XiaoMi-AI文件搜索系统
World File Search System性量
基于深度学习的 MR 脑分割的快速不确定性量化
摘要。量化深度学习模型预测中的不确定性有助于解释它们，从而有助于它们在关键领域的接受。然而，当前的标准方法依赖于多步骤方法，这增加了推理时间和内存成本。在临床常规中，自动预测必须融入临床咨询时间范围，这就需要更快、更有效的不确定性量化方法。在这项工作中，我们提出了一种名为 BEHT 的新模型，并在多发性硬化症 (MS) 患者 T2 加权 FLAIR MRI 序列白质高信号的自动分割任务中对其进行了评估。我们证明，这种方法输出预测不确定性的速度比最先进的蒙特卡洛 Dropout 方法快得多，而且准确度相似，甚至略高。有趣的是，我们的方法区分了两种不同的不确定性来源，即随机不确定性和认知不确定性。
Envr E-210可持续性量化研究
课程描述：了解复杂的生态和环境系统的动态以及设计促进其可持续性的政策是一个巨大的挑战，需要精通分析和测量。从业者和决策者都必须能够评估科学研究，认识到研究设计数据解释中的基本陷阱以及上下文相关性。计算建模工具允许对复杂的环境和生态系统进行更动态和准确的预测，尽管模拟输出仅与输入数据的质量一样有效。分析测量场景的完整性至关重要；哪些遗漏和局限性可能会偏向结果，以及人类行为相互作用如何导致场景建模与定量预测有所不同？为了学习这些技能，参加本课程的学生进行了实践练习，以说明一系列测量和建模技术，包括对生态和环境数据以及系统动态建模的统计分析。基于这些方法，技能发展还包括科学写作，批评基本研究文献，谈判环境资源权利以及以非技术语言进行准确传达环境科学。课程活动植根于环境和可持续性科学的核心问题 - 气候变化，人群动态，濒危物种的人口生存能力分析，
对电池健康降解的建模不确定性量化
我感谢总数数字平台的团队，然后感谢我论文的工业部分发生的总素，无论是在纳米诺诺夫，游乐场，下一个还是情节。感谢您的所有这些日常交流，在各种项目演示会议或Mathias，以及咖啡馆甚至Mario Kart附近。我还要感谢Saft的BMM团队对我们曾经的电池的热情欢迎和教学法。尤其是我感谢所有博士生，我们的长老，优化专家Naoufal，向我们展示了路；巴蒂斯特，谢赫纳和阿明，我与他们一起开始论文； Yagnik，Ali，Elie和Nouha渗透到了这些日子，在面对面（和外部）中献出了生命，所有这些讨论以及这些令人兴奋的多元文化交流；还有瓦西尔，哈立德和阿玛尔；所有这些博士旅行伴侣。
各向异性量子大厅液滴
我们研究了强磁场中非相互作用电子的二维（2D）液滴，并以任意形状放置在狭窄的电势中。使用适合最低兰道水平的半经典方法，我们获得了近高斯能量特征状态，这些特征态位于电势的水平曲线并具有位置依赖性高度。这个单粒子的见解使我们能够推断出在热力学极限下的局部多体观测值（例如密度和电流）的期望值。特别是沿边缘的相关性是长期的且不均匀的。正如我们所显示的，这与系统的通用低能描述是边缘模式的免费1D手性相形的野外理论，这是简单几何形式中早期作品所知的。征收本征函数的径向依赖性和角度依赖性之间的微妙相互作用最终确保了该理论在潜力的规范角度变量方面是均一的，尽管其明显的不均匀性在更幼稚的角度坐标方面。最后，我们提出了一种方案，通过将液滴降低到微波辐射中来测量各向异性。我们计算相应的吸收率，并表明它取决于液滴的形状和波浪的极化。这些结果，无论是局部还是全局，在固态系统或2D电子气体的量子模拟器中都可以观察到，并具有高度控制限制电位的量子。
从核心到认知：探索人工智能中的不确定性量化技术
索引术语 - 不确定性量化，人工智能，态度和认识论不确定性，深度学习模型，高风险应用，评估基准摘要 - 不确定性量化（UQ）是人工智能系统的关键方面，尤其是在高级技术中，尤其是诸如健康状况，诸如Nearthancianal-neveral-sarke and Navtial-sarke，诸如健康状况，以及自定义的医疗服务，过程必须考虑不确定性。本综述探讨了AI中不确定性量化技术的演变，区分了核心和认知不确定性，并讨论了用于量化这些不确定性的数学障碍和方法。我们提供了先进技术的概述，包括概率方法，集合学习，基于抽样的方法和生成模型，同时还强调了整合域特异性知识的混合方法。此外，我们研究了UQ在各种领域的各种应用，强调了其对决策，预测准确性和系统鲁棒性的影响。该评论还解决了关键挑战，例如可扩展性，效率和与可解释的AI的整合，并概述了在这个快速发展的领域的未来研究方向。通过这项全面的调查，我们旨在更深入地了解UQ在增强AI系统的可靠性，安全性和可信度方面的作用。
在计划潜在危险物体（PHO）缓解的计划中的不确定性量化。 C. S. Plesko 2，S。A。Becker 2，M。B。Boslough 1，W。K。
简介：行星防御缓解尝试需要大量的高级任务计划和任务模拟。模拟工作是使用流体力学代码和状态数据方程进行的[1]。这些发布前模拟的结果用于任务计划中，以预测定位和时机要求，并量化为特定对象施加必要变化（ΔV）所需的能量和输送机制。2022 DART任务是对动力学影响缓解的过程的故意测试，从氢化校准和预测开始[2，3]，并与影响实验进行比较[4]。考虑通过对峙核破裂缓解的情况存在类似的不确定性，尤其是在不可能进入目标对象围绕轨道的情况下。在这些快速接口的情况下，可能无法预测目标相对于爆发的方向，并且从爆发到目标的距离可能会产生严重的不确定性，这是由于硬件能力和目标位置不确定性引起的。不确定性，例如，目标的质量，形状和材料特性可能会给ΔV预测带来进一步的不确定性，但我们对它们的效果有不完全的理解。通过减少赋予pho的能量的不确定性来最大程度地减少pho的不确定性，减少了缓解尝试的模拟，这对任务设计构成了不可行的约束。 在这里，我们探讨了缓解模拟对已知不确定性的敏感性，以建立可行的任务设计约束。减少了缓解尝试的模拟，这对任务设计构成了不可行的约束。在这里，我们探讨了缓解模拟对已知不确定性的敏感性，以建立可行的任务设计约束。
2月 - 大脑故事和弹性量表范围框架
Learn the key metaphors of the Brain Story used to educate the public on the importance of brain development and early experiences in lifelong health outcomes Explore how embedding the Brain Story knowledge in community promotes systems change in policy and practice See how the Resilience Scale can be used in practice for individuals, organizations, and communities to visualize resilience and measure changes over time Learn about work being done in Alberta to evaluate resilience in communities Speakers: Nancy Mannix, Chair和Palix基金会的赞助人。自成立以来，帕利克斯基金会（Palix Foundation）与艾伯塔省和美国的土著观众有意合作，将大脑故事栩栩如生，包括大脑故事教师，White Bison Inc.的创始人兼总裁Don Coyhis。
非局部极性材料中的极性量化
在RESTSTRAHLEN区域，横向和纵向声子频率之间，极性介电材料对光线响应，而所得的强光 - 分子相互作用会导致形成称为表面声子极化子的混合型准颗粒。最近的工作表明，当光学系统包含纳米级极元素时，这些激发可以作为晶格的材料分散剂的结果，从而获得纵向场成分，从而导致形成了被称为纵向横向极化子的次级准粒子。在这项工作中，我们建立在以前的宏观电磁理论的基础上，开发了完整的纵向透明偏振子的第二次量化理论。从光 - 一种系统的哈密顿量开始，我们将失真对待晶格，引入弹性自由能。然后，我们将哈密顿量对角线化，表明偏振子的运动方程相当于宏观电磁作用，并量化了非局部运算符。最后，我们演示了如何根据极化状态重建电磁场并探索北极星诱导的Purcell因子的增强。这些结果证明了非局部性如何狭窄，增强和频谱调整近场发射，并在中红外传感中应用。
结构 Proto-Quipper - 结构化环境中线性量子编程语言的机械化
因此，我们有一个量子λ演算（它是线性的），这是许多量子编程语言的基础。“量子编程语言在线性类型理论中捕捉了量子计算的思想”（Staton，2015）
相似性量化的相对差异学习改善了分子活性预测
低温电子断层扫描（Cryo-ET）是一种生产细胞环境的高度脱尾3D图像（称为断层图）的技术。Cryo-Et通常是唯一可以在其天然环境中实现蛋白质和细胞结构几乎原子分辨率的技术。针对蛋白质结构确定的低温 - 肛门肛门技术的基本步骤是找到pogractions中感兴趣的蛋白质的所有实例，这是一种称为粒子拾取的任务。由于信噪比较低，靶蛋白的伪像的存在和巨大的多样性，颗粒拾取是一个具有挑战性的3D对象检测问题。现有的粒子采摘方法要么慢，要么仅限于选择一些感兴趣的小部分，这需要大量注释且难以获得训练数据集。在这项工作中，我们提出了Propicker，这是一种快速和通用的粒子采摘器，可以检测到训练集中包含的颗粒，并且可以在几分钟内处理断层图。我们的迅速设计允许根据输入提示选择性地检测体积中的特定蛋白质。我们的经验表明，培养基可以与最先进的通用拾取器达到相同的性能，同时更快地达到数量级。