XiaoMi-AI文件搜索系统
World File Search System误差
TISS-net：使用级联双任务网络和误差预测一致性进行脑肿瘤图像合成和分割
从医学图像中准确分割脑肿瘤对于诊断和治疗计划非常重要，而且通常需要多模态或对比度增强图像。然而在实践中，患者的某些模态可能缺失。合成缺失的模态有可能填补这一空白并实现高分割性能。现有方法通常分别处理合成和分割任务，或者将它们联合考虑，但没有对复杂的联合模型进行有效的正则化，导致性能有限。我们提出了一种新颖的脑肿瘤图像合成与分割网络 (TISS-Net)，该网络可以高性能地端到端获得合成的目标模态和脑肿瘤分割。首先，我们提出了一个双任务正则化生成器，可以同时获得合成的目标模态和粗分割，它利用肿瘤感知合成损失和可感知正则化来最小化合成和真实目标模态之间的高级语义域差距。基于合成图像和粗分割，我们进一步提出了一个双任务分割器，它可以同时预测细化分割和粗分割中的误差，其中引入这两个预测之间的一致性以进行正则化。我们的 TISS-Net 通过两个应用进行了验证：合成 FLAIR 图像用于整个神经胶质瘤分割，合成增强 T1 图像用于前庭神经鞘瘤分割。实验结果表明，与现有模态的直接分割相比，我们的 TISS-Net 大大提高了分割精度，并且优于最先进的基于图像合成的分割方法。2023 作者。由 Elsevier BV 出版 这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
卑尔根指标：用于使用欧洲模拟评估气候模型性能的综合误差指标
摘要。误差指标可用于评估模型的表现，并已在气候变化研究中广泛使用。尽管文字中有大量的错误指标，但大多数研究仅使用一个或两个指标。由于每个度量标准都评估了参考数据和模型数据之间关系的特定方面，因此将比较限制为仅一个或两个指标限制了从分析中得出的见解范围。本研究提出了一个称为卑尔根指标的新框架和复合误差指标，以总结气候模型的整体性能并减轻多个误差指标结果的相互作用。卑尔根指标的框架工作是基于P规范的，并且选择了第一规范来评估气候模型。框架工作包括将非参数聚类技术应用于多个错误指标，以减少误差指标的数量，而信息损失最小。通过将欧洲欧元倡议可提供的大型区域气候模拟集合应用于卑尔根指标的检查。这项研究计算了38个不同的误差指标，以评估89种欧洲降水和温度的气候模拟的性能。将非参数聚类技术用于这38个指标，以减少欧洲八个不同子区域用于卑尔根指标中使用的指标数量。这些提供了有关不同区域中误差指标的性能的有用信息。结果表明，在检查单个模型时，可以观察到误差指标之间的矛盾行为。因此，该研究还强调了采用多个指标的重要性，具体取决于特定用例，以彻底了解模型行为。
在误差减少回路中使用神经网络的准强化学习对 100 个激光束阵列进行实验相位控制
近来，需要高平均功率激光束的应用数量急剧增加，涉及大型项目，如空间清洁 [1]、航天器推进 [2]、粒子加速 [3]，以及工业过程 [4] 或防御系统 [5]。激光光束组合是达到极高功率水平的最常用方法之一，特别是相干光束组合 (CBC) 技术 [6]。它们旨在对放大器网络传输的平铺激光束阵列的发射进行相位锁定，以产生高亮度的合成光束。由于实际激光系统（尤其是光纤激光系统）中阵列中光束之间的相位关系会随时间演变，因此这些技术必须通过伺服环路实时校正合成平面波的相位偏差。近年来，CBC 技术得到了广泛发展，探索了调整合成离散波前中各个相位的不同方法。它们可以分为两大类。在第一类中，测量阵列中光束的相位关系，然后进行校正 [7]。在第二种方法中，实际波前和期望波前之间的差异通过迭代过程得到补偿 [8]。在后一种情况下，优化算法驱动反馈回路，分析所有光束之间干涉的阵列相位状态的更多全局数据 [9,10]。这些技术通常更易于实施，所需电子设备更少，但需要更复杂的数值处理，其中一些技术在处理大量光束时速度会降低。最后一个问题与反馈回路中达到预期相位图所需的迭代次数有关，该迭代次数会随着要控制的相位数的增加而迅速增加。最近，人们研究了神经网络 (NN) 和机器学习，以期找到一种可能更简单、更有效的方法来实现相干光束组合。已发表的文献 [11] 中涉及的一种方案依赖于卷积神经网络 (VGG) 的直接相位恢复，然后一步完成相位校正，例如在自适应光学 NN 的开创性工作 [12]。 NN 用于将光束阵列干涉图样的强度（在透镜焦点处形成的远场或焦点外的图像、分束器后面的功率等）直接映射到阵列中的相位分布中。恢复初始相位图后，可以直接应用相位调制将相位设置为所需值。[11] 中报告的模拟表明，当阵列从 7 条光束增加到 19 条光束时，基于 CNN 的相位控制的精度会下降。这一限制在波前传感领域也得到了强调，因此 NN 通常仅用作初始化优化程序的初步步骤 [13]。另一种可能的方案是强化
基于人工智能的蓄电池系统预测性故障检测
计算重建误差。大多数电池模块老化正常。此外，当正常老化模块中电池单元的运行数据与训练模型时使用的运行数据性质相同时，计算出的重建误差较小。然而，当电池模块中电池单元的运行数据与学习 ₂ 期间输入的运行数据性质不同时，计算出的重建误差较大。因此，可以根据重建误差的大小提前自动检测可能发生故障的电池模块。
人原代T细胞基因组编辑
（ A ）使用ImmunoCult™ 人 CD3 / CD28 或 CD3 / CD28 / CD2 T 细胞激活活化剂人 T 2 - 3 天后，通过将 TCR αβ 和 CD3 受体与抗体结合，进行流式分析，来测定 TRAC 的敲除效率。每个条件的每个数据点代表一个单独的供体；n = 4 - 8 个供体。每一列线路表示干±标准差。（ B ） ）首先人T细胞被ImmunoCult™人CD3 / CD28 T细胞剂激活活化剂3天，然后进行电转。在电转48小时后，通过ArciTect™ T7循环内切酶I试剂盒测定基因组编辑（切割）的效率。 RNP 电转：+ RNP 。（ C - D ）被ImmunoCult™ 人 CD3 / CD28 T 细细胞激活剂活化 3 天的人 T 细胞经（ C ）模拟电转（无 RNP ）和（ D ） RNP 电转后 TCR αβ 和 CD3 的流式分析点图。（ E ）被ImmunoCult™ 人 CD3 / CD28 T 细胞激活剂活化 3 天的人 T细胞的CD4和CD8流式分析点图。
GPS 简介
3 GPS 误差和偏差 ...................27 3.1 GPS 星历表误差 .....................28 3.2 选择性可用性 ......................29 3.3 卫星和接收机时钟误差 ..............31 3.4 多路径误差。...................32 3.5 天线相位中心变化。..............34 3.6 接收机测量噪声。................35 3.7 电离层延迟 ....................36 3.8 对流层延迟 ..................38 3.9 卫星几何测量 .................39 3.10 GPS 任务规划 ..................42 3.11 用户等效范围误差 ..............44 参考文献 · · · · · · · · · · · · · · · · · · · · · · · 44
量子错误缓解公式的概述
最小化噪声的影响对于量子计算机至关重要。保护Qubits免受噪声的常规方法是通过量子误差校正。然而，对于所谓的嘈杂中间尺度量子（NISQ）时代中的当前量子硬件，这些系统中的噪声呈现出噪声，并且太高，无法进行误差校正以至于无法受益。量子误差缓解是一组替代方法，用于最大程度地减少误差，包括误差外推，概率误差cancella，测量误差缓解，子空间扩展，对称性验证，虚拟扭曲等。这些方法的要求通常比误差校正要小。量子误差缓解是减少NISQ量子计算机上误差的一种有希望的方法。本文对减轻量子错误的全面介绍。以一般形式涵盖和制定了最新的误差缓解方法，该方法提供了比较，结合和优化未来工作中不同方法的基础。
基于误差校正阈值的不同错误机制下的Qubit保真度
量子误差校正是实现大规模通用量子计算的关键步骤，实现量子误差校正的条件是，每个操作步骤的误差概率必须低于某个阈值。这要求Qubits的质量和量子门的精度可以通过实验达到一定水平。我们首先讨论量子误差的机制：量子门的精度对应于单一操作员误差，量子量的质量归因于腐蚀性。然后，根据表面代码误差校正的阈值，我们证明了量子门限制的最小值不应在误差概率p的情况下小于1 -p，并发现可以用于误差校正的量子量的自然脱谐度时间。这为Qubits准备和实验性执行量子操作提供了某种理论支持。
PTB330 专业气象数字气压计...
* 定义为端点非线性、滞后或重复性误差的 ±2 标准偏差限值。** 定义为工作标准不准确性的 ±2 标准偏差限值，包括 NIST 的可追溯性。*** 定义为室温下端点非线性、滞后误差、重复性误差和校准不确定度的平方和根 (RSS)。**** 定义为工作温度范围内温度依赖性的 ±2 标准偏差限值。