XiaoMi-AI文件搜索系统
World File Search System范例
LAB03：MOSFET 实验室 - andrew.cmu.ed
开发微电子电路时，一个常见的设计范例是“标准单元”的概念。由于 PMOS 和 NMOS 晶体管在集成电路上的制造方式，微电子电路设计人员将每种晶体管类型放在自己的行中会很有帮助。由于 PMOS 晶体管的源极通常连接到正电源轨或另一个 PMOS 晶体管的漏极，因此将所有 PMOS 放在顶行很有帮助（见图 2）。相反，NMOS 晶体管的源极几乎总是连接到另一个 NMOS 的漏极或接地。这就是为什么 NMOS 晶体管总是在底部的原因。
1 个“可持续可再生能源生产人工智能”博士后职位
应对这一挑战需要先进的解决方案。ERC INJECT 项目 (https://cordis.europa.eu/project/id/101087771) 探索的数学控制理论提供了在优化能源生产的同时最大限度降低地震风险的策略。或者，人工智能 (AI)，尤其是强化学习 (RL)，以其与模型无关和以性能为导向的性质提供了一种变革性方法。RL 可以制定管理地下系统的高效策略，并作为解决具有类似不确定性和约束的复杂系统的范例，从而解锁跨不同领域的更广泛应用。
长期非侵入性大脑的设计注意事项...
最近的几项研究表明，大脑计算机界面（BCI）技术如何揭示各种任务的神经机制并将其转化为控制命令。虽然许多研究表明了BCI的理论潜力，但关注的一点是，这些研究仍在实验室环境中确定，并且大部分限于健康，健美的受试者。Cybathlon 2020 BCI竞赛是一个机会，可以进一步制定BCI设计策略，以与四边形最终用户一起在实时应用中使用。在这项研究中，作为参与Cybathlon 2020 BCI种族的准备工作的一部分，我们研究了BCI的设计方面，尤其是其组件的选择，尤其是校准范式的类型及其对长期使用的相关性。最终目标是开发一个适合长期使用的用户友好且引人入胜的界面，尤其是针对脊柱受伤（SCI）患者。使用预训练的BCI解码器，我们比较了常规开环校准范式与实时闭环范式的效率。各种绩效指标，包括由此产生的分类性能，游戏完成时间，大脑激活图以及飞行员的主观反馈。我们的结果表明，具有实时反馈的闭环校准范例对于飞行员而言更具吸引力。与传统的校准范式相比，他们还表明表明可以实现更好的在线中间分类性能（p = 0.0008）。我们还观察到，在闭环范式中引起了更强，更局部的大脑激活模式，其中实验界面与最终应用非常相似。因此，基于对单个受试者数据的纵向评估，我们证明了具有主动用户参与的基于BCI的校准范例，例如实时反馈，可以帮助实现更好的用户可接受性和性能。
耳部脑电图传感器验证工具包
摘要：支持 EEG 的耳塞代表着超越传统实验室测试的脑活动监测领域的一个有前途的前沿。它们的离散外形和与大脑的接近度使它们成为第一代离散非侵入式脑机接口 (BCI) 的理想候选。然而，这项新技术需要全面的特性描述，才能被广泛用于消费者和健康相关领域。为了满足这一需求，我们开发了一个验证工具包，旨在促进和扩大对耳-EEG 设备的评估。该工具包的第一个组件是一个桌面应用程序（“EaR-P Lab”），它控制几个 EEG 验证范例。此应用程序使用实验室流层 (LSL) 协议，使其与大多数当前 EEG 系统兼容。该工具包的第二个元素将幻影评估概念的改编引入了耳-EEG 领域。具体而言，它利用测试对象耳朵的 3D 扫描来模拟耳朵周围和内部的典型 EEG 活动，从而可以对不同的耳-EEG 外形和传感器配置进行受控评估。每种 EEG 范例都使用湿电极耳部 EEG 记录进行验证，并与头皮 EEG 测量结果进行对比。耳部 EEG 模型成功获取了硬件特性的性能指标，揭示了基于电极位置的性能差异。此信息用于优化电极参考配置，从而提高了听觉稳态响应 (ASSR) 功率。通过这项工作，我们开发了耳部 EEG 评估工具包，旨在促进对新型耳部 EEG 设备从硬件到神经信号采集的系统评估。
对自动驾驶世界模型的调查
摘要 - 自主驾驶中的截然突破是由强大的世界建模的进步推动的，从根本上改变了车辆如何解释动态场景并执行安全的决策。尤其是世界模型已成为一项Linchpin技术，提供了整合多传感器数据，语义提示和时间动态的驱动环境的高保真表示。本文系统地回顾了世界自主驾驶模型的最新进展，提出了三层分类学：1）生成未来的物理世界，涵盖图像，BEV-，OG-，OG-和PC的生成方法，从而增强场景演化通过扩散模型和4D占用预测来增强场景演变建模； 2）针对智能代理的行为规划，将基于规则驱动的范式和基于学习的范例与成本图优化和增强学习的轨迹学习相结合； 3）预测与计划之间的互动，通过潜在的空间扩散和内存增强体系结构实现多代理协作决策。这项研究进一步分析了培训范例，包括自我监督学习，多模式预处理和生成数据增强，同时评估了世界模型在场景理解和运动预测任务中的性能。未来的研究必须解决自我监督的表示学习，长尾场景生成和多模式融合的关键挑战，以推动在复杂的城市环境中实际部署世界模型的实际部署。总的来说，我们的全面分析提供了一个理论框架和技术路线图，用于利用世界模型在推进安全可靠的自动驾驶解决方案方面的变革潜力。
基于EEG的BCI疗法中的伪影：朋友还是敌人？
摘要：基于脑电图的脑机接口 (BCI) 具有超越传统神经反馈训练的广阔治疗潜力，例如实现个性化和优化的虚拟现实 (VR) 神经康复范例，其中视觉体验的时间和参数与特定大脑状态同步。虽然 BCI 算法通常被设计为专注于信号中信息量最大的部分，但在这些大脑状态同步的应用中，至关重要的是，最终的解码器对代表各种心理状态的生理大脑活动敏感，而不是对诸如自然运动产生的伪影敏感。在本研究中，我们比较了从提取的大脑活动和 EEG 信号中包含的伪影中解码不同运动任务的相对分类准确度。在基于 VR 的逼真神经康复范例中，从 17 名慢性中风患者身上收集了 EEG 数据，同时执行六种不同的头部、手部和手臂运动。结果表明，在分类准确度方面，EEG 信号的伪像成分比大脑活动的信息量大得多。这一发现在不同的特征提取方法和分类流程中是一致的。虽然可以通过适当的清理程序恢复信息性脑信号，但我们建议不要仅将特征设计为最大化分类准确度，因为这可能会选择剩余的伪像成分。我们还建议使用可解释的机器学习方法来验证分类是否由生理脑状态驱动。总之，虽然信息性伪像在基于 BCI 的通信应用中是一个有用的朋友，但它们在估计生理 32 脑状态时可能是一个麻烦的敌人。33
生成式人工智能的强化学习：：最先进的技术，......
生成式人工智能 (AI) 是近十年来计算机科学领域最令人兴奋的发展之一。与此同时，强化学习 (RL) 已成为各种机器学习任务的非常成功的范例。在本调查中，我们讨论了将 RL 应用于生成式人工智能的最新进展、机遇和未解决的研究问题。具体来说，我们将讨论三种类型的应用，即 RL 作为不指定目标的生成的替代方法；作为生成输出同时最大化目标函数的方法；最后，作为将无法通过目标函数轻易捕获的期望特征嵌入生成过程的方法。我们将通过深入讨论这一迷人的新兴领域的机遇和挑战来结束本调查。
遗传算法对 Transformer 编码器的微调效果如何？第一种方法
遗传算法 (GA) 已在工程或医学等不同领域得到研究，以优化网络路由或医学图像分割等各种问题。此外，它们还被用于自动寻找深度神经网络的最佳架构。但是，据我们所知，它们尚未被用作 Transformer 模型的权重优化器。虽然梯度下降一直是这项任务的主要范例，但我们相信 GA 有其优势。在本文中，我们将证明尽管 GA 能够微调 Transformer 编码器，但它们的泛化能力比 Adam 差得多；然而，仔细观察，GA 从两个不同的预训练数据集中利用知识的能力超过了 Adam。
