XiaoMi-AI文件搜索系统
World File Search System目标搜索
建模全染色体目标搜索
摘要最常见的基因调节机制是当转录因子（TF）蛋白与调节序列结合以增加或减少RNA转录时。但是，在搜索这些序列时，TFS面临两个主要挑战。首先，相对于基因组长度，这些序列消失了。第二，散布在整个基因组上的几乎相同的序列，导致蛋白质暂停搜索。，但正如大肠杆菌中LACI调节的计算研究中所指出的那样，如果考虑DNA循环，这种几乎目标可能会较低。在本文中，我们探讨了这是否也发生在整个染色体的距离上。为此，我们开发了一个跨尺度的计算框架，该框架结合了建立的促进式扩散模型，用于基地级搜索和一个捕获全染色体范围的飞跃的网络模型。为了使我们的模型逼真，我们使用HI-C数据集作为超过100 TF的长期DNA片段和结合曲线之间3D接近的代理。使用我们的跨尺度模型，我们发现指向单个目标的中位数搜索时间严重取决于网络组合的结合节点强度（链接权重的总和）和局部分离率。另外，通过随机化这些速率，我们发现某些实际的3D目标配置比随机对应物更快或较慢。这一发现暗示染色体的3D结构漏斗对于相关的DNA区域必不可少。
用于移动目标搜索和跟踪的协作无人机框架
最近，协作式无人机 (UAV) 已用于多种复杂的军事和民用应用中。移动目标搜索 (MTS) 和移动目标跟踪 (MTT) 是需要协作式无人机参与的基于 UAV 的应用之一。因此，本文提出了一种用于 MTS 和 MTT 的协作式无人机框架，称为 (CF-UAVs-MTST)。CF-UAVs-MTST 基于 GzUAV 联合模拟器。它提供了一种 MTS 机制来为 UAV 生成空中航路点。MTS 算法考虑了飞行速度和高度以及机载摄像机的分辨率。MTS 算法可确保有效的覆盖率，约为 96.2%。在执行 MTS 任务时，将运行一种基于级联分类器的算法来检测目标。此外，我们提供了一种 MTT 机制来估计目标运动并设计最佳跟踪路径。仿真结果表明，CF-UAVs-MTST 可以实现快速且高精度的跟踪。
未知空间上的协同映射和目标搜索...
摘要 — 本文提出了一种协作式地图绘制和目标搜索算法，用于在城市环境中检测单个移动地面目标，该目标最初对于配备有噪声、范围有限的传感器的自主四旋翼飞行器团队来说是未知的。目标根据有偏随机游走模型移动，搜索代理（四旋翼飞行器）构建一个目标状态图，该图对过去和现在的目标位置进行编码。检测前跟踪算法将目标测量值同化为对数似然比，各向异性克里金插值预测未探索区域中占用节点的位置。在搜索区域的每个位置评估的相互信息定义了一个采样优先级表面，该表面由加权 Voronoi 算法划分为候选航路点任务。通过迭代解决效用最大化分配问题，将任务分配给每个代理。数值模拟表明，与非自适应割草机和随机覆盖策略相比，所提出的方法更具优势。我们还通过使用两个真实四旋翼飞行器和两个虚拟四旋翼飞行器进行户外飞行测试，对所提出的策略进行了实验验证。