XiaoMi-AI文件搜索系统
World File Search System模拟数据
设计用于收集残障人士人工智能数据的在线基础设施
人工智能技术为残疾人提供了扩大虚拟和物理访问的机会。然而，实现这些机会的一个重要部分是确保即将到来的人工智能技术能够很好地服务于具有各种能力的人们。在本文中，我们认为缺乏残疾人群体的数据是训练和对标公平包容的人工智能系统的挑战之一。作为一种潜在的解决方案，我们设想了一个在线基础设施，可以实现来自残疾人社区的大规模远程数据贡献。我们通过半结构化访谈和在线调查调查了残疾人在被要求收集和上传各种形式的人工智能相关数据时可能遇到的动机、担忧和挑战，该调查通过在线门户收集示例数据文件来模拟数据贡献过程。根据我们的研究结果，我们为开发人员创建用于收集残疾人数据的在线基础设施概述了设计指南。
具有数字功能的多单元系统的维护优化...
摘要 行业中的运营和维护 (O&M) 优化是文献中大量研究的一个主题。许多作者专注于基于可靠性的方法来优化 O&M，但很少有人关注研究宏观经济变量对长期维护政策的影响。这项工作旨在优化采矿业的基于时间的维护 (TBM) 政策。使用类似于系统数字孪生 (DT) 的虚拟模型重现矿山环境。维护决策的影响通过离散事件模拟 (DES) 复制，而矿山的财务可操作性模型则通过系统动力学 (SD) 实现。同时使用 DES 和 SD 使我们能够高保真地重现环境并最大限度地降低 O&M 成本。所选的说明性案例表明所提出的方法是可行的。确定并讨论了在管理决策中使用来自 DT 模型的高维模拟数据的问题。
小型无人机的飞行方向性和声功率测量...
摘要 — 无人机系统的声发射特性在许多情况下都备受关注。为了真实地表示方向特性和辐射声能，在真实条件下操作飞机非常有用。然而，对于典型的操作模式（例如巡航飞行），推导基于发射的声学量很困难。在本文中，使用麦克风阵列测量通过预定走廊的单次飞行来确定四轴飞行器无人机的方向性和声功率。记录的数据经过处理，既可以重建无人机的飞行路径，又可以表征其声发射。为了验证所提出方法的可靠性，使用来自具有单极子和偶极子方向性的移动源的模拟数据测试了信号处理。使用辐射方向空间的不同离散化并评估频率相关的方向性因子，讨论了如何在尽可能少的量的基础上尽可能全面地描述声辐射。
人口药代动力学研究和模拟
在GOF图上以图形方式评估了最终的PK模型，包括观察到的值与个人预测或人口预测，有条件加权残差（CWRE）与时间，绝对个体的加权残差（| iWRES |）与个人预测以及CWRE的正常性测试。进行hootstrap以内部验证最终模型。原始数据集用于模拟1,000个附加数据集，每个数据集用于使用最终模型重新估算参数。中值和95％的置信区间（CI），并将其与最终模型参数估计值进行比较，以评估最终模型的鲁棒性。视觉预测检查（VPC）用于评估最终模型的预测能力。进行了1000个模拟，并比较了观察到的数据与模拟数据的第2.5，第50和97.5个百分位数。
癌细胞系中代谢途径依赖性的景观
图1。基因表达和CRISPR基因依赖性的整合以鉴定代谢途径依赖性。a）示意图概述了遗传途径依赖性富集分析（遗传PDEA）的方法。CCLE的癌细胞系首先通过培养类型（粘附，悬浮液）和培养基（RPMI，DMEM）进行分层，然后使用单样本GSEA（SSGSEA）推断其代谢途径活性。将所得的途径活性与基因依赖性整合在一起，以评估与代谢途径活性的关联。b-c）模拟数据（请参阅方法）用于评估遗传PDEA方法的灵敏度。热图代表每个添加每个梯度时的显着结果百分比。添加到表达梯度中的值与添加到依赖梯度的值相比，相关系数和遗传性PDEA结果稍强。
llm增强语义相似性指标...
在这项研究中，我们利用LLM来增强语义分析并为文本开发相似性指标，以解决传统无监督的NLP指标（如Ruge和Bleu）的局限性。我们开发了一个框架，其中LLM（例如GPT-4）用于放射学报告的零摄影文本标识和标签生成，然后将标签用作文本相似性的测量值。通过在模拟数据上测试提出的框架，我们发现GPT-4生成的标签可以显着提高语义相似性评估，而得分比传统的NLP指标更与临床基础真理紧密相符。我们的工作证明了使用LLMS对高度专业域的半定量推理结果对文本数据进行语义分析的可能性。虽然实施了用于放射学报告相似性分析的框架，但它的概念也可以扩展到其他专业领域。
pensieve：安全评估的微构造建模
摘要搜索中准双β衰减（0νββ）的下一代搜索有望回答有关中微子性质和Uni-Verse Matter-Antimters不对称性的来源的深刻问题。他们将每年寻找每吨仪器同位素的事件率少于一个事件。要求发现模拟0νββ的探测器事件的发现，准确和有效的模拟至关重要。传统的蒙特卡洛（MC）模拟可以通过基于机器学习的生成模型来兼顾。这项工作描述了我们为像Kamland这样的单片液体闪烁体检测器设计的生成模型的性能，以生成没有预先固定物理模型的精确模拟数据。我们介绍了他们当前恢复低级特征并执行插值的能力。将来，这些生成模型的结果可用于通过提供高质量的丰富生成数据来改善事件分类和背景拒绝。
迁移学习在自动伽马光谱识别中的应用
早期研究的动机是缺乏强大的伽马射线光谱自动识别算法，特别是当光谱统计数据较低时，包括潜在的低信噪比。1,2 早期的工作集中于自动伽马射线光谱识别和使用卷积神经网络 (CNN) 进行识别的新数据模式。本文重点关注感兴趣的目标域中可用数据集的缺乏问题。虽然一些感兴趣的同位素的良好代表性数据可能数量较少，但大多数放射性同位素在原位出现的频率并不高，无法提供典型的机器学习所需的大型和多样化的数据集。通常，当收集大型放射学数据集时，发现的源种类非常有限，只有少数医疗和工业源占据主导地位；并且与我们之前的研究一样，需要大量依赖模拟数据。这种情况意味着，如果不进行一些修改，经过这些数据集训练的机器将无法识别大多数可能的放射性同位素。
合成声纳图像模拟具有各种海床条件的自动目标识别
在域内领域内的沟通环境有限，因此需要使用自主权和自动化目标识别（ATR），以便允许无人车辆在没有操作员的情况下做出可行的决定[1] - [3]。水下环境特性使声传感器成为开发自主系统的最重要的传感器工具，如车辆协调[4]和水下大满贯[5]所示。但是，相同的荒凉环境使得用于机器学习算法的大型数据集的收集变得难以正确训练基于机器学习的算法。因此，在基于侧扫声纳图像运行的训练自主系统中使用了具有声学精确的数据[6] - [9]。生成模拟数据的一种方法是使用基于物理学的声学建模，以模拟声音传播和原始声纳数据收集[10]，[11]。这具有捕获声纳数据的低级细微差别以生成声纳图像的好处，但这些模型通常很复杂且计算昂贵。另一种方法是近似将
通过...
大型神经元网络的抽象模拟是理解和解释健康和患病大脑的实验数据的重要方法。由于模拟软件的快速开发以及不同神经元类型的定量数据的积累，因此可以以“自下而上”的方式预测局部微电路的计算和动态性能。可以将这些模型的模拟数据与实验和“自上而下”的建模方法进行比较，并依次桥接尺度。在这里，我们使用软件Snudda来描述开源管道，以预测微电路连接性，并以可复制的方式使用神经元模拟环境来设置模拟。我们还说明了如何进一步“策划”从公共数据库中获得的单个神经元形态的数据。该模型建筑管线用于建立小鼠背纹状体的全尺度蜂窝级模型的第一版。该工作中的模型成分在这里用于说明对皮层下核（例如基底神经节）进行建模时所需的不同步骤。