XiaoMi-AI文件搜索系统
World File Search System表现力
零信任分数基于企业网络中的网络级访问控制
摘要 - 零信任安全最近引起了企业网络安全性的关注。其关键想法之一是根据信任分数做出网络级别的访问决策。但是，企业领域的基于得分的访问控制仍然缺乏我们理解中的基本要素，在本文中，我们在三个关键方面做出了贡献。首先，我们提供了29个信任属性的综合列表，可用于计算信任评分。通过引入一种新颖的数学方法，我们演示了如何量化这些属性。第二，我们描述了一种基于动态风险的方法，以计算信任得分必须满足允许访问所需的信任阈值。第三，我们基于主观逻辑引入了一种新颖的信任算法，该算法结合了前两个贡献，并提供了精细的决策可能性。我们讨论了与轻质添加剂算法相比，该算法如何显示出更高的表现力。性能方面，基于主观逻辑方法的原型表明，将访问决策与添加剂方法相似的计算时间。此外，与静态阈值相比，动态阈值计算仅显示决策时间增加7％。索引条款 - 网络安全，访问控制，信任
学习...
能够在大脑中同时记录数百个神经元的活动的能力，对开发适当的统计技术的需求不断增长。最近，已经提出了深层生成模型来满足神经种群的反应。尽管这些方法具有灵活性和表现力，但缺点是它们很难解释和识别。为了解决这个问题，我们提出了一种整合潜在模型和传统神经编码模型的关键成分的方法。我们的方法PI-VAE的灵感来自于识别可鉴定的变异自动编码器的最新进展，我们适应适合于神经科学应用。特别是，我们建议构建神经活动的潜在变量模型，同时对潜在变量和任务变量之间的关系进行建模（非神经变量，例如感觉，运动和其他外部可观察的状态）。任务变量的合并导致不仅受到更大约束的模型，而且还显示出可解释性和识别能力的定性改进。我们使用合成数据验证PI-VAE，并将其应用于大鼠海马和猕猴运动皮质的神经生理数据集。我们证明了PI-VAE不仅可以更好地拟合数据，而且还提供了对神经代码结构的意外新颖见解。
通过本体授权电池数据管理 -
在新的可持续和绿色能源时代，摘要开发电池本体来代表电池管理知识至关重要。由于电池生产收入预计到2030年每年将超过3000亿美元，研究人员正在探索新的电池材料，型号，标准和制造过程。AI和ML方法正在用于管理电池制造并提高性能。数据表示技术和格式对于增强电池数据的表现力和提高电池质量很重要。本文提出了一个本体，用于创建电池知识图，以解决数据互操作性挑战并在不同参与者之间共享电池数据。电池本体论包括各种类型的知识，例如域知识，电池应用和核心电池特定的知识。通过能力问题和可用性测试评估本体论。它旨在通过促进电池管理系统和应用之间的有效通信和数据交换来增强电池的生产和设计。这项研究具有重大的社会，经济和环境影响，因为它有助于开发更有效和可持续的电池。
轨迹预测的条件无气体自动编码器
摘要 - 条件变化自动编码器（CVAE）是自动驾驶轨迹预测中最广泛使用的模型之一（AD）。它将驾驶环境与其地面真理的未来之间的相互作用捕获到概率潜在空间中，并使用它来产生预测。在本文中，我们挑战了CVAE的关键组成部分。我们利用了变量自动编码器（VAE）的最新进展，即CVAE的基础，这表明采样过程的简单更改可以极大地使性能受益。我们发现，以确定性的方式从任何学习分布中绘制样本的无味抽样自然可以更适合轨迹预测，而不是潜在的随机随机抽样。我们走得更远，并提供了其他改进，包括更结构化的高斯混合物潜在空间，以及一种新颖的，可能更有表现力的方法来推断CVAE。我们通过在相互作用的预测数据集上评估模型的广泛适用性，超过了最新的状态，以及在Celeba数据集上的图像建模任务，优于基线Vanilla cvae。代码可在以下网址获得：https：//github.com/boschresearch/cuae-prediction。
通过基于组件的降阶模型库实现数据驱动的基于物理的数字孪生
这项工作提出了一种方法，将基于组件的降阶模型库与贝叶斯状态估计相结合，以创建数据驱动的基于物理的数字孪生。降阶建模产生的基于物理的计算模型足够可靠，可用于预测数字孪生，同时仍然可以快速评估。与传统的整体模型降阶技术相比，基于组件的方法可以有效地扩展到大型复杂系统，并为快速模型自适应提供灵活且富有表现力的框架——这两者都是数字孪生环境中的关键特性。数据驱动的模型自适应和不确定性量化被表述为贝叶斯状态估计问题，其中传感器数据用于推断模型库中的哪些模型是数字孪生的最佳候选者。通过为 12 英尺翼展无人机开发数字孪生来展示这种方法。离线时，我们构建了一个原始和受损飞机部件库。在线时，我们使用结构传感器数据快速调整基于物理的飞机结构数字孪生。数据驱动的数字孪生使飞机能够根据结构损坏或退化动态地重新规划安全任务。
在新媒体的背景下对电影交互方法进行研究和动态分析
摘要。自20世纪以来，艺术在技术的影响下都经历了概念和形式的根本变化。随着现代技术手段和艺术思想的相互融合，新的媒体艺术成为现实。它的出生和发展是一种了不起的新颖性，其快速发展反过来推动了传统媒体艺术的创新和转变，为电影艺术的发展打开了新的窗口。互动电影已经根据新的媒体技术迅速发展，其全方位互动对传统电影产生了几乎革命性的影响，从而引起了电影艺术领域许多研究人员的广泛关注。作为一种新的图像形式，互动胶片具有不可抗拒的观众魅力。互动性在表现力方面也越来越突出，并且互动性已成为更高的交互式膜开发水平。交互式干预措施将图像叙事从线性转移到非线性，以及从封闭而多样化的创造性方法，除了观众深深地体验到湿透的观看声音之外。互动电影的互动性使一个人被动地坐在剧院里，悄悄地欣赏电影或一群积极参与电影创作的人，使电影成为人们可以操纵和玩耍的真正娱乐对象。
适应性注意力网络，用于几个知识图
几乎没有图形（kg）的完成是当前研究的重点，在该研究中，每个任务都旨在查询相互关系的事实，鉴于其几乎没有射击的参考实体对。最近的尝试通过了解实体和参考的静态表示，忽略其动态属性，即实体可能在任务关系中表现出不同的作用，并且参考可能对查询做出不同的贡献，从而解决了这一问题。这项工作通过学习自适应实体和参考表示，提出了一个自适应注意网络，以完成几次kg的完成。特定地，通过自适应邻居编码器来建模，以辨别其面向任务的角色，而参考文献则由自适应查询感知的聚合器建模，以区分其贡献。通过注意力学，实体和参考都可以捕获其细粒度的语义含义，从而使表达更具表现力。这将在几次镜头中对知识获取更具预测性。在两个公共数据集上的链接预测中的评估表明，我们的方法实现了不同少量大小的新最先进的结果。源代码可在https：// github上找到。com/jiaweisheng/faan。
Qhali：一种用于协助心理健康治疗的人形机器人
摘要：近年来，社会辅助机器人在医疗保健环境中获得了大量认可，尤其是在患者护理和监测等任务中。本文提供了富有表现力的人形机器人Qhali的全面概述，重点是其工业设计，基本组件和在受控环境中的验证。工业设计阶段包括研究，构想，设计，制造和实施。随后，详细的机电系统系统涵盖了感应，驱动，控制，能量和软件接口。Qhali的功能包括自主执行心理健康促进和心理测试的常规。软件平台可以实现治疗师指导的干预措施，从而使机器人能够通过关节和头部运动传达情感手势，并模拟各种面部表情，以进行更多吸引人的互动。最后，在机器人完全运行的情况下，进行了初始的行为实验，以验证Qhali提供远程心理学干预措施的能力。这项初步研究的发现表明，参与者报告了他们的情感福祉的增强，以及对使用类人动物机器人进行的心理干预的积极结果。
通过反优化的离线增强学习
摘要。受到跨各个应用领域的反相反优化（IO）的最新成功的启发，我们提出了一种新型的离线增强学习（ORL）算法，用于连续状态和动作空间，利用IO文献中的凸损失函数，称为“凸丢失函数”。为了减轻在ORL问题中通常观察到的分布变化，我们进一步采用了强大的，非毒性模型预测控制（MPC）专家，使用来自模型不匹配的内在信息来指导动力学的名义模型。与现有文献不同，我们强大的MPC专家享有确切且可拖延的凸重新印象。在这项研究的第二部分中，我们表明，受提议的凸损失功能培训的IO假设类别具有丰富的表现力，并且在使用Mujoco基准的低DATA基准中的最先进的方法（SOTA）方法进行了竞争性绩效，同时使用了三个较少的资源，需要很少有参数，几乎需要。为了促进结果的可重复性，我们提供了实施提出算法和实验的开源软件包。
线图越野式 - 里普斯持续图，用于拓扑图表示学习
虽然消息传递图神经网络会导致信息丰富的节点嵌入，但它们可能无法描述图的拓扑特性。为此，节点滤波已被广泛用作使用持久图获得图的拓扑信息的一种尝试。然而，这些尝试面临着失去节点 - 床上用品信息的问题，这反过来又阻止了它们提供更具表现力的图表。为了解决这个问题，我们将重点转移到边缘效果上，并引入了一种新颖的基于边缘的持久性持续图，称为拓扑边缘图（TED），该图被数学证明可以保留节点嵌入信息以及包含其他拓扑信息。要实现TED，我们提出了一种基于神经网络的算法，名为“线图越vietoris-rips”（LGVR）持久图，该图通过将图形转换为其线图来提取边缘信息。通过LGVR，我们提供了两个模型框架，可以应用于任何传递GNN的消息，并证明它们比Weisfeiler-Lehman型着色更强大。最后，我们从经验上验证了模型在几种图形分类和回归基准上的出色性能。关键字：图形神经网络，持久图，拓扑数据分析，Weisfeiler-Lehman测试，越野透 - rips过滤