XiaoMi-AI文件搜索系统
World File Search System琐碎
98.pdf - 大屠杀纪念馆
在纪念山和以色列各地举行的活动融合了传统仪式和创新仪式。国际大屠杀研究学院开发的教育材料（包括原创播客、见证电影和历史视频）已上传到大屠杀纪念馆的网站，大屠杀纪念馆所有不同语言的社交媒体频道都分享了各种内容，内容涉及中心主题和火炬手的故事——Zvi Gill、Shmuel Blumenfeld z"l（火炬由他的儿子 Aryeh 点燃）、Olga Kay、Arie Shilansky、Shaul Spielmann 和 Rebecca Elizur。此外，参观纪念山的公众还可以参观大屠杀历史博物馆，以及大屠杀纪念馆工作人员在校园各处的“幕后”演示。在线上，世界各地的公众可以参观大屠杀历史博物馆的 360 度全景，还可以参加一场免费的网络研讨会，题为“大屠杀记忆的滥用和琐碎化”，该研讨会讨论了如何大屠杀在日常生活中被误用和滥用，以至于
机器学习和人工智能在采矿地质科学中的应用
简介 机器学习和深度学习在过去五年中越来越受关注（图 1），我们经常看到这些术语应用于矿产勘探、矿山开采和地球科学研究。此外，“人工智能”一词经常与机器学习和深度学习互换使用。这些新技术和方法由全球科技公司和国际研究团队开发，用于解决琐碎和复杂的问题，并且通常超越人类在特定任务上的表现。在采矿业，无论是新成立的初创公司还是成熟的采矿和服务公司都在其工作的各个方面实施机器学习。据预测，矿产勘探将通过这些算法对历史数据的新实施而发生革命性变化，并且未来矿山将使用自动驾驶卡车自动运行。这些实施有望带来令人印象深刻的价值收益，但对于不了解自动化基础技术的普通公众来说，如何实现这些收益尚不清楚。此外，这些技术在专业任务中超越人类表现的潜力引发了人们对失业和重组的担忧，促使一些人完全拒绝它们。
一个统一的布局模式分析框架，具有深度因果估计
摘要 - 特征大小的减小和制造过程的增长会导致制造半导体设备的更多故障。因此，识别失败的根本原因布局模式变得越来越多地提高产量。在本文中，提出了一个基于布局感知诊断的新型布局模式分析框架，以有效地确定根本原因。在框架的第一个阶段，使用对比度学习训练的编码网络用于提取布局片段的表示形式，这些片段不变到琐碎的变换，包括偏移，旋转，旋转和镜像，然后将其聚类以形成布局模式。在第二阶段，我们通过结构性因果模型对任何潜在的根本原因布局模式与系统缺陷之间的因果关系进行建模，然后将其用于估计候选候选候选缺陷模式的平均因果效应（ACE），以识别真正的根本原因。对实际工业案例的实验结果表明，我们的框架的表现要优于具有更高准确性的商业工具，并且平均速度约为8.4加速。
基于深度强化学习的空间非合作物体主动跟踪
摘要——空间非合作物体的主动视觉跟踪对于未来智能航天器实现空间碎片清除、小行星探索、自主交会对接具有重要意义。然而，现有的工作通常将此任务视为不同的子问题（例如图像预处理、特征提取和匹配、位置和姿态估计、控制律设计）并单独优化每个模块，这些模块是琐碎且次优的。为此，我们提出了一种基于 DQN 算法的端到端主动视觉跟踪方法，称为 DRLAVT。它可以仅依靠彩色或 RGBD 图像来引导追逐航天器接近任意空间非合作目标，其性能明显优于采用最先进的 2D 单目跟踪器 SiamRPN 的基于位置的视觉伺服基线算法。使用不同的网络架构、不同的扰动和多个目标进行的大量实验证明了 DRLAVT 的先进性和鲁棒性。此外，我们进一步证明我们的方法确实通过数百次反复试验利用深度强化学习学习到了目标的运动模式。
脑尸检的简介
原理：硬膜下血肿通常是由硬膜下桥脉破裂引起的。尤其是在老年人中，它们可以在相对琐碎的创伤后发生。血液在硬膜下空间中自由移动，可能覆盖整个半球凸度。在急性情况下，血凝块是半液体，在尸检时从硬脑膜上滑动。几周后，凝块变硬并封装在膜中。以下缓慢的吸收过程。具有瀑布病史的老年人有多个获得硬膜下血肿的机会。和急性亚蛛网膜下腔出血与突然发作的病史一致，有时与恶心，呕吐，颈部僵硬，视力问题和/或意识丧失有关。Lobar浅表出血通常是脑淀粉样血管病的继发性；受影响的血管局限于瘦素和皮质灰质。该患者似乎没有颅底败血症或脑病的病史，因此不太可能下胸膜下肌瘤。发现了该患者，因此问题茎的直接原因尚不清楚。
在异质排队系统中用于路由工作的有效强化学习
我们考虑了有效探索作业的问题，该问题到达中央队列到异质服务器系统。与ho-mogeneous Systems（一种阈值策略）不同，当队列长度超过一定阈值时，它将作业路由到慢速服务器，这对于一对一的一对一s-Slow两个服务器系统是最佳的。但是，多服务器系统的最佳策略是未知的，并且不琐碎。在强化学习（RL）被认为在这种情况下具有学习政策的巨大潜力，但我们的问题具有指数较大的状态空间规模，使标准RL效率低下。在这项工作中，我们提出了ACHQ，这是一种有效的基于策略梯度的算法，具有低维软阈值策略参数，利用了基本的排队结构。我们为一般情况提供了固定点的保证，尽管较低的参数化证明ACHQ对两台服务器的特殊情况有收敛到近似值的全局最佳最佳。模拟证明了预期的响应时间比贪婪政策的预期响应时间最高约30％，该政策将路由到最快的服务器。
神经媒体、认知卸载和智力毅力
摘要 本文探讨了所谓的预期美德认识论，因为它预见了一些与近未来脑机接口技术（迈克尔·林奇（Michael Lynch）（2014）称之为“神经媒体”）相关的美德认识论风险。我分析了神经媒体如何对主体的智力特征产生负面影响，特别关注智力毅力这一美德，这涉及在实现智力目标的过程中面对挑战时坚持精神的倾向。首先，我提出并阐明了我所说的“认知卸载论证”，该论证认为，从美德责任主义理论的角度来看，由神经媒体这样的设备激励的过度认知卸载可能会破坏智力美德的发展。然后，我考察了认知卸载论证在智力毅力美德中的应用，认为神经媒体可能会以牺牲智力毅力为代价来提高认知效率。然而，如果以对认知负责的方式使用，认知卸载设备可能不会破坏智力毅力，反而会让人们从各种琐碎的智力劳动中解放出来，从而坚持他们认为更有价值的智力目标。
量子万用表的模拟
在寻求稳健和通用的量子设备的过程中，模拟的概念在理论和应用方面都起着至关重要的作用。在这项工作中，我们超越了量子通道和量子测量的模拟，研究了模拟一组测量（我们称之为万用表）的含义。为此，我们首先明确描述了万用表之间的完全正变换。然而，并非所有这些变换都对应于有效的模拟，否则我们可以凭空创造任何资源。例如，这组变换包括无论输入如何始终准备相同万用表的映射，我们称之为垃圾和准备。从实验者的角度来看，将给定的万用表作为复杂设置的一部分，不得不丢弃万用表并使用另一个万用表是不可取的。我们对万用表模拟给出了一个新的定义，即保持平凡性的变换，即当给定一个由平凡测量组成的万用表时，它们只能产生另一个平凡的万用表。在没有量子辅助的情况下，我们随后表征了保持琐碎性的变换和丢弃和准备的变换。最后，我们利用这些表征将我们对万用表模拟的新定义与三种现有定义进行比较：经典模拟、万用表压缩和保持兼容性的模拟。
学习增强的最大独立集-DROPS
找到最大独立集是经典的NP - 硬性问题之一[42]。此外，[36，60]的开创性工作证明了近似MIS的大小至在任何δ> 0的n 1-δ以内的NP硬度。相比之下，输出任何一个顶点都可以琐碎地给出n- apptroximation。[10]给出了一个非平凡的O（n/ log 2 n） - 近似MIS，后来[29]改进了这一点。这些结果表明，该问题的一般形式很难，因此，许多研究工作已致力于在特殊情况下进行近似算法，例如平面图[3，47]，矩形交流图[16，22，32]，and Expiented-timential-pimential-pimential-time algorith算法[51，31，31，59，59，59，59，59，12]。另一方面，启发式算法尽管有糟糕的案例保证，但在现实世界图上通常表现出值得称赞的表现[4，24，57]。例如，贪婪算法仅提供O（∆）的近似保证，其中∆是g的最大程度。但是，它经常产生令人满意的经验结果。最差的硬度硬度和实际效率之间的差距激发了我们通过超出最坏情况分析的视角研究MIS问题[11，52]。，特别是在现代背景下，我们提出了一个问题的问题，该问题是通过学习吸引人的甲壳的最大独立集。
2001年年度报告 - 物理化学1
catanionic表面活性剂混合物。与充电表面活性剂（Catanionic混合物）的混合物具有新颖的溶液和界面特性。静电效应与表面活性剂分子几何形状之间的相互作用允许相位行为的多样性。已经探索了几种catanionic混合物的相行为和微观结构，包括十二烷基硫酸钠（SDS） - 二二烷基二甲基溴化铵（DDAB）；气溶胶OT-DDAB;胆汁盐dab;以及氯化二甲基铵的氯化二甲基铵，具有变化的链长的氢化和氟钠羧酸盐。在高水含量，稳定的囊泡，沉淀（catanionic固体）或两个共存液体的情况下，可能会根据系统而形成。在较高的表面活性剂浓度下，相位行为由几个新的液晶相的外观主导。混合系统的一个特征是，通过使用表面活性剂混合比和总浓度以及烷基链长度的对称性/不对称效应，跨越从胶束到囊泡再到液晶的一系列骨料结构是一个琐碎的问题。（A. Khan，E。Marques（Porto），H。Edlund（Sundsvall），C。LaMesa（罗马））。