XiaoMi-AI文件搜索系统
World File Search System训练程序
多视角脑连接组的解缠和比例表示学习
摘要：弥散 MRI 衍生的大脑结构连接组或大脑网络在大脑研究中得到广泛应用。然而，构建大脑网络高度依赖于各种纤维束成像算法，这导致难以确定下游分析的最佳视图。在本文中，我们提出从多视图大脑网络中学习统一的表示。具体而言，我们希望学习到的表示能够公平地、解开纠缠的感觉传达来自不同视图的信息。我们通过使用无监督变分图自动编码器的方法实现解缠。我们通过另一种训练程序实现了视图公平性，即比例性。更具体地说，我们在训练深度网络和网络流问题之间建立了一个类比。基于这种类比，通过一种意识到比例的网络调度算法实现了公平的表示学习。实验结果表明，学习到的表示可以很好地适应各种下游任务。他们还表明，所提出的方法有效地保持了比例性。
物理信息的神经网络建模和区域供暖系统的预测控制
摘要 - 本文介绍了基于数据的建模和最佳区域供暖系统（DHSS）。此类大规模网络系统的物理模型受复杂的非线性方程的控制，需要大量参数，从而导致其操作的潜在计算问题。因此提出了一种新颖的方法，利用操作数据和可用的物理知识，以获得准确且计算有效的DHSS动态模型。拟议的想法包括利用多个反复构建的神经网络（RNN）以及将DHS网络的物理拓扑嵌入其互连中。在标准RNN方法方面，所得的模型方法（表示为物理知识的RNN（PI-RNN）），即使利用了减少尺寸的模型，也可以实现更快的训练程序和更高的建模准确性。开发的PI-RNN建模技术为设计非线性模型预测控制（NMPC）调节策略铺平了道路，从而使计算时间有限，以最小化生产成本，提高系统效率并提高系统效率并尊重整个DHS网络的操作约束。在文献中引用的DHS基准的模拟中测试了所提出的方法，从建模和控制角度显示了有希望的结果。
应用热能工程
高性能芯片的热管理复杂性增加，因为热负荷随空间和时间变化，而液体冷却系统通常是为最严格的静态条件设计的。一些研究开发了传热增强技术来提高液冷散热器的冷却能力，但由于在通道内增加了元件，泵送功率永久增加。本文提出了一种液体冷却自适应散热器，它可以有效地调整其热提取能力的分布以适应时间相关和非均匀的热负荷场景。本文介绍了具有双晶金属/SMA 翅片的中尺度冷却装置的数值设计、SMA 翅片的制造和训练程序的定义以达到所需的行为以及实验评估。通过数值和实验证明了自适应翅片局部增强传热的能力。结果表明，与普通通道相比，自适应翅片可以将温度均匀性提高 63%。使用双晶金属/SMA 翅片样品可降低热阻，尽管热通量增加，但表面最大温度梯度几乎保持不变。在部分负载间隔对总体运行周期有重大影响的应用中，可最大程度地节省能源。
在自由活动的特发性震颤患者中完全植入自适应深部脑刺激
摘要。目的 — 深部脑刺激 (DBS) 是一种安全且成熟的治疗特发性震颤 (ET) 和其他几种运动障碍的方法。改进 DBS 疗法的一种方法是自适应 DBS (aDBS)，其中刺激参数根据来自外部或植入传感器的生物反馈实时调节。之前测试的系统由于要求患者持续佩戴必要的传感器或处理设备以及隐私和安全问题而无法实现转化。方法 — 我们设计并实施了一个可转化的训练数据收集系统，用于完全植入的 aDBS。本研究招募了两名患者，他们在 M1 的手部长期植入脑皮层电图条带，并在同侧丘脑腹侧中间核植入 DBS 探针以治疗 ET。使用可转化的分布式训练程序进行训练，与以前的研究相比，对数据收集的控制程度大大提高。使用该系统训练了一个线性分类器，偏向于根据临床考虑激活刺激。主要结果 — 临床相关的平均假阴性率，定义为刺激下降到 1 以下的时间分数
运动心理学：未来技术
有多种因素可能会使运动员难以甚至无法在真实的运动条件下进行训练。一方面，这些因素包括外部因素，例如不利的天气条件或与所用设施和材料相关的成本，另一方面包括运动员的内在因素，例如受伤。面对这种情况时，有必要为运动员提供替代训练解决方案，以保持他们的表现水平。在本节中，我们将介绍其中两种替代解决方案，即虚拟现实 (VR) 和运动想象 (MI)。我们将在这里提到的第一个替代训练解决方案是虚拟现实 (VR)。VR 是一种基于计算机的模拟，既具有交互性又具有沉浸感。它提供了设计完全受控的训练程序的机会，这些程序既适合每个运动员，又具有生态性。再加上 VR 使运动员能够在可能不易进入的环境中训练，这些特性使 VR 成为一种非常相关且有前途的训练工具，可以提高运动表现。多项研究表明，在虚拟环境中训练的运动员的表现与在真实运动条件下训练的运动员相似（Bideau 等人，2004 年、2010 年；Vignais 等人，2015 年）（有关综述，请参阅 Neumann 等人，2018 年），这表明 VR 可以提供足够高水平的定性反馈，可用作训练工具（例如，有关为球类运动训练设计的虚拟环境的综述，请参阅 Miles 等人，2012 年）。尽管如此，Neumann 等人（2018 年）强调，VR 在增强生理、心理和运动表现方面的优势可以通过与运动员本身相关的不同因素进行调节，也可以通过与 VR 系统和环境相关的不同因素进行调节。第二种替代训练解决方案是运动意象疗法。自我意识被定义为不伴随任何身体运动的动作的心理表征（Guillot 和 Collet，2008 年）。更具体地说，Morris 等人（2005 年）指出，在体育运动中，自我意识“可以看作是由记忆信息产生的体验的创造或再创造，涉及准感觉、准知觉和准情感特征，受想象者的意志控制，并且可能在缺乏通常与实际体验相关的真实刺激前因的情况下发生。”运动员广泛练习自我意识，不仅在他们无法进入真实运动条件时，也作为一种补充训练程序或比赛准备。正式研究一再表明，这种练习确实能够提高运动表现（Guillot 和 Collet，2008 年），尤其是力量（Lebon 等人，2010 年）。在过去十年中，为了更好地理解（Moran 等人，2019）和模型（Guillot 和 Collet，2008 年）MI 对运动表现影响的潜在机制，同时也是为了更好地了解所从事的运动如何影响 MI 能力（Di Corrado 等人，2019 年），以便设计有效的训练
![arxiv：2408.12665v1 [cs.lg] 2024年8月17日](/simg/g:\will\search\icon\source\2\2ffae10d7816ea3460a7e086f6160bc5d3b2f4ed.webp)
arxiv：2408.12665v1 [cs.lg] 2024年8月17日
在压缩的持续潜在空间中有效的音频表示对于生成音频建模和音乐信息检索（MIR）任务至关重要。但是，某些现有的音频自动编码器有局限性，例如多阶段训练程序，缓慢的迭代采样或低重建质量。我们介绍了Music2Latent，这是一种音频自动编码器，通过利用一致性模型来克服这些限制。MUSIC2LATENT在单一端到端的训练过程中将样品编码为压缩的连续延伸空间，同时实现高保真单步重建。关键的创新包括通过频率自我注意来调节各个级别的UPS采样编码器输出的一致性模型，使用频率自我注意力来捕获远距离频率依赖性，并采用频率学习的缩放量表来处理不同噪声水平上跨频率的变化价值分布。我们证明，Music2Latent在声音质量和重建精度方面的表现优于现有的连续音频编码器，同时使用其潜在表示在下游MIR任务上实现竞争性能。对我们的知识，这代表了训练端到端一致性自动编码器模型的首次成功尝试。[此链接]下可用的重量可用。1
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
视力的测试时间零射线概括...
大型视觉模型的发展，无明显的剪辑，已经催化了对有效适应技术的研究，特别着眼于软及时调整。联合使用，使用单个图像的多个增强视图来增强零击的概括，它正在成为互动的重要领域。这主要指导研究工作，以进行测试时间及时调整。相比之下，我们为t estime a u Megentation（MTA）引入了强大的m eanshift，该方法超过了基于及时的方法而无需进行此类训练程序。这将MTA定位为独立和基于API的应用程序的理想解决方案。此外，我们的方法不依赖于某些先前测试时间augting技术中使用的临时规则（例如，置信度阈值）来过滤增强视图。相反，MTA将每种视图的质量评估变量直接纳入其优化过程，称为inllielness评分。该分数通过寻求过程进行了共同优化，从而导致有效的训练和无参数方法。我们在15个数据集上广泛地标记了我们的方法，并演示了MTA的优势和计算效率。在零摄像机模型和最先进的几种方法的顶部轻松部署为插件模块，MTA显示了系统的和一致的改进。
引用：Ahn H. 基于症状对眼科急诊严重程度进行分类的人工智能方法：一项验证研究。BMJ Open 2020；10：e037161。doi:10.1136/bmjopen-2020-037161
摘要 目的 我们研究了机器学习人工智能 (AI) 在对眼科急症严重程度进行分类以便及时就诊方面的有效性。 研究设计 这项回顾性研究分析了 2019 年 5 月至 12 月期间首次访问大邱武装部队医院的患者。患者的一般信息、事件和症状是输入变量。事件、症状、诊断和治疗是输出变量。输出变量分为四类（红色、橙色、黄色和绿色，表示立即或无紧急情况）。在所有训练程序之前，随机选择了大约 200 例类平衡验证数据集。采用了一种集成 AI 模型，该模型结合了全连接神经网络和合成少数过采样技术算法。 参与者 共纳入 1681 名患者。 主要结果 使用准确度、精确度、召回率和 F1 分数来评估模型性能。 结果 该模型的准确率为 99.05%。各类别（红色、橙色、黄色和绿色）的准确率分别为 100%、98.10%、92.73% 和 100%。各类别的召回率分别为 100%、100%、98.08% 和 95.33%。各类别的 F1 得分分别为 100%、99.04%、95.33% 和 96.00%。结论我们为基于症状对眼科急诊严重程度进行分类的 AI 方法提供了支持。
![arxiv：2405.02266v1 [cs.cv] 2024年5月3日](/simg/g:\will\search\icon\source\4\45a041dc5d8ed3de48c1f1841f0235c0424aa314.webp)
arxiv：2405.02266v1 [cs.cv] 2024年5月3日
大型视觉模型的发展，无明显的剪辑，已经催化了对有效适应技术的研究，特别着眼于软及时调整。联合使用，使用单个图像的多个增强视图来增强零击的概括，它正在成为互动的重要领域。这主要指导研究工作，以进行测试时间及时调整。相比之下，我们为t estime a u Megentation（MTA）引入了强大的m eanshift，该方法超过了基于及时的方法而无需进行此类训练程序。这将MTA定位为独立和基于API的应用程序的理想解决方案。此外，我们的方法不依赖于某些先前测试时间augting技术中使用的临时规则（例如，置信度阈值）来过滤增强视图。相反，MTA将每种视图的质量评估变量直接纳入其优化过程，称为inllielness评分。该分数通过寻求过程进行了共同优化，从而导致有效的训练和无参数方法。我们在15个数据集上广泛地标记了我们的方法，并演示了MTA的优势和计算效率。在零摄像机模型和最先进的几种方法的顶部轻松部署为插件模块，MTA显示了系统的和一致的改进。