XiaoMi-AI文件搜索系统
World File Search System维数
大脑熵、分形维数和可预测性
复杂性科学是一个总称，涵盖对“复杂”系统的研究和表征——系统由多个相互依赖的组成部分组成，这些组成部分在不同层面上运行和相互作用（Fernandez 等人，2013 年）。这种复杂系统通常表现出“混沌”行为。混沌系统不是指无序或混乱的状态，而是指不可预测性和无序性，通常是多种非线性相互作用的结果（Faure 和 Korn，2001 年）。因此，系统中的微小变化可能导致指数变化（一种被称为“蝴蝶效应”的属性）。例如，地球大气层在任何时间和空间点都是（几乎无限）多个变量（例如温度、粒子组成和云密度）相互作用的结果，这使得任何长期预测都具有挑战性。尽管如此，复杂性科学的总体思想不一定是建立做出精确预测的方法，而是为表征给定复杂系统的长期轨迹提供一些见解（Faure & Korn，2001）。这些原则源于数学的一个分支，即混沌理论（概述见 Thietart & Forgues，1995），该理论已促使多个学科（例如环境科学、气象学和生物学）采用复杂动力系统的框架（Burggren & Monticino，2005；Kiel & Elliott，1996）。复杂性科学在非线性系统中的应用，称为“非线性动力学”，是一种新兴方法，在人体生理学和病理学研究中越来越受到关注（Ehlers，1995）。人类生理系统在理论上被概念化为复杂系统是有道理的，因为人类生理系统由多个组成子系统（无论是解剖学组件还是生理过程）组成，这些子系统在不同层面（即从分子到器官）不断相互作用，并与外部环境相互作用以维持体内平衡（Faure & Korn，2001）。基本假设是生理系统本质上是复杂的（Golbeter，1996），病理状态（或“动态疾病”，见Mackey & Glass，1977）可以用中断或异常的动态过程来表征。开创性的工作之一是
一种用于诊断高维数据的有效混合方法...
收到日期 2022-01-15；修订日期 2022-04-01；接受日期 2022-04-05 摘要：阿尔茨海默病 (AD) 是最常见的痴呆症类型，是记忆丧失和其他认知障碍的常见术语。这种疾病非常危险，足以干扰日常生活。在早期阶段识别 AD 仍然是一项极具挑战性的任务，同时，其进展在观察到任何症状之前几年就已经发展起来了。诊断过程中解决的基本问题是数据的高维性。然而，并非所有特征都与解决问题相关，有时，包括一些不相关的特征可能会降低学习性能。因此，通过选择最相关的特征来进行特征减少是必不可少的。在这项工作中，提出了一种用于高维特征选择的混合方法随机森林部分群优化 (RF-PSO)。这项工作背后的根本原因是通过创建一种可临床转化的机器学习方法来支持老年病学家诊断 AD。为此，我们使用了阿尔茨海默病神经影像计划 (ADNI) 创建的数据集。ADNI 数据集包含 900 名患者，在基线评估后至少三年内可以进行诊断随访。之所以选择它们，是因为它们在解决具有高数据维度的大规模优化问题方面具有优势。实验表明，RF-PSO 优于文献中发现的大多数其他方法。与它们相比，它取得了更高的性能。该方法在所有 AD 阶段的准确率达到 95%。与达到 86% 的随机森林相比，部分群优化达到 89%。关键词：阿尔茨海默病、机器学习、特征选择、高维
多维数据分析的影响
高性能计算 (HPC) 技术的进步已经能够通过归纳和建设性方法为心血管 (CV) 科学提供信息。临床试验允许比较干预的效果，而无需了解机制。这是归纳方法的典型示例。在 HPC 领域，训练由神经网络构建的人工智能 (AI) 模型以使用大规模多维数据集预测未来的 CV 事件是可以依赖并帮助理解机制基础以进行优化的对应方法。然而，与临床试验相比，AI 可以在个人层面计算事件风险，并有可能为个性化医疗的应用提供信息和改进。尽管 AI 具有明显的优势，但 AI 分析的结果可能会识别出多维数据与临床结果之间原本无法识别/意料之外（即非直观）的关系，这可能会进一步揭示潜在的机制途径并确定潜在的治疗目标，从而有助于从因果关系中解析观察关联。建设性方法对于克服现有知识的局限性和固有偏见以实现对心血管疾病复杂病理生物学的更深入理解仍然至关重要。HPC 技术有可能在心血管基础和临床科学中支撑这种建设性方法。一般来说，即使是复杂的生物现象也可以归结为简单的生物/化学/物理定律的组合。在演绎方法中，重点/意图是通过简单原理的组合来解释复杂的心血管疾病。
用非冗余小波代表高维数据的动力学
数据科学中的一个至关重要的问题是将高维数据中的有意义的信息提取到一个低维功能集中，这些特征可以在不同级别上表示原始数据。小波分析是将时间序列信号分解为具有详细时间分辨率的几个级别的普遍方法。但是，获得的小波在每个样本中以及一个人群中的不同样本之间相互交织并过度代表。在这里，使用模拟尖峰，实验性尖峰，钙成像信号和人类电视学信号的神经科学数据，我们在小波之间利用条件互信息进行特征选择。验证了所选特征的有意义，以高精度地解码刺激或条件，但仅使用一小部分特征。这些结果提供了一种新的小波分析方法，用于提取时空神经数据动力学的基本特征，然后可以通过代表性特征支持机器学习的新型模型设计。
使用扭转和弯曲的铰链 通过各向异性导电异质结构中的超快电流控制 分析激光警告系统中使用的各种光电探测器的结构和技术：评论 使用空间不连贯的衍射网络 随机三维数值幻象，可以在乳腺癌的定量光声计算机中启用计算研究 设计一个使用式鲁棒机器学习模型，用于定量分析反射光谱 刺激的拉曼散射断层扫描，用于快速三... 编程非线性传播，用于有效的光学学习机 紧凑而有效的光子分辨图像扫描显微镜 高功率，狭窄的线宽固态深紫外线激光在193 nm处通过LBO晶体中的频率混合 物理限制的深度偏置点扩散函数模型：朝向非视线成像重建 光子晶体中的非均匀伪磁场 纵向单... 的深度条件生成模型
摘要。我们报告了使用扭转和双轴定向的聚乙二醇苯二甲酸酯铰链的两轴可易剂显微镜镜。研究了基于四个或单线电磁执行器的两种不同的设计。开发了一种基于微加工的工厂过程，以实现高模式分辨率和对准精度并减少手动组件的量。具有扭转铰链，快速轴的谐振频率为300至500 Hz，水中有200至400 Hz。带有弯曲的铰链，慢速轴的共振频率为60至70 Hz，水中的谐振频率为20至40 Hz。2D B扫描和3D体积超声显微镜使用杂交扫描镜进行了证明。在直流或非常低的频率下扫描慢轴的能力允许形成密集的栅格扫描模式，以改善成像分辨率和视野。©作者。由SPIE在创意共享归因4.0国际许可下出版。全部或部分分发或重新分配或重新分配本工作，需要完全归因于原始出版物，包括其DOI。[doi：10.1117/1.jom.1.4.044001]
多维数据分析的影响
高性能计算 (HPC) 技术的进步已经能够通过归纳和建设性方法为心血管 (CV) 科学提供信息。临床试验允许比较干预的效果，而无需了解机制。这是归纳方法的典型示例。在 HPC 领域，训练由神经网络构建的人工智能 (AI) 模型以使用大规模多维数据集预测未来的 CV 事件是可以依赖并帮助理解机制基础以进行优化的对应方法。然而，与临床试验相比，AI 可以在个人层面计算事件风险，并有可能为个性化医疗的应用提供信息和改进。尽管 AI 具有明显的优势，但 AI 分析的结果可能会识别出多维数据与临床结果之间原本无法识别/意料之外（即非直观）的关系，这可能会进一步揭示潜在的机制途径并确定潜在的治疗目标，从而有助于从因果关系中解析观察关联。建设性方法对于克服现有知识的局限性和固有偏见以实现对心血管疾病复杂病理生物学的更深入理解仍然至关重要。HPC 技术有可能在心血管基础和临床科学中支撑这种建设性方法。一般来说，即使是复杂的生物现象也可以归结为简单的生物/化学/物理定律的组合。在演绎方法中，重点/意图是通过简单原理的组合来解释复杂的心血管疾病。
发展香港三维数码地图 (11201)
关键词 : 智慧城市 三维数码地图 三维可视化地图 三维室内地图 三维行人网络 摘要 2017年公布的香港智慧城市蓝图制定了利用创新科技应对城市挑战的整体框架和策略，提升香港对全球企业和人才的吸引力，并激发城市创新和可持续经济的发展。香港智慧城市蓝图包括采用建筑信息模型（BIM）、发展共享空间数据基础设施（CSDI）和发展三维数码地图。香港特区政府在2019-20年度预算中拨款3亿港元，加快发展CSDI和三维数码地图，促进地理空间数据的传播、利用和创新应用。三维数码地图是CSDI的主要组成部分，促进政府地理空间数据的共享和开放，并满足数码地图应用的需求。为满足日益增长的三维数码地图应用需求，并加深对香港等现代城市的多层次空间的了解，香港特别行政区政府地政总署的目标是在2023年底前为香港开发一套高质量的三维数码地图。三维数码地图项目包括生成一套高质量的三维可视化地图，展示香港地势、建筑物和基础设施的地形和外部特征。
根据二维数据构建和优化三维图谱并应用于小鼠大脑发育
摘要 3D 成像数据需要 3D 参考图谱才能进行准确的定量解释。现有的从 2D 衍生图谱生成 3D 图谱的计算方法会产生大量伪影，而手动管理方法则需要大量劳动力。我们提出了一种 3D 图谱构建的计算方法，通过识别底层成像数据中的解剖边界并使用这些边界来指导 3D 转换，大大减少了伪影。解剖边界还允许将图谱扩展到完整的边缘区域。将这些方法应用于 Allen 发育小鼠大脑图谱 (ADMBA) 中的八个发育阶段，可以得到更全面、更准确的图谱。我们从 15 个完整的小鼠大脑生成了成像数据来验证图谱的性能，并观察到了定性和定量的改进（图谱和解剖边界之间的一致性提高了 37%）。我们提供 MagellanMapper 软件和八个 3D 重建的 ADMBA 图谱作为流程。这些资源有助于在样本之间和整个发育过程中进行全器官定量分析。
基于人工智能的多维数据库技术
基于人工智能的多维数据库技术是一项新技术。该技术可以实现多模态数据（非结构化数据、半结构化数据、结构化数据）的分布式存储，同时还可以将数据以超立方体的形式存储，并对数据进行实时的多维分析和查询。传统的多维数据库直接从二维表中提取维度信息，没有考虑维度信息之间的关联性。因此，结合人工智能技术，可以实现多模态数据的关联分析，自动生成维度信息。具体而言，针对商业智能（BI）领域对多维数据高效分析、存储和处理的需求，开展基于人工智能的多维数据库技术应用研究，实现多领域异构数据的统一采集，高效、实时、自动标注、聚类，数据信息智能提取及语义关联，超立方体存储和在线分析OLAP、在线分析处理等。设计基于人工智能的多维数据库原型系统，满足海量数据智能分析处理需求。系统学习用户的查询行为模式和数据特征。通过内置机器学习算法构建立方体数据模型。持续进行模型优化，针对特定用户精准生成查询结果。通过分布式算法引擎、混合在线分析处理、分布式存储引擎等人工智能功能模块，整合多源异构数据资源，实现数据关联、智能学习、推理和预测，为管理决策端和业务运营端提供更加完善、可靠的预测决策服务。
软粘土深基坑被动群桩三维数值分析
摘要 - 本文基于现场实测案例，采用三维有限元法分析了软海洋粘土中深支撑基坑相邻桩群的响应。对由 2×1、4×1、8×1 和 8×2 桩组成且中心间距分别为 2d 和 3d 的桩群进行了数值研究。计算了最大桩弯矩的群系数，以研究桩直径、桩间距和桩数对群效应的影响。比较了两排桩群中中心桩和边缘桩以及前桩和后桩的群系数。本研究得出的结论可为考虑桩土相互作用和群桩效应的相邻基桩深支撑基坑设计提供指导。