XiaoMi-AI文件搜索系统
World File Search System或隐
用于学习基于能量的隐变量模型的双层分数匹配
分数匹配 (SM) [ 24 ] 通过避免计算配分函数，为学习基于能量的模型 (EBM) 提供了一种引人注目的方法。然而，除了一些特殊情况外，学习基于能量的潜变量模型 (EBLVM) 仍然有很大空间。本文提出了一种双层分数匹配 (BiSM) 方法，通过将 SM 重新表述为双层优化问题来学习具有一般结构的 EBLVM。较高级别引入潜变量的变分后验并优化修改的 SM 目标，较低级别优化变分后验以拟合真实后验。为了有效地解决 BiSM，我们开发了一种带有梯度展开的随机优化算法。从理论上讲，我们分析了 BiSM 的一致性和随机算法的收敛性。从实证上，我们展示了 BiSM 在高斯限制玻尔兹曼机和由深度卷积神经网络参数化的高度非结构化 EBLVM 中的前景。当适用时，BiSM 与广泛采用的对比散度和 SM 方法相当；并且可以学习具有难以处理的后验的复杂 EBLVM 来生成自然图像。
针对新型隐球菌的半合成糖复合物候选疫苗
。CC-BY-NC-ND 4.0 国际许可证永久有效。它以预印本形式提供（未经同行评审认证），作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权所有者于 2024 年 2 月 3 日发布了此版本。；https://doi.org/10.1101/2024.02.02.578725 doi：bioRxiv 预印本
隐藏在噪音中：图像的两个阶段可靠的水印
随着图像生成器的质量不断提高，深层蛋糕成为社会辩论的一个话题。图像水印允许负责任的模型自动检测和标记其AI生成的内容，从而减轻危害。然而，图像水印中的当前最新方法仍然容易受到伪造和去除攻击的影响。这种脆弱性发生在部分原因是水印会扭曲产生的图像的分布，无意中揭示了有关水印技术的信息。在这项工作中，我们首先根据扩散模型的初始噪声展示了一种无误的水印方法。但是，检测水印需要将图像重建的初始噪声与所有先前使用的初始噪声进行比较。为了减轻这些问题，我们提出了一个两阶段的水印框架，以进行有效检测。在生成期间，我们通过生成的傅立叶模式增加了初始噪声，以嵌入有关我们使用的初始噪声组的信息。为了检测，我们（i）检索相关的噪声组，以及（ii）在给定组中搜索可能与我们的图像相匹配的初始噪声。这种水印方法实现了对大量攻击的伪造的最新鲁棒性和去除。
通过GAN反演的隐式嵌入式高分辨率胸部X光片
摘要。生成模型允许创建高度现实的人造样品，从而在医学成像中开放了有希望的应用。在这项工作中，我们提出了一种基于多阶段编码器的方法，以将生成对抗网络（GAN）的发电机倒入高分子胸部X光片。这可以直接访问其隐式形成的潜在空间，使生成模型更容易被研究人员访问，并使其能够将生成技术应用于实际患者的图像。我们研究了此嵌入的各种应用程序，包括图像压缩，编码数据集中的分离，引导图像ma-nipulation以及创建程式化样品的创建。我们发现，这种类型的GAN反转是胸部X光片建模领域的一个有希望的研究方向，并为将现实的X射线样品合成与放射学图像分析结合起来开辟了新的方法。
一种用于快速IGBT De-...的自适应消隐时间电路
摘要 提出了一种用于快速检测IGBT去饱和短路的自适应消隐时间（SABT）电路。在IGBT正常开通或发生负载故障（FUL）时，通过检测IGBT集电极-发射极电压V CE 的变化来实现消隐时间的确定；而当IGBT发生硬开关故障（HSF）时，通过检测栅极电压V GE 来确定消隐时间。利用UMC 0.6μm 700V工艺进行仿真表明，提出的SABT电路能够快速检测FUL和HSF。与传统消隐时间电路相比，SABT电路可以将FUL的故障检测时间从1.3μs缩短到35.5ns，而HSF条件下的故障检测时间从2.329μs缩短到294ns。 关键词：消隐时间，IGBT，去饱和短路保护 分类：功率器件与电路
将电机工作记忆链接到显式和隐式运动学习
虽然已经广泛研究了显式和隐式运动学习，但在最近运动（MWM）的近期运动记忆中，对这些过程的贡献尚不清楚。先前的研究表明，视觉空间的工作记忆可能有助于明确的运动学习，但对隐式学习没有参与或有害。在这里，我们询问这些发现是否以及如何扩展到非视觉MWM。基于最近指向独立效应和效应特异性的MWM代码的工作，我们假设：（1）明确的运动学习过程将与效应无关的MWM相关，（2）隐式运动学习过程将与效应特异性MWM相关。为了检验这些假设，人类参与者既完成MWM任务又完成了视觉运动适应任务。我们的结果表明，与效应子无关的MWM质量与显式运动学习程度之间存在显着相关性，从而扩展了有关视觉空间工作记忆的先前发现。此外，我们提供了支持我们的第二个假设的证据，该假设是效应特异性MWM与隐式运动学习相关的。
Parapipe：处理寄生虫NGS数据集的管道及其应用于隐孢子虫
隐孢子虫是一种严重公共卫生问题的原生动物寄生虫，是严重的腹泻疾病，特别是在资源有限的环境中的免疫功能低下的个体和幼儿中。分析整个基因组下一代测序（NGS）数据是提高我们对隐孢子虫流行病学，传播动力学和遗传多样性的了解的关键下一步。但是，对公共卫生环境中NGS数据的有效分析需要开发可靠的，经过验证的生物信息学工具。在这里，我们提出了Parapipe，这是一种模块化的ISO认证生物信息学管道，旨在用于高通量处理和隐孢子虫NGS数据集的高通量处理和分析。使用NextFlow DSL2构建并用奇异性进行了容器，Parapipe是便携式，可扩展的，并且能够端到端分析，包括质量控制，变体呼叫，感染多样性（MOI）研究（MOI）研究和系统基因组群集分析。
基于潜在矢量优化的消费电子应用的生成图像隐肌
手稿版本：作者接受的手稿包装中呈现的版本是作者接受的手稿，可能与已发布的版本或记录的版本有所不同。持续的包裹网址：http：//wrap.warwick.ac.uk/182876如何引用：有关最新的书目引用信息，请参阅发布版本。如果已知已发布的版本，则链接到上面的存储库项目页面将包含有关访问它的详细信息。版权所有和重复使用：沃里克研究档案门户（WARAP）使沃里克大学的研究人员在以下条件下可用开放访问权限。版权所有©以及此处介绍的论文版本的所有道德权利属于单个作者和/或其他版权所有者。在合理且可行的范围内，已在可用的情况下检查了包装中可用的材料是否有资格。未经事先许可或收费，可以将完整项目的副本用于个人研究或研究，教育或非营利目的。前提是作者，标题和完整的书目细节被认为是针对原始元数据页面提供的超链接和/或URL，并且内容不会以任何方式更改。发布者的声明：请参阅“存储库”页面，发布者的语句部分，以获取更多信息。有关更多信息，请通过以下网络与WARP团队联系：wrap@warwick.ac.uk。
巨型轴突神经病：隐藏在多发性神经病中的一种罕见疾病
背景与目标：巨型轴突神经病（GAN）是一种严重的进行性神经退行性疾病。这项研究的目的是评估GAN患者的频率和表型生成特征，这些特征与许多罕见疾病一样，以多神经病的名义掩饰，并呈现我们的经验。方法：在这项回顾性观察性研究中，筛查了105例儿科患者。人口特征和临床诊断进行了审查。患者的平均年龄为10.9岁（2-18），59岁为男孩（56％），46岁为女孩（44％）。通过临床评估了通过单基因分析遗传诊断的 GAN患者。 结果：关于多神经病的病因，有43％的患者获得了遗传原因。 在遗传病例中，有29％的诊断未知，有5％被诊断为GAN，首先出现步态障碍。 这些患者表现出轴突感觉多发性神经病和多种头发类型（直达20％，20％扭结，40％卷发，20％略微卷发）。 发现包括狂热的牙齿（40％），超晶（20％）和呼吸暂停（20％）。 疾病的进展包括脊柱侧弯和肢体畸形的恶化（PES Cavus），并带有病理颅MRI发现。 文献鉴定出5名GAN基因2-5纯合缺失的GAN患者，分类为病原体（4类）。 结论：这项研究突出了儿童期未诊断的多发性神经病的GAN频率。GAN患者。结果：关于多神经病的病因，有43％的患者获得了遗传原因。在遗传病例中，有29％的诊断未知，有5％被诊断为GAN，首先出现步态障碍。这些患者表现出轴突感觉多发性神经病和多种头发类型（直达20％，20％扭结，40％卷发，20％略微卷发）。发现包括狂热的牙齿（40％），超晶（20％）和呼吸暂停（20％）。疾病的进展包括脊柱侧弯和肢体畸形的恶化（PES Cavus），并带有病理颅MRI发现。文献鉴定出5名GAN基因2-5纯合缺失的GAN患者，分类为病原体（4类）。结论：这项研究突出了儿童期未诊断的多发性神经病的GAN频率。尽管尚未确定巨型轴突神经病的表型基因型相关性，但我们希望在分子生物学领域的进一步研究将增加更好的生活质量的机会。
