XiaoMi-AI文件搜索系统
World File Search System迁移性
Hind Corroguard
迁移性双极混凝土穿透性腐蚀抑制剂的描述Hind Corroguard是一种迁移性的双极腐蚀抑制剂，基于经过改良的液体胺制剂，以防止阳极阳极腐蚀和pow绕。对于阳极和阴极部位的钢增强结构的腐蚀保护非常有效，它们暴露于高氯化物和一些符合ASTM-G-109和JIS A-6205的腐蚀性化学环境。性能后，科罗盖德在同时影响阳极过程和阴极过程的高性能腐蚀作用时，它包含分子，其中电子密度分布会导致抑制剂吸引阳极和阴极部位。凭借混凝土内的水分，这些分子朝钢迁移，并沿钢沿单分子层沉积，并重新建立钢和氯化物之间的屏障以防止腐蚀。使用
通过势能视角探索模型的可转移性
由于预训练的深度学习模型大量可用，迁移学习在计算机视觉任务中变得至关重要。然而，从多样化的模型池中为特定的下游任务选择最佳的预训练模型仍然是一个挑战。现有的衡量预训练模型可迁移性的方法依赖于编码静态特征和任务标签之间的统计相关性，但它们忽略了微调过程中底层表示动态的影响，导致结果不可靠，尤其是对于自监督模型。在本文中，我们提出了一种名为 PED 的富有洞察力的物理启发方法来应对这些挑战。我们从势能的视角重新定义模型选择的挑战，并直接模拟影响微调动态的相互作用力。通过捕捉动态表示的运动来降低力驱动物理模型中的势能，我们可以获得增强的、更稳定的观察结果来估计可迁移性。在 10 个下游任务和 12 个自监督模型上的实验结果表明，我们的方法可以无缝集成到现有的排名技术中并提高其性能，揭示了其对模型选择任务的有效性以及理解迁移学习机制的潜力。代码可在 https://github.com/lixiaotong97/PED 上找到。
河流岛屿 - GéHCO
河流岛屿可以通过先锋树和沙洲的相互作用从河床发展而来。虽然植被可以在所有类型的沙洲上生长和存活，但树木更容易在因河道几何形状变化或稳定扰动而形成的非迁移性沙洲上存活。这项实地研究详细介绍了植被覆盖的河道中部非迁移性（或强制性）沙洲的最初发展阶段及其向岛屿形态的演变。在六年的时间里，对河床地形变化、植被密度和粗糙度、冲刷和填埋深度、沉积物粒径和结构以及过剩河床剪切应力的分析突出了树木对地形和粒径分离的特定影响。两个沉积过程结合了障碍物痕迹的形成和沉积物的逆流沉积，导致了植被沙洲的垂直增生。在沙洲增生的第一阶段，洪水期间来自周围河道的推移质沉积物供应被确定为一个关键过程，该过程受木本植被的存在和先前存在的地形引起的偏转效应调节。植被和裸露区域之间的粒度分离也被强调并被解释为影响周围河道发展和不断增长的岛屿的断开程度（以及发展速度）的重要过程。推移质供应的异质性可以解释为什么沉积物沉积和密度
河流岛屿 - GéHCO
河流岛屿可以通过先锋树和沙洲之间的相互作用从河床发展而来。虽然植被可以在所有类型的沙洲上生长和存活，但树木更容易在因河道几何形状变化或稳定扰动而形成的非迁移性沙洲上存活。这项实地研究详细介绍了植被覆盖的河道中部非迁移性（或强制性）沙洲的最初发展阶段及其向岛屿形态的演变。六年来，对河床地形变化、植被密度和粗糙度、冲刷和填埋深度、沉积物粒径和结构以及过剩河床剪切应力的分析突出了树木对地形和粒径分离的特定影响。两个沉积过程结合了障碍物痕迹的形成和沉积物的逆流沉积，导致了植被覆盖的沙洲的垂直增生。在沙洲增生的第一阶段，洪水期间来自周围河道的推移质沉积物供应被确定为一个关键过程，该过程受木本植被的存在和先前存在的地形引起的偏转效应的影响。植被覆盖区和裸露区之间的粒度分离也被强调，并被解释为影响周围河道发展和正在形成的岛屿的断开程度（以及发展速度）的重要过程。推移质供应的异质性可以解释为什么沉积物沉积和树木密度并不严格相关。针对相对较大的低地河流，提出了一个详细描述从沙洲到成熟岛屿的演变第一阶段的一般概念模型。© 2015 由 Elsevier BV 出版
利用虚拟密集连接提升视觉变换器的对抗性迁移能力
随着视觉变换器 (ViT) 的巨大成就，基于变换器的方法已成为解决各种计算机视觉任务的新范式。然而，最近的研究表明，与卷积神经网络 (CNN) 类似，ViT 仍然容易受到对抗性攻击。为了探索不同结构模型的共同缺陷，研究人员开始分析跨结构对抗性迁移能力，而这方面仍未得到充分研究。因此，在本文中，我们专注于 ViT 攻击，以提高基于变换器和基于卷积的模型之间的跨结构迁移能力。先前的研究未能彻底调查 ViT 模型内部组件对对抗性迁移能力的影响，导致性能较差。为了克服这个缺点，我们开展了一项激励研究，通过线性缩小 ViT 模型内部组件的梯度来分析它们对对抗性迁移能力的影响。基于这项激励研究，我们发现跳跃连接的梯度对迁移能力的影响最大，并相信来自更深块的反向传播梯度可以增强迁移能力。因此，我们提出了虚拟密集连接方法（VDC）。具体来说，在不改变前向传播的情况下，我们首先重构原始网络以添加虚拟密集连接。然后，在生成对抗样本时，我们通过虚拟密集连接反向传播更深层注意力图和多层感知器（MLP）块的梯度。大量实验证实了我们提出的方法优于最先进的基线方法，ViT模型之间的可迁移性提高了8.2%，从ViT到CNN的跨结构可迁移性提高了7.2%。
Microsoft Word- Zebrafish心脏再生期间的胚胎心脏神经Crest转录子电路的重新激活。docx
在脊椎动物发育过程中，心脏主要来自中胚层，其心脏神经rest细胞的至关重要的贡献迁移到心脏并形成各种心血管衍生物。在此，通过将大量和单细胞RNA-seq与ATAC-Seq整合在一起，我们确定了由关键转录因子EGR1，SOX9A，TFAP2A和ETS1组成的迁移性心脏rest细胞的基因调节亚电路。值得注意的是，我们表明表达经典神经Crest基因SOX10的细胞对于成年斑马鱼的适当心脏再生至关重要。此外，在伤口边缘受伤后重新激活了迁移心脏rest基因亚电路的所有转录因子的表达。一起，我们的结果揭示了一个发展对于心脏神经克雷斯特命运确定至关重要的发育基因调节网络，在再生过程中重新激活了关键因素。
可重复的 WiSDM：使用标准化开放数据在气候变化情景下绘制可重复的外来入侵物种风险图的工作流程
方法：我们开发了 WiSDM，这是一种半自动化工作流程，旨在使创建开放、可重复、透明的外来入侵物种风险地图变得民主化。为了方便使用 WiSDM 制作外来入侵物种风险地图，我们统一并公开发布了分辨率为 1 平方公里、覆盖欧洲的气候和土地覆盖数据。我们的工作流程能够减轻空间采样偏差，识别高度相关的预测因子，创建集成模型来预测风险，并量化空间自相关性。此外，我们还提出了一个新颖的应用程序，通过量化和可视化模型预测的置信度来评估模型的可迁移性。所有建模步骤、参数、评估统计数据和其他输出也均自动生成，并保存在一个 R markdown 笔记本文件中。
误差相关电位变异性：探索对分类和可转移性的影响
摘要 — 脑机接口 (BCI) 允许从大脑到外部应用程序直接通信，以自动检测认知过程，例如错误识别。错误相关电位 (ErrPs) 是当一个人犯下或观察到错误事件时引发的一种特殊大脑信号。然而，由于大脑和记录设备的噪声特性，ErrPs 会因各种其他大脑信号、生物噪声和外部噪声的组合而有所不同，这使得 ErrP 的分类成为一个不简单的问题。最近的研究揭示了导致 ErrP 变化的特定认知过程，例如意识、体现和可预测性。在本文中，我们探索了在通过改变给定任务的意识和体现水平而生成的不同 ErrP 变化数据集上进行训练时分类器可迁移性的性能。特别是，我们研究了当由相似和不同的任务引发时观察性和交互性 ErrP 类别之间的转移。我们的实证结果从数据角度对 ErrP 可转移性问题进行了探索性分析。
EEG 中 CNN 分类器的通用对抗扰动......
摘要 目的。已提出了用于基于脑电图 (EEG) 的脑机接口 (BCI) 的多个卷积神经网络 (CNN) 分类器。然而，研究发现，CNN 模型容易受到通用对抗性扰动 (UAP) 的攻击，这些扰动很小且与示例无关，但当添加到良性示例中时，其威力足以降低 CNN 模型的性能。方法。本文提出了一种新颖的总损失最小化 (TLM) 方法来生成基于 EEG 的 BCI 的 UAP。主要结果。实验结果证明了 TLM 对三种流行的 CNN 分类器针对目标攻击和非目标攻击的有效性。我们还验证了 UAP 在基于 EEG 的 BCI 系统中的可迁移性。意义。据我们所知，这是首次对基于 EEG 的 BCI 中 CNN 分类器的 UAP 进行研究。UAP 易于构建，并且可以实时攻击 BCI，从而暴露出 BCI 的一个潜在的关键安全问题。
通过自监督学习捕捉时间节点演化：动态图学习的新视角
由于动态图会随着时间的推移而演变，因此在社会关系分析、推荐系统和医学等许多领域发挥着重要作用。捕捉动态图的演变模式是至关重要的。现有的研究大多集中于限制邻居快照之间的时间平滑度，而未能捕捉到有利于图动态嵌入的急剧变化。为了解决这个问题，我们假设动态图节点的演化可以分为时间移位嵌入和时间一致性嵌入。因此，我们提出了自监督时间感知动态图表示学习框架（STDGL），通过精心设计的辅助任务从节点局部和全局连接建模的角度以自监督的方式将时间移位嵌入与时间一致性嵌入分离，进一步增强可解释图表示的学习并提高各种下游任务的性能。在链接预测、边缘分类和节点分类任务上进行的大量实验表明，STDGL 成功学习了解开的时间偏移和一致性表示。此外，结果表明，我们的 STDGL 比最先进的方法有显著的改进，并且由于解开的节点表示而具有吸引人的可解释性和可迁移性。