XiaoMi-AI文件搜索系统
World File Search System梯度信息
Yolov9：使用可编程梯度信息学习要学习的内容
摘要。今天的深度学习方法着重于如何设计目标函数以使预测尽可能接近目标。同时，必须设计适当的神经网络体系结构。现有方法忽略一个事实，即当输入数据逐层特征转换时，会丢失大量信息。本文深入研究了信息瓶颈和可逆功能的重要问题。我们提出了可编程梯度信息（PGI）的概念，以应对深网所需的各种更改以实现多个目标。PGI可以为目标任务提供完整的输入信息来计算目标函数，以便可以获取可靠的梯度信息以更新网络参数。此外，设计了轻巧的网络体系结构 - 一般有效的层聚合网络（GELAN）。Gelan确认PGI在轻量级模型上取得了卓越的成绩。我们在MS可可对象检测数据集上验证了所提出的Gelan和PGI。结果表明，与基于深度卷积开发的状态方法相比，Gelan仅使用常规召集操作员来实现更好的参数利用。PGI可用于从轻量级到大型的各种型号。它可用于获取完整的信息，因此，与使用大型数据集进行预训练的最新模型可以实现训练范围的模型，比较结果如图1。源代码在https://github.com/wongkinyiu/yolov9上发布。
得到的信息描述符、平衡态和集合熵
摘要：本文重新审视了电子态的信息源，强调了熵/信息内容的合成度量的必要性，这些度量结合了概率和相位/电流密度的贡献。概率分布反映了波函数模量，并对香农的全局熵和费舍尔的梯度信息产生了经典贡献。由于概率“对流”，分子状态的相位分量同样决定了它们的非经典补充。局部能量概念用于检查平衡、相变状态下的相位均衡。重新审视了波函数模量和相位分量的连续性关系，强调了合成梯度信息的局部源的对流特性，平衡（静止）量子态中的潜在概率电流与水平（“热力学”）相相关。强调了化学过程的能量和合成梯度信息（动能）描述符的等价性。在大集合描述中，反应性标准由系统平均电子能量的群体导数定义。它们的熵类似物由整体梯度信息的相关导数给出，可提供一组等效的反应性指标来描述电荷转移现象。
mitgcm-ad V2：自动分化工具塔tape of
马萨诸塞州技术研究所通用循环模型（MITGCM）被气候科学界广泛使用，以模拟行星氛围和海洋循环。MITGCM的一个定义特征是它已开发为与算法二元组合（AD）工具（TAF）兼容，可以使切线线性和伴随模型的产生。这些提供了梯度信息，该信息可以基于动态的灵敏度和归因研究，状态和参数估计以及严格的不确定性定量。重要的是，梯度信息对于计算全面敏感性和执行E ffi cient大规模数据同化至关重要，确保可以从卫星和原位测量工具中收集的观察结果可以用来优化大型不确定的控制空间。因此，MITGCM构成了物理海洋学研究界采用的关键数据同化产品的动态核心：估计海洋的循环和气候（ECCO）国家估计。尽管MITGCM和ECCO在研究社区中广泛使用，但AD工具TAF是专有的，因此很大一部分用户无法访问。此处介绍的新版本2（MITGCM-AD V2）框架是基于源代码广告工具thaus的，该工具最近是开源的。tap的另一个功能是，默认情况下它存储了所需的变量（而不是重新计算它们），从而简化了e ffi cient，与AD兼容的代码的实现。该框架已与MITGCM模型的主分支集成在一起，现在可以免费使用。
通过应用程序
摘要：贝叶斯优化（BO）在大量控制应用程序中对昂贵的黑盒功能进行全局优化的数据效果表现出了巨大的希望。传统的BO是无衍生的，因为它仅依赖于性能函数的观察来找到其最佳。最近，已经提出了所谓的第一阶BO方法，该方法还将绩效函数的梯度信息进一步加速收敛。一阶BO方法主要利用标准采集功能，而间接使用内核结构中的梯度信息来学习性能功能的更准确的概率替代物。在这项工作中，我们提出了一种直接利用性能函数（Zeroth-order）及其相应梯度（第一阶）评估的梯度增强的BO方法。为此，提出了一个新型的基于梯度的采集功能，可以识别性能优化问题的固定点。然后，我们利用从多目标优化的想法来制定一种e显策略，以找到最佳贸易点的查询点，这些查询点是传统的Zeorth-rorder-rorde获取功能与拟议的基于梯度的采集函数之间的。我们展示了如何使用拟议的获取 - 增强梯度增强的BO（AEGEBO）方法来加速基于策略的增强型学习的收敛，通过将噪声观察结果结合到可以直接从闭环数据中估算的奖励函数及其梯度的噪声。将AEGBO的性能与传统的BO和基准LQR问题上众所周知的增强算法进行了比较，我们始终如一地观察到在有限的数据预算中显着提高了性能。
dedim：使用扩散模型去识别
摘要：作为对面部识别系统中恶意身份验证的对策，使用了从SNS或类似的面部图像或基于对抗性示例的De-nisteriation方法获得的面部图像。然而，由于对抗示例直接使用面部识别模型的梯度信息，因此它高度依赖于该模型，并且对于未知识别模型而言，很难实现识别效果和图像质量。在这项研究中，我们提出了一种基于扩散模型的新型去识别方法，该方法通过对面部形状进行微小变化来对未知识别模型具有很高的概括性。使用LFW的实验表明，与使用对抗性示例的常规方法相比，该方法对未知模型具有更高的识别效果，并且图像质量更好。
机载重力梯度仪.pdf
摘要 过去几年，重力梯度仪仪器技术取得了重大进展，人们对此的兴趣空前高涨，各种应用的新部署方案也层出不穷。重力梯度测量现在通常被视为资源勘探活动的可行组成部分，并被用于全球信息收集。自 19 世纪 90 年代扭力天平发明以来，人们已经认识到重力梯度信息很有价值，但获取起来却困难且耗时。本文将总结梯度传感器开发的进展，并将介绍已成功部署的部署方案和梯度仪系统。最后，我们将简要介绍与改进重力梯度仪操作能力相关的最重大挑战，包括仪器和系统固有噪声、车辆动态噪声、地形噪声、地质噪声和其他噪声源。
机载重力梯度仪.pdf
摘要 过去几年，重力梯度仪仪器技术取得了重大进展，引起了空前的兴趣，各种应用也出现了新的部署方案。重力梯度测量现在通常被视为资源勘探活动的可行组成部分，并被部署用于全球信息收集。自 19 世纪 90 年代扭力天平问世以来，人们已经认识到重力梯度信息很有价值，但获取起来却很困难且耗时。本文将总结梯度传感器开发的进展，还将介绍已成功部署的部署方案和梯度仪系统。最后，我们将简要介绍与改进重力梯度仪操作能力相关的最重大挑战，包括仪器和系统固有噪声、车辆动态噪声、地形噪声、地质噪声和其他噪声源。
具有立体视觉应用的迭代图像注册技术
图像注册在计算机视频中找到了多种应用，例如与立体视觉，模式识别和运动分析的图像匹配。不断增加，现有的图像注册技术往往是昂贵的。此外，它们通常无法处理图像的旋转或其他扭曲。在本文中，我们提出了一种新的图像注册技术，该技术使用空间强度梯度信息来指导搜索最佳匹配的位置。通过考虑有关图像的更多信息，该技术能够找到与图像比较少得多的两个图像之间的最佳匹配，这些技术比以某种固定顺序检查了注册位置的技术要少得多。我们的技术利用了以下事实：在许多应用中，这两个图像已经在近似注册中。可以将此技术推广以处理图像的任意线性扭曲，包括旋转。
一种基于增强学习的差异化奖励方法，基于多车辆合作决策算法
摘要 - 增强学习（RL）在通过州行动 - 奖励反馈循环中优化多车合作驾驶策略的巨大潜力，但它仍然面临着诸如低样本效率之类的挑战。本文提出了一种基于稳态过渡系统的差异奖励方法，该方法通过分析交通流量特征将国家过渡梯度信息纳入奖励设计中，旨在优化多车辆合作决策中的行动选择和政策学习。在不同的自动驾驶汽车渗透率下，在RL算法（例如Mappo，MADQN和QMIX）中验证了所提出的方法的性能。结果表明，在交通效率，安全性和行动合理性方面，差异化奖励方法显着加速了培训的融合，并优于核心奖励和其他方面的奖励。此外，该方法表现出强大的可扩展性和环境适应性，为在复杂的交通情况下制定多机构合作决策提供了一种新颖的方法。
CSPNet：可增强 CNN 学习能力的新骨干
神经网络使最先进的方法能够在目标检测等计算机视觉任务上取得令人难以置信的效果。然而，这种成功很大程度上依赖于昂贵的计算资源，这阻碍了拥有廉价设备的人们欣赏先进的技术。在本文中，我们提出了跨阶段部分网络（CSPNet）来从网络架构的角度缓解以前的工作需要大量推理计算的问题。我们将问题归因于网络优化中的重复梯度信息。所提出的网络通过整合网络阶段开始和结束的特征图来尊重梯度的变化，在我们的实验中，在 ImageNet 数据集上以相同甚至更高的精度将计算量减少了 20％，并且在 MS COCO 目标检测数据集上的 AP 50 方面明显优于最先进的方法。 CSP-Net 易于实现且足够通用，可以应对基于 ResNet、ResNeXt 和 DenseNet 的架构。