XiaoMi-AI文件搜索系统
World File Search System每层
使用分布式错误信号
基于生物奖励的学习中的一个计算问题是如何在Accumbens（NAC）中执行信用分配以更新突触权重。许多研究表明，NAC多巴胺编码时间差异（TD）错误来学习价值预测。但是，多巴胺是在区域均匀浓度中同步分布的，该浓度不支持明确的信用分配（如背波使用）。尚不清楚单独的分布式错误是否足以使突触进行协调更新以学习复杂的，非线性奖励的学习任务。我们设计了一种新的深Q学习算法（一种人工D opamine）来计算证明，同步分布的每层TD误差可能足以学习令人惊讶的复杂RL任务。我们通过经验评估了我们在漫画，深度控制套件和经典控制任务上的算法，并表明它通常可以实现与使用反向流向的深度RL算法相当的性能。
c-1 ermengency-responder-communication-emhancement- ...
建造建筑建设并占用后（签发临时占用证书（TCO）），需要进行可接受的覆盖范围证明，以确保建筑物每层楼层的双向紧急响应者通信覆盖范围符合所需的信号强度和质量。注意：建筑所有者和/或ERCES测试承包商的责任与SDFD联系，要求释放用于TCO的建筑物。建筑物符合该标准范围内的标准通常需要安装ERCES以满足要求。强烈建议您考虑在建筑施工期间提供布线路径和安装导管（根据需要），以适应ERCES安装，如果需要进行测试，则需要系统以提供可接受的覆盖范围。SDFD将在提供可接受的覆盖范围或已允许，安装和完全测试/检查的任何可接受的覆盖范围证明之前，不会释放用于占用证书的建筑物（COFO）。无法接受的覆盖范围证明将需要安装专用的ERCES，并将受到ERCES许可处理和费用的约束。
金属
摘要：同轴激光金属沉积（LMD-w）是对已在生产中建立的增材制造工艺的宝贵补充，因为它允许一个与方向无关的工艺，具有高沉积速率和高沉积精度。然而，在工艺开发过程中，缺乏关于调整工艺参数以构建无缺陷部件的知识。因此，在这项工作中，使用铝线 AlMg4,5MnZr 和不锈钢线 AISI 316L 进行了同轴 LMD-w 工艺开发。首先，确定了导致无缺陷工艺的参数组合的边界。工艺参数单位长度能量和速度比之间的比例对于无缺陷工艺至关重要。然后，使用回归分析分析了工艺参数对两种材料的单个珠子高度和宽度的影响。结果表明，线性模型适合描述工艺参数与珠子尺寸之间的相关性。最后，提出了一个与材料无关的公式来计算增材工艺所需的每层高度增量。对于未来的研究，这项工作的结果将有助于使用不同材料的工艺开发。
通过逐层优化脑外科医生学习修剪深度神经网络
如何开发精简而准确的深度神经网络对于实际应用至关重要，尤其是对于嵌入式系统中的应用。尽管之前沿着该研究方向的工作已经显示出一些有希望的结果，但是大多数现有方法要么无法显著压缩训练有素的深度网络，要么需要对修剪后的深度网络进行大量再训练才能重新提高其预测性能。在本文中，我们提出了一种新的深度神经网络分层修剪方法。在我们提出的方法中，每个单独层的参数都基于相应参数的分层误差函数的二阶导数独立地进行修剪。我们证明，修剪后最终的预测性能下降受每层造成的重构误差的线性组合限制。通过适当控制分层误差，只需对修剪后的网络进行轻度再训练即可恢复其原始的预测性能。我们在基准数据集上进行了大量实验，以证明我们的修剪方法与几种最先进的基线方法相比的有效性。我们的工作代码发布在：https://github.com/csyhhu/L-OBS 。
![arxiv：2502.02919v1 [cs.cv] 2025年2月5日](/simg/g:\will\search\icon\source\9\95a89e73bf74ff876d48cdddc14fbb2c556ce799.webp)
arxiv：2502.02919v1 [cs.cv] 2025年2月5日
在视觉变压器中，位置嵌入（PE）在捕获令牌顺序方面起着作用。然而，在Vi-Sion变压器结构中，由于将嵌入位置嵌入的结构简单地添加到令牌嵌入中，因此PE的增强性存在限制。通过将PE传递到每一层的PE并应用独立层正常化的令牌嵌入和PE来克服此限制。在本文中，我们确定了使用全球平均池（GAP）方法而不是类令牌时在层的结构中发生的冲突结果。为了克服这个问题，我们提出了MPVG，这可以最大程度地利用差距在层结构中PE的有效性。具体来说，我们确定了PE平衡令牌在每层结构中的嵌入值。此外，我们认识到PE的平衡作用在层结构上不足，我们通过通过MPVG最大化PE的有效性来解决这一问题。通过实验，我们将表现出PE扮演平衡的角色，并且具有这种平衡方向性的主导性会显着影响视觉变压器。结果，实验性的研究表明，MPVG在各种任务上跨越视觉变压器的现有方法。
在SS316L和In718合金中优化用激光金属沉积制造的薄墙和in718合金
摘要：在这项工作中，通过通过记录和分析的离线数据来调整3轴笛卡尔运动学的限制，从而优化了具有锋利角的薄壁的生产，例如轴速度，加速度和X和Y轴的位置。该研究使用两种粉末材料（SS316L和IN718）使用激光进行了定向的能量沉积过程。用1毫米厚度获得薄壁，每层只有一个珠子，在90°处获得直/尖角。在调整位置参数G502以在Fagor 8070 CNC系统上定位精度后，可以在角落中获得最小的材料积聚的壁，并且在两种不同的精确的精度构造的0.11和0.24 mm之间，在0.11和0.24 mm之间具有恒定的层厚度和高度，并且具有恒定的层厚度和高度。通过确定编程速度的降低与定位的精度之间的正确平衡，以达到定义为墙角的点，速度为20 mm/s的速度为29％，速度为20 mm/s，速度为61％，速度为40 mm/s。墙壁显示出最小的缺陷，例如残余孔隙度，微观结构足够。
3D 打印安全工作规范
材料挤出 [熔融沉积成型 (FDM)] – FDM 打印机使用加热到熔点的热塑性长丝来创建 3 维物体。这是最常见的 3D 打印机类型。 桶聚合 [立体光刻 (SLA)] – 桶聚合使用液态光聚合物树脂来创建模型，然后使用紫外线 (UV) 激光或数字处理灯固化每层树脂。 材料喷射 – 材料喷射选择性地将进料液滴沉积到构建平台上，使液滴冷却并凝固，然后在凝固的液滴上构建以创建 3 维物体。 粘合剂喷射 – 粘合剂喷射将一层粉末分布到构建平台上，然后涂抹液体粘合剂将颗粒层粘合在一起。 粉末床灌注 [选择性激光烧结 (SLE)] – 使用激光或其他能量源将塑料、金属、陶瓷或玻璃粉末融合在一起以形成结构。定向能量沉积 (DED) – 金属粉末或金属丝在通过移动打印头沉积的同时被熔化。薄片层压 – 使用激光或锋利的刀片切割和粘合薄层材料（例如，纸张、铝箔）来创建 3D 物体。
模块指南 应用人工智能进行数字化生产管理
网络（DNN）由多层相互连接的节点组成，每层都建立在前一层的基础上，以细化和优化预测或分类。在本课程中，学生将了解不同的 ML 模型和 DL 模型。他们能够理解问题、选择模型、评估模型并确定生产和物流领域特定应用的最佳解决方案/方法。完成本模块后，学生将实现以下学习目标：专业能力：- 理解机器学习和深度学习- 理解 ML 中的不同算法- 理解建模概念并将深度学习应用于各个应用领域方法能力：- 应用不同的数据收集和预处理方法- 应用各种机器学习技术，如回归- 建立深度学习模型，包括不同数量的层和超参数个人能力：- 生产和物流中的机器学习和深度学习（MLDL-PL）模块教导和指导学生解决复杂的任务和问题。- 学生学习概念构建、建模、分析和评估工业问题的哲学以及如何应用 MLDL 技术来解决这些问题。社会能力： - 学生能够反思智能系统领域的需求，并将其转移到相关的应用场景中。
Telkomnika电信计算电子和控制
在这项研究中，作者提出了一种对黑色素瘤皮肤癌（MSC）进行分类的深度学习方法。他们引入了一个由27层组成的卷积神经网络（CNN）模型，该模型经过精心设计，旨在从皮肤病变图像中提取特征并将其分类为黑色素瘤和非黑色素瘤类别。提出的CNN模型包括多个卷积层，这些卷积层将过滤器应用于输入图像以提取诸如边缘，形状和图案之类的特征。批发层将卷积层的输出归一化以加速学习过程并防止过度拟合遵循这些卷积层。在皮肤病变图像的公开数据集上评估了所提出的CNN模型的性能，并且发现表明，它的表现优于黑色素瘤分类的几种最新方法。作者还进行了消融研究，以分析每层对模型整体性能的贡献。所提出的DL方法有可能协助皮肤科医生早期检测MSC，这可能导致更有效的治疗并改善患者的预后。它还证明了DL技术在医学图像分析中的有效性，并突出了仔细设计和优化CNN模型以进行高性能的重要性。提议的系统的准确性为99.99％。
创建用于机器学习的地层一致的地震概况
图1：反射终止模式，来自Wiki.aapg.org，改编自Vail 1987，用于创建详细模型的原理遵循Plint和Nummedal（2000）中设置的过程，该过程使用了默认的基础级别曲线和每层或周期的固定沉积物。与Plint-nummedal模型不同，而不是仅超过21个周期），而是使用更高的层计数（> 500）来创建沉积概况。在模型中创建了，假设岩石圈倾斜与构造断层相结合，则创建了该模型。 eustenacy变化用于生成地层表面的序列。 每一层的平均厚度在1-2米之间，每个轮廓导致超过1000多个Isopach层。 为每个二阶要的循环创建至少200层，并具有嵌入式三阶和四阶周期。 第五阶拼印件是的一部分。，假设岩石圈倾斜与构造断层相结合，则创建了该模型。eustenacy变化用于生成地层表面的序列。每一层的平均厚度在1-2米之间，每个轮廓导致超过1000多个Isopach层。为每个二阶要的循环创建至少200层，并具有嵌入式三阶和四阶周期。第五阶拼印件是