XiaoMi-AI文件搜索系统
World File Search System模型的
基于能量的模型的流对比估计
本文研究了一种联合估计基于能量的模型和基于流的模型的训练方法，其中两个模型基于共享的对抗值函数进行迭代更新。该联合训练方法具有以下特点：（1）基于能量的模型的更新基于噪声对比估计，流模型作为强噪声分布。（2）流模型的更新近似地最小化了流模型与数据分布之间的 Jensen-Shannon 散度。（3）与生成对抗网络（GAN）估计由生成器模型定义的隐式概率分布不同，我们的方法估计数据上的两个显式概率分布。使用所提出的方法，我们证明了流模型的综合质量的显著改进，并展示了通过学习到的基于能量的模型进行无监督特征学习的有效性。此外，所提出的训练方法可以轻松适应半监督学习。我们取得了与最先进的半监督学习方法相媲美的成果。
MATLAB/SIMULINK中的系列和平行电池组模型的建模和模拟
锂离子电池最近由于其许多优势而成为车辆应用研究的重点。锂离子电池具有比其他二级电池更高的特异性能量，更好的能量密度和更低的自我放电速率，这使其适合电动汽车和混合动力汽车。尽管如此，担心安全性，成本，充电时间和回收利用已阻碍了锂离子电池的商业用法，以进行自动应用。开发有效的电池系统需要在模拟平台上进行精确的电池模型。在这项研究中，电池模型是用MATLAB/SIMULINK内置的。有两个变体可用：一个具有串联的平行电池布置和一个无配置的单个型号。提供并详细说明了所提出的模型的结构。基于测试结果，已验证了开发的电池模型。一个比较表明，创建的模型可以准确预测电流，电压和功率性能。该型号是为Eaton机电电池锂离子18650电池设计的，但据说与其他类型的电池一起使用。模拟考虑了电池的充电状态，电流，电压和电源要求。
特级初榨橄榄油和苹果醋对 2 型糖尿病大鼠模型的抗氧化作用
摘要 目的：比较特级初榨橄榄油和苹果醋对 2 型糖尿病大鼠的抗氧化作用。研究设计：随机对照试验。研究地点和持续时间：本研究于 2021 年 5 月至 2021 年 6 月在巴基斯坦拉合尔研究生医学研究所动物房进行。方法：在本研究中，将 40 只雄性 Sprague Dawley 大鼠分成 4 组，即第 I 组为 NC（阴性对照），第 II 组为 PC（阳性对照），第 III 组为 EVOO（特级初榨橄榄油）和第 IV 组（苹果醋），每组 10 只大鼠。除 NC 组大鼠外，所有大鼠在研究开始时均通过腹膜内注射烟酰胺诱发糖尿病，15 分钟后注射链唑嗪 (STZ)。第 III 组每天给予 1ml/100gBW/ 毫升 EVOO，第 IV 组每天给予 2ml/kg BW/ 毫升用蒸馏水以 1:5 的比例稀释的 ACV，持续 4 周。4 周后取样以确定血清中的氧化应激标志物丙二醛、超氧化物歧化酶和总抗氧化状态。结果：与阳性对照组相比，EVOO 和 ACV 的摄入显示血清丙二醛水平降低，P 值分别为 0.000 和 0.014。阳性对照组血清超氧化物歧化酶活性和总抗氧化状态最低，而两个治疗组的这些参数与阳性对照组相比均显着增强，P 值 = 0.000。结论：特级初榨橄榄油和苹果醋均对 2 型糖尿病大鼠具有抗氧化作用。然而，特级初榨橄榄油更有效。
导航和解决基础模型的数据问题（DPFM），ICLR 2024研讨会
本研讨会旨在将开拓者和从业人员汇集到研究问题上的研究问题，以讨论其新的范式并寻找路线图，从而促进对新兴研究问题的理解，从而引起广泛的兴趣并以方向向前发展交流见解。我们努力在这个基本主题背后建立一个社区，并提供平台，共享想法，探索共识并创造协作机会。值得一提的是，基础模型的当前数据实践在很大程度上是不透明的1。本研讨会的一个使命是在预处理阶段本身就开源数据工作进行社区努力。随后的努力包括创建数据集，基准（例如MLCommons和Dataperf）以及专门的场所（例如DMLR）来促进基础模型数据问题的研究，并最终促进FMS在社交技术方面的广泛部署，从而为大体而提供受益的型社会技术。
直接金属沉积中基于神经网络的过程模型的迁移学习
增材制造工艺在工业领域越来越重要。特别是直接金属沉积 (DMD) 是一种很有前途的制造技术，因为它可以实现广泛的应用，例如从头开始制造零件、在传统加工的原始零件上添加材料，甚至高效修复高价值零件 [1]。除了许多优点外，该工艺的可控性仍然很困难，导致内部缺陷、几何偏差或微观结构不均匀。相变、粉末-气体动力学和参数不确定性等多种物理现象会影响工艺行为并使工艺处理复杂化。因此，需要进行大量的实验活动来确定具有可接受几何和材料性能的工艺参数
斑马鱼肿瘤异种移植模型的优势
在目前的临床前抗肿瘤研究中，普遍缺乏能够快速高效筛选有效抗肿瘤药物的体内模型。斑马鱼作为与人类基因相似度高达 87% 的物种，已被广泛用于模拟人类疾病，被认为是研究癌症发展、增殖和转移的替代经济模型。斑马鱼肿瘤异种移植模型已被有效用于各个层面的癌症药物开发，包括靶标验证和可能参与肿瘤调控的长链非编码 RNA (lncRNA) 的高通量筛选。在这篇综述中，我们全面概述了斑马鱼作为癌细胞生长、迁移、抗肿瘤免疫治疗和抗肿瘤药物筛选的体内模型。此外，一些活性 lncRNA 的调控机制已被确定在癌症的发病机制中发挥作用，但仍有必要利用高效的斑马鱼模型来筛选和进一步了解这些分子在肿瘤发展和迁移中的作用。目前的抗肿瘤疗法受到严重毒性和多药耐药性的限制。迫切需要经济高效的体内研究工具来提高我们的理解并克服这些问题。本文综述了使用斑马鱼模型进行抗肿瘤研究的不同目的。我们讨论了斑马鱼在癌细胞增殖和转移、识别信号通路、癌症药物发现和治疗开发以及毒性研究中的应用。最后，本综述强调了该领域的局限性和未来方向，以有效利用斑马鱼作为癌症治疗开发的高效模型。
基于扩散模型的机器人视觉运动策略学习
背景和动机视觉策略学习涉及将视觉观察映射到运动动作上，使机器人能够有效地与环境互动。传统方法通常在多模式作用分布的复杂性以及对高精度和时间一致性的需求中挣扎。最近引入的扩散策略通过采用有条件的降级扩散过程来生成机器人动作，从而提供了有希望的解决方案。这些模型在产生复杂的行为方面表现出了卓越的性能，使其成为机器人操纵和组装任务的理想候选人。此外，整合自然语言处理（NLP）允许多功能任务调理，使机器人能够根据人类指令执行各种任务。
HHMR：通过增强图扩散模型的多模式可控性
近年来见证了一代和重建范式深入融合的趋势。在本文中，我们扩展了可控制的生成模块的能力，以实现更全面的手网恢复任务：在单个框架中，手工网格的生成，内部网状，重建，重建和拟合，我们将其命名为H olistic H和MESH R Ecovery（HHMR）。我们的主要观察结果是，具有强大多模式可偿还性的单个生成模型可以实现不同类型的手网恢复任务，并且在这样的框架中，实现不同的任务只需要给出不同的信号作为条件。为了实现这一目标，我们提出了基于图形卷积和整体手工网状恢复的注意力卷积和注意力机制的多合一扩散框架。为了实现强大的控制能力，同时确保多模式控制信号的解耦，我们将不同的模态映射到共享特征空间并应用跨尺度随机
增强具有生成负面挖掘的视觉语言模型的多模式组成推理
当代的大规模视觉语言模型（VLM）具有强大的表示能力，使它们无处不在，可以增强图像和文本理解任务。他们经常以对比的方式受到大量图像和相应的文本字幕的对比方式进行训练。尽管如此，VLMS经常在构图推理任务上挣扎，这些任务对对象及其属性的复杂相互作用进行了精细的了解。此失败可以归因于两个主要因素：1）对比的方法传统上专注于从现有数据集中开采负面示例。但是，该模型可能不难区分阳性检查。替代采矿的替代方法是负样本2），但现有的生成方法主要集中于生成与给定图像相关的硬性负面文本。在另一个方向上进行挖掘，即生成与给定文本相关的负面图像样本已被忽略。为了克服这两种限制，我们提出了一个框架，不仅在两个方向上矿山，而且在这两种方式（即图像和文本）中产生了有挑战性的负面样本。利用这些生成硬性负样本，我们在涉及多模式综合推理的任务中显着提高了VLMS的性能。我们的代码和数据集在https://ugorsahin.github.io/enhancing-- vlm.html上发布。