XiaoMi-AI文件搜索系统
World File Search System稀疏
基于二维稀疏心脏磁共振成像的三维双心室心脏形状重建和建模的神经变形模型
我们提出了一种新颖的神经可变形模型 (NDM)，旨在从二维稀疏心脏磁共振 (CMR) 成像数据中重建和建模心脏的三维双心室形状。我们使用混合可变形超二次曲面对双心室形状进行建模，该超二次曲面由一组几何参数函数参数化，能够进行全局和局部变形。虽然全局几何参数函数和变形可以从视觉数据中捕捉到总体形状特征，但可以学习局部变形（参数化为神经微分同胚点流）来恢复详细的心脏形状。与传统可变形模型公式中使用的迭代优化方法不同，可以训练 NDM 来学习此类几何参数函数、来自形状分布流形的全局和局部变形。我们的 NDM 可以学习以任意尺度加密稀疏心脏点云并自动生成高质量的三角网格。它还可以隐式学习不同心脏形状实例之间的密集对应关系，以实现准确的心脏形状配准。此外，NDM 的参数直观，医生无需复杂的后处理即可使用。大型 CMR 数据集上的实验结果表明，NDM 的性能优于传统方法。
在潜在空间上实施稀疏性，以促进可靠和可解释的表示
最近，密集的潜在变量模型已显示出令人鼓舞的结果，但是它们的分布式和潜在的代码使它们降低了易于解释，并且对噪声的影响较低。另一方面，稀疏表示更为简约，提供了更好的解释性和噪声稳健性，但是由于涉及的复杂性和计算成本，很难实现稀疏性。在此过程中，我们提出了一种新颖的无监督学习方法，以利用逐渐稀疏的尖峰和平板分布作为我们的先验，以在发电机模型的潜在空间上强化稀疏性。我们的模型由自上而下的发电网络组成，该网络将潜在变量映射到观测值。我们使用最大似然采样来推断发电机后方向的潜在变量，并且推理阶段的尖峰和平板正则化可以通过将非信息性潜在维度推动到零来引起稀疏性。我们的实验表明，学到的稀疏潜在表示保留了大多数信息，我们的模型可以学习解开的语义，并赋予潜在代码的解释性，并增强分类和denosing任务的鲁棒性。
通过稀疏诱导生成来培养大脑以实现持续学习
深度神经网络在持续学习中会遭受灾难性遗忘，在优化新任务时，它们往往会丢失有关先前学习过的任务的信息。最近的策略是隔离先前任务的重要参数，以便在学习新任务时保留旧知识。然而，使用固定的旧知识可能会成为获取新表示的障碍。为了克服这个限制，我们提出了一个框架，通过吸收新任务的知识来演化先前分配的参数。该方法在两个不同的网络下执行。基础网络学习顺序任务的知识，而稀疏诱导超网络为每个时间步骤生成参数以演化旧知识。生成的参数将基础网络的旧参数转换为反映新知识。我们设计超网络以根据任务特定信息和基础网络的结构信息生成稀疏参数。我们在图像分类和视频动作识别任务的类增量和任务增量学习场景中评估了所提出的方法。实验结果表明，通过发展旧知识，所提出的方法在这些场景中始终优于各种各样的持续学习方法。
在嘈杂条件下，稀疏的非线性动力学稀少
摘要 - 本文提出了具有控制和外源输入的非线性动力学（SINDY）的稀疏识别，以高度准确，可靠的预测，并将所提出的方法应用于柴油发动机Airpath系统，这些方法被称为非线性复杂工业系统。尽管Sindy被称为识别非线性系统的强大方法，但仍然存在一些问题：由于嘈杂的数据和由于时间段嵌入等协调的扩展而导致的基础功能增加，因此无法保证在工业系统中应用和多步预测的示例。为了解决这些问题，我们提出了基于整体学习，精英收集和分类技术的改进的信明，同时保持凸计算。在拟议的方法中，进行了图书馆的行李，并且收集了R平方的精英大于90％。然后，在幸存的精英上执行聚类，因为并非总是可用的，并且获得的精英模型并不总是显示出相同的趋势。分类后，通过取出每个分类精英的平均值获得离散模型候选者。最后，选择了最佳模型。仿真结果表明，所提出的方法实现了气相系统的多步骤预测，该系统在嘈杂条件下被称为复杂的工业系统。
最初存在的稀疏，成熟的髓磷脂代表成人CNS中髓磷脂损失的一种无损形式
髓磷脂是一种由中枢神经系统（CNS）中的少突胶质细胞的延伸质膜形成的多层结构（Aggarwal等，2011; Baumann and Pham-Dinh，2001; Stadelmann等，2019）。它会围绕轴突充分包裹，从而产生主要由脂质（70-85％）和蛋白质（15–30％）组成的鞘，它们共同提供电绝缘。脂质成分，包括胆固醇，磷脂和糖脂，使髓磷脂具有绝缘性，而髓磷脂碱性蛋白（MBP）和蛋白质脂质蛋白（PLP）（PLP）（PLP）（PLP）稳定并稳定并压缩层。PLP还将胆固醇分流到髓磷酸室（Werner等，2013）。髓鞘鞘分为节间，它们是沿轴突髓磷脂紧密压实的区域。这些由富含电压门控离子通道的轴突的Ranvier的节点分开。这个结构性组织允许盐分传导，其中仅在节点上仅重新再生动作电位，同时降低了神经元活性的能量需求，从而显着提高了信号传播速度（Aggarwal等，2011; Baumann and Pham-Dinh，2001; Stadelmann et al。，2019年）。髓磷脂在确保沿轴突的快速有效信号传递来确保动作电位的精确同步方面起着关键作用。这种同步整合了各种兴奋性和抑制性输入，从而实现了神经元通信的准确时机。通过保持动作电位的速度和保真度，髓磷脂支持复杂的神经回路的协调，这对于适当的神经网络功能和过程（例如感觉知觉，运动控制和认知）至关重要。髓磷脂结构的小改变可以促进或破坏动作电位的同步，从而影响神经回路功能（Bonetto等，2021; Monje，2018; Xin and Chan，2020）。
稀疏深神经网络的算法和理论方面
2从稀疏的深神经网络到稀疏基质分解22 2.1神经网络简介。。。。。。。。。。。。。。。。。。。。。。。22 2.1.1神经网络的定义。。。。。。。。。。。。。。。。。。。。。。22 2.1.2神经网络的培训问题。。。。。。。。。。。。。。。。。。24 2.2稀疏神经网络的简介。。。。。。。。。。。。。。。。。。。25 2.2.1稀疏神经网络：定义和培训问题。。。。。。25 2.2.2稀疏深神经网络培训的实用方法。。。。。。。。29 2.2.3关于稀疏深神经网络的理论。。。。。。。。。。。。。34 2.3稀疏基质分解及其与稀疏深神经网络的关系。35 2.3.1问题制定和与稀疏深神经网络的第一个关系。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。35 2.3.2稀疏基质分解的算法以及稀疏DNNS训练中与修剪/再培训方法的关系。。。。。。。。。。。36 2.3.3稀疏基质分解的其他应用。。。。。。。。。。。38 2.3.4稀疏基质分解的相关作品。。。。。。。。。。。。。40 2.4固定支持矩阵分解。。。。。。。。。。。。。。。。。。。。。。。44 2.4.1问题公式。。。。。。。。。。。。。。。。。。。。。。。。。。。44 2.4.2固定支持基质分解的动机。。。45 2.4.3固定支持矩阵分解的众所周知的实例。。。。。47 2.5论文的前景。。。。。。。。。。。。。。。。。。。。。。。。。。。。。49
由免疫检查点抑制剂治疗的III期或IV期黑色素瘤治疗的自身免疫性疾病患者的IRAE风险：匹配的病例 - 控制研究的结果 肠道微生物生物素代谢和宿主生物素状态的损害严重肥胖症：生物素和益生元补充对改善代谢的影响 最小信息用于研究细胞外囊泡（... 南大洋中翼肠科（小行星）的多样性：一种分子和形态学方法。 混合轻型态在拓扑超导体中与空腔光子搭配的 Rhynchophorus ferrugineus enerocytobiont的完整基因组序列``candidatus nardonella dyophthoridicola'' 结合缓解策略以增加生物多样性和粮食安全的共同利益 通过动态稀疏分布式内存的在线无任务持续学习 最后院子：高速加密的基础端到端验证 替莫唑胺的化学放射疗法以及Nivolumab或安慰剂的III期试验，用于新诊断的胶质母细胞瘤，甲基化的MGMT启动子 切割中的KERF锥角的实验分析 双重乳液由PGPR和阿拉伯胶作为胶囊稳定：内部液滴的令人惊讶的稳定作用
抽象目标是量化由免疫检查点抑制剂（ICI）治疗的预先存在的自身免疫性疾病（付费）患者的免疫相关不良事件（IRAE）的风险。方法 - 对照对照研究，对法国多中心前瞻性群体进行了黑色素瘤患者，与IRAE危险因素和肿瘤学分期相匹配。通过逻辑回归评估IRAE的风险。 结果包括110例有报酬的患者，并与330个对照匹配，从2013年3月到2020年10月。。 在病例中的中位随访期间，对照组为6.9个月，与对照组相比，在病例中发展全级和≥3级伊拉斯的ORS（95％CI（1.56至2.27））和1.44（分别为95％CI（1.08至1.82））。 带薪患者的多种伊拉斯（或1.46，95％CI（1.15至2.67））的风险增加，而IRAE发作的时间较短。 相比之下，与IRAE相关的死亡率或治疗率没有差异，并且具有里程碑意义的分析显示在病例中24个月的生存率更好（P = 0.02）。 30％的病例在随访期间经历了有偿爆发，基线免疫抑制并不能阻止IRAE发生。 最后，我们报告了付费临床子集与特定器官特定的IRAE之间的关联。 在我们的研究中结论是，有报酬的患者面临全级，严重和多个伊拉斯的风险，但比对照组的生存期更好的24个月。 因此，有报酬的患者应有资格接受ICI治疗，但受益于IRAE发生的密切监测，尤其是在治疗的头几个月中。通过逻辑回归评估IRAE的风险。结果包括110例有报酬的患者，并与330个对照匹配，从2013年3月到2020年10月。在病例中的中位随访期间，对照组为6.9个月，与对照组相比，在病例中发展全级和≥3级伊拉斯的ORS（95％CI（1.56至2.27））和1.44（分别为95％CI（1.08至1.82））。带薪患者的多种伊拉斯（或1.46，95％CI（1.15至2.67））的风险增加，而IRAE发作的时间较短。相比之下，与IRAE相关的死亡率或治疗率没有差异，并且具有里程碑意义的分析显示在病例中24个月的生存率更好（P = 0.02）。30％的病例在随访期间经历了有偿爆发，基线免疫抑制并不能阻止IRAE发生。最后，我们报告了付费临床子集与特定器官特定的IRAE之间的关联。在我们的研究中结论是，有报酬的患者面临全级，严重和多个伊拉斯的风险，但比对照组的生存期更好的24个月。因此，有报酬的患者应有资格接受ICI治疗，但受益于IRAE发生的密切监测，尤其是在治疗的头几个月中。
将数据同化和机器学习结合起来，从稀疏和嘈杂的观察中效仿动力学模型：使用Lorenz 96模型的案例研究furanoate -iris -universitàdi bologna
图3。XRD结果缓慢冷却（虚线）和老化（实线）样品。黑色箭头指示与中间机相关的最大位置，如Guidotti等人所报道的24，如本工作的讨论部分所示。模式在垂直方向上取代。
MTERT诱导P21阳性细胞抵抗毛细血管稀疏和肺肺气肿
包括包括：（1）C9ORF72六核苷酸载体（“ C9POS”），（2）对ALS相关的遗传变体和（3）IntermedMedMediepent Lengent Regent Legents cagnucletiers at actx Atxn的结果，总共包括113个健康对照和212个具有ALS的遗传分层个体：（1）C9ORF72六核苷酸载体（“ C9POS”），（2）偶发测试的患者。絮凝叶（p adj = 0.014，95％ci-5.06e-5至 - 3.98e-6）和crura（p adj = 0.031，95％ci-1.63e-3至 - 1.63e-3至 - 5.55e-5）在基线的基线患者的基线减少。小脑额和小脑结构连通性障碍，并且在零星患者中，这两种投影随着时间的流逝而进一步恶化（P ADJ = 0.003，T（249）= 3.04 = 3.04和P AXJ = 0.05，T（249），T（249），T（249）= 1.93）。基线零星患者的功能性小脑解偶联（P ADJ = 0.004，95％CI -0.19至-0.03）。ATXN2患者在基线时表现出脑部 - 枕骨功能连通性的降低（P ADJ = 0.004，95％CI-0.63至-0.06），进行性脑静脉内暂时性功能断开连接（P ADJ = 0.025，T（199）= -2.26）= -2.26），pecl = 0.0 7 （249）= - 2.24）。C9POS患者表现出进行性腹侧齿状萎缩（P ADJ = 0.007，t（249）= - 2.75）。CSTS（p adj <0.001，95％CI 4.89E-5至1.14E-4）和跨卡盘间纤维纤维（P ADJ <0.001，95％CI 5.21E 5.21E-5至1.31E-4）在C9POS和基线的效果均高于4次，比4次高于4时间。CST和callosum callosum完整性的下降速度快于脑脑断开连接的速度（P ADJ = 0.001，T（190）= 6.93）。
从压缩效率的角度来改善尖峰神经网络的稀疏结构学习
人类大脑利用尖峰进行信息传输，并动态地重组其网络结构，以提高能源效率和认知能力的整个生命周期。从这种基于尖峰的计算中汲取灵感，已开发出尖峰神经网络（SNN）来构建模仿该效率的事件驱动的模型。尽管有这些进步，但在训练和推断期间，深SNN仍遭受过度参数化，与大脑自我组织的能力形成鲜明对比。此外，由于静态修剪比率保持最佳的修剪水平，现有的稀疏SNN受到挑战，导致下降或过度修剪。在本文中，我们为深SNN提出了一种新型的两阶段动态结构学习方法，旨在从头开始进行有效的稀疏训练，同时优化压缩效率。第一阶段使用PQ索引评估了SNN中现有稀疏子网络的可压缩性，这促进了基于数据压缩见解的突触连接的重新线的自适应确定。在第二阶段，这种重新布线的比率严格告知动态突触连接过程，包括修剪和再生。这种方法显着改善了对深SNN中稀疏结构训练的探索，从压缩效率的角度来动态地调整稀疏性。我们的实验表明，这种稀疏的训练方法不仅与当前的深SNNS模型的性能保持一致，而且还显着提高了压缩稀疏SNN的效率。至关重要的是，它保留了使用稀疏模型启动培训的优势，并为将AI授予神经形态硬件的边缘提供了有前途的解决方案。