XiaoMi-AI文件搜索系统
World File Search System训练方法
![arXiv:2005.00582v1 [cs.AI] 2020 年 5 月 1 日](/simg/d\d38cb53a124e35c7288255cbad2b1305ccb5a18c.png)
arXiv:2005.00582v1 [cs.AI] 2020 年 5 月 1 日
开放世界中 AI 的新兴愿景集中在开发可以补充人类感知、诊断和推理任务的系统上。迄今为止，旨在补充人类技能的系统已经采用了经过单独训练以尽可能准确的模型。我们展示了如何利用端到端学习策略来优化人机团队的综合表现，同时考虑人与机器的不同能力。目标是将机器学习重点放在对人类来说困难的问题实例上，同时识别对机器来说困难的实例并寻求人类的输入。我们在两个现实世界领域（科学发现和医学诊断）证明，通过这些方法建立的人机团队的表现优于机器和人的个体表现。然后，我们分析这种互补性最强的条件，以及哪些训练方法可以放大它。总的来说，我们的工作首次系统地研究了如何训练机器学习系统来补充人类推理。
JSP 822 国防培训指导和指导...
2 国防个人训练政策指示 发起者：TESRR、CDP 国防系统训练方法 (DSAT) 流程包括与整个部队所有国防训练（个人和集体）的训练分析、设计、交付和保证有关的活动 1 2 。在本 JSP 中，“培训”涵盖任何培训、教育、学习或发展，包括个人和集体，旨在满足培训需求局 (TRA) 3 的需求。本卷的重点是个人培训。不熟悉 DSAT 和 MTS 的人员应参考第 1 卷中 DSAT 流程和培训系统管理 (MTS) 的概述。本指示规定了必须为个人培训要求开展 DSAT 流程中的哪些活动，以及所有强制性的 MTS 活动，以便所提供的培训是安全的、适合培训需求的、具有成本效益的、负责的和以风险为重点的。 2.1 个人培训范围 1. JSP 的这一部分概述了 DSAT 流程中规定的活动，
dtg：基于扩散的轨迹生成，用于无MAP的全局导航
摘要 - 我们提出了一种新颖的基于端到端扩散的轨迹生成方法DTG，用于无地图的全球导航，以挑战户外场景，并具有遮挡和非结构化的越野特征，例如草，建筑物，灌木丛等。给定一个遥远的目标，我们的方法计算出满足以下目标的轨迹：（1）最大程度地降低目标的旅行距离； （2）通过选择不位于不良区域的路径来最大化遍历性。具体来说，我们为扩散模型提供了一种新颖的条件RNN（CRNN），以有效地产生轨迹。此外，我们提出了一种自适应训练方法，以确保扩散模型产生更多可遍历的轨迹。我们在各种室外场景中评估了我们的方法，并将性能与赫斯基机器人的其他全球导航算法进行比较。实际上，我们观察到的行进距离至少提高了15％，遍历性提高了7％。视频和代码：https：//github.com/jinggm/dtg.git。
蒸馏视觉语言模型，以增强结局...
摘要。近年来，已经在自动驾驶中调查了大型视力和语言模型（VLM），以解决长期存在的问题，包括推理，概括和长尾方案。但是，将VLM的有效整合到自主驾驶框架中仍然是一个悬而未决的问题。在本文中，我们提出了VLP，这是一个新颖的视觉语言规划框架，它利用了大型视觉语言模式来弥合语言理解与自动驾驶之间的差距。VLP是一种训练方法，它通过提出对比度学习目标来提炼VLM的力量到端到端模块化自主驾驶。在开路和闭环任务上进行了广泛的实验，验证了VLP的实用性。尤其是，VLP通过与先前的最佳方法相比，分别在平均L2错误和碰撞率方面，在Nuscenes数据集上实现了状态的端到端计划绩效。
![arxiv：2307.14715v1 [Quant-ph] 27 Jul 2023](/simg/8\815410228edfa4593f2aa8c8c6914f49ea33dd29.webp)
arxiv：2307.14715v1 [Quant-ph] 27 Jul 2023
追求增强神经网络的鉴定能力，创建包含各种样本的数据集是一个长期的目标。目的是拓宽神经网络的视野，并不断努力提高预测准确性训练过程，这是最终的评估指标。在本文中，我们通过利用神经网络的知识失明来探索一个有趣的途径，以增强算法有效性。我们的方法围绕用于在半导体双量子点系统中准备任意量子状态的机器学习算法，该系统由高度约束的控制自由度特征。通过利用神经网络产生的随机预测，我们能够指导优化过程以逃避局部优势。值得注意的是，与以前采用强化学习识别脉冲模式的方法不同，我们采用类似于监督学习的训练方法，最终使用它来动态设计脉冲序列。这种方法不仅简化了学习过程，而且还限制了神经网络的大小，从而提高了算法的效率。
医疗数据预训练：一项调查
摘要：医疗数据是指与常规患者护理相关或作为临床试验计划的一部分的健康相关信息。此类数据有很多类别，例如临床影像数据、生物信号数据、电子健康记录 (EHR) 和多模态医疗数据。随着近十年深度神经网络的发展，新兴的预训练范式已占据主导地位，因为它显著提高了机器学习方法在数据有限情况下的性能。近年来，医学领域的预训练研究取得了重大进展。为了总结这些技术进步，本文对几种主要医疗数据预训练的最新进展进行了全面调查。在本次调查中，我们总结了大量相关出版物和医学领域现有的基准。特别是，本调查简要描述了一些预训练方法如何应用于医疗数据或为医疗数据开发。从数据驱动的角度来看，我们研究了预训练在许多医疗场景中的广泛使用。此外，基于最近的预训练研究的总结，我们发现了该领域的几个挑战，以便为未来的研究提供见解。
一种受大脑启发的低维计算分类器，用于微型设备推理
通过模仿类似大脑的认知并利用并行性，超维计算 (HDC) 分类器已成为实现高效设备推理的轻量级框架。尽管如此，它们有两个根本缺点——启发式训练过程和超高维度——导致推理精度不理想且模型尺寸过大，超出了资源受限严格的微型设备的能力。在本文中，我们解决了这些根本缺点并提出了一种低维计算 (LDC) 替代方案。具体而言，通过将我们的 LDC 分类器映射到等效神经网络，我们使用原则性训练方法优化我们的模型。最重要的是，我们可以提高推理精度，同时成功地将现有 HDC 模型的超高维度降低几个数量级（例如 8000 对 4/64）。我们通过考虑不同的数据集在微型设备上进行推理来进行实验以评估我们的 LDC 分类器，并且在 FPGA 平台上实现不同的模型以进行加速。结果表明，我们的 LDC 分类器比现有的受大脑启发的 HDC 模型具有压倒性优势，特别适合在微型设备上进行推理。
基于丘脑皮质的脉冲神经网络......
本文提出了一种非迭代训练算法，用于在自学习系统中应用节能的 SNN 分类器。该方法使用预处理间脑丘脑中典型的感觉神经元信号的机制。该算法概念基于尖点突变模型和路由训练。该算法保证整个网络中连接权重值的零分散，这在基于可编程逻辑器件的硬件实现的情况下尤为重要。由于非迭代机制受到联想记忆训练方法的启发，该方法可以估计网络容量和所需的硬件资源。训练后的网络表现出对灾难性遗忘现象的抵抗力。该算法的低复杂度使得无需使用耗电的加速器即可进行现场硬件训练。本文将该算法的硬件实现的复杂性与经典的 STDP 和转换程序进行了比较。该算法的基本应用是配备视觉系统并基于经典 FPGA 设备的自主代理。
利用可解释的人工智能来提高神经网络的性能
摘要 —如今，深度神经网络被广泛应用于对社会产生直接影响的各个领域。尽管这些模型通常表现出色，但它们长期以来一直被用作黑匣子。为了解决这个问题，可解释人工智能 (XAI) 已经发展成为一个旨在提高模型透明度和增加其可信度的领域。我们提出了一种再训练流程，该流程从 XAI 开始并利用最先进的技术不断改进模型预测。为此，我们使用 XAI 结果，即 SHapley Additive exPlanations (SHAP) 值，为数据样本提供特定的训练权重。这可以改进模型的训练，从而提高性能。为了对我们的方法进行基准测试，我们在现实生活和公共数据集上对其进行了评估。首先，我们在基于雷达的人数统计场景中执行该方法。之后，我们在公共计算机视觉数据集 CIFAR-10 上对其进行测试。使用基于 SHAP 的再训练方法进行的实验，相对于标准等权重再训练，在人数统计任务中实现了 4% 以上的准确率。此外，在 CIFAR-10 上，我们基于 SHAP 的加权策略的准确率比使用等权重样本的训练程序高出 3%。索引术语 — 雷达传感器、可解释的人工智能、深度学习、SHapley 加法解释
虚拟现实神经康复
本研究探讨虚拟现实（VR）技术在神经康复中的应用，通过查阅大量资料，介绍VR在神经康复中的优势，随后介绍VR在脑卒中患者、帕金森患者、精神心理疾病康复中的应用现状，并调查现阶段VR技术在康复医学中的应用研究实验。研究结果表明，与传统平衡训练相比，基于VR的神经康复训练方法可以更有效地缓解脑卒中后倾斜综合征患者的倾斜程度，加强躯干控制能力和平衡功能。当传统康复训练对帕金森患者的步态和平衡效果不够好时，基于VR的康复训练至少可以作为一种替代疗法。而且，VR游戏在促进肢体康复和脑损伤康复方面取得了很大突破，这对那些患有运动和活动障碍的人有不可思议的益处。对神经损伤患者精神障碍的治疗和恢复也有益处，虽然VR还存在成本高、技术突破瓶颈等限制，但在神经康复训练中，在缓解病痛、增进兴趣、恢复患者心理健康等方面具有很大的优势。