XiaoMi-AI文件搜索系统
World File Search System深层
在深层生成模型上，用于近似和估计歧管上的分布
生成网络在分销学习方面取得了巨大的经验成功。许多现有的实验表明，生成网络可以从低维易于样本分布中生成高维的复杂数据。但是，现有的现象不能被现有理论所构成。广泛持有的歧管假设推测，自然图像和信号等现实世界数据集表现出低维几何结构。在本文中，我们通过假设数据分布在低维歧管上支持数据分布来考虑这样的低维数据结构。我们证明了Wasserstein-1损失下的生成网络的统计保证。我们表明，Wasserstein-1损失取决于固有维度而不是环境数据维度，以快速的速率收敛至零。我们的理论利用了数据集中的低维几何结构，并认为生成网络的实际力量。我们不需要对数据分布的平稳性假设，这在实践中是可取的。
深层土壤蒸汽提取试点研究工作计划 Red Hill ...
1MN 1-甲基萘 2MN 2-甲基萘 A3 3 号支洞 隧道 AECOM AECOM 技术服务公司 AS 空气喷射 BH 钻孔 btf 隧道底板以下 CO 2 二氧化碳 DOH 夏威夷州卫生部 DSVMP 深层嵌套土壤蒸汽监测点 EPA 美国环境保护署 GAC 颗粒活性炭 HAR 夏威夷行政法规 HC 碳氢化合物 ID 内径 JP-5 喷气推进剂 5 LNAPL 轻质非水相液体 Navy 美国海军部 OD 外径 PID 光电离检测器 ppmv 体积百万分率 PQ 金刚石钻芯（4.83 英寸） PQO 项目质量目标 PVC 聚氯乙烯 QC 质量控制 RA 监管机构 SVE 土壤蒸汽提取 SVMP 土壤蒸汽监测点 TO 任务顺序 TPH-d 总石油烃 – 柴油范围有机物 TPH-o 总石油烃 – 残油或机油范围有机物 TW 临时井UV紫外线 VOC 挥发性有机化合物
在交互式舞蹈音乐表演中对深层空间的体现探索
近年来，在音频生成的深度学习模型中已取得了重大进展，提供了有希望的工具用于Musical Creation。在这项工作中，我们研究了在互动舞蹈/音乐表演中使用深度音频生成模型的使用。我们采用了一种表演主导的研究设计方法，建立了研究者/音乐家与舞者之间的艺术研究合作。首先，我们描述了我们的运动互动系统 - 整合深度音频生成模型，并提出了三种用于体现深层空间的探索方法。然后，我们详细介绍建立以系统共同设计为中心的性能的创作过程。最后，我们报告了舞者访谈的反馈，并讨论结果和观点。代码实施在我们的GitHub 1上公开可用。
通过图形卷积网络通过深层潜在位置模型聚类
随着个体通过数字平均值的显着相互作用的显着增加，图中节点的聚类已成为分析大型和复杂网络的一种基础方法。在这项工作中，我们提出了深层的位置模型（DEEPLPM），这是一种端到端的生成聚类方法，将广泛使用的潜在位置模型（LPM）与图形卷积网络（GCN）编码策略相结合。此外，还引入了一种原始估计算法，以通过变异推理和使用随机梯度下降进行图形重建来整合后聚类概率的明确优化。在模拟场景上进行的数值实验突出了DeepLPM自养生的能力，以选择簇数量的较低限制，这表明其聚类能力与最先进的方法相比。最后，DEEPLPM进一步应用于Merovingian Gaul的教会网络和引文网络Cora，以说明探索大型且复杂的现实世界网络的实际兴趣。
通过逆增强学习迈向可解释的深层增强学习模型
摘要 - 人工智能，特别是通过深度学习的最新进步（DL），在自然语言处理和计算机视觉等领域的许多任务中都取得了出色的表现。对于某些高风险域，除了理想的性能指标外，通常还需要高水平的解释性才能可靠地使用AI。不幸的是，DL模型的黑匣子性质阻止了研究人员为DL模型的推理过程和决策提供阐释描述。在这项工作中，我们提出了一个利用对抗性逆增强学习的新颖框架，该框架可以为通过强化学习模型做出的决策提供全球解释，并捕获该模型通过总结模型的决策过程所遵循的直觉趋势。索引术语 - 对抗性逆增强学习，自然语言处理，抽象性摘要
比较用于脑网络分析的浅层和深层图模型
摘要 — 众所周知，图神经网络 (GNN) 可以有效地对各种领域的网络数据进行建模。然而，在脑网络分析中，GNN 是否能胜过传统的浅层图分类模型（例如图核）仍不清楚。为此，我们分析了建模脑网络的不同方法，包括基于图核的 SVM、基本 GNN 和核化 GNN。这些模型旨在帮助分析疾病和精神障碍，如躁郁症、人类免疫缺陷病毒 (HIV)、创伤后应激障碍 (PTSD) 和抑郁症。具体来说，我们使用三种方法进行实验：核化支持向量机 (SVM)、消息传递图神经网络 (MPGNN) 和核图神经网络 (KerGNN)。我们得出结论：1) 深度模型 (GNN) 通常优于浅层模型 (SVM)；2) 考虑特定图形主题的模型似乎并没有显着提高性能。我们还确定了其他图形核和 GNN 框架，这些框架有望推动大脑网络分析的进一步研究。索引词 — 大脑网络、GNN、图形学习、图形核、神经影像数据、SVM
基于拓扑的深层生成模型在城市形式生成中的应用：评论
摘要将深层生成模型纳入城市形式的生成是支持城市设计过程的一种创新且有前途的方法。但是，大多数深层生成的城市形式模型基于图像表示，这些图像表示并未明确考虑城市形式元素之间的拓扑关系。旨在开发深层生成模型并考虑拓扑信息的帮助下，本文回顾了城市形式的生成，深层生成的模型/深度图生成以及建筑和城市形式的深层生成模型的最新艺术状态。基于文献综述，提出了一个基于深层生成模型的基于拓扑的城市形式生成框架。深层生成模型的街道网络生成的假设forgraphgergrotandplot/building configurationGenerationByDeepgenerativeModels/Space语法以及所提出的框架的可行性需要在未来的研究中进行验证。
深层生成模型会扩大未来模型中的偏见吗？
我们研究了深层生成模型对即将到来的计算机视觉模型中潜在社会偏见的影响。互联网目睹了a-a-a-a-aford图像的涌入，因此对可能伴随的固有偏见产生了担忧，这可能导致有害内容的分离。本文探讨了如果将生成的图像用作未来模型的训练数据，是否会发生有害的反馈回路，导致偏差。我们通过逐步将可可和CC3M数据集中的原始图像替换为通过稳定的差异生成的图像来进行模拟。修改后的数据集用于训练OpenCLIP和图像字幕模型，我们根据质量和偏差进行评估。与期望相反，我们的发现表明，在训练期间引入产生的图像并不能统一扩大偏见。相反，观察到跨特定任务的偏置缓解实例。我们进一步阐述了可能影响这些现象的因素，例如图像生成中的伪像（例如，模糊的面孔）或原始数据集中的预先偏见。
单细胞基因组中样品级异质性的深层生成模型
单细胞基因组学领域现在正在观察到包括数百个样本和具有复杂设计的队列研究的流行率显着增加。这些数据具有发现样品或组织级表型与细胞和分子组成如何相关的巨大潜力。但是，当前的分析是基于这些数据的简化表示，通过平均跨单元的信息。我们提出了MRVI，这是一种旨在在单细胞水平上实现队列研究的潜力的深层生成模型。MRVI解决了两个基本和相互交织的问题：将样品分为组并评估组之间的细胞和分子差异，既不需要将细胞先验分组为类型或状态。由于其单细胞的透视图，MRVI能够检测出仅在某些细胞子集中表现出的Covid-19和炎症性肠病（IBD）同类中的患者的临床相关分层，从而实现了否则会被忽视的新发现。同样，我们证明了MRVI可以识别具有相似生化特性的小分子组，并评估它们在大规模扰动研究中对细胞组成和基因表达的影响。MRVI可在scvi-tools.org上作为开源。
ATLAS中快速光子淋浴模拟的深层生成模型
抽象需要大规模生产高度准确的模拟事件样本，以在大型强子撞机上进行的ATLAS实验广泛的物理计划激发了新的仿真技术的开发。研究了深度学习算法，变异自动编码器和生成对抗网络的最新成功，以建模地图集电磁量热计对各种能量的光子的响应。使用Geant 4将合成淋浴的特性与完整检测器仿真的淋浴进行了比较。各种自动编码器和生成对抗网络都能够快速模拟具有正确的总能量和随机性的电磁淋浴，尽管某些淋浴形状分布的建模需要更多的改进。这项可行性研究表明，将来使用这种算法进行Atlas快速量热仪模拟的潜力，并显示了一种补充当前模拟技术的可能方法。