XiaoMi-AI文件搜索系统
World File Search System网络应用
对粒子系统和神经网络应用的一般可控性
摘要。存在许多具有对称性的系统的示例，并且可以通过具有对称性的控件进行监视。由于沿进化保留了对称性，因此不可能完全可控，并且必须将可控性视为具有相同对称性的状态的内部。我们证明，具有对称性的通用系统在这个意义上是可以控制的。该结果具有多种应用，例如：（i）当粒子之间相互作用的内核扮演均值场控制的作用时，粒子系统的一般可控性； （ii）在具有边界的歧管上对向量场的家庭的一般可控性； （iii）具有“通用”自发型层的神经网络体系结构的通用介绍 - 在最近的神经网络体系结构中，例如在变形金刚体系结构中的一种无处不在的层。我们开发的工具可以帮助解决模棱两可系统控制的其他各种问题。
一项有关网络安全生成对抗网络应用的调查：前瞻性，指导和开放研究范围
随着人工智能的扩散，累积的数据量大幅增加并以数字方式分发。由于数据可在具有复杂且复杂的基础设施的数字景观中在线获得，因此基于网络安全的各种防御机制至关重要。是深入学习模型的生成对抗网络（GAN）已成为解决不断变化的安全问题的强大解决方案。这项调查研究了深度学习模型的重要性，正是对GAN的增强网络安全防御的重要性。我们的调查旨在探索gan中完成的各种作品，例如入侵检测系统（IDS），移动和网络侵入，僵尸网络检测和恶意软件检测。重点是研究gan如何成为有影响力的工具来增强这些领域中的网络安全防御。此外，本文讨论了在这些领域使用gans的挑战和约束，并提出了未来的研究方向。总的来说，本文突出了甘恩在增强网络安全措施中的潜力，并解决了该领域进一步探索的必要性。
一个机器学习网络应用程序，可根据基本的无创健康检查，社会人口统计学特征和Dietar
背景：在过去的几十年中，糖尿病已成为全球严重的公共健康问题，尤其是在孟加拉国。人工智能的进步可以在预测血糖水平以改善健康管理的情况下获得。但是，使用来自孟加拉国等低收入和中等收入国家的数据来预测健康参数的机器学习（ML）技术的实际有效性非常低。具体来说，孟加拉国缺乏使用ML技术的研究，以基于基本的非侵入性临床测量以及饮食和社会人口统计学信息来预测血糖水平。目的：为了制定公共卫生计划和糖尿病的控制策略，本研究旨在开发一种个性化的ML模型，该模型可以预测孟加拉国城市公司工作者的血糖水平。方法：基于基本的无创健康检查测试结果，饮食信息和社会人口统计学特征，孟加拉国Grameen Bank Complex的271名员工，5种著名的ML模型，即线性回归，提高决策树回归，神经网络，神经网络，决策森林回归以及Bayesian Linearearecression，用于预测失血水平。在本研究中使用连续的血糖数据来训练该模型，然后使用训练有素的数据来预测新的血糖值。结果：增强决策树回归证明了所有评估模型的最大预测性能（均方根误差= 2.30）。这意味着，平均而言，我们的模型预测的血糖水平与实际的血糖水平偏离2.30 mg/dL左右。所研究人群的平均血糖值为128.02 mg/dl（SD 56.92），表明大多数样品的边界结果（正常值：140 mg/dl）。这表明个人应定期监测其血糖水平。结论：该支持ML的Web应用程序的血糖预测应用程序有助于个人自我监测其健康状况。该申请是在孟加拉国等低收入和中等收入国家的偏远地区的社区开发的。这些领域通常缺乏医疗机构，并且没有足够数量的合格医生和护士。基于Web的应用程序是社区可以采用的简单，实用且有效的解决方案。使用Web应用程序可以节省医疗费用，时间和健康管理费用的资金。创建的系统还有助于实现
网络应用、电子商务和人工智能
电子商务应用程序本质上是旨在优化用户交互的网站。无论是网站还是网络应用程序，电子商务都指在互联网上销售商品或服务。该系统涉及两方或多方之间的资金和数据电子转移。在过去十年中，在网络和手机应用程序以及在线支付系统的改进的支持下，数字技术的稳步改进和复杂化，已导致电子商务现已超过面对面的销售交易 1 。数据显示，自 COVID-19 爆发以来，该行业出现了飙升。例如，美国的在线销售额分别从 2018 年和 2019 年的 5190 亿美元和 5980 亿美元呈指数级增长，到 2020 年达到 7917 亿美元 2 。根据麦肯锡的一份报告，自 2020 年以来，20% 至 30% 的企业已转移到线上 3 。
脑癌检测网络应用程序
摘要：脑瘤是脑中异常细胞的生长，也可能导致一种致命的疾病，即癌症。由于 MRI 图像对噪声和环境因素的敏感性，脑瘤的早期诊断非常困难。脑瘤的主要原因是脑细胞的进展受阻。许多卫生组织已经将脑瘤确定为世界上造成大量死亡的第二大争议性肿瘤。脑瘤可以识别多种症状，包括癫痫发作、情绪变化、行走和听力、视力、肌肉运动困难等。脑瘤可以识别多种症状，包括癫痫发作、情绪变化、行走和听力、视力和肌肉运动困难等。脑瘤分为神经胶质瘤、髓母细胞瘤、室管膜瘤、中枢神经系统淋巴瘤和少突胶质细胞瘤。在原发期，肿瘤可以切除，但在二期，肿瘤疾病会扩散，因此切除肿瘤后肿瘤很少残留并再次生长，所以这是肿瘤二期最大的问题。尽早发现脑肿瘤非常重要。正确的治疗计划和准确的诊断是提高预期寿命的首要任务。磁共振成像是检测脑肿瘤的最佳方法。由于脑肿瘤及其特性的复杂性，需要一种自动化的脑肿瘤检测系统来在最早阶段检测出肿瘤。由于检测肿瘤的复杂性，人工检查容易出错。我们采用基于深度学习的可分离卷积神经网络从 MRI 图像中检测肿瘤。本文在研究了大量相关研究论文后，回顾了几种成功的算法。大多数研究中的方法包括预处理脑图像、分割、提取特征、聚类和检测肿瘤。根据世界卫生组织和美国脑肿瘤协会的说法，最常见的分类系统使用 I 至 IV 级量表来对良性和恶性肿瘤类型进行分类。在这个量表上，良性肿瘤分为 I 级和 II 级胶质瘤，恶性肿瘤分为 III 级和 IV 级胶质瘤。I 级和 II 级胶质瘤也称为低级别肿瘤，其生长缓慢，而 III 级和 IV 级被称为高级别肿瘤类型，肿瘤生长迅速。如果低级别脑肿瘤得不到治疗，很可能发展成高级别脑肿瘤，即恶性脑肿瘤。II 级胶质瘤患者需要每 6 至 12 个月通过磁共振成像 (MRI) 或计算机断层扫描 (CT) 进行连续监测和观察。脑瘤可以影响任何年龄的任何人，其对身体的影响可能因人而异。关键词 - 脑肿瘤检测、MRI 图像、卷积神经网络 (CNN)、深度学习 (DL)、图像处理、算法。
一款可提高 HPV 疫苗接种率的移动网络应用程序
在美国，人乳头瘤病毒 (HPV) 疫苗的接种率仍远低于“健康人 2030”计划规定的 80% 的接种完成率 ( 1 )。在全国范围内，2019 年 13-17 岁青少年中 54.2% 的人乳头瘤病毒 (HPV) 疫苗已按时接种 [女性 56.8%；男性：51.8% ( 2 )]。在新墨西哥州，该青少年年龄段的 HPV 疫苗接种完成率也仍然很低 (59.8%)。虽然疫苗接种率不尽如人意的原因可能有很多，但父母的担忧以及对 HPV 疫苗有效性和安全性的错误信息仍然是实现公共卫生疫苗接种目标的障碍 ( 1 , 2 )。疫苗接种受健康信念的影响（例如，疫苗知识、预防性疫苗的重要性、副作用担忧），而疫苗接种完成率 [如果在 14 岁前开始接种，则接种 2 剂； 15 岁后无需接种 3 剂（3）] 受到后勤障碍（如遗忘、时间安排困难、儿童保育、旅行时间、医生犹豫）和健康信念（4-10）的影响。健康信念易于通过健康教育干预来改变。研究表明，人们对 HPV 疫苗存在大量（1）困惑和不确定性，以及（2）有关 HPV 疫苗的错误信息，包括疫苗的适用对象以及疫苗在何种条件下能发挥最大作用。确定提高 HPV 疫苗接种率的有效策略是美国疾病控制和预防中心 (CDC) (11) 和世界卫生组织 (WHO) (12) 的首要任务。医生和诊所的干预措施已显示出对疫苗接种的一些积极影响（13-15），但父母的担忧和犹豫仍然是 HPV 疫苗接受的障碍。鉴于临床医生在儿科和青少年初级保健就诊期间与父母互动的时间有限，理想情况下，通过针对父母顾虑的数字干预措施（在本例中为智能手机应用程序）可以解决父母接种 HPV 疫苗的障碍，尤其是考虑到几乎所有 50 岁以下的美国成年人都使用互联网 ( 16 )。截至 2019 年，互联网使用情况在性别、种族或城乡状况之间几乎没有差异，所有群体的使用率都超过 85%。近五分之一的 50 岁以下成年人使用智能手机上网，其中西班牙裔和农村成年人使用这种蜂窝互联网的比例最高 ( 16 )。本文报告了一项针对父母和青春期女孩（11-14 岁）的智能手机网络应用程序随机试验的结果，该试验旨在鼓励美国种族多元化的新墨西哥州接种 HPV 疫苗。该试验检验了以下假设：H1：与分配到常规和习惯 (UC) 信息对照组的父母相比，分配到 Vacteen/Vacunadolescente 移动网络应用程序的父母将表达更有利的 HPV 疫苗信念、知情决策、接种 HPV 疫苗的意愿、HPV 疫苗接种的自我效能以及为其女儿接种 HPV 疫苗的益处和风险。H2：与分配到 UC 信息对照组的父母的女儿相比，分配到 Vacteen/Vacunadolescente 移动网络应用程序的父母的女儿将有更多的人开始并完成 HPV 疫苗接种系列。
缓解图神经网络应用于欺诈检测的不一致性问题
基于图的模型已广泛应用于欺诈检测任务。由于图神经网络 (GNN) 的发展，最近的研究提出了许多基于同构或异构图的 GNN 欺诈检测器。这些工作利用现有的 GNN 并汇总邻域信息来学习节点嵌入，这依赖于邻居共享相似的上下文、特征和关系的假设。然而，欺诈者造成的不一致性问题很少被研究，即上下文不一致、特征不一致和关系不一致。在本文中，我们介绍了这些不一致性并设计了一个新的 GNN 框架 GraphConsis 来解决不一致问题：（1）对于上下文不一致，我们建议将上下文嵌入与节点特征相结合； (2) 针对特征不一致，我们设计了一个一致性评分来过滤不一致的邻居并生成相应的采样概率；(3) 针对关系不一致，我们学习与采样节点相关的关系注意权重。对四个数据集的实证分析表明，不一致问题在欺诈检测任务中至关重要。大量实验证明了 GraphConsis 的有效性。我们还发布了一个基于 GNN 的欺诈检测工具箱，其中包含 SOTA 模型的实现。代码可在 https://github.com/safe-graph/DGFraud 获得。
适用于网络应用的全光频率处理器
摘要 —我们提出了一种用于透明光网络的电光方法，其中频道在波长复用环境中主动转换为任何所需的映射。基于电光相位调制器和傅里叶变换脉冲整形器，我们的全光频率处理器 (AFP) 经过了数字检验，以用于频道跳变和广播的特定操作，并发现能够以有利的组件要求实现这些转换。通过基于互信息的系统优化指标扩展我们的分析，我们展示了如何在经典环境下在有限资源下优化转换性能，并将结果与使用量子信息驱动的指标（例如保真度和成功概率）得出的结果进行对比。鉴于其与片上实现的兼容性，以及频道切换中光电转换的消除，AFP 有望在硅光子网络设计以及高维频率箱门的实现中提供宝贵的潜力。