XiaoMi-AI文件搜索系统
World File Search System骰子
ccdice：基于连接组件的拓扑感知骰子得分
摘要。图像分割是一项复杂的任务，旨在同时符合各种质量标准。在这种情况下，拓扑越来越被考虑。保证正确的拓扑特性对于对物体的具有挑战性确实至关重要（例如，小，细长，多种形状。在医学成像中尤其如此。设计拓扑感知指标是相关的，既可以评估分割结果的质量又用于设计学习程序所涉及的损失。在本文中，我们介绍了CCDICE（连接的组件骰子），这是一种拓普式的拓扑指标，可概括流行的骰子评分。与骰子相比，该骰子的作用在像素的尺度上，CCDICE的作用在比较对象的相关组件的尺度上起作用，从而导致对其相对结构和嵌入的拓扑评估。CCDICE是一种简单，可解释的，归一化的和低计算的拓扑度量。我们提供了CCDICE的正式定义，CCDICE是一种用于计算它的算法方案，并通过比较其他常规拓扑指标来评估其行为，从而强调了其相关性。代码可在GitHub上找到：https：//github.com/pierrerouge/ccdice。
COVID-19类型事件对随机骰子模型下经济和气候的影响
经典骰子模型是经济和气候系统联合建模的广泛接受的综合评估模型，在该模型中，所有模型状态变量都会随着时间的推移而确定性地发展。我们将骰子模型重新制定为最佳控制动态编程问题，其中六个状态变量（与碳浓度，温度和经济资本有关）随着时间的推移而确定性地演变，并且由两个控制（碳排放率和消耗）造成影响。然后，我们通过添加离散的随机冲击变量来扩展模型，以模拟压力和正常状态中的经济，作为由COVID-19-19大流行等事件引起的跳跃过程。这些冲击减少了世界的总产出，导致世界净产量和碳排放量的减少。假设冲击事件平均每100年随机发生一次，持续5年，则在几种情况下解决了扩展模型作为最佳随机控制问题。结果表明，如果每次事件发生在世界上的全球总产出全面恢复，即使在5年内，即使在每年的总产量中，即使在每年的总产量下降10％的情况下，COVID-19事件对温度和碳浓度的影响也无关紧要。撞击变得明显，尽管仍然很小（长期温度下降0。1°C），在存在5％输出降低的持续冲击中，通过递归降低的生产率传播到随后的时间段。如果确定性骰子模型策略是在随机冲击的存在下应用的（即当此策略次优）时，温度下降较大（大约0。25°C），也就是说，由于震惊而导致的较低的经济活动意味着，更雄心勃勃的缓解目标现在是可行的，成本较低。25°C），也就是说，由于震惊而导致的较低的经济活动意味着，更雄心勃勃的缓解目标现在是可行的，成本较低。
量子骰子筹集了200万英镑的预付资金，以革新安全
成立于2020年4月，量子骰子是牛津大学物理系的一项旋转，该协议最初是在牛津大学领导的量子量子研究小组中由伊恩·沃尔姆斯利（Ian Walmsley）教授领导的。此初始QRNG原型已经打破了记录，其极快的生成速率为8.05 Gbps的量子安全随机性。量子骰子是由乔治·邓洛普（George Dunlop），马克·梅尔（Marko Mayr），拉米·谢尔巴亚（Ramy Shelbaya），Zhanet Zaharieva和Wenmiao Yu共同创立的，都是由牛津科学创新，牛津大学和牛津大学Innovation Innovation oxford Student企业家计划（Step）的获胜团队。认识到量子光学组进行的研究中存在的网络安全的潜在价值，五个联合创始人
从多磁性...
摘要背景：脑肿瘤细分在诊断和治疗计划方面有很大贡献。手动脑肿瘤描述是一项耗时且乏味的任务，并且根据放射科医生的技能而有所不同。自动化的脑肿瘤分割非常重要，并且不依赖于观察间或观察到。这项研究的目的是使从流体累积的反转恢复（FLAIR），T1加权（T1W），T2加权（T2W）和T1W对比（T1W对比度（T1CE）对比（T1CE）磁性结合（MR）序列的最高准确性或在MR上的组合，从而使MR的最高序列或pocorm pocol to pocol to pocol to pocol compoy 其中。 方法：Brats −2020挑战数据集，包含370名具有四个MR序列和手动描绘的肿瘤口罩的受试者，用于训练残留的神经网络。 该网络是针对每个MR序列（单通道输入）及其任何组合（双或多通道输入）分别训练和评估的。 结果：单通道模型的定量评估表明，与其0.77±0.10骰子指数相比，天赋序列将产生更高的分割精度。 考虑到双通道模型，具有FLAIR和T2W输入的模型产生了0.80±0.10骰子指数，表现出更高的性能。 整个四个MR序列的关节肿瘤分割均具有0.82±0.09骰子指数的最高总体分割精度。其中。 方法：Brats −2020挑战数据集，包含370名具有四个MR序列和手动描绘的肿瘤口罩的受试者，用于训练残留的神经网络。 该网络是针对每个MR序列（单通道输入）及其任何组合（双或多通道输入）分别训练和评估的。 结果：单通道模型的定量评估表明，与其0.77±0.10骰子指数相比，天赋序列将产生更高的分割精度。 考虑到双通道模型，具有FLAIR和T2W输入的模型产生了0.80±0.10骰子指数，表现出更高的性能。 整个四个MR序列的关节肿瘤分割均具有0.82±0.09骰子指数的最高总体分割精度。其中。 方法：Brats −2020挑战数据集，包含370名具有四个MR序列和手动描绘的肿瘤口罩的受试者，用于训练残留的神经网络。 该网络是针对每个MR序列（单通道输入）及其任何组合（双或多通道输入）分别训练和评估的。 结果：单通道模型的定量评估表明，与其0.77±0.10骰子指数相比，天赋序列将产生更高的分割精度。 考虑到双通道模型，具有FLAIR和T2W输入的模型产生了0.80±0.10骰子指数，表现出更高的性能。 整个四个MR序列的关节肿瘤分割均具有0.82±0.09骰子指数的最高总体分割精度。其中。 方法：Brats −2020挑战数据集，包含370名具有四个MR序列和手动描绘的肿瘤口罩的受试者，用于训练残留的神经网络。 该网络是针对每个MR序列（单通道输入）及其任何组合（双或多通道输入）分别训练和评估的。 结果：单通道模型的定量评估表明，与其0.77±0.10骰子指数相比，天赋序列将产生更高的分割精度。 考虑到双通道模型，具有FLAIR和T2W输入的模型产生了0.80±0.10骰子指数，表现出更高的性能。 整个四个MR序列的关节肿瘤分割均具有0.82±0.09骰子指数的最高总体分割精度。其中。方法：Brats −2020挑战数据集，包含370名具有四个MR序列和手动描绘的肿瘤口罩的受试者，用于训练残留的神经网络。该网络是针对每个MR序列（单通道输入）及其任何组合（双或多通道输入）分别训练和评估的。结果：单通道模型的定量评估表明，与其0.77±0.10骰子指数相比，天赋序列将产生更高的分割精度。考虑到双通道模型，具有FLAIR和T2W输入的模型产生了0.80±0.10骰子指数，表现出更高的性能。整个四个MR序列的关节肿瘤分割均具有0.82±0.09骰子指数的最高总体分割精度。结论：FLAIR MR序列被认为是单个MR序列上肿瘤分割的最佳选择，而整个四个MR序列的关节分割将产生较高的肿瘤描述准确性。
为物联网和微服务组装……
摘要：信息物理系统 (CPS) 和物联网 (IoT) 设备由多种不同的协议处理。对这些设备的管理和连接往往会产生可用性和可集成性问题。这就需要一种能够促进不同平台和设备之间通信的解决方案。物联网 (WoT) 描述了事物之间的接口和交互模式，从而将自身从用于管理这些事物的底层协议及其实施策略中抽象出来。本文介绍了数字骰子的概念，它是物联网设备和 CPS 的抽象，能够利用微服务架构的优势，并受到数字孪生概念的启发。数字骰子是 WoT 领域的服务系统，它通过设备的特征来表示设备，因此不同的 WoT 描述模型会导致与特定事物相关的不同微服务。本文探讨了数字骰子的定义以及 WoT 事物描述模型与数字骰子之间的转换以及维持系统的架构。
使用实例和实体中心分割损失函数
在本文中，我们提出了一种新型的两组分损失，用于生物医学图像分割任务，称为实例和实例中心（ICI）损失，这是一种损失函数，在使用像素损失功能（例如骰子损失）时，通常会遇到实例不平衡问题。实例组件改善了具有大型和小实例的图像数据集中的小实例或“斑点”的检测。实体中心组件提高了整体检测准确性。我们使用ATLAS R2.0挑战数据集的Miccai 2022。与其他损失相比，ICI损失提供了更好的平衡分段，并以改进1的改善而显着超过了骰子损失。7-3。7％，斑点损失为0。6-5。0％的骰子相似性系数在验证和测试集中，这表明ICI损失是实例不平衡问题的潜在解决方案。关键字：实例和实体中心细分损失，细分损失。
mwg-unet：肺场的混合深度学习框架和胸部X射线图像中的心脏分割
摘要：深度学习技术已在医疗计算机视觉和图像处理的领域取得了突破性的研究结果。生成对抗网络（GAN）已证明了图像产生和表达能力的能力。本文提出了一种称为MWG-UNET的新方法（多个任务Wasserstein生成对抗网络U形网络）作为肺场和心脏细分模型，它具有注意机制的优势，以提高发电机的细分精度，从而提高了性能。尤其是，所提出的方法的骰子相似性，精度和F1得分优于其他模型，分别达到95.28％，96.41％和95.90％，而特定的五城市则超过了0.28％，0.90％，0.24％和0.24％和0.90％的模型。但是，IOU的值不如最佳模型0.69％。结果表明，所提出的方法在肺场分割中具有相当大的能力。我们的心脏的多器官分割结果实现了骰子相似性，而IOU值为71.16％和74.56％。对肺场的分割结果实现了骰子相似性，而IOU值为85.18％和81.36％。
本科物理课程列表
· 主要内容：概率与统计、均值与方差、测量与统计误差、二项分布与泊松分布、高斯分布、中心极限定理、误差传播、卡方分布、最小二乘拟合、假设检验、基本实验室方法。· 实验室主题：掷两个六面骰子的概率、π 的测量、从一打六面骰子中掷出二的概率、宇宙射线粒子通过盖革计数器的速率、基本“弹球机”的高斯分布、伽马射线能谱、NaI 探测器的能量分辨率、放射性 137 Ba 同位素的寿命。· 教科书：John Taylor 著《误差分析导论》；第 1 至 12 章（第 9 章除外）的各个部分。教科书未涵盖的主题的讲座和实验笔记：https://www.asc. ohio-state.edu/gan.1/teaching/spring18/3700.html。
25 优化基于 3D U-Net 的脑肿瘤分割...
虽然神经胶质瘤已成为最常见的癌性脑肿瘤，但通过 3D MRI 进行手动诊断非常耗时，且不同的放射治疗师进行的诊断可能不一致，因此迫切需要自动分割脑肿瘤。最先进的方法采用 FCN 来自动分割 MRI 扫描。特别是 3D U-Net 已经取得了显著的表现，并激发了一系列后续研究。然而，它们巨大的规模和繁重的计算阻碍了它们的实际部署。尽管存在大量关于使用低精度表示压缩 CNN 的文献，但它们要么注重减少存储而没有计算改进，要么导致严重的性能下降。在本文中，我们提出了一种 CNN 训练算法，该算法使用非负整数以及训练过的仿射映射函数来近似权重和激活。此外，我们的方法允许以整数算术方式执行点积运算，并将浮点解码和编码阶段推迟到层的末尾。 BraTS 2018 上的实验结果表明，我们训练过的仿射映射方法在 8 位权重和激活的情况下实现了接近全精度的骰子精度。此外，在使用 4 位和 2 位精度时，我们分别实现了与全精度骰子精度相差 0.005 和 0.01 以内的骰子精度。
气候经济学中的气候
为了分析气候变化策略，经济学家依靠简化的气候模型（所谓的气候模拟器），这些模型在低计算成本下提供了二氧化碳排放与全球变暖之间的现实定量联系。在本文中，我们为这些气候模拟器提出了一种通用和透明的校准和评估策略，该策略基于来自气候科学的自由易于访问的最新基准数据。我们证明，自由模型参数的适当选择与预测的碳的社会成本可能具有关键相关性。我们提出的关键思想是将简化的气候模型校准从全面的全球气候模型中进行基准数据，该模型参与了耦合模型比较项目，第5阶段（CMIP5）。，我们建议使用四种不同的测试用例，这些测试用例在气候科学文献中被认为是关键的：两项高度理想化的测试，以分别校准和评估碳循环和温度响应，一种理想化的测试，以量化瞬态气候响应，并进行最终测试，以评估来自经济模型的情况，并包括经济模型，并包括Exogenotic构成。作为一个具体的例子，我们重新校准了广泛使用的骰子-2016的气候部分，使CMIP5不确定度响应的不确定性范围：多模型平均值以及极端，但仍然允许的气候敏感性和碳循环响应仍然允许。我们研究了在利率是外源性的部分平衡环境中校准对碳的社会成本的重要性，以及来自2016年DICE-2016的简单一般均衡设置。我们证明，骰子-2016模型的气候模拟器的功能形式仍然适合目的，尽管它很简单，但是其碳循环和温度方程式却被校准了，得出的结论是，人们可能希望对从DICE-2016得出的预测持怀疑态度。我们发现，如果人们假设具有二次损害功能，则来自气候系统不同一致校准的模型不确定性可能会改变碳的社会成本四倍。校准为多模型平均值时，我们的模型可以预测碳的社会成本与原始骰子-2016的相似值，但对折现率的敏感性降低了，长期变暖的敏感性降低了。骰子中碳的社会成本对折现率过敏，从而导致对偏好变化的极端比较静态响应。