XiaoMi-AI文件搜索系统
World File Search System细分
s $^{3} $ M-net：语义细分的联合学习和自动驾驶的立体声匹配
摘要 - 语义分割和立体声匹配是用于自动驾驶的3D环境感知系统的两个基本组成部分。然而，传统方法通常独立解决这两个问题，并采用每个任务的单独模型。这种方法在现实情况下构成了实际限制，尤其是当计算资源稀缺或实时绩效是必须的。因此，在本文中，我们介绍了S 3 M-NET，这是一个新型的联合学习框架，旨在同时执行语义分割和立体声匹配。特别是S 3 M-NET共享从这两个任务之间从RGB图像中提取的功能，从而提高了整体场景理解能力。使用特征融合适应（FFA）模块实现此功能共享程序，该模块有效地将共享特征转换为语义空间，然后将它们与编码的差异功能融合在一起。整个联合学习框架是通过最大程度地减少新颖的语义一致性引导（SCG）损失来训练的，该损失强调了这两个任务的结构一致性。与其他最先进的单个任务网络相比，在VKITTI2和KITTI数据集上进行的广泛实验结果揭示了我们提出的联合学习框架的有效性及其优越的性能。我们的项目网页可在mias.group/s3m-net上访问。
橄榄油供应链设计，涵盖有机和传统市场细分以及消费者对当地产品的偏好
Imen Nouira、Ramzi Hammami、Alina Fernandez Arias、Natacha Gondran、Yannick Frein。橄榄油供应链设计，包括有机和传统市场细分以及消费者对本地产品的偏好。国际生产经济学杂志，2022 年，247，第 108456 页。�10.1016/j.ijpe.2022.108456�。�emse-03592598�
3D激光雷达扫描到地图长期定位的可推广稳定点细分
摘要 - 动物机器人越来越多地在实际会随着时间而变化的现实环境中运行。准确且健壮的本地化对于自动移动系统的有效运行至关重要。在本文中，我们仅使用3D LIDAR数据来应对基于扫描到地图匹配的长期本地化开发可推广的学习过滤器的挑战。我们的主要目标是提高动态环境中移动机器人本地化的可靠性。为了获得学习过滤器的强大概括能力，我们利用扫描和MAP数据之间的差异。我们的方法涉及将稀疏的4D卷积应用于包含扫描素及其相应地图体素的关节稀疏体素电网上。这使我们可以根据每个扫描点的长期稳定置信分数将扫描点分为稳定且不稳定的点。我们的实验结果表明，利用稳定点进行定位 - 证明了扫描匹配算法的性能，尤其是在外观变化频繁的环境中。通过利用扫描和地图体素之间的差异，我们增强了稳定点的分割。因此，我们的方法概括为新的，看不见的环境。
阿尔茨海默氏症的诊断，在细分中使用深度学习...
数学和计算机科学学院，科学大学，越南国立大学，胡志明市，越南B越南b计算机科学系，SAI GON大学，越南C计算机科学系，C Chonnam国立大学电子和计算机工程系，韩国韩国d tatuan@hcmus.edu.vn，https://orcid.org/000000-0001-9994-8077
事件细分的神经基础：环境中稳定的特征由神经状态反映
Small-scale locations Low-level visual features Large-scale locations Alexnet layers Shots MFCC Speech Events Low-level visual features Small-scale locations Large-scale locations MFCC Speech Events Speech Low-level visual features Alexnet layers Shots Small-scale locations Large-scale locations MFCC Events Events Low-level visual features Alexnet layers Shots Small-scale locations Large-scale locations MFCC语音
通过SAM和域知识彻底改变合金微观结构的细分，而无需额外培训
基本模型，在大规模数据集中培训并使用创新学习方法适应了新数据，已彻底改变了各个领域。在材料科学中，微观结构分割在理解合金特性中起关键作用。但是，常规的监督建模算法通常需要大量注释和复杂的优化程序。分割的任何模型（SAM）介绍了一个新的视角。通过将SAM与域知识相结合，我们提出了一种用于合金图像分割的新型广义算法。该算法可以处理各种合金系统的图像批处理，而无需训练或注释。此外，它可以达到与监督模型相当的分割精度，并在各种合金图像中稳健地处理复杂的相位分布，无论数据量如何。
人形机器人的GhatGPT时刻已至
从进展看，特斯拉居首，且从芯片、数据训练、大模型到本体制造、运控模型均自研自产，25年已制定千台量 产目标。其次为英伟达，其具备强大的算力能力+数据训练平台优势，利用微软芯片、数据、大模型、开发平 台，为人形机器人公司打造底层开发生态，已与14家人形公司合作。其次为Google，从放弃本体聚焦机器人 大模型，到再次牵手机器人公司合作下一代人形机器人，具备大模型能力。 OpenAI目前通过投资和自己小规模 研发机器人本体，尚未All in。苹果和Meta目前专注机器人细分感知领域，平台推出机器人感知系统ARMOR 可用于机械臂，Meta此前收购Digit触觉传感器团队。
数字技能能否防范人工智能带来的失业风险？来自 701 个细分职业的实证证据
为辨别数字技能在人工智能引发的技能偏向型技术变革中所扮演的角色，本研究利用美国劳工统计局的职业数据，采用固定效应建模、异质性分析和调节效应检验等方法，估计了取代风险对职业工资和就业的影响，并检验了数字技能的调节作用。研究结果主要发现三点：（1）人工智能取代风险对职业工资和就业具有显著的负向影响；（2）不同职业特征之间的异质性效应显著；（3）数字技能在防范取代风险方面发挥了显著的调节作用。核心政策含义是建议在各职业的教育和培训中强调数字技能，以适应未来的工作要求。
横跨陆地节肢动物的分散，生命史和热壁细分市场的一致协变
建立肽序列与原纤维形成之间的基本关系对于理解蛋白质错误折叠过程和指导生物材料设计至关重要。在这里，我们将全原子分子动力学（MD）模拟与人工intel-ligence（AI）相结合，以研究短肽序列排列的细微变化如何影响其形成原纤维的倾向。我们的结果表明，疏水残基的分布和电荷簇的分布很小，可以显着影响成核速率和跨β结构的稳定性。为了快速扩展此分析，我们开发了一个主动学习 - 增强的框架 - 用于分子动力学的机器学习（ML4MD），从而根据MD衍生的聚合数据迭代地完善了其预测。ML4MD有效筛选了许多肽排列，并指导发现先前未识别的原纤维式序列，从而在接收器操作特征（ROC）曲线（AUC）下达到0.939的接收器下方。总体而言，ML4MD通过将详细的原子模拟与快速和高敏锐的ML预测整合在一起，简化了淀粉样蛋白样肽的合理设计。
公众对入侵害虫控制基因技术的态度以及参与和信息的偏好：细分分析
基因技术的进步有望解决日益严重的入侵害虫问题。当前的研究旨在提高我们对公众看法的理解，以及在研究和开发该技术以供部署时潜在的公众参与途径和信息需求。对 1,149 名澳大利亚人进行了调查，并根据他们的态度将样本分为 4 组：某些反对者、骑墙派、谨慎支持者和某些支持者。“轻触式”参与活动似乎让大多数人感到满意；但对于对该技术持负面看法的一小部分人来说，更深入的参与可能更合适。总体而言，人们希望了解基因编辑技术的潜在风险以及相关的监管和控制。持更积极看法的人也对科学过程和技术表现出兴趣，而持更消极看法的人则想知道正在采取哪些措施来处理社会和道德问题。研究结果提供了以下方面的见解：1）当公众面临采用合成生物学方法解决环境问题时，他们的观点以及相关信念和感受的多样性；2）如何定制公众参与活动以符合人们的参与信念和既定偏好；3）生物技术开发人员在努力以对社会负责的方式设计基因技术时应解决哪些问题。