研究手稿单词计数：3,756个单词图：3表：2 *通讯作者：Rohan Khera，医学博士，MS 195 Church St，6楼，New Haven，CT 06510 203-764-5885; rohan.khera@yale.edu; @rohan_khera
关键代码引导的灰盒模糊测试
新提交的提交容易将漏洞引入程序。作为一种有前途的对策，可以使用定向灰盒模糊测试器通过将提交更改位置指定为目标来测试提交更改。但是，现有的定向模糊测试器主要侧重于达到单个目标，而忽略了对其他受影响代码的多样化探索。因此，它们可能会忽略在远离更改位置的位置崩溃的错误，并且在多目标场景中缺乏直接性，这在提交测试的背景下都很常见。在本文中，我们提出了一种直接灰盒模糊测试器 WAFLG O ，以有效发现提交引入的漏洞。WAFLGO 采用一种新颖的关键代码引导输入生成策略来彻底探索受影响的代码。具体而言，我们确定了两种类型的关键代码：路径前缀代码和数据后缀代码。关键代码首先引导输入生成逐渐、增量地到达更改位置。然后，在保持关键代码可达性的同时，输入生成策略进一步鼓励在探索受影响代码时生成输入的多样性。此外，WAFLGO 引入了一种轻量级多目标距离度量，用于直接和彻底检查所有更改点。我们实现了 WAFLG O，并使用提交引入的 30 个真实错误对其进行了评估。与 8 种最先进的工具相比，WAFLGO 实现了平均 10.3 × 的加速。此外，WAFLGO 在测试最近 50 次提交的真实软件（包括 libtiff、fig2dev 和 libming 等）时发现了 7 个新漏洞，其中包括 4 个 CVE。
手势引导的户外视觉和语言导航
视觉和语言导航（VLN）任务涉及使用语言命令导航移动性，并在开发自动移动性的接口中应用。在这种情况下，自然的人类交流还构成了手势和凝视等非语言提示。这些手势引导的指示已在人类机器人的互动系统中进行了探索，以有效相互作用，特别是在对象引用表达式中。ever，在户外VLN任务中应对基于手势的表达式的著名差距。为了解决这个问题，我们介绍了一个新颖的数据集，用于带有示范表达式的手势引导的户外VLN指令，并重点介绍了复杂的指令，以重新引导命令输入方式之间进行多跳的推理。此外，我们的工作还包括对收集数据的全面分析以及针对现有数据集的比较评估。
树引导的稀有功能选择和电子健康记录数据逻辑聚合
在分析电子健康记录（EHR）数据时，通常会遇到具有大量稀有二进制特征的统计学习，尤其是在具有先前医疗诊断和程序的疾病建模时。处理所产生的高度稀疏和大规模的二进制特征矩阵是众所周知的具有挑战性的，因为传统方法可能缺乏测试和模型拟合中的不一致性，而机器学习方法可能无法产生可解释的结果或临床上有意义的风险因素。为了改善基于EHR的建模并利用疾病分类的自然分层结构，我们提出了针对大规模回归的树木制定特征选择和逻辑方法，具有稀有的二进制特征，在这种情况下，不仅通过稀疏追求来实现降低尺寸，而且还可以通过与逻辑启动子进行逻辑启动子来实现。我们将组合问题转换为线性约束的正则化估计，该估计可以通过理论上的构造实现可扩展的计算。在具有EHR数据的自杀风险研究中，我们的方法能够选择和汇总以诊断疾病的诊断层次结构为指导的先前的心理健康诊断。通过平衡EHR诊断记录的稀有性和特异性，我们的策略都改善了预测和解释。我们确定了重要的高级类别和心理健康状况的子类别，并同时确定每个人都需要与自杀风险相关的特异性水平。
定量因果关系，因果关系引导的科学发现，...
摘要可以说，因果关系分析应该为解释深度学习和概括铺平一种有希望的方法。将因果关系纳入人工智能（AI）算法，但由于其模糊性，非量化性，计算效率低下而受到挑战。在过去的18年中，这些挑战基本上已经解决了，建立了最初是由大气可预测性动机的严格的因果关系形式。这不仅在大气 - 海洋科学中开辟了一个新领域，即信息流，而且还导致了其他学科的科学发现，例如量子力学，神经科学，金融经济学等，通过各种应用。This note provides a brief review of the decade-long effort, including a list of major theoretical results, a sketch of the causal deep learning framework, and some representative real-world applications in geoscience pertaining to this journal, such as those on the anthropogenic cause of global warming, the decadal prediction of El Niño Modoki, the forecasting of an extreme drought in China, among others.关键字：因果关系，Liang-Kleeman信息流，因果人工智能，模糊认知地图，可解释性，Frobenius-Perron操作员，天气/气候预测
AI引导的定量斑块分期预测有动脉粥样硬化CVD风险的患者的长期心血管结局
AI-QCT¼人工智能 - 指导的定量冠状动脉计算； BMI¼体重指数； CACS¼冠状动脉钙评分； CAD¼冠状动脉疾病； CAD-RADS¼冠状动脉疾病报告和数据系统； CPV¼钙化斑块量；狼牙棒¼主要的不良心脏事件； NCPV¼NONCALCIFIFED斑块量； PAV¼百分比动脉瘤量； SIS¼部分参与评分。
属性引导的复合聚合物 -
图1：聚合物拓扑的变分自动编码器的策略。在训练阶段（顶部），用于计算一组聚合物的分子动力学（MD）模拟来计算一组聚合物的计算典型典型的抄本，例如平均平方循环半径⟨r 2 g⟩。使用人工神经网络（ANN）和图神经网络（GNN），将有关拓扑描述符和聚合物图的信息编码为低维的潜在空间。潜在空间被解码以完成重建，回归和分类任务。这些编码的特征被串联以形成降低的潜在空间，分解器从中重新构造了聚合物结构。在搜索阶段（底部）中，从潜在空间到供应聚合物进行采样，这些聚合物预测将展示目标⟨r 2 g⟩且指定的拓扑。根据MD模拟评估了这些谓词，并在验证后进行了系统分析，可以对拓扑影响如何影响其他特性，例如粘度。
务实的指导以下和目标辅助通过合作语言引导的逆计划
人们经常提供指示，其含义在没有进一步上下文的情况下是模棱两可的，期望自己的行为或目标会脱离意图。我们如何以灵活的上下文敏感的方式建立以下说明的辅助代理？本文介绍了合作语言引导的逆计划搜索（剪辑），这是一种贝叶斯代理体系结构，用于实用教学和目标帮助。我们的经纪人通过将他们作为合作计划者建模，以协助他们将联合计划传达给助手，然后使用大型语言模型（LLMS）对人类的目标进行多模式的贝叶斯对人类的目标进行推断，以评估鉴于一个假设的计划，以评估指令的可能性。鉴于这一后部，我们的助手采取行动为小型的预期目标实现成本，使其能够务实地遵循模棱两可的指示，并在不确定目标的情况下提供有效的帮助。我们在两个合作计划域（门，钥匙，宝石和virtualhome）中评估了这些功能，发现剪辑的剪辑极大地超过了GPT-4V，基于LLM的文字教学，并在准确性和帮助方面都在同时及其辅助审判者和助手审判者提供了匹配的准确性和帮助，并在准确性和帮助方面都具有相反的作用。
利用同步的大脑节律来影响记忆引导的决策
前额皮质和海马之间的功能相互作用与记忆引导的决策相关，正如 θ（6-11 Hz）频率范围内的强烈振荡同步所揭示的。然而，这种形式的长距离同步对记忆引导的选择的影响程度仍不清楚。我们开发了一个脑机接口，可以根据前额海马 θ 同步的幅度启动任务试验，然后测量选择结果。在依赖和不依赖工作记忆的任务中，基于强前额-海马 θ 同步启动的试验比对照试验更有可能正确。前额-丘脑神经相互作用随着前额-海马同步而增加，而腹侧中线丘脑的光遗传学激活主要训练前额 θ 节律，但动态调节同步。总之，我们的结果表明，前额叶-海马体 θ 波同步可提高正确选择的概率，并增强前额叶-丘脑对话。我们的研究结果揭示了记忆引导选择背后的神经回路动力学的新见解，并强调了一种通过脑机接口增强认知过程或行为的有前途的技术。
实时H2O2监视的快速遗传编码传感器的结构引导的工程
A-B结构引导的OROS传感器设计假设。 大肠杆菌的调节结构域（RD）还原和氧化形式的晶体结构。 胱氨酸形金对以黄色标记。 红色指示超级传感器的荧光蛋白插入环，蓝色指示新近鉴定的OROS传感器的荧光蛋白插入位点。 b的氧化氧结构的B因子和残基到残留的距离图，用于放大的假定区域，并在氧化和还原形式的Ecoxyr之间具有高构象变化。 红色和绿色框分别表示HyperRed和Oros-G的插入位点。 针对OROS-G提出的插入位点在C199和C208之间的循环之外（灰色线）。 以最大化循环的灵活性。 OROG-G传感器变体的 C-E筛选。 在HEK293细胞上表达并筛选所有传感器变体（每个条件/变体n> 100个单元）。 c荧光变化（∆F/fo）响应细胞外H 2 O 2（300µm）刺激对CPGFP插入到新鉴定的OROS插入区域的变体上。 插入211-212，确定了具有特殊响应动力学范围的变体。 d插入211-212的最大荧光变化（∆F/fo），并响应高（300µm）和低（10µm）细胞外H 2 O 2。 e位定向诱变变体的最大荧光变化（∆F/fo）预测可减少CPGFP的水获取。 除非另有说明，否则从3个生物学重复中收集利益。A-B结构引导的OROS传感器设计假设。大肠杆菌的调节结构域（RD）还原和氧化形式的晶体结构。胱氨酸形金对以黄色标记。红色指示超级传感器的荧光蛋白插入环，蓝色指示新近鉴定的OROS传感器的荧光蛋白插入位点。b的氧化氧结构的B因子和残基到残留的距离图，用于放大的假定区域，并在氧化和还原形式的Ecoxyr之间具有高构象变化。红色和绿色框分别表示HyperRed和Oros-G的插入位点。针对OROS-G提出的插入位点在C199和C208之间的循环之外（灰色线）。以最大化循环的灵活性。OROG-G传感器变体的 C-E筛选。 在HEK293细胞上表达并筛选所有传感器变体（每个条件/变体n> 100个单元）。 c荧光变化（∆F/fo）响应细胞外H 2 O 2（300µm）刺激对CPGFP插入到新鉴定的OROS插入区域的变体上。 插入211-212，确定了具有特殊响应动力学范围的变体。 d插入211-212的最大荧光变化（∆F/fo），并响应高（300µm）和低（10µm）细胞外H 2 O 2。 e位定向诱变变体的最大荧光变化（∆F/fo）预测可减少CPGFP的水获取。 除非另有说明，否则从3个生物学重复中收集利益。C-E筛选。在HEK293细胞上表达并筛选所有传感器变体（每个条件/变体n> 100个单元）。c荧光变化（∆F/fo）响应细胞外H 2 O 2（300µm）刺激对CPGFP插入到新鉴定的OROS插入区域的变体上。插入211-212，确定了具有特殊响应动力学范围的变体。d插入211-212的最大荧光变化（∆F/fo），并响应高（300µm）和低（10µm）细胞外H 2 O 2。e位定向诱变变体的最大荧光变化（∆F/fo）预测可减少CPGFP的水获取。利益。插入211-212变体的突变E215Y导致了工程OROS-G。描述性统计：误差线和频段代表使用Seaborn（0.11.2）统计绘图套件的中心值趋势的自举置信区间（95％）。