XiaoMi-AI文件搜索系统
World File Search System语义
参数时间自动机的重写逻辑语义和符号分析
本文介绍了参数时间自动机 (PTA) 的重写逻辑语义，并表明使用 Maude-with-SMT 的符号可达性分析对于 PTA 可达性问题是合理且完整的。然后，我们改进了标准的 Maude-with-SMT 可达性分析，以便当 PTA 的符号状态空间有限时，分析终止。我们展示了如何使用我们的方法合成参数，并将其性能与最先进的 PTA 工具 Imitator 进行比较。实际贡献有两个方面：为 PTA 提供新的分析方法（例如，允许查询中具有更一般的状态属性并支持与用户定义的执行策略相结合的可达性分析，而 Imitator 不支持这些方法），并为实时重写理论开发符号分析方法。
用大语言模型在语言刺激下解码语义表示
大脑解码技术为解释神经活动的解释以重现思想，情感和运动的方式铺平了道路。Tang等。 （2023）引入了一种新颖的方法，该方法将语言模型用作基于功能磁共振成像（fMRI）数据的大脑解码的生成模型。 在他们的工作中构建，这项研究探讨了使用三种其他语言模型的使用以及先前研究中使用的GPT模型，以改善解码功能。 此外，我们使用嵌入模型添加了一个评估度量，提供了比BertScore更高水平的语义相似性。 通过比较解码的表现并确定导致良好性能的因素，我们发现高解码精度并不仅仅取决于准确预测大脑活动的能力。 相反，该模型倾向于生成更精确的句子重新构造的文本类型（例如Web文本，博客，新闻文章和书籍），它倾向于生成更重要的作用。Tang等。（2023）引入了一种新颖的方法，该方法将语言模型用作基于功能磁共振成像（fMRI）数据的大脑解码的生成模型。在他们的工作中构建，这项研究探讨了使用三种其他语言模型的使用以及先前研究中使用的GPT模型，以改善解码功能。此外，我们使用嵌入模型添加了一个评估度量，提供了比BertScore更高水平的语义相似性。通过比较解码的表现并确定导致良好性能的因素，我们发现高解码精度并不仅仅取决于准确预测大脑活动的能力。相反，该模型倾向于生成更精确的句子重新构造的文本类型（例如Web文本，博客，新闻文章和书籍），它倾向于生成更重要的作用。
基于深度学习的肿瘤检测和语义分割框架
摘要。对于脑肿瘤治疗计划，医生和放射科医生的诊断和预测取决于医学成像。从各种成像方式（例如计算机断层扫描 (CT)、正电子发射断层扫描 (PET) 和磁共振 (MR) 扫描）获取具有临床意义的信息是放射科医生使用的软件和高级筛查的核心方法。在本文中，介绍了一个通用而复杂的框架，用于剂量控制过程的两个部分：从医学图像中检测肿瘤和分割肿瘤区域。该框架形成了从 CT 和 PET 扫描中检测神经胶质瘤的方法的实现。研究了两个深度学习预训练模型：VGG19 和 VGG19-BN，并将其用于融合 CT 和 PET 检查结果。Mask R-CNN（基于区域的卷积神经网络）用于肿瘤检测——该模型的输出是图像中每个对象（肿瘤）的边界框坐标。 U-Net 用于执行语义分割：分割恶性细胞和肿瘤区域。迁移学习技术用于在数据集有限的情况下提高模型的准确性。应用数据增强方法来生成和增加训练样本的数量。实施的框架可用于结合灰度和 RGB 图像中的对象检测和区域分割的其他用例，尤其是塑造医疗保健行业的计算机辅助诊断 (CADx) 和计算机辅助检测 (CADe) 系统，以方便和协助医生和医疗保健提供者。
语义增强的视觉原型框架，用于几个...
几乎没有射击学习（FSL）旨在鉴于有限的培训样本，旨在识别新的猫。核心挑战是避免过度适应最小数据，同时确保对新课程的良好概括。一种主流方法采用视觉特征提取器的原始类型作为分类器的重量，并且性能取决于原型的质量。由于不同的类别可能具有相似的视觉特征，因此视觉影响具有局限性。这是因为现有方法仅在预训练阶段学习一个简单的视觉特征，但忽略了完善的特征空间对原型的重要性。我们介绍了语义范围的视觉原型框架（SEVPRO）来解决此问题。sevpro从预训练阶段中学到了原型，并用作所有基于原型FSL方法的ver-Satile插入式框架。具体来说，我们通过将语义嵌入到视觉空间中，以相似的视觉特征为有助于分类类别来增强实质性的可区分性。对于新颖的课堂学习，我们利用基础类别的知识，并结合语义信息以进一步提升原型质量。同时，对FSL基准和ABLATIM研究的实验实验证明了我们对FSL的影响的优越性。
利用GPT模型进行语义表注释
摘要本文概述了我们对准确性轨道和语义表解释（STI）和大语言模型（LLMS）的贡献，该语义网络挑战在表格数据上挑战对知识图匹配（SEMTAB）。我们的方法涉及使用LLM来解决挑战中提出的各种任务。具体来说，我们对大多数任务采用了零射门和少量提示技术，这促进了LLMS以最少的先前培训来解释和注释表格数据的能力。对于列属性注释（CPA）任务，我们通过应用一组预定义的规则来采用不同的方法，该规则是针对每个数据集的结构量身定制的。我们的方法取得了显着的结果，𝑓1 -𝑠𝑐𝑜𝑟𝑒超过0。92，证明了LLM在应对SEMTAB挑战方面的有效性。这些结果表明，LLM具有重要的功能，作为语义表注释和知识图匹配的强大解决方案，突出了它们推进语义Web技术领域的潜力。
语义模型驱动的 PLM 数据互操作性 - Hal-Inria
摘要。基于模型的系统工程 (MBSE) 和产品生命周期管理 (PLM) 的最新发展在航空工业的发展中发挥着作用。尽管该领域不愿意接受在生产过程中引入技术飞跃（主要是出于安全原因），但飞机制造商正在慢慢转向新的数字工厂概念。可以利用具有生态设计标准的飞机地面功能测试 PLM 工具的部署来提高装配线的可持续性和端到端地面系统测试过程的效率，但是，异构数据互操作性是该框架的主要挑战之一。本文提出的基于本体的解决方案解决了这一挑战，从而展示了如何利用语义来简化整个 PLM 数字平台的数据管道。
用于验证质量的语义模型驱动框架...
物联网的兴起为反应式服务和智慧城市创新提供了主要由实时数据驱动服务增强的平台。然而，众所周知，物联网流数据会受到质量问题的损害，从而影响基于物联网的反应式服务或智能应用程序的性能和准确性。本研究调查了语义方法对物联网流数据质量问题的运行时验证的适用性。为了实现这一目标，提出了语义物联网流数据验证及其框架 (SISDaV)。这种新方法涉及语义查询和推理技术，语义规则是在与外部数据源的既定关系上定义的，并考虑到可能影响流质量的特定运行时事件。这项工作专门针对与物联网流数据中的不一致性、合理性和不完整性有关的质量问题。
生成情节内存中语义完成的模型
许多研究表明，情节记忆是一种生成性，但是大多数计算模型都采用存储视图。在这一文献中，我们提出了一个情节记忆的生成方面的模型。是基于中心假设，即海马商店和回复发作的方面作为记忆痕迹，这是不完整的。在召回中，新皮层在我们称为半完整的过程中根据一般语义信息合理地填充了缺失的零件。该模型结合了从机器学习，矢量定量的变异自动编码器（VQ-VAE）和像素卷积神经网络（PixelCNN）中知道的两个神经网络体系结构。作为情节，我们使用代表上下文的不同背景的数字和时尚项目（MNIST）的图像。该模型能够以语义上合理的方式完成内存跟踪的丢失部分，直到可以从头开始生成合理的图像，并且可以很好地概括为未经训练的图像。压缩也
幼儿时期语音和语义处理的神经基础
在阅读发展的早期阶段，儿童获得语音（字母到声音的映射）和语义知识（词义的储存和检索）。他们的阅读能力迅速变化，同时在学习阅读的过程中，大脑也发生可塑性变化。本研究旨在通过结合单变量和多变量模式分析来确定儿童早期语音和语义加工的神经基础。19 名 5 至 7 岁之间发育正常的儿童在功能性磁共振成像扫描期间执行了视觉词语级语音（押韵）和语义（相关意义）判断任务。我们的多变量分析显示，具有良好阅读能力的幼儿已经调动大脑左半球区域进行语音处理，包括下额叶 (IFG)、上颞叶和中颞叶以及梭状回。此外，我们的多变量结果表明，这两项任务调动了左侧 IFG 的不同子区域。我们的结果表明，额颞叶区域在语音处理和语义处理方面具有左侧化特征。此外，我们观察到在儿童早期，顶叶区域在语义处理方面具有双侧激活特征。我们的研究结果表明，对于正常发育的儿童来说，阅读的神经基础在儿童早期就已开始形成，这可以作为对照基线，用于比较有阅读困难风险的儿童。