XiaoMi-AI文件搜索系统
World File Search System离线
潜在空间中的决策变压器学习离线驾驶政策
强化学习（RL）范式解决了这些类型的问题，其中代理通过接收观察和潜在的奖励与环境互动，并以其政策指导的行动做出回应。rl框架可以根据其建模假设和模拟环境的可访问性进行分类。基于模型的RL可实现对环境的明确建模，利用专家知识或从经验中学习。博学的世界模型取得了巨大的成功，主要是因为它们创建了简化的状态表示形式，与稀疏和非微分奖励相比产生了更多的训练信号，并促进了学习模型的潜在空间中的互动，绕开了对计算要求和潜在不现实的不现实的专家模拟器的需求。
SpikeDeep-classifier：一种基于深度学习的全自动离线脉冲分类算法
摘要 目的。电极设计的进步已导致微电极阵列具有数百个通道，可用于单细胞记录。在由此产生的电生理记录中，每个植入电极可以记录一个或多个神经元的尖峰活动 (SA) 以及背景活动 (BA)。本研究的目的是分离每个神经源的 SA。此过程称为尖峰排序或尖峰分类。高级尖峰排序算法非常耗时，因为在流程的各个阶段都需要人工干预。当前方法缺乏泛化能力，因为超参数的值并不固定，即使对于同一受试者的多个记录会话也是如此。在本研究中，提出了一种称为“SpikeDeep-Classifier”的全自动尖峰排序算法。所有评估数据的超参数值都保持不变。方法。提出的方法基于我们之前的研究 (SpikeDeeptector) 和一种新颖的背景活动拒绝器 (BAR)，它们都是监督学习算法和无监督学习算法 (K-means)。 SpikeDeeptector 和 BAR 分别用于提取有意义的通道并从提取的有意义的通道中去除 BA。一旦从数据中完全去除 BA，聚类过程就会变得简单。然后，对仅来自神经源的剩余数据应用具有预定义最大聚类数的 K 均值。最后，使用基于相似性的标准和阈值来保留不同的聚类并合并看起来相似的聚类。所提出的方法称为聚类接受或合并 (CAOM)，它只有两个超参数（最大聚类数和相似性阈值），在调整后对于所有评估数据保持不变。主要结果。我们将算法的结果与真实标签进行了比较。该算法在人类患者数据和公开可用的标记非人类灵长类动物 (NHP) 数据集上进行了评估。BAR 在人类患者数据集上的平均准确率为 92.3%，在 (K-means + CAOM) 之后进一步降低到 88.03%。此外，BAR 在公开可用的 NHP 标记数据集上的平均准确率为 95.40%，经过 (K-mean + CAOM) 后降至 86.95%。最后，我们将 SpikeDeep-Classifier 的性能与两位人类专家进行了比较，其中 SpikeDeep-Classifier 产生了可比的结果。意义。SpikeDeep-Classifier 在不同物种、不同大脑区域的多个记录会话的数据集上进行了评估
联合离线加固学习：协作单政策的覆盖范围就足够
离线增强学习（RL）试图使用离线数据学习最佳策略，由于其在在线数据收集不可行或昂贵的关键应用程序中的潜力，因此引起了极大的兴趣。这项工作探讨了联合学习对离线RL的好处，旨在协作利用多个代理商的离线数据集。专注于有限的情节表格马尔可夫决策过程（MDPS），我们设计了FedLCB-Q，这是针对联合离线RL量身定制的流行无模型Q学习算法的变体。FedLCB-Q更新了具有新颖的学习率时间表的代理商的本地Q-功能，并使用重要性平均和精心设计的悲观惩罚项将其在中央服务器上汇总。Our sample complexity analysis reveals that, with appropriately chosen parameters and synchronization schedules, FedLCB-Q achieves linear speedup in terms of the number of agents without requiring high-quality datasets at individual agents, as long as the local datasets collectively cover the state-action space visited by the optimal policy, highlighting the power of collaboration in the federated setting.实际上，样本复杂性几乎与单代理对应物的复杂性匹配，好像所有数据都存储在中心位置，直到地平线长度的多项式因子。此外，fedlcb-Q是通信有效的，其中通信弹的数量仅相对于地平线长度与对数因素有关。
面向学术界的隐私保护型 LLM 离线 AI 工具...
poojamarbade13@gmail.com 6 摘要：大型语言模型 (LLM) 在生成式人工智能 (AI) 工具中的广泛采用引发了人们对用户隐私的重大担忧。为了应对这一挑战，我们提出了 Private ChatGPT，这是一种用于 LLM 的隐私保护模型。它专注于在数据管理和预处理期间保护用户隐私，并确保在训练过程中保留私人上下文。我们使用强化学习 (RL) 整合差异隐私和私人训练，以保护用户隐私同时保持实用性。我们的评估证明了差异隐私在隐私和模型性能之间取得平衡的有效性。关键词：隐私保护、基于 LLM（大型语言模型）、离线人工智能工具、学术、商业、自然语言 1。介绍 大型语言模型 (LLM) 的快速发展彻底改变了各个领域的自然语言生成，包括双体船、内容创作和自动写作。然而，这一进步带来了一个关键问题：用户隐私。LLM 具有强大的分析和生成文本的能力，无意中泄露了有关用户的敏感信息。在本文中，我们解决了基于 LLM 的离线人工智能工具中的隐私保护挑战。我们提出的模型 Priv Chat GPT 旨在在实用性和隐私之间取得微妙的平衡。通过使用强化学习 (RL) 集成差异隐私和私人训练，我们创建了一个强大的框架，既能保护用户数据，又能保持 LLM 的有效性。目的/目标 A.目的 本会议论文的目的是介绍和阐明一种突破性的解决方案，以解决将自然语言生成 (NLG) 技术（特别是大型语言模型 (LLM)）的优势与
奖励通过随年龄变化的在线和离线神经机制增强记忆
奖励动机通过中脑边缘系统、海马和皮质系统之间的相互作用（编码期间和编码后）来增强记忆。这些分布式神经回路的发展变化可能导致奖励动机记忆和潜在神经机制的年龄相关差异。跨物种研究的综合证据表明，青春期皮质下多巴胺信号增加，这可能导致奖励事件的记忆表征比平凡事件更强，以及潜在皮质下和皮质大脑机制的贡献随年龄变化而变化。在这里，我们使用 fMRI 来检查奖励动机如何影响支持两性人类参与者从童年到成年的长期联想记忆的“在线”编码和“离线”编码后大脑机制。我们发现，奖励动机导致 24 小时后联想记忆的年龄不变增强和非线性年龄相关差异。此外，奖励相关的记忆益处与年龄变化的神经机制有关。在编码过程中，随着年龄的增长，前额皮质 (PFC) 和腹侧被盖区 (VTA) 之间的相互作用与更好的高奖励记忆的关联性会更大。编码前到编码后，前海马和 VTA 之间的功能连接变化也与更好的高奖励记忆有关，但在年轻时更是如此。我们的研究结果表明，支持奖励动机记忆的离线皮层下和在线皮层大脑机制的贡献可能存在发育差异。
学习通过离线加强学习从观察中控制自主舰队
摘要 - 按需（AMOD）系统的自主移动性是一种不断发展的运输方式，其中中央协调的自动驾驶汽车的舰队动态地服务了旅行请求。这些系统的控制通常被称为一个大型网络优化问题，而增强学习（RL）最近已成为解决该领域中开放挑战的一种有前途的方法。最近的集中式RL方法专注于从在线数据中学习，而忽略了实际运输系统中的每样本相互作用。为了解决这些限制，我们建议通过离线强化学习的镜头正式对AMOD系统进行正式控制，并使用仅离线数据学习有效的控制策略，这很容易为当前的移动性运营商提供。我们进一步研究了设计决策，并根据现实世界中移动性系统的数据提供了经验证据，表明了离线学习如何恢复（i）（i）（i）与在线方法表现出相同的AMOD控制策略，（ii）允许样品有效的在线微调和（iii）消除复杂的模拟环境的需求。至关重要的是，本文表明，离线RL是在经济临界系统（例如迁移率系统）中应用基于RL的SO的有希望的范式。
评估野外的顺序建议：关于离线准确性，点击率和消费的案例研究
摘要。顺序建议问题近年来已经增加了研究兴趣。我们对实践中连续算法的有效性的了解是有限的。在本文中，我们在视频和电影流平台上报告了A/B测试的结果，在该平台上，我们根据非顺序，个性化的推荐模型以及基于受欢迎程度的基线对顺序模型进行了测试。与我们从前面的离线实验中期望的相反，我们观察到基于受欢迎程度和非顺序模型导致了最高点击率。但是，就建议而言，在观看时间方面，顺序模型是最成功的模型。我们的工作指出了顺序模型在实践中的有效性，但它也使我们想起了有关（a）经典离线评估的有时含义的预测能力的重要开放挑战，以及（b）优化点击率率的建议模型的危险。
DX6210 高功率因数、低 THD、隔离离线 LED 控制器
注意：1.我们强烈建议客户在购买我们的产品时仔细检查商标，如果有任何问题，请随时与我们联系。2.电路设计时请不要超过设备的绝对最大额定值。3.Winsemi Microelectronics Co., Ltd 保留对本规格书进行更改的权利，如有更改，恕不另行通知。
通过离线增强学习中的一阶状态动态增强价值函数估计
在离线增强学习（RL）中，通过离散时间钟形方程更新值函数通常会由于可用数据范围有限而遇到挑战。这种限制源于Bellman方程，该方程无法准确预测未访问的状态的价值。为了解决这个问题，我们引入了一种创新的解决方案，该解决方案桥接了连续和离散的RL方法，利用了它们的优势。我们的方法使用离散的RL算法从数据集中得出值函数，同时确保该函数的第一个衍生衍生物与汉密尔顿 - 雅各布·贝尔曼在连续RL中定义的状态和动作的局部特征与状态和动作的局部特征一致。我们为确定性策略梯度方法和随机性政策梯度方法提供了实用算法。在D4RL数据集上进行的实验显示，合并一阶信息可显着改善离线RL问题的政策性能。
使用离线优化方法实现独立数据中心最佳可再生能源供应
由于数据中心的能源消耗和二氧化碳排放量不断增加，ANR DATAZERO2 项目旨在设计完全依靠本地可再生能源和存储设备运行的自主数据中心，以克服间歇性问题。为了优化可再生能源和存储设备的使用，MILP 求解器通常负责分配要提供给数据中心的电力。但是，为了减少计算时间并使方法可扩展，使用多项式时间算法会更合适。本文旨在展示和证明，通过使用二分搜索方法的确定性算法可以提供最佳功率分布。考虑到初始问题的主要约束，大量实验结果显示出与 MILP 给出的结果相似的结果。这些有希望的结果鼓励我们继续朝这个方向努力，提出一种考虑不确定性的数据中心电源高效管理方法。