XiaoMi-AI文件搜索系统
World File Search System行为模型
在愤怒、慢性疼痛和大脑的交汇处
慢性疼痛仍然是世界上最持久的医疗保健挑战之一。为了推进疼痛治疗，专家们最近根据提出的潜在机制引入了研究驱动的慢性疼痛亚型。伤害性疼痛（例如非特异性慢性腰痛或纤维肌痛）就是这样一种亚型，其可能与大脑可塑性、生活压力和创伤引起的痛苦情绪以及不健康的情绪调节有更大的病因作用。特别是，相关和行为数据将愤怒以及愤怒的调节方式与伤害性疼痛的存在和严重程度联系起来。功能性神经影像学研究还表明，伤害性疼痛和健康的愤怒调节在内侧前额叶皮层和杏仁核中表现出相反的活动模式；因此，改善愤怒调节可以使这些区域的活动正常化。在这篇小型评论中，我们总结了这些发现，并提出了一个统一的生物行为模型，称为愤怒、大脑和痛觉刺激性疼痛 (AB-NP) 模型，该模型可以在未来的研究中进行测试，并可能通过提供针对愤怒、愤怒调节和痛觉刺激性疼痛的大脑可塑性的新治疗方法来促进疼痛护理。
图像、GMTI 和信息融合的神经方法 - DTIC
根据 JDL 数据融合组过程模型，在 0、1、2 和 2+/3 级进行数据和信息融合。为了支持多传感器 IMINT 和 GMTI 融合和 3D 可视化，我们构建了阿拉巴马州莫比尔码头和周边地区的 3D 站点模型，该模型允许使用我们现有的图像挖掘工具进行搜索，并提供 COP 环境，可以在其中模拟和可视化场景。我们开发了用于模拟交通和编写单个车辆移动脚本的软件，以支持场景创建。我们探索了几个新概念来支持 2+/3 级的更高级别的信息融合。一种方法源于对动态脉冲信息网络及其同步形式的神经处理的洞察。这些网络可以以关系和学习到的关联的形式绑定数据和语义知识。我们证明了使用这些网络在移动数据集中学习动态城市场景中移动车辆之间的简单关联的可行性。第二种方法涉及从图像和/或文本数据中提取知识结构。我们开发了两种从数据集中的概念共现中发现分类法的机制。我们证明了这些方法对融合图像和文本语料库的有效性。最后一种方法利用神经启发机制从移动的跟踪实体中学习正常行为模型。这些模型随后被使用
访问：保证案件以安全至关重要系统的为中心工程
保证案例用于交流和评估对关键系统（例如安全和保障）的信心。从历史上看，保证案件是手动创建的，由系统利益相关者通过漫长而复杂的过程对其进行评估。近年来，基于模型的系统保证方法已获得了知名度，以提高系统保证活动的效率和质量。这变得越来越重要，随着系统变得越来越复杂，管理其发展生命周期的挑战，包括开发，验证和验证活动的协调，以及在相互联系的系统保证方面的变化影响分析。此外，由于机器人和自主系统（RAS）被采用到社会中，因此需要保证案件来支持该系统运营生活期间的演变，以在面对不确定的环境的情况下进行持续的保证。在本文中，我们有助于访问 - 保证案例以安全至关重要系统的为中心工程，工程方法以及其工具支持，以开发安全关键系统，围绕不断发展的基于模型的保证案例发展。我们展示了基于模型的系统保证案例如何追踪到异质工程工件（例如系统建筑模型，系统安全分析，系统行为模型等。），以及如何在开发过程中整合形式的方法。我们证明了如何在开发和运行时自动评估保证案例。我们将方法应用于基于自动水下车辆（AUV）的案例研究。
UML-MARTE 安全关键实时系统的时间属性验证框架
摘要：时间属性是安全关键型实时系统 (RTS) 可靠性的关键要求。UML 和 MARTE 是标准化建模语言，被工业设计师广泛接受用于使用模型驱动工程 (MDE) 设计 RTS。然而，在系统生命周期的早期阶段对 UML-MARTE 模型进行形式化验证仍然是一个悬而未决的问题。在本文中 1 ，我们提出了一个针对 UML-MARTE 安全关键型 RTS 的时间属性验证框架。该框架依赖于从 UML 架构和行为模型到用时间 Petri 网 (TPN) 表示的可执行和可验证模型的属性驱动转换。同时，它将时间属性转换为一组属性模式，对应于 TPN 观察者。然后对生成的 TPN 执行基于观察者的模型检查方法。该验证框架可以评估时间属性，例如循环和缓冲区的上限、最佳/最坏情况响应时间、最佳/最坏情况执行时间、最佳/最坏情况遍历时间、可调度性和同步相关属性（同步、巧合、排除、优先、子发生、因果关系）。此外，它还可以验证一些行为属性，例如没有死锁或死分支。该框架通过一个代表性案例研究进行了说明。本文还提供了实验结果并评估了该方法的性能。
基于物理的野火融合的生成算法...
摘要：野生活动的增加以及产生的影响促使人们开发了高分辨率的野生行为模型，以预测蔓延。使用卫星检测火灾位置的最新进展进一步提供了使用测量结果来改善通过数据同化来改善数值模型的差异预测的机会。这项工作开发了一种具有物理信息的方法，可以从卫星测量中推断野生燃料的历史，从而提供必要的信息，以初始化耦合的气氛 - 从测得的野生野生状态的野生模型。到达时间是到达给定的空间位置的时间，它是野生火灾历史的简洁表示。在这项工作中，经过WRF - SFIRE模拟训练的有条件的Wasserstein生成对抗网络（CWGAN）用于从卫星主动数据中推断出到达的时间。CWGAN用于从给定卫星主动检测的到达时间的条件分布中产生可能到达时间的样本。由CWGAN产生的样品进一步用于评估预测的不确定性。在2020年至2022年之间，对四个加利福尼亚野生火力进行了测试，并将预测与高分辨率机载红外措施进行比较。此外，将预测的点火时间与报告的点火时间进行了比较。平均Sørensen的系数为0.81，用于固定器的周围和32分钟的平均点火时间差表明该方法非常准确。
保证案件以安全性 - 关键...
保证案例用于交流和评估对关键系统属性（例如安全和保障）的信心。从历史上看，保证案件是手动创建的，由系统利益相关者通过漫长而复杂的过程对其进行评估。近年来，基于模型的系统保证方法已获得流行，以提高系统保证活动的效率和质量。这变得越来越重要，随着系统变得越来越复杂，管理其发展生命周期的挑战，包括开发，验证和验证活动的协调，以及相互联系的系统保证工件中的变化影响分析。此外，由于机器人和自主系统（RAS）被采用到社会中，因此需要保证案件来支持该系统运营生活期间的演变，以在面对不确定的环境的情况下进行持续的保证。在本文中，我们有助于访问 - 安全 - 关键系统的以保证案例为中心的工程，一种工程方法以及其工具支持，以开发围绕不断发展的基于模型的保证案例的安全 - 关键系统的开发。我们展示了基于模型的系统保证案例如何追踪到异质工程工件（例如系统建筑模型，系统安全分析，系统行为模型等。），以及如何在开发过程中整合形式的方法。我们证明了如何在开发和运行时自动评估保证案例。我们将方法应用于基于自动水下车辆（AUV）的案例研究。
行人交叉决策可以通过嘈杂的视觉感知下的最佳最佳决策来解释
本文根据构成理性理论提出了行人交叉决策的模型。假定交叉决策是最佳的，其最佳性是由人类认知限制引起的。虽然先前的行人行为模型是“黑盒”机器学习模型，也可以是具有对认知因素的明确假设的机械模型，但我们结合了这两种方法。具体来说，我们在机械上对人类的视觉感知和模型奖励进行了机械模型，考虑到人类的限制，但是我们使用强化学习来学习有限的最佳行为政策。该模型比以前的模型重现了更多的已知经验现象，特别是：（1）接近车辆到达时间对行人是否接受差距，车辆速度对（2）间隙接受的影响（2）（2）（3）交叉车辆前（4）交叉效果的行人的行人时机的影响。值得注意的是，我们的发现表明，以前在决策中以“偏见”（例如依赖速度依赖性差距接受）的行为可能是理性适应视觉感知约束的产物。我们的方法还允许拟合认知约束的参数和每个人的奖励，以更好地说明个体差异，从而与实验数据实现良好的定量对齐。得出结论，通过利用RL和机械建模，我们的模型为行人行为提供了新的见解，并可以为更准确，更可扩展的行人模型提供有用的基础。
无网络的人工智能 - CSHL 科学数字存储库
当代人工智能 (AI) 有两条腿：大型训练数据语料库和多参数人工神经网络 (ANN)。数据语料库是代表世界的复杂性和异质性所必需的。由于网络参数和输出对训练数据和输入的依赖性不明确，网络的作用不太透明。这引发了从技术科学到法律伦理等一系列问题。我们假设，在完全不使用网络的情况下，机器学习的透明方法是可能的。通过推广一种无参数、统计一致的数据插值方法（我们对该方法进行了详细的理论分析），我们开发了一个生成建模框架。鉴于机器学习技术在科学中的应用越来越广泛，我们用动物行为领域的一个例子来演示这个框架。我们将这个生成希尔伯特框架应用于小群游动鱼的轨迹。在重现自然行为方面，该框架优于之前开发的最先进的传统数学行为模型和当代基于 ANN 的模型。我们并不认为所提出的框架在所有应用中都会胜过网络，因为过度参数化的网络可以进行插值。然而，我们的框架在理论上是合理、透明、确定且无参数的：它不需要任何计算成本高昂的训练，不涉及优化，没有模型选择，并且易于复制和移植。我们还基于此框架提出了一种易于计算的信用分配方法，该方法可以帮助解决生成式人工智能带来的道德法律挑战。
住宅光伏应用的荟萃分析
住宅光伏系统 (PV) 的采用被视为可持续能源转型的重要组成部分。为了促进这一进程，确定太阳能采用的决定因素至关重要。本文采用元分析结构方程模型方法，对住宅光伏采用意向的研究进行了元分析，并评估了四种基于计划行为理论的行为模型，以促进理论发展。在最初确定的 653 项研究中，110 项尚待全文筛选。只有八项研究足够同质，提供了双变量相关性，因此可以整合到元分析中。主要研究之间的汇总相关性显示，环境关注、寻求新颖性、感知利益、主观规范和采用住宅光伏系统的意图之间存在中等到大的相关性，而社会人口统计变量与意图无关。元分析结构方程模型揭示了一个模型（N = 1,714），其中采用意愿由好处和感知行为控制预测，而好处又可以由环境关注、寻求新颖性和主观规范来解释。我们的结果表明，措施应主要侧重于增强对好处的感知。根据我们在分析中遇到的障碍，我们提出了一些指导方针，以促进未来科学证据的汇总，例如系统地纳入关键变量和报告双变量相关性。
与交通信号灯和标志的自动驾驶汽车的交互数据集
本文介绍了一个综合数据集的开发，该数据集捕获了自动驾驶汽车（AV）和交通控制设备之间的相互作用，特别是交通信号灯和停车标志。源自Waymo Motion数据集，我们的工作通过提供有关AVS如何导航这些流量控制设备的现实轨迹数据来解决现有文献中的关键差距。我们提出了一种从Waymo Motion数据集中识别和提取相关交互轨迹数据的方法，该数据集并入了37,000多个实例，并带有交通信号灯和44,000个带有停车标志的实例。我们的方法包括定义规则以识别各种相互作用类型，提取轨迹数据，并应用基于小波的DeNoising方法来平滑加速度和速度概况并消除异常值，从而提高轨迹质量。质量评估指标表明，在所有相互作用类别中，这项研究中获得的轨迹在加速度上具有异常比例，而混蛋轮廓降低到接近零水平。通过公开提供此数据集，我们旨在解决包含带有交通信号灯和标志的AV交互行为的数据集中的当前差距。基于有组织和发布的数据集，我们可以在与交通信号灯和标志互动时对AVS行为有更深入的了解。这将促进对现有运输基础架构和网络的AV集成的研究，从而支持开发更准确的行为模型和仿真工具。