近年来,深度学习方法因其解决复杂任务的能力而变得无处不在。然而,这些模型需要庞大的数据集才能进行适当的训练和良好的泛化。这意味着需要很长的训练和微调时间,对于最复杂的模型和大型数据集,甚至需要几天的时间。在这项工作中,我们提出了一种新颖的量子实例选择 (IS) 方法,该方法可以显着减少训练数据集的大小(最多 28%),同时保持模型的有效性,从而提高(训练)速度和可扩展性。我们的解决方案具有创新性,因为它利用了一种不同的计算范式——量子退火 (QA)——一种可用于解决优化问题的特定量子计算范式。据我们所知,之前还没有尝试使用 QA 解决 IS 问题。此外,我们针对 IS 问题提出了一种新的二次无约束二元优化公式,这本身就是一项贡献。通过对多个文本分类基准进行大量实验,我们通过经验证明了我们的量子解决方案的可行性和与当前最先进的 IS 解决方案的竞争力。
摘要:合作,连接和自动化的移动性(CCAM)基础设施在理解和增强在复杂的城市环境中驾驶的自动驾驶汽车(AVS)的环境感知方面起着关键作用。但是,CCAM基础架构的部署需要有效地选择计算处理层和机器学习(ML)和深度学习(DL)模型的部署,以在复杂的Urban环境中实现AV的更大性能。在本文中,我们提出了一个计算框架,并分析了定制训练的DL模型(Yolov8)的有效性(YOLOV8)时,当部署在车辆边缘云层层面体系结构的不同设备和设置中时。我们的主要重点是了解DL模型在分层框架上部署过程中DL模型的准确性和执行时间之间的相互作用和关系。因此,我们通过在计算框架的每一层上通过Yolov8模型的部署过程来研究准确性和时间之间的权衡。我们考虑CCAM基础架构,即每一层的感觉设备,计算和通信。调查结果表明,部署的DL模型的性能指标结果(例如,0.842 map@0.5)保持一致,无论跨框架的任何层中的设备类型如何。但是,我们观察到,当DL模型遭受不同的环境条件时,对象检测任务的推理时间往往会减少。例如,Jetson AGX(非GPU)通过将推理时间减少72%来优于Raspberry Pi(non-GPU),而Jetson AGX Xavier(GPU)优于将Jetson AGX ARMV8(non-GPU)减少90%。在论文中提供了转移时间,预处理时间和设备的总时间Apple M2 Max,Intel Xeon,Tesla T4,Nvidia A100,Tesla V100等。我们的发现指示研究人员和从业人员选择最合适的设备类型和环境,以部署生产所需的DL模型。
H 2-进化动力学在管理光催化氢进化过程中起关键作用。然而,实现对H吸附和H-吸附平衡(H ADS /H DES)的精确调节仍然是一个巨大的挑战。在此,我们提出了一种调整D-P杂交策略,以精确优化Ni-B X修饰CDS Photocatalyst(Ni-B X /CDS)中的H ADS /H des Kinetics。X射线吸收细胞结构光谱和理论计算表明,Ni-B X cocatalyst的B原子量增加逐渐增强Ni 3 D和B 2 P之间的D-P轨道相互作用,从而导致连续的D-band宽带扩展和可控制的D-band d-band d-band d-band在Ni Active位点上中心。上述连续的D频带优化允许对Ni -B X /CD中的H ADS /H DES动力学进行精确调制,最终证明了13.4 mmol G -1 H -1 H -1 H -1(AQE = 56.1%)的显着H 2-散发活性。飞秒瞬态吸收光谱进一步确认了Ni-B X /CDSPSD催化剂中快速的电子转移动力学。这项工作为预期H 2-进化催化剂的最佳设计提供了见解。
摘要背景下部分肝切除术后肝细胞癌(HCC)的复发率仍然很高。如何在术后早期选择最合适的抗肿瘤药物对于改善患者的预后至关重要。最近,MiniPDX已被广泛用作一种可预测抗肿瘤药物敏感性的新的可靠的临床前研究模型。方法选择了28例HCC患者使用MinIPDX模型从五组药物方案中筛选最敏感的抗肿瘤药物,用于部分肝切除后进行预防性治疗,另外42例HCC患者被选择在对照组的同一时期与Sorafenib进行治疗。分析了这两组的无肿瘤存活率和总体存活率。还分析了药物敏感性与与HCC相关的生物标志物之间的关系。结果Kaplan-卑鄙的生存曲线分析表明,MiniPDX组患者的无肿瘤存活率(DFS)明显长于对照组(中位数DFS:25.8个月,vs. 18.2个月,P = 0.022,HR 2.19,95%CI 1.17-17-4.12)。MiniPDX组患者的总生存期(OS)也比对照组(中位OS:29.4个月vs. 23.8个月,P = 0.039,HR 2.37,95%CI 1.12-5.00)长。最长的随访期是36个月。五种药物的疗效(雷莫非尼,雷莫非尼,兰氏替尼,吉西他滨,5-FU + Oxaliptin)与AFP,KI-67,VEGFR,VEGFR,FGFR,FGFR,P53和NRF2之间分析的关系显示出不同的相关性。结论使用MiniPDX模型选择药物在部分肝切除术后指导抗肿瘤治疗可以有效地延长HCC患者的存活。
虽然预先训练的语言模型对计划和控制的一般知识有益,但它们可能无法为领域特定的任务生成适当的控制策略。现有的调整方法使用人类反馈来解决这一限制,但是,采购人类反馈是劳动密集型且昂贵的。我们提出了一种完全自动化的方法,用于为自主系统中的应用程序进行预先训练的语言模型,从而弥合了通用知识和特定领域要求之间的差距,同时降低了成本。该方法从由自然语言任务描述的指导的预训练模型中综合了基于自动机的控制器。这些控制器可以与世界模型中独立提供的规格进行验证,该模型可以抽象或从高档模拟器中获得。控制器高度符合所需的规范会获得更高的等级,从而指导迭代性调整过程。我们提供的定量证据主要是在自主驾驶中,以证明该方法在多个任务中的有效性。结果表明,控制器所满足的规格百分比从60%增加到90%。
©作者2023。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的,该许可允许以任何媒介或格式使用,共享,适应,分发和复制,只要您对原始作者和来源提供适当的信誉,请提供与创意共享许可证的链接,并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中,除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料,并且您的预期用途不受法定法规的允许或超过允许的用途,则您需要直接从版权所有者那里获得许可。要查看此许可证的副本,请访问http://creativecommons.org/licenses/4.0/。Creative Commons公共领域奉献豁免(http://creativecom- mons.org/publicdomain/zero/zero/1.0/)适用于本文中提供的数据,除非在数据信用额度中另有说明。
摘要 — 本研究调查了在涉及大型用户组和每个参与者多个会话的因果环境中在线纵向脑电图 (EEG) 运动想象 (MI) 解码中深度学习的持续微调策略。我们是第一个在大型用户组中探索此类策略的人,因为纵向适应通常是在单个受试者环境中使用单一适应策略进行研究的,这限制了推广研究结果的能力。首先,我们研究了不同的微调方法对解码器性能和稳定性的影响。在此基础上,我们集成了在线测试时间适应 (OTTA) 以在部署期间调整模型,补充了先前微调的效果。我们的研究结果表明,基于先前特定于主题的信息连续进行的微调可以提高性能和稳定性,而 OTTA 可以有效地使模型适应连续会话中不断变化的数据分布,从而实现无校准操作。这些结果为纵向在线 MI 解码的未来研究提供了宝贵的见解和建议,并强调了结合领域适应策略对提高实际应用中的 BCI 性能的重要性。临床相关性——我们的研究实现了更稳定、更有效的长期运动想象解码,这对于神经康复和辅助技术至关重要。
Seyyed Mohsen Beladi-Mousavi、Gerardo Salinas、Nikolas Antonatos、Vlastimil Mazanek、Patrick Garrigue 等人。通过独立 2D 反应层中的双极电化学微调还原氧化石墨烯的功能。Carbon,2022 年,191,第 439-447 页。�10.1016/j.carbon.2022.02.010�。�hal-03635847�
在过去的十年中,杂种钙壶被广泛探讨为高性能太阳能电池和发光设备(LED)的有希望的有效材料,如今达到了基于传统半体体导管的先进技术的效率值。[1-4]化学操作时其电子和结构特性的可调性无疑是使该材料家族成为许多不同应用的多功能物体的关键特征之一。尤其是,通过卤化物取代调整材料带隙从一开始就从一开始就有一种强大的策略来获得具有不同颜色和可调发射的混合晶体。[5]这对于Ubiq-uitous ABX 3钙钛矿(或下降中的3D)来说是正确的,但它也扩展到较低维度的系统。[5,6]例如,可以形成一个位点中的大阳离子,可以形成分层的2D钙钛矿(2DPS),这是一种有趣的操场类别的材料类别,相对于更广泛使用的3D混合植物,具有出色的稳定性。[7]此外,它们的独特光学特性,包括量子和介电限制,RashBA分裂和大型激子结合能,使它们对除光线发光应用(例如旋转型,成像,成像和闪烁体)之外的不同领域具有吸引力。[8–13]