XiaoMi-AI文件搜索系统
World File Search System扩散
反事实解释的扩散模型
卷积神经网络（CNN）在几十年前就无法想象的表演，这要归功于采用了数百层和近数十亿个可训练的参数的非常大的模型。然而，解释他们的决策是很不困难的，因为它们是高度非线性的，并且过度参数化。此外，对于现实生活中的应用，如果模型利用数据的伪造相关性来预测预测，则最终用户将怀疑该决定的有效性。尤其是，在医学或关键系统等高风险场景中，ML必须保证使用正确的功能来计算预测并防止伪造的关联。因此，近年来，可解释的人工智能（XAI）研究领域一直在不断发展，以了解黑盒模型中的决策机制。在本文中，我们关注事后解释方法。值得注意的是，我们对反事实解释的不断增长分支（CE）[63]。ce旨在创建输入样本的最小但有意义的扰动，以更改固定预告片模型给出的原始决定。尽管CE和对抗性示例之间的观点具有一些相似之处[44]，但CE的扰动必须是可以理解和合理的。相比之下，对抗性示例[37]包含与人眼无法区分的高频噪声。总体而言，CE目标四个目标：（i）解释必须使用（ii）稀疏修改，即具有最小扰动的实例。此外，（iii）解释必须是现实的，并且可以通过
扩散模型：教程和调查
扩散模型是基于马尔可夫过程的生成模型家族。在其前进过程中，他们逐渐向数据添加噪声，直到变成完整的噪声为止。在向后过程中，数据逐渐从噪声中逐渐发出。在本教程论文中，充分说明了扩散概率模型（DDPM）。详细简化了其可能性的变异下限，分布的参数和扩散模型的损耗函数。引入了对原始DDPM的一些模型，包括非固定的协方差矩阵，减少梯度噪声，改善噪声时间表以及非标准高斯噪声分布和条件扩散模型。最后，解释了噪声表位于连续域中的随机差异方程（SDE）的连续噪声时间表。
超声刺激的布朗棘轮增强了水凝胶中分子的扩散
Faezeh Gerayeli、Nawel Khalef、Aziz Bakri、Philippe Benech、Donald Martin。超声波刺激的布朗棘轮增强了水凝胶中保留的分子的扩散。纳米医学：纳米技术、生物学和医学，2021 年，第 31 期，第 102308 页。�10.1016/j.nano.2020.102308�。�hal-02987851�
使用基于扩散的生成模型
最近，基于条件分数的扩散模型在监督语音增强领域引起了人们的关注，从而产生了最新的性能。但是，这些方法在普遍到看不见的条件时可能会面临挑战。为了解决这个问题，我们引入了一种以无监督方式运行的替代方法，利用了扩散模型的生成力量。具体来说，在训练阶段，使用基于得分的扩散模型在短期傅立叶变换（STFT）域中学习了清晰的语音，从而使其无条件地从高斯噪声中产生干净的语音。然后，我们通过与语音信号推理的噪声模型相结合，开发了一种后验采样方法来增强语音的增强。通过迭代期望最大化（EM）方法同时学习噪声参数以及干净的语音估计。据我们所知，这是探索基于扩散的生成模型的第一部作品，用于无监督语音增强，与最近的变异自动编码器（VAE）基于无监督的方法和一种最先进的基于扩散的基于扩散的超级访问方法相比，这表明了有希望的恢复。因此，它在无监督的语音增强中为未来的研究打开了一个新的方向。
能量技术的扩散。可再生，化石和核能专利的证据
a b s t r a c t技术创新被广泛认为是应对气候变化和实现能源政策目标的关键手段。本文的目的是双重的：首先，对各个国家和部门的能源技术创新进行描述性分析；其次，通过区分可再生能源和其他能源专利，即化石和核专利，探索能源技术专利知识扩散的决定因素）彻底进行回归分析。本文所采用的数据由公司在1990年至2015年期间应用的可再生能源和其他能源专利的原始数据库组成，并包含在Patstat中。通过利用专利引用作为知识扩散的指标，并专注于从专利文档中提取的特征，估计了一组计量经济学模型。我们的结果表明，那些包含更多引用对以前的科学文献和专利的专利获得了更大的扩散。与其他公司或大学的联合专利对可再生能源的技术产生可忽略的影响。与大学拥有的所有权对其他类型的能源技术的扩散有负面影响。可以从我们的结果中确定几种政策含义：例如，以病房为导向的政策的理由增强了能源创新中科学知识和共同发明的融合。
虚拟代理面部表达生成的扩散模型在动机访谈中
动机访谈（MI）是一种以客户为中心的咨询方式，可以解决（客户）用户的行为改变动机。在本文中，我们提出了一种针对社会互动剂（SIA）的行为产生模型，并将其应用于（MI）中的虚拟治疗师的SIA。mi为治疗师和客户定义了不同类型的对话行为。已经表明，治疗师通过调整口头和非语言行为来与客户建立融洽的关系。基于对人类MI数据集（Annomi）的分析，我们发现了治疗师和客户的面部表情与对话行为之间的共发生。此外，治疗师将其行为适应客户的行为，以偏爱融洽的关系。我们的行为产生模型嵌入了这些共发生以及这种行为适应。为此，我们建立了一个基于在Annomi语料库训练的条件扩散方法的观察框架。我们的模型学会生成以MI对话行为和客户的非语言行为为条件的虚拟Thera-pist的面部表情。我们旨在通过使用用户的行为来使SIA在类似治疗的互动中更有效（即对话行为和用户和代理的非语言行为）以推动SIA行为。
联合研究的启动是为了评估硝酸硅陶瓷底物的热扩散率
氮化硅陶瓷底物在活性金属悬挂（AMB）底物中起着关键作用，用于电动模块，其应用包括电动汽车（EV）和混合电动汽车（HEV）电动机控制的逆变器。这些基材在功率半导体模块操作过程中具有散热的函数。同时，底物越细，其热扩散率越高，功率半导体模块的操作效率越大。增加的电动汽车和HEV的采用量正在推动针对高功率设计的功率半导体模块的更多使用，从而最终导致对较薄的底物的需求不断增长，这些底物具有很大的热耗散性能。然而，缺乏评估比0.5毫米的底物热扩散性的确定方法，这在确保测量结果的一致性方面引起了挑战。这项联合研究邀请AIST及其对评估方法的广泛了解以及NGK及其先进的陶瓷底物技术，以收集数据以量化初步过程，这会影响底物热扩散率的测量。这将使我们能够验证评估高性能薄底物的方法，这些底物甚至比0.5毫米薄，例如尚未根据现有日本工业标准（JIS）定义的方法，从而有助于高度准确的测量数据和评估方法的未来标准化。
适用于多群中子扩散方程的混合有限元离散化的笛卡尔网格的自适应网格改进
自适应网状修复基于基本要素：后验估计。在中子中，后验错误控制是一个正在进行的研究主题。AMR。在[16，第3.3节]中，作者解决了A后验估计中使用的规律性假设的问题。在[21，22，25]中，A后验估计值基于双重加权残差方法，其中保证的估计器涉及确切的伴随溶液。在[17]中，他们设计了一个可靠的估计，该估计依赖于双重问题的定义，并突出了由于这个双重问题缺乏稳定性而缺乏效率。严格的估计值不需要过剩的规律性以及适应性网格重新确定策略，以解决运输方程式上的源问题[9]。在这项工作之后，[10]中已经解决了有关特征值问题的理论方面。在这些论文中，作者设计了一种数值策略，该策略依赖于精确控制的操作员评估，例如在[9]中用于解决源问题。在反应堆核心尺度上，使用简化的模型在核工业中很常见。准确地说，简化的模型可以是中子分歧模型或简化的传输模型。在[7]中，我们对中子差异方程的混合有限元离散量进行了严格的后验误差估计，并提出了一种自适应网格重新填充策略，以保留Carte-sian结构。在[13]中执行了这种方法对临界问题的第一个应用，尽管具有次级估计器。关于工业环境和特定的数字模拟，我们的方法是在Apollo3®代码[23]中开发混合有限元求解器[4]的一部分。
颅骨成形术后精细运动功能障碍和恢复的扩散张量成像分析
扩散张量成像（DTI）是磁共振成像（MRI）的高级方式，它扩展了扩散加权成像（DWI）的能力。DWI测量水扩散信号，DTI利用来自多个扩散方向的数据来绘制大脑中水分子的三维扩散，从而使其微观结构组织的评估。源自DTI的密钥指标包括分数各向异性（FA），它反映了白质微结构的完整性；平均扩散率（MD），这表明了总水扩散的大小，并且与细胞密度和细胞外空间有关。和径向扩散率（RD），代表垂直于轴突纤维的扩散，与髓磷脂状况相关[1]。dTI已应用于神经康复领域，研究报告了基于白质分析[2-4]，其效用在预测中风和创伤性脑损伤后的运动和功能恢复方面。此外，DTI已用于调查神经退行性疾病的白质变化[5-7]，并提供了一种定量方法来评估细微的微结构变化，而常规MRI很难检测到这些变化[8,9]。