XiaoMi-AI文件搜索系统
World File Search System相对距离
使用混合特征融合
预测行人的穿越意图是在现实世界中安全驾驶自动驾驶汽车（AV）的重要任务。行人的行为通常会受到交通场景中周围环境的影响。基于基于视觉的神经网络的最新作品从图像中提取关键信息以执行预测。但是，在驾驶环境中，存在许多关键信息，例如驱动区域中的社交和场景互动，自我汽车和目标行人之间的位置和距离以及所有目标的运动。如何正确探索和利用上述隐式相互作用将促进自动驾驶汽车的发展。在本章中，两个新颖的属性，行人在道路或人行道上的位置，以及从目标行人到自我卡车的相对距离，这些距离源自语义图和深度图与边界框的相对距离。提出了基于多模式的混合预测网络，以捕获所有特征与预测行人交叉意图之间的相互作用。通过两个公共行人穿越数据集评估PIE和JAAD，拟议的混合框架的表现优于最先进的精度3％。关键字：行人交叉，特征融合
无线通信中的定位技术...
二维空间 三维空间 第四代操作系统 到达角 辅助全球定位系统 机载预警和空中指挥系统 加性高斯白噪声 基站 基于集群的路由协议 Cramer-Rao 下界 国防部增强型-119 联邦通信委员会 精度几何稀释 全球定位系统 组重复间隔 分层状态路由 初始作战能力 K-最近邻 局域网 基于位置的服务 视距 远程导航 位置服务中心 移动站 非视距 位置、计时、导航 相对距离 微发现 自组织路由 无线电地图 接收信号强度 接收信号强度指示器 到达时间差 到达时间 飞行时间 世界时协调 超宽带 Wi-Fi 定位系统
良好量子 LDPC 码的单次解码
摘要：量子 Tanner 码是一类具有良好参数（即恒定编码率和相对距离）的量子低密度奇偶校验码。在本文中，我们证明量子 Tanner 码还可以促进对抗噪声的单次量子纠错 (QEC)，其中一个测量轮（由恒定权重奇偶校验组成）足以在存在测量误差的情况下执行可靠的 QEC。我们为 Leverrier 和 Zémor 引入的顺序和并行解码算法建立了这一结果。此外，我们表明，为了抑制 QEC 多轮重复中的错误，在每一轮中运行并行解码算法恒定时间就足够了。结合良好的代码参数，由此产生的 QEC 的恒定时间开销和对（可能与时间相关的）对抗噪声的鲁棒性使量子 Tanner 码从量子容错协议的角度来看具有吸引力。
使用Rindler观察者模拟无限期的因果秩序
实现了有限的因果秩序（ICO），理论上的可能性即使物理事件之间的因果关系也可以受到量子叠加的构度，除了其基本物理研究的一般重要意义外，还将启用量子信息处理，从而超过基础的causal结构，这些方案均超过了causal结构。在本文中，我们从一个主张开始，即观察者处于量子叠加状态的状态，即与黑洞的事件范围在两个不同的相对距离处，有效地存在于黑洞产生的ICO时空。通过援引施瓦茨柴尔德黑洞的近摩恩几何形状是Rindler时空的几何形状，我们提出了一种通过Rindler观察者模拟ICO时空观察者的方法，即以两种不同适当的适当加速的叠加状态下的叠加状态。通过扩展，一对带有适当加速的Rindler观察者模拟了一对纠缠的ICO观察者。此外，这些Rindler-Systems可能通过光力谐振器具有合理的实验实现。
用于同时进行多分析物传感和化学输送的可植入多功能神经微探针
可植入神经微探针在神经科学研究中被广泛用于对大脑深部区域的神经活动进行化学和电生理记录。1–5 探针通常与局部化学输送系统结合使用，以操纵神经回路。传统上，为了同时电化学记录多种分析物（例如多巴胺、谷氨酸和乙酰胆碱），这些分析物共同控制复杂的行为和化学调节，需要多个植入物，包括 (1) 用于不同分析物的多个电化学传感器；(2) 对电极 (CE) 和参考电极 (RE)，或 RE 也充当 CE；以及 (3) 独立的微注射器，与传感电极 6–8 的柄分离或手动粘合到传感电极 6–8 上，用于化学输送（图 1a，左）。这种方法需要长时间的外科植入程序，并会对大脑造成严重损伤。此外，分离的化学输送装置、传感电极和 RE 之间的相对距离可能难以控制，从而妨碍实验的可重复性并引入基线噪声的变化 9 。因此，开发一种将这些单独组件集成到单个植入式设备中的多功能探头是十分有必要的（图 1a，右）。
从单个碎片监测中识别碎片时期的统计方法
在过去的几十年中，在轨驻留物体数量不断增长已成为世界各地航天机构和研究机构的主要关注点之一。在此背景下，碎片进一步增加了空间碎片的数量，从操作上讲，尽快确定事件时期至关重要，即使只有由初始轨道确定 (IOD) 过程得到的单个碎片轨道状态。这项工作说明了碎片时期检测器 (FRED) 算法，该算法通过统计方法处理该问题，从单个碎片 IOD 结果（通过平均状态和协方差表示）和父星历表（假设为确定性）开始。该过程用多元正态分布填充碎片星历表，对于每对样本父代，首先在时间窗口上计算通过最小轨道交叉距离 (MOID) 的时期，然后按时间聚类。对于每个簇，都会导出三维 MOID 和三维相对距离分布（通常是非正态分布，后者是在母星通过 MOID 时计算的），并对它们的相似性进行统计评估。最后，将两个分布之间最匹配的簇视为最佳候选，并从母星通过 MOID 时返回碎片时期，以平均值和标准差表示。通过数值分析评估 FRED 算法的性能。还讨论了从雷达测量开始嵌入 IOD 过程的操作案例。
基于变压器的交通拥护预测能量... -Dr -ntu
摘要 - 燃料电池电动汽车（FCEV）的能源经济在确定其实用性方面起着至关重要的作用，使能源管理策略（EMS）的优化必不可少。基于未来车辆速度预测的预测EMS（PEMS）为增强EMS性能提供了巨大的潜力。但是，当前的PEMS预测模型依赖于历史速度数据或静态流量信息，从而忽略了实时交通状况的影响。在本文中，我们引入了基于变压器的PEMS（TPEM），该PEMS（TPEM）结合了实时预测的周围交通信息，以改善FCEV的经济经济。通过考虑受控车辆和周围车辆之间的复杂相互作用来更好地预测车速，我们开发了一个基于变压器网络的预测器，该预测指标考虑了受控车辆周围六个车辆的速度和相对距离，从而在接下来的10秒内产生了速度预测。然后，我们将深度加固学习（DRL）方法作为下游优化器，创建完全数据驱动的PEM。为了培训TPEM，我们开发了一个来自NGSIM数据集的数据集，该数据集由许多驾驶轮廓段组成，其中包括受控VE-HICLE和周围流量的时间序列特征。此外，我们还利用Sumo模拟器生成支持流量信息的驾驶配置文件进行性能评估。实验结果揭示了我们基于变压器的预测器优于现有的预测因子，即经常性神经网络（RNN），在处理流量信息并实现改进的预测方面。相对于当前最新的长期记忆（LSTM）PEMS，TPEM将FCEV的经济效率提高了4.6％。
第一单元 HCI 基础 人类：I/O 通道 – ...
对光高度敏感，因此我们可以在低照度下看东西。 它无法分辨精细的细节，并且容易受到光饱和的影响。 这就是我们从黑暗的房间走到阳光下时会暂时失明的原因：视杆细胞一直处于活跃状态，并被突然的光线饱和。 视锥细胞 视锥细胞是眼睛的第二种受体。 它们对光的敏感度不如视杆细胞，因此可以忍受更多的光线。 视锥细胞有三种，每种对不同波长的光敏感。 这使我们能够看到彩色图像。眼睛有大约 600 万个视锥细胞，主要集中在视网膜中央凹。 中央凹是视网膜的一小部分，图像可在此固定。 盲点 盲点也位于视网膜上。 尽管视网膜主要被光感受器覆盖，但在视神经进入眼睛的地方有一个盲点。 盲点没有视杆细胞或视锥细胞，但我们的视觉系统会对此进行补偿，所以在正常情况下我们无法意识到它。 神经细胞 视网膜还有专门的神经细胞，称为神经节细胞。 有两种类型： X 细胞：这些细胞集中在中央凹，负责早期检测模式。 Y 细胞：这些细胞在视网膜中分布更广泛，负责早期检测运动。 视觉感知 了解眼睛的基本构造有助于解释视觉的物理机制，但视觉感知不止于此。 视觉器官接收到的信息必须经过过滤并传递给处理元素，以便我们识别连贯的场景，消除相对距离歧义并区分颜色。 让我们看看我们如何感知大小和深度、亮度和颜色，它们对于有效的视觉界面的设计都至关重要。
SPIE的会议录
糖尿病性肾病（DN）是美国终末期肾脏疾病（ESRD）的主要原因。dn是根据肾小球形态分级的，在肾脏活检中具有空间异质表现，使病理学家对疾病进展的预测变得复杂。病理学的人工智能和深度学习方法已显示出对定量病理评估和临床轨迹估计的有望。但是，他们通常无法捕获大规模的空间解剖结构，并且在整个幻灯片图像（WSIS）中发现的关系。在这项研究中，我们提出了一个基于变压器的多阶段ESRD预测框架，建立在非线性维度降低，每对可强化的肾小球之间的相对欧几西亚像素距离嵌入以及相应的空间自我自我性别机制之间用于可靠的上下文。，我们开发了一个深层变压器网络，用于编码WSI并使用来自首尔国立大学医院DN患者的56个肾脏活检WSI的数据集进行编码并预测未来的ESRD。Using a leave-one-out cross-validation scheme, our modified transformer framework outperformed RNNs, XGBoost, and logistic regression baseline models, and resulted in an area under the receiver operating characteristic curve (AUC) of 0.97 (95% CI: 0.90-1.00) for predicting two-year ESRD, compared with an AUC of 0.86 (95% CI: 0.66-0.99)没有我们的相对距离嵌入，而AUC为0.76（95％CI：0.59-0.92），而无需降解自动编码器模块。关键词：糖尿病性肾病，变压器，自我注意，终末期肾脏疾病，数字病理，分割，虽然样本量较小的可变性和概括性既有挑战性，但我们基于距离的嵌入方法和过度拟合的缓解技术产生了结果，这表明使用有限的病理数据集为未来的空间意识到WSI研究的机会。
CSS 和 CSS-T 量子码的结构
量子计算机天生容易受到错误和干扰的影响。量子纠错是量子计算的一个重要方面。它是为了保护量子信息免受由于退相干和其他形式噪声引起的错误；参见 [8, 33] 等。量子纠错目前是一个开放的挑战。1996 年，Calderbank 和 Shor [6] 以及 Steane [27] 分别提出了一类量子码，主要以 CSS 码的名称为人所知，它由两个经典线性纠错码组合而成。此后，多篇文章研究了它们的构造，并使用已知的线性码系列获得量子码，例如 Reed-Solomon 和 BCH 码 [12, 18]、Reed-Muller 码 [25, 30] 和代数几何码 [14, 16, 17]。量子 CSS 码通常是通过将构造所需的两个经典码取为自正交码及其对偶来构造的。另一方面，从技术上讲，这种方法并不是构造所必须的，而且正如我们将在本文中讨论的那样，这种方法施加了很强的约束。最近，Rengaswamy 等人 [22, 23] 引入了一类 CSS 码，称为 CSS-T 码，专门用于通用容错量子计算。迄今为止，CSS-T 码的性质尚未得到充分探索。一个悬而未决的问题是关于 CSS-T 码族的存在，其速率和相对距离对于较大的块长度都是非零的。本文提供了一些部分答案。在介绍的其余部分，我们简要总结了本文的贡献，并向读者指出相关章节。在第 1 节中，我们提供了必要的背景材料，这也使我们有机会从经典编码理论的角度简明扼要地介绍量子纠错码。在第 2 节中，我们研究了 CSS 码的参数，并给出了产生具有足够大纠错能力的 CSS 码的代码对数量的下限。特别是，我们证明在较大的域上，