XiaoMi-AI文件搜索系统
World File Search System轻量级
肽：肽的轻量级python库...
在过去的十年中，肽发现的机器学习一直是150 FUL研究的努力，预计151将获得进一步的吸引力。尽管有152个工具可用于计算肽描述符和表示形式，但这些153个工具在集成过程中经常引入摩擦。这154个为这种跨学科领域创建了进入障碍。155肽旨在通过提供Acces-157 Sible编码解决方案在开箱即用的情况下弥合肽SE-156 QUENCES和机器学习库之间的差距。肽不是158仅使流行的编码方法像159一样易于访问，它还通过支持对肽属性的批判性161的翻译后修改来扩展可用工具160的功能。162
轻量级显着对象检测的比例自适应网络
显着对象检测（SOD）广泛用于运输中，例如道路损坏检测，辅助驾驶等。但是，由于其大量计算和参数，重量级草皮方法很难在计算能力低的情况下应用。大多数轻型SOD方法的检测准确性很难满足应用程序要求。我们提出了一个新颖的轻质尺度自适应网络，以实现轻质限制和检测性能之间的权衡。我们首先提出了比例自适应特征提取（安全）模块，该模块主要由两个部分组成：多尺度特征交互，可以提取不同尺度的特征并增强网络的表示能力；和动态选择，可以根据输入图像根据其贡献自适应地分配不同的权重。然后，基于安全模块，设计了一个轻巧和自适应的骨干网络，并结合了多尺度特征聚合（MFA）模块，将规模自适应网络与比例自适应网络相结合。我们在六个公共数据集上对模型进行定量和定性评估，并将其与典型的重量级和轻量级方法进行比较。只有2.29 M参数，它可以在GTX 3090 GPU上实现62 fps的预测速度，远远超过其他型号，并且可以保证实时性能。模型性能达到了一般重量级方法的性能，并超过了最先进的轻量级方法。
对关键医疗保健监控的绩效效率的自适应轻量级安全
摘要 - 由于其批判性质，医疗基础设施需要强大的要求程序，技术和政策。由于物联网（IoT）具有多样化的技术，已成为未来医疗保健系统不可或缺的组成部分，因此由于其固有的安全性限制，其资源限制来自资源限制，因此需要进行详尽的分析。现有用于物联网连接性的通信技术，例如5G，将基础通信基础架构的通信安全提供到一定级别。但是，不断发展的医疗保健范式需要适应物联网设备的不同资源限制的自适应安全程序和技术。在考虑“ 5G安全沙盒”之外的组件（例如IoT节点和M2M连接）之外，对自适应安全性的需求特别明显，这引入了其他安全挑战。本文提出了独特的医疗保健监控要求，并研究了现有的基于加密的安全性，以提供必要的安全性。此外，这项研究介绍了一种新颖的方法，可在医疗保健IoT中优化安全性和性能，尤其是在诸如远程患者监测之类的关键用例中。最后，实际实施的结果证明了系统性能的明显改善。索引条款 - 自动安全性；卫生保健; iomt;远程患者监测； mqtt;物联网（物联网）。
轻量级图像的完全1×1卷积网络...
摘要：深层卷积神经网络，尤其是具有较大内核的大型模型（3 3或更多），已经在单像超分辨率（SISR）任务中取得了重大进展。但是，此类模型的大量计算足迹阻止了它们在实时，资源约束的环境中的影响。相反，1 1卷积具有实质性的计算效率，但在汇总局部空间表示方面挣扎，这是SISR模型的重要能力。响应这种二分法，我们建议统一3 3和1 1个内核的优点，并利用其轻巧的SISR任务的巨大潜力。具体，我们提出了一个简单而有效的1 1 1卷积网络，称为基于Shift-Conv的网络（SCNET）。通过合并无参数的空间移动操作，完全1 1卷积网络配备了强大的表示能力和令人印象深刻的计算效率。广泛的实验表明，尽管SCNET完全1 1 1卷积结构，但始终匹配甚至超过了采用常规卷积的现有轻质SR模型的性能。可以在https://github.com/aitical/scnet上找到代码和验证的模型。
dlkn：增强的轻量级图像超级
在菲律宾南部莱特（Silago）的一座受保护的森林中，在纳科洛德山（Mount Nacolod）的森林内进行了有关地面甲虫的先驱调查。在两个月内完成的全面收集工作产生了2,315个人，分别在纳科洛德山的森林中记录了16个属，8个部落和2个亚科的26种。表1提供了这些物种的全面列表，详细介绍了它们的地理分布，栖息地类型和保护状况。在记录的物种中，有11个被确定为菲律宾的典范，其中4个特有莱特特有的。这些发现提供了纳科洛德山的甲虫甲虫的基线数据。值得注意的是，诸如hassenteufeli，lumawigi和Tricondyla aptera untctipennis等物种被记录为最丰富的物种。强调这项研究在扩展对局部生物多样性的理解方面的重要性。Leyte中的新添加是Brachinus leytensis，Trigonotoma goeltenbothi，Pheropsophus Lumawigi，azoulayi azoulayi，Feropsophus uliweberi和taclopophus taclobanensis。在本研究中发现并确定了最后两个物种。也记录了这些物种的生态特征，分布和发生。建议进行紧急保护工作，特别是对于纳科洛德山（Mount Nacolod）等特定森林栖息地中发现的稀有和特有甲壳虫物种。必须加强指定景观中的保护措施，以减轻诸如采矿，非法伐木，砍伐和燃烧的农业和人类侵占等威胁，从而保护纳科洛德山及其周围森林的生物多样性富裕的生态系统。
采用轻量级 CNN 进行人工智能疾病预测的医疗保健系统
在现代全球卫生领域，慢性病，特别是影响大脑和肝脏的慢性病，已成为世界各国面临的主要挑战。世界卫生组织 (WHO) 强调慢性病的日益流行，并指出其影响超过了感染和其他传统健康问题 [1,2]。脑部疾病包括从阿尔茨海默氏症等神经退行性疾病到脑瘤的一系列疾病，肝部疾病则包括从肝硬化到肝炎的多种疾病。这些疾病对个人、家庭和社会产生深远影响，是全球发病率和死亡率的重要原因，每年有数百万人受到其严重后果的影响。预测影响大脑和肝脏等慢性病的复杂性在于影响因素众多，从遗传易感性到环境暴露 [3,4]。早期发现对于管理和潜在缓解这些疾病至关重要，但由于早期症状不明显且往往具有误导性，因此仍然具有挑战性。例如，肝病的早期症状可能表现为单纯的疲劳或轻微的腹部不适，很容易与不太严重的疾病混淆。同样，脑部疾病的早期指标也可能被误认为是正常衰老。物联网（IoT）的出现——一项变革性的技术创新——有望重新定义医疗服务。物联网包含一个庞大的互联设备网络，这些设备无需人工干预即可收集、传输和分析数据，从而开启了医疗诊断和患者护理的新时代 [ 5 , 6 ]。
Q-ID：通过指纹识别实现轻量级量子网络服务器识别
摘要 — 量子网络由相互连接的量子服务器组成，这些服务器能够进行通信和协作以完成计算任务。该网络中的量子服务器必须相互识别和验证。例如，当量子服务器打算在另一台机器上执行计算任务时，量子服务器必须验证其他量子服务器的真实性，以保持对委托计算的信心。虽然已经提出了几种对这些量子计算机进行指纹识别的方法，但许多方法都需要大量资源，目前并不实用。为了解决这个问题，我们引入了 Q-ID，这是一种轻量级的指纹识别方法，可以准确识别量子计算需求可忽略不计的量子服务器。Q-ID 通过在两个不同的噪声级别上运行用户的任务电路来运行，并使用由此产生的性能差距作为量子服务器的唯一标识符。此外，我们还开发了一种误差演化算法，允许用户在本地估计这种性能差距。通过将估计的差距与实际差距进行比较，用户可以有效地识别或区分网络中的量子服务器。我们在 IBM 量子平台上的实验展示了我们方法的有效性和优势。索引术语 — 量子指纹识别、量子网络、量子计算、误差演化
基于轻量级深度学习的微波脑图像网络模型，利用重建的微波脑 (RMB) 图像进行脑肿瘤分类
1 马来西亚国立大学工程与建筑环境学院电气、电子与系统工程系先进电子与通信工程中心，万宜 43600，马来西亚 2 达卡工程技术大学计算机科学与工程系，加济布尔，加济布尔 1707，孟加拉国 3 马来西亚理工大学无线通信中心，士古来 81310，马来西亚 4 卡塔尔大学电气工程系，多哈 2713，卡塔尔 5 马来西亚国立大学 (UKM) IR4.0 研究所，万宜 43600，马来西亚 6 卡塔尔大学土木与建筑工程系，多哈 2713，卡塔尔tariqul@ukm.edu.my （MTI）; mchowdhury@qu.edu.qa (MEHC)
钓鱼者：使用轻量级水下车辆操纵器系统的干预任务的自主框架
摘要 - 为轻量级的水下车辆操纵器系统（UVM）开发自主干预措施在近年来引起了极大的关注，因为这些系统有机会降低干预运营成本。开发自主UVMS功能是具有挑战性的，因为缺乏可用的标准软件框架和管道。以前的作品为水下车辆提供了模拟环境和部署管道，但没有提供完整的UVMS软件框架。我们通过创建钓鱼者来解决此差距：用于开发本地化，控制和决策算法的软件框架，并支持模拟传输。我们通过实现最新的控制架构来验证此框架，并证明具有平均误差低于0.25 m的平均误差和Waypoint跟踪的能力，平均最终误差为0.398 m。
多任务现实世界图像恢复的轻量级扩散
扩散模型的出现代表了生成建模，表现出非凡的能力，可以从文本输入中产生高保真图像。与此同时，图像恢复（IR），包括超分辨率，脱毛，去核，涂料和压缩，仍然是低级视力研究中的重要领域。最近，将扩散模型集成到IR任务中的趋势越来越大，产生的结果超过了以前的方法。尽管如此，扩散模型在IR中的应用提出了自己的一系列挑战，包括模型设计中的复杂性以及有关操作效率的关注点。该项目从Wang等人的“实用扩散的先验扩散”（StablesR）中汲取了灵感。[2023]，它巧妙地采用了预训练的文本对图像扩散模型的生成能力来增强盲目的超级分辨率（SR）任务。Stables的框架如图1所示。这项研究展示了与未修饰的稳定扩散Rombach等人进行微调的时间感知编码器。[2022]模型，可导致重大的恢复改进，同时保持原始的生成框架并减少培训费用。在这个项目中，我们旨在扩大跨各种IR任务中Stables的应用，并调查更轻巧的解决方案的潜力。