XiaoMi-AI文件搜索系统
World File Search System目标数据
提高疫苗覆盖率的策略
德克萨斯州的免疫接种覆盖率数据主要由 CDC 提供，该机构每年通过手机对家庭的父母或监护人进行调查。NIS 调查侧重于收集 CDC 免疫实践咨询委员会 (ACIP) 推荐的疫苗数据，该委员会是一个就疫苗使用提出建议的国家小组。NIS 提供全国估计数据、全面的全州数据以及针对特定市镇和县的目标数据。NIS 侧重于两个群体：NIS-Child，涵盖 24 或 35 个月以下儿童的数据，以及 NIS-Teen，涵盖 13 至 17 岁儿童的数据。CDC 提供以两种方式组织的疫苗接种覆盖率估计：出生年份和两年出生队列。最近完成的调查是 2023 年全国免疫调查。
ct-lvi：一个朝着连续的激光 - 视觉的框架...
现有的先验使用预先训练的重量作为中心，这可能会构成对目标数据适应不足的严重风险。在[ICML2020-LI]中，我们提出了一种步枪方法，该方法会积极忘记通过在细调过程中重新定位完全连接的层所学到的东西，以增强目标适应性。学习过程的稳定性主要是由于模型崩溃或信息理论中输入和输出的异常相互信息。模型崩溃可以通过跨层相互信息的变化来检测。在[ICASSP 2023-LI]中，我们基于信息的感应偏见补充了现有的先验，以偏爱具有稳定信息传播的网络，以降低模型崩溃率并提高模型稳定性。我们进一步开发了具有可牵引概括的新先验，以鼓励微调模型对输入噪声不敏感[NAACL2021-LI]。（用于bert微调的噪声稳定性正则化）
扩散模型的概率流量
扩散模型通过学习扭转扩散过程来将噪声转换为新的数据实例，已成为当代生成建模的基石。在这项工作中，我们在离散时间内开发了基于流行的基于扩散的采样器（即概率流ode Sampler）的非反应收敛理论，假设访问（Stein）得分函数的ℓ2-2-准确估计值。对于R d中的分布，我们证明D/ε迭代（模拟一些对数和低阶项）足以将目标分布近似于ε总变化距离。这是为概率流ode采样器建立几乎线性维依赖性的第一个结果。仅对目标数据分布的最小假设（例如，没有施加平滑度假设），我们的结果还表征了ℓ2分数估计误差如何影响数据生成过程的质量。与先前的作品相反，我们的理论是基于基本而多功能的非反应方法而开发的，而无需求助于SDE和ODE工具箱。
![arXiv:2308.16461v1 [cs.CV] 2023 年 8 月 31 日](/simg/g:\will\search\icon\source\3\30ad7c5693e69ac1b268c23d814385c4db0c018f.webp)
arXiv:2308.16461v1 [cs.CV] 2023 年 8 月 31 日
基于学习的方法的发展极大地提高了从电子显微镜 (EM) 图像中检测突触的能力。然而，为每个数据集训练一个模型非常耗时，而且需要大量的注释。此外，由于数据分布的变化，很难将学习到的模型应用于来自不同大脑区域的数据。在本文中，我们提出了 AdaSyn，这是一个基于分割的两阶段框架，用于具有弱点注释的域自适应突触检测。在第一阶段，我们利用基于分割的管道获得突触实例掩码来解决检测问题。在第二阶段，我们通过重新生成方形掩码来获得高质量的伪标签，从而提高模型在目标数据上的泛化能力。得益于我们的高精度检测结果，我们引入了距离最近原则来匹配成对的前突触和后突触。在 ISBI 2023 的 WASPSYN 挑战赛中，我们的方法排名第一。
对基于分数生成模型的噪声时间表的分析
基于得分的生成模型（SGM）旨在通过仅使用来自目标的噪声扰动样本来学习得分功能来估算目标数据分布。最近的文献广泛地集中在评估目标和估计分布之间的误差上，从而通过Kullback-Leibler（KL）Divergence和Wasserstein距离来测量生成质量。在对数据分布的轻度假设下，我们为目标和估计分布之间的KL差异建立了上限，这取决于任何依赖时间依赖的噪声时间表。在额外的规律性假设下，利用了有利的潜在收缩机制，与最新结果相比，我们提供了瓦斯坦斯坦距离的更严格的误差。除了具有易处理外，该上限还结合了在训练过程中需要调整的目标分布和SGM超参数的特性。最后，我们使用模拟和CIFAR-10数据集1通过数值实验来说明这些边界，并在参数族中识别最佳的噪声时间表范围。
对基于分数生成模型的噪声时间表的分析
基于得分的生成模型（SGM）旨在通过仅使用来自目标的噪声扰动样本来学习得分功能来估算目标数据分布。最近的文献广泛地集中在评估目标和估计分布之间的误差上，从而通过Kullback-Leibler（KL）Divergence和Wasserstein距离来测量生成质量。在对数据分布的轻度假设下，我们为目标和估计分布之间的KL差异建立了上限，这取决于任何依赖时间依赖的噪声时间表。在额外的规律性假设下，利用了有利的潜在收缩机制，与最新结果相比，我们提供了瓦斯坦斯坦距离的更严格的误差。除了具有易处理外，该上限还结合了在训练过程中需要调整的目标分布和SGM超参数的特性。最后，我们使用模拟和CIFAR-10数据集1通过数值实验来说明这些边界，并在参数族中识别最佳的噪声时间表范围。
狡猾的战争工具 - 陆军大学出版社
小型无人机系统 (sUAS) 正在塑造现代战争。sUAS 能够绕过防空系统提供目标数据、投放弹药和执行侦察，这些是其在世界各地冲突中的决定性特征。sUAS 最初是一种便捷的态势感知工具，如今通过渗透为交战方提供了巨大的价值，美国陆军的战地手册（战地手册 3-90，战术）将渗透定义为“未被发现地穿过或进入敌军占领区。”1 sUAS 的这种渗透是一种均衡器，它迫使所有交战方防御空中威胁，即便冲突一方仍然控制着一万英尺以上的空域，它还是会削弱空中优势的概念。低于这个高度的区域被称为空中濒海区，现在是一个几乎任何人都可以进入的争夺空间。 2 然而，小型无人机并非可以肆无忌惮地飞行——美国、俄罗斯、乌克兰和其他国家为拦截或减轻小型无人机任务而做出的努力，已将沿海空域变成了一场反复适应使用小型无人机及其对抗措施的斗争。
布洛赫方程使物理信息神经网络成为可能......
摘要 — 磁共振成像 (MRI) 是临床诊断中一种重要的非侵入性成像方法。除了常见的图像结构之外，参数成像还可以提供内在的组织特性，因此可用于定量评估。新兴的深度学习方法提供了快速准确的参数估计，但仍然缺乏网络解释和足够的训练数据。即使有大量的训练数据，训练数据和目标数据之间的不匹配也可能导致错误。在这里，我们提出了一种仅依赖于目标扫描数据而不需要预定义训练数据库的方法。我们提供了一个概念验证，将 MRI 的物理规则 Bloch 方程嵌入到物理信息神经网络 (PINN) 的损失中。PINN 能够学习 Bloch 方程，估计 T2 参数，并生成一系列物理合成数据。在幻像和心脏成像上进行了实验结果，以证明其在定量 MRI 中的潜力。
内容 - TeK Associates
Nuttall。这两种算法都在第 2 章中进行了描述。第 3 章描述了对模拟数据进行的实验，首先测试了为本次调查实施的软件工具，并在附录 D、E、F 和 G 中提供了支持性讨论。然后将这些工具应用于实际数据。这些实验指出了在寻求将多通道 LP 建模应用于雷达目标数据时遇到的这两种代表性算法的一些已知优势和劣势。附录 F 指出了在应用这些多通道 LP 算法时遇到的一些一般问题。第 4 章提供了仅使用自回归 (AR) 过程模型而不是显然更通用的自回归移动平均 (ARMA) 过程的考虑因素。第 5 章及其辅助附录 A 讨论了如何有效处理存在的雷达模糊函数效应，这些效应会影响处理结果，因此，如何根据计算的相干函数表示和相关的调节置信区域来缓和最终的互相关结果和结论。第 5 章将这些技术应用于 Tradex RV 尾流数据，作为对表示连续雷达距离门和/或
电磁波谱的军事用途
频谱的不同部分用于不同的军事目的。无线电传输的数据速率相对较低，特别是在极低频率范围内。但是，它们能够长距离传输并穿过建筑物和树木等固体物体，因此经常用于通信设备。微波的吞吐量（数据上传和下载速率）比无线电波更高，因此能够传输更多数据，但范围更有限，并且可能被固体物体干扰。因此，微波通常用于雷达和卫星通信。发射能量的红外波可用于情报和目标数据，因为它们与热源密切相关。X 射线通常用于飞机维护，以识别机身中的裂缝。最后，伽马射线是高能辐射，有助于识别潜在的核事件。以下讨论重点介绍国防部对频谱的无线电波、微波和红外方面的使用。频谱的应用军方使用整个频谱来支持情报和军事行动。这些应用范围包括使用极低频无线电波与水下潜艇进行通信、使用微波作为飞机之间的连续数据链、使用红外和