XiaoMi-AI文件搜索系统
World File Search System正规化
CD-KDCD-KD
医学图像分析中深度学习的核心挑战之一是数据不足，尤其是对于3D脑成像，这可能会导致模型过度拟合和泛化。正规化策略（例如知识蒸馏）是通过惩罚预测性分布并引入其他知识来加强培训过程的强大工具来减轻问题。在本文中，我们通过惩罚细心的产出分布和中间代表来重新审视知识扭曲作为正规化范式。尤其是我们提出了一个信心正规知识蒸馏（CREG-KD）框架，该框架可以根据知识信心自适应地转移知识以进行蒸馏。提倡两种策略，以使教师和学生知识之间的全球和地方依赖性正规化。详细提出了一种封闭式的蒸馏机制，以通过将教师损失作为置信度得分来软化全球转移的知识。中间表示非常专心和局部完善，具有关键的摩西环境，以模仿有意义的特征。为了证明我们提出的框架的优越性，我们评估了两个大脑成像分析任务的框架（即基于阿尔茨海默氏病的疾病分类和大脑年龄估计，基于阿尔茨海默氏病神经影像学计划数据集，包括902名受试者和来自4个公共数据集的3655名受试者的同类。广泛的实验结果表明，CREG-KD比基线教师模型取得了一致的改进，并表现出了其他最先进的知识蒸馏方法，这表明Creg-KD是有希望的预测性能和普遍性的强大医学图像分析工具。
Katrina Drozdov（evtimova）Katrina Drozdov（evtimova）
使用方差正规化K. Evtimova，Y。Lecun用多层解码器进行稀疏编码。TMLR 2022。ista是一种用于提取数据稀疏表示形式的经典算法。我们将ISTA扩展到与深度神经网络一起使用，应用方差正则化以避免崩溃。用我们的方法提取的稀疏图像表示形式提高了一声学习性能。
2023 年中心工人
在公司高层领导的领导下，2001 年《制造商和供应商行为准则》的通过标志着 Inditex 供应链可持续管理模式的转折点，使相关工作正规化。自那时起，《制造商和供应商行为准则》以及确保其实施的合规计划指导了促进供应链中体面劳动的工具、项目和伙伴关系的开发和持续改进，至今仍是我们管理模式的基础。
CSIR-National环境工程研究所
参与这些项目不会赋予候选人对任何CSIR/CSIR-NEERI邮政的审议正规化的任何权利或明确的权利。此外，在任何情况下，在合同的研发项目中为CSIR-NEERI或CSIR的任何其他实验室/CSIR机构服务的项目工作人员的任期都将超过六到七年，因为该案可能是根据第1号条款。1.6/1.7的CSIR OM No. 5-1（342）/2017-PD日期为02.09.2024，不时修订。1.6/1.7的CSIR OM No.5-1（342）/2017-PD日期为02.09.2024，不时修订。
长期互动驾驶模拟：MPC toRescue⋆
摘要。仿真现在在自主驾驶算法的发展中起着重要作用，因为它可以大大降低现实世界测试的环保成本和道德风险。但是，建立高质量的驾驶模拟器并不是微不足道的，因为它要求采取公路代理的现实性行为行为。最近，几个模拟器采用以数据驱动方式学习的交互式轨迹预测模型。尽管他们成功地生成了短期交互式场景，但在时间范围更长时，模拟器很快就会崩溃。我们确定了背后的原因：现有的交互式轨迹预测因子在递归喂养预测作为模型的输入时遭受室外（OOD）问题。为此，我们建议引入一个量身定制的模型预测控制（MPC）模块，以使最先进的交互式轨迹预测模型M2I，形成了一个名为M 2 SIM的新模拟器。值得注意的是，M 2 SIM可以通过执行弹性正规化来有效地解决长期模拟的OOD问题，该正规化可以接受重播数据，同时仍享受数据驱动的预测的多样性。我们使用定量结果和可视化来证明M 2 SIM的优势，并发布我们的数据，代码和模型：https：//github.com/0nhc/m2sim。
Ormazabal可持续性报告2023Ormazabal可持续性报告2023
公司在迅速变化的世界中面临新的战略周期。电力部门面临着不断增长的威胁和机遇。一方面，宏观经济不确定，利率，全球化，人才斗争和持续的正规化是一定的挑战。另一方面，欧盟委员会和国际能源组织强调需要到2030年对电网进行两次投资，以便加速能源过渡（电力网，可再生能源，电动汽车，电动储存）。国际机构彭博社新能源金融领先，到2040年，电力需求将翻一番。这是Ormazabal的宝贵机会。
AI增强了大脑成像 - 精选的手术过程拖拉术
在半球术患者完整半球中的下纵向筋膜（ILF）的重建。在特写镜头中，与红色矩形内的区域相对应，在切片附近剪辑了流线，以更好地可视化事实，即TractSeg在病变内重建流线，而提议的正规化低率重建则更准确地排除了病变，尽管分裂了整体较大的Tract体积，但仍将病变排除在外。信用：神经图像：临床（2025）。doi：10.1016/j.nicl.2025.103738
使用正则图的基于EEG的情绪识别...
摘要 - 电脑摄影（EEG）通过电极测量不同大脑区域的神经元活性。许多关于基于脑电图的情绪识别的现有研究并不能完全利用脑电图通道的拓扑。在本文中，我们提出了一个正规化的图形网络（RGNN），以用于基于EEG的情绪识别。rgnn认为不同大脑区域之间的生物拓扑结构是在不同的脑电图通道之间捕获局部和全球关系。特别是，我们通过图神经网络中的邻接矩阵对脑电图中的通道间关系进行建模，在图神经网络中，邻接矩阵的连接和稀疏性受到人脑组织的神经科学理论的启发。此外，我们提出了两个正规化器，即节点的对抗训练（NODEDAT）和情绪感知的分布学习（EmotionDL），以更好地处理跨主题的EEG EEG变化和嘈杂的标签。在两个公共数据集（种子和种子IV）上进行了广泛的实验，在大多数实验环境中表明，与最先进的模型相比，我们的模型的性能优越。此外，消融研究表明，所提出的邻接矩阵和两个正则化器为我们的RGNN模型的性能贡献了一致且显着的增益。最后，对神经元活动的调查揭示了基于脑电图的情绪识别的重要大脑区域和通道间关系。
GACM-德国计算机制协会：MS15-耦合多物理过程计算地质力学领域的边界
这个迷你群岛将专注于尖端的计算方法及其在地质力学中的应用，重点是多物理耦合，例如热 - 氢化机械化学（THMC）过程。它将强调提高预测准确性，计算率和可扩展性，以建模关键能源和环境系统中的耦合过程。此外，它解决了与正规化技术有关的计算地质力学方面的关键挑战。我们邀请贡献介绍创新的计算技术，现实世界案例研究或跨学科方法推进地质力学。感兴趣的主题包括但不限于：
sangea：可扩展和归因网络生成
深层生成模型（DGM）是用于学习数据表示的多功能工具，同时合并了域知识，例如条件概率分布的规范。最近提出的DGMS解决了比较来自不同来源的数据集的重要任务。这样的示例是对比分析的设置，该分析的重点是描述与背景数据集相比富含目标数据集中的模式。这些模型的实际部署通常假定DGM自然推断出可解释的和模块化的潜在表示，这在实践中是一个问题。因此，现有方法通常依赖于临时正规化方案，尽管没有任何理论基础。在这里，我们通过扩展非线性独立组件分析领域的最新进展，提出了对比较DGM的可识别性理论。我们表明，尽管这些模型在一般的混合功能上缺乏可识别性，但当混合函数在零件上时，它们令人惊讶地变得可识别（例如，由Relu神经网络参数化）。我们还研究了模型错误指定的影响，并从经验上表明，当未提前知道潜在变量的数量时，以前提出的用于拟合比较DGM的正则化技术有助于识别性。最后，我们引入了一种新的方法，用于拟合比较DGM，该方法通过多目标优化改善了多个数据源的处理，并有助于使用约束优化以可解释的方式调整正规化的超参数。我们使用模拟数据以及通过单细胞RNA测序构建的细胞中的遗传扰动数据集以及最新的数据集验证了我们的理论和新方法。关键字：非线性ICA；深层生成模型；变分推断；解开；