足球现场比分 展示 [AI] 学生海报比赛

摘要：

确定性机器学习模型已成功用于绕过 Kohn-Sham (KS) 密度泛函理论 (DFT) 模拟。然而，这些模型无法提供 对预测中的不确定性进行强有力的衡量是至关重要的，特别是在 对于无法进行实际 DFT 模拟的较大系统的情况。对此， 我们提出了一种基于贝叶斯神经网络的机器学习模型，可以预测 金属的电子密度并提供预测的不确定性估计 电子密度。机器学习模型将局部原子环境映射到 模拟单元到电子密度。映射是通过贝叶斯生成的 具有随机参数而不是确定性神经网络的神经网络 网络，实现输出的不确定性量化。不确定性量化 为我们提供了一种评估电子密度预测可信度的方法 无法使用 DFT 数据与 ML 预测进行比较的尺度。通过考虑 以铝为例，我们表明该模型可以提供电子密度的界限 未在训练中使用的系统的字段，例如大型系统的数量级 比训练数据、具有空位缺陷的系统和具有晶界的系统 缺陷。我们预计该模型可以提供一种评估预测的方法 KS-DFT 无法访问的系统的电子密度。

摘要：

当前基于机器学习 (ML) 的模型通常尝试利用所有可用的
用于预测患者结果的患者数据，忽略相关的成本和时间 数据
收购。美国大约有 620 万成年人患有心力衰竭 (HF)。 此外，2020 年治疗心力衰竭的总成本估计为 436 亿美元。心脏 再同步治疗 (CRT) 是一种通过协调心力衰竭 (HF) 的标准治疗方法。 左心室和右心室功能的平均费用为每位患者 60,000 美元。
本研究的目的是创建一个多阶段机器学习模型来
预测心力衰竭患者的 CRT 反应。该模型利用不确定性量化 建议额外收集单光子发射计算机断层扫描 心肌灌注成像 (SPECT MPI) 变量（如果基线临床变量） 心电图 (ECG) 的特征还不够。通过建模顺序 如果出现以下情况，可以跳过 CRT 入院、SPECT MPI 采集的医学测试阶段： 患者的心电图和临床变量记录强烈表明没有反应。

摘要：

物理信息神经网络 (PINN) 通过满足 通过神经网络的损失函数来解决其边值问题。 PINN 方法 在近似部分解之间的映射方面已显示出巨大的成功 微分方程（PDE）及其时空坐标。然而，PINN 的 对于强非线性和高阶时变，精度会受到显着影响 偏微分方程，例如 Allen Cahn 和 Cahn Hilliard 方程。至 为了解决这个问题，提出了一种新颖的 PINN 方案来顺序求解 PDE 使用单个神经网络在连续的时间段上。关键的想法是重新训练 用于求解连续时间段上的偏微分方程的相同神经网络，同时满足 之前所有时间段已经获得的解。因此它被命名为 向后兼容 PINN (bc-PINN)。为了说明 bc-PINN 的优点，Cahn 希利亚德和艾伦卡恩方程已求解。这些方程被广泛用来描述 相分离和反应扩散系统。此外，还有两项新技术 已被引入以改进所提出的 bc-PINN 方案。第一种技术使用 一个时间段的初始条件，引导神经网络图更接近 该段的真实地图。第二种技术是迁移学习方法 保留从先前训练中学到的特征。我们已经证明了 这两种技术提高了 bc-PINN 方案的准确性和效率 显着。还证明了通过使用可以提高收敛性 高阶偏微分方程的相空间表示。结果表明，所提出的 bc-PINN 技术比 PINN 更加准确和高效。

摘要：基态电子密度 - 可使用 Kohn-Sham 密度泛函获得 理论
(KS-DFT) 模拟 — 包含丰富的物质信息，使其进行预测 通过马-
机器学习 (ML) 模型很有吸引力。然而，KS-DFT 的计算开销 音阶
系统规模的三次方往往会阻碍训练数据的生成，使得 很难
开发可量化、准确的机器学习模型，适用于多种规模和 系统配置-
时间。在这里，我们使用贝叶斯神经网络解决这一基本挑战 并雇用
利用训练数据的多尺度性质进行迁移学习。我们的机器学习 模型采用
涉及简单标量积的描述符，全面的示例系统配置 通过
热化，并量化电子密度预测的不确定性。我们展示 我们的 mod-
els 的数据生成成本显着降低，同时让您充满信心 — 并且 当可验证时，
准确 — 对各种散装系统的预测远远超出训练范围，包括 系统
有缺陷、不同的合金成分以及前所未有的数百万原子 秤。

摘要：

地球上的滑坡分割一直是一项具有挑战性的计算机视觉任务，其中 缺乏注释数据或计算资源有限一直是一个主要问题 开发准确且可扩展的基于人工智能的障碍 模型。然而，深度学习技术的加速进步和可用性 的数据共享举措在滑坡分割方面取得了重大成就 在地球上。凭借当前的技术和数据可用性能力，复制 在其他行星（例如火星）上执行类似的任务似乎不再是不可能的任务。 在这项研究中，我们提出了 C-PLES（具有自注意力的上下文渐进层扩展）， 用于 Valles 多类滑坡分割的深度学习架构 火星上的水手号 (VM)。尽管挑战可能与地球上不同 滑坡分割，由于环境的性质和数据特征， 这项研究的成果有助于更好地了解地质和地形 此外，还提供有关地球重要性的宝贵见解 此任务的图像模态。所提出的架构结合了以下优点 基于编码器-解码器的注意力机制的渐进神经元扩展 框架，与最先进的技术相比，提供具有竞争力的性能 用于滑坡分割的深度学习架构。

摘要：

确保外包到去中心化云存储系统的数据的完整性 是一个关键但具有挑战性的问题。为了提供这种保证，当前的去中心化 云存储系统依靠区块链和智能合约建立可信的 可以审计存储对等点的实体。这将导致巨大的开销 因为每个智能合约都在区块链的所有矿工上运行。通过利用值得信赖的 配备存储同行的硬件组件，本作品设计了独特的 自审计协议可以确保去中心化云中的数据完整性 不依赖区块链和智能合约。

摘要：

我们很快形成并维护关于模棱两可情况的理论（框架），但是
在某些情况下我们需要更改这些框架。数据框
意义建构模型建议将提问作为改变框架的第一步。
反事实思维是鼓励提问的潜在策略
通过提示考虑可变性和替代方案来建立一个人的框架。
本研究测试阅读反事实的有效性
关于参与者质疑主导框架和考虑的声明
四种不明确场景中的替代帧。结果显示参与者
质疑他们最初对主导框架的偏好，以回应
反事实。

摘要：

移动计算设备已被广泛用于
存储、管理和处理关键数据。为了保护机密
存储数据中，主要移动操作系统提供全盘
加密，依赖于传统加密，需要
对解密密钥保密。然而，这可能不是
true，因为主动攻击者可能会强制受害者解密
钥匙。合理可否认加密 (PDE) 可以防御
此类强制攻击者通过诱饵伪装密钥
钥匙。利用偏微分方程的概念，各种偏微分方程系统已经
专为移动设备打造。然而，实用的偏微分方程系统仍然是
缺少可以兼容主流移动设备的
同时，在面对强大的多快照对手时仍保持安全。这个 这项工作通过设计第一个针对多快照的移动偏微分方程系统来填补这一空白 对手。

摘要：

O-连接 β-N-乙酰葡糖胺 (O-GlcNAc) 是一种独特的单糖修饰 核细胞质和线粒体蛋白的丝氨酸 (S) 或苏氨酸 (T) 残基。 O-GlcNAc 修饰（即 O-GlcNAc 酰化）参与多种调节 细胞过程包括转录、表观遗传修饰和细胞信号传导。 尽管在实验上绘制 O-GlcNAc 位点方面取得了巨大进展，但它仍然是一个 在许多情况下都具有挑战性的任务。开发稳健预测的需求尚未得到满足 可以有效定位蛋白质序列中 O-GlcNAc 位点的工具 的兴趣。在这项工作中，我们对嵌入进行了全面评估 三种著名的基于序列的大蛋白语言模型 (pLM)：Ankh、ESM-2、 和 ProtT5 用于预测 O-GlcNAc 位点。经调查，集成方法 集成了这三个模型的嵌入，我们称之为 LM-OGlcNAc-Site， 优于在这些单独的语言模型以及现有模型上训练的模型 预测变量，几乎所有评估的参数。 O-GlcNAc 的精确预测 位点将有助于探测生理学中蛋白质的 O-GlcNAc 位点特异性功能 和疾病。此外，这些发现还表明了联合治疗的有效性。 多种蛋白质语言模型在翻译后修饰预测中的应用 并为其他蛋白质的进一步研究和探索开辟了令人兴奋的途径 下游任务。

摘要：

基于聊天的通信处于在线通信的最前沿， 许多互联网用户认为区分语气和沟通效率的重要性 在线比以往任何时候都更加重要。一些互联网社区已经开发了系统 确保基于聊天的媒体可以理解语气和含义 例如 X（以前称为 Twitter）、Reddit、Discord 等。这些社区是 不仅有助于通过有限的肢体语言进行有效的沟通实践， 语气变化，而且还使带有语气指示器的基于聊天的通信变得越来越普遍 跨社区和在线论坛进行实践。我们的目标是确定效率 对于那些不熟悉概念和内容的人来说，这些音调指标的实用性和实用性 他们愿意在日常使用的基于聊天的通信中使用此工具。

摘要：

Tracer Method 是 MTU 开发的一种新颖的设计方法，用于支持更好的接口 通过将眼动追踪与认知任务分析访谈相结合进行设计。
眼球追踪通常需要研究人员进行广泛的解释， 特别是在以人为中心的计算环境中。
使用该方法，访谈中的关键决策为眼动追踪提供了界限 分析。以及复杂问题的解释

摘要：

给定一组点 P，在二维中，P 的天际线是点的子集 不受 P 中任何其他点支配。点 p = (p.x, p.y) 被称为 由点 q = (q.x, q.y) 支配，如果 q.x > p.x 且 q.y >= p.y，或 q.x >= p.x 且 q.y > p.y。如果没有其他点，我们会说点 p 是天际线的一部分 P 支配 p。扩大范围以包括与以下内容相关的颜色属性 每一点都引入了问题的一个新方面。除了识别天际线之外， 我们的重点是确定其中存在的不同颜色。

摘要：

在访问控制的历史上，几乎每个设计的系统都依赖于操作 执行其协议的系统。如果操作系统（特别是 root 访问权限）受到损害，几乎没有任何解决方案可以让用户恢复 有效地进入他们的系统。在这项工作中，我们提出了一种方法，通过该方法，文件 权限（特别是 EXT 的访问控制列表或 ACL）可以有效地滚动 在执行许可的灾难性失败后返回。我们的核心理念是利用 闪存的异地更新功能，以便与闪存协作 转换层有效地将这些权限返回到之前的状态 失败。

摘要：

这项研究引入了一种新颖的局部路径规划算法，旨在确保 系留自主水下无纠缠和无碰撞导航 车辆（T-AUV）。纠缠是 T-AUV 遇到的一个严峻挑战， 其特征是系绳与外部物体或物体发生物理缠结 其他车辆的系绳，可能会限制移动性并损害功能。 然而，如果纠缠管理得当，系绳可以实现无底的电力供应 并在恶劣的水下环境中稳定机器人之间的通信。 为了解决这个问题，我们提出了一个本地规划器，它可以生成连续的、无碰撞的、 无缠绕路径，使机器人能够安全导航。为了验证我们的 方法，我们在 Gazebo 中建立了一个模拟环境并部署了 T-AUV。我们已经实现并测试了所提议的局部规划器的二维空间版本 在这个模拟环境中。当车辆沿着其轨迹行驶时，规划器 从当前位置沿其路径动态生成“自由空间气泡” 到轨迹的终点。这项研究的重点是提高安全性和 多个 T-AUV 的可靠性，这对于诸如 例如水下勘探、监视和环境监测，其中协作 T-AUV 操作至关重要。

摘要：

这项研究致力于细化控制对接头的设计参数 移动机器人的形状以优化其交会能力。高效对接 机制在操作多机器人系统方面提供了显着的好处，使得 协作等场景下机器人之间的无缝加油或协作运动 探索任务或自主舰队操作。本研究的主要焦点 正在对接系统内实施被动调整机制，认识到 不同场景下精确控制的固有困难，特别是 在不可预测的户外环境中。我们已经确定并表征了优化的 通过理论分析和广泛的数值模拟来确定头部形状，增强 机器人的对接性能和效率。这些量身定制的设计使 机器人适应广泛的初始姿势，有效减轻定位， 方向和控制误差，同时扩大操作范围。

摘要：

智能音频/视觉警告可能会影响驾驶员的行为。使用证据来自 智能系统的道路测试和驾驶模拟、人们的驾驶行为 进行了研究，以检查他们的眼睛注视行为和制动行为，当音频/视频 警告激活。这个想法在其他研究领域有很多应用，包括 铁路道口和自动驾驶。

摘要：

在海事技术、私营和政府组织快速发展的格局中 对无人水面舰艇（USV）的需求不断增加。自主平台 使用时可以提高效率、安全性和环境可持续性 有效地。迫切需要开发有弹性和多功能的 用于运输和侦察应用的自主水面舰艇。感官 对任何类型的自动驾驶车辆的感知对其导航能力至关重要 并在他们的环境中本地化。通常，水面舰艇上使用的传感器 用于定位和测绘的包括 LiDAR、IMU、GPS 和雷达。其中每一个都有 一个健全的系统必须考虑到固有的弱点。这些的融合 传感器依赖于每个端点或智能系统的准确读数 能够区分错误的传感器数据。本文讨论了量化 自主海洋平台的模拟扰动结果及其影响 人工噪声模型和恶意行为。这项工作的目标是奠定 为强大的自主船舶奠定了基础，解决了传感器的局限性， 环境噪音，最重要的是恶意攻击。这项工作还解决了 ROS中常见地图和定位包的底层算法。每个 将进行彻底分析，以识别和利用各自的 弱点，提供建议并开发改进的算法。

摘要：

与人类导师的联系对于帮助个人克服障碍非常宝贵， 培养技能并获得对使用数字技术的信心。公共图书馆 和其他机构可以提供共享的物理空间来促进这种 的学习，但也有局限性：学习者可能难以访问这些 他们面临的技术问题可能与他们的空间密不可分。 家庭、办公室或其他地点。照明设备项目旨在补充 通过在线帮助进行面对面辅导，满足学习者的居住地和 工作。每个发光设备都是一个带有自定义门户应用程序的 iPad，可方便 与真人导师沟通，提供跨硬件的用户活动的广泛视图 和软件应用程序，并以最小化的方式向学习者传达导师的输入 分散注意力并最大化流动。照明系统还允许导师记录 学习者的进步并就技术问题相互协商。

摘要：

阿尔茨海默病 (AD) 是最常见的痴呆症，以其 对认知功能，尤其是记忆力的影响。最近的研究表明 为探索重新校准视觉运动系统的能力而开发的任务受到损害 处于阿尔茨海默病的早期阶段（Tippett & Sergio，2006）并且很敏感 患有阿尔茨海默氏症的低风险与高风险老年人之间的差异 疾病（Hawkins 和 Sergio，2014）。例如，视觉运动旋转任务 要求参与者适应视觉运动扰动已被确定为 一种评估认知的方法（Buch, Young & Contreras-Vidal, 2003）。蒂佩特 Sergio (2006) 开发了一种反向视觉引导到达任务 (rVGR)，其中 参与者朝着一个目标做出一系列有针对性的动作。在 rVGR 任务期间， 视觉光标向与物理范围相反的方向移动，迫使 参与者通过扭转到达方向来纠正他们的动作。措施 该任务的表现，例如动作速度和动作的不一致性， 已被证明在临床前阿尔茨海默病人群中发生了变化（Hawkins 和 Sergio， 2014）。当前的调查旨在进一步表征 rVGR 性能差异 年轻人、老年人和早期 AD 患者之间的关系。为此， 我们正在招募 20 名年轻人、20 名健康老年人和 20 名早期 AD 患者。 我们预测患有 AD 的参与者应该表现得与对照组相似 VGR 任务，但在 rVGR 任务上显示出明显的缺陷。此外，相关性 将检查神经心理学电池和 rVGR 的表现 测试预测的任务表现
运动任务的表现与 AD 认知的变化有关。这部作品 可能为使用运动任务作为认知诊断工具提供基础 MCI 和阿尔茨海默病临床前阶段的损伤。

摘要：

打字时，准确性和速度至关重要。然而，在混合现实中 空间，用户失去了传统键盘带来的触觉反馈。这个 使用户有效打字变得更加困难，特别是在使用 全部 10 个手指。这项研究旨在确定是否可以使用眼球追踪 帮助解决增强现实中 10 指打字带来的准确性问题。 通过避免在模型中停留时间，我们还希望避免增加眼睛疲劳 用户。这项研究最近才开始，虽然已经收集了一些证据， 需要进行更多的研究才能在确定最有效和最有效的方法方面取得进展 让用户在虚拟键盘上打字的舒适方法。最终，我们希望能够 能够使用本研究中收集的信息来证明其实用性（或 缺乏）在开发增强现实用户界面时使用眼动追踪， 以及可能开始开发虚拟预测打字程序 键盘。

摘要：

口语编程语言与自然英语存在显着差异，因为 程序员之间语音模式固有的可变性和广泛的编程范围 构造。在这项工作中，我们使用 Wav2Vec 2.0 来提高转录的准确性 口语编程语言，如 Java。只需一小时的口语即可调整模型 之前接触过大量自然英语标签的课程 根据数据，我们的字错误率 (WER) 达到 8.7%，超过了最高的 28.4% WER 仅接受自然英语训练的模型。使用特定于域的 N 元语法进行解码 模型，然后使用微调的大语言重新评分 N 最佳列表 针对编程领域定制的模型在我们的测试集上产生了 5.5% 的 WER。

摘要：

对自主系统安全性和稳健性的担忧超出了地面车辆的范畴 那些在水体上运行的设备，例如无人水面舰艇 (USV)。 随着无人艇在海洋应用（例如海上监视）中的使用越来越多， 环境监测、防御，确保安全有效运行 这些机器人已经变得极其重要。多种传感器集成到 USV 使它们能够安全地感知和导航周围环境 有效地。在这里，我们研究传感器退化和其他物理问题的关键问题 扰动。具体来说，我们检查传感器如何影响性能 不利环境条件下 USV 的退化（激光雷达、摄像头、雷达、声纳） 例如雨、雾、喷水和生物污垢。我们还分析可能的干扰 在模拟操作过程中识别 ROS 映射算法的局限性 当传感器受到干扰时。我们的研究结果有望提供急需的见解 设计强大且值得信赖的 USV。

摘要：

腿式机器人近年来受到了广泛关注，因为它们可以导航 越过崎岖的地形、爬楼梯、越过困难的障碍物 对于轮式机器人来说甚至是不可能的。具体来说，四足机器人可以具有 应用范围广泛，包括工业、包装中的运输任务 投递、搜救等。目前模型预测控制（MPC）和强化 学习（RL）是控制四足机器人的两大趋势。然而，选择 对于特定应用来说，选择最合适的控制器可能是一项艰巨的任务 新研究人员。

在本文中，我们对 Unitree 上的 MPC 和 RL 控制器进行了比较研究 Go1 四足机器人，评估其在扰动和模型不确定性下的性能。 此外，通过评估不同环境中的控制器（平坦/平坦光滑/不平坦 地形），我们的目标是提供有价值的见解，帮助研究人员做出明智的选择 设计运动控制器时的决定。

摘要：

在这项研究中，我们引入了一种全面的深度学习架构来预测 蛋白质序列中的 O-GlcNAc 酰化和磷酸化位点，以及 他们的并发串扰站点。我们的深度学习架构涉及创新的 多窗口策略，一种有助于详细分析的突破性方法 的蛋白质序列。我们的模型捕获了多样化且具有潜在生物学意义的信息 模式，提供对蛋白质序列的细致分析。我们使用了情境化的 蛋白质语言模型（ProtT5）嵌入蛋白质序列并制定流程 蛋白质 O-GlcNAc 酰化和磷酸化位点预测作为多标签分类 问题。

摘要：

准确预测蛋白质内的翻译后修饰 (PTM) 位点 对于增进我们对细胞功能的理解和简化细胞功能至关重要 药物开发。尽管蛋白质组学中出现了蛋白质语言模型（pLM）， 将这些模型纳入 PTM 预测的最佳方法仍然在很大程度上 未经探索。本研究引入了一种利用 pLM 来预测重要事件的新颖框架 PTM、巴豆酰化 (Kcr)，通过探索各种策略来优化使用 pLM 嵌入 代表感兴趣的站点。我们的方法不仅注重获得最大的 嵌入的连贯表示，但也尝试解释影响 这些嵌入对预测结果的影响。所提出的方法已经过严格的验证 针对两个基准数据集进行评估，显示出比 现有最先进的预测器。这项工作凸显了重要性和有效性 使用和解释 PLM 来预测 PTM，提供了宝贵的贡献 到田野去。

E摘要：

随着互联和自动驾驶汽车的不断发展，网络风险 对他们的威胁也在增加。与传统计算机系统相比，CAV 攻击更为关键，因为它不仅威胁机密数据或系统 但可能会危及司机和乘客的生命安全。要控制车辆， 攻击者可能将恶意控制消息注入车辆的控制器区域 网络。要使这种攻击持续存在，最可靠的方法是注入恶意软件 代码写入电子控制单元的固件中。这允许攻击者注入 CAN 消息并表现出对车辆的显着控制，构成安全威胁 给附近的任何人。

在这项工作中，我们设计了一个防御框架，允许恢复受损的 实时ECU固件。我们的框架结合了现有的入侵检测方法 具有使用 ECU 中配备的可信硬件组件的固件恢复机制。 特别是，固件恢复利用闪存中现有的FTL 设备。通过最大限度地减少必要的恢复信息，该过程非常高效。 此外，恢复是通过在 TrustZone 安全中运行的可信应用程序进行管理的 世界。当 ECU 固件遭到破坏时，FTL 和 TrustZone 都是安全的。 隐写术用于在恢复期间隐藏通信。我们已经实施了 并在模拟现实世界的测试台中评估我们的原型实现 车内场景。

摘要：

双能 X 射线吸收测定 (DXA) 图像的图像分割是一个重要的 医学成像领域的阶段，特别是骨密度的测量 和身体成分，以及髋部骨折。 DXA 扫描分为不同的 感兴趣的区域，通常包括骨骼、软组织和空气。主要目标 是为了准确地分离这些区域，因为这是估计骨矿物质所必需的 密度，诊断可能的骨折，并评估身体脂肪分布。
DXA 扫描经常用于髋部骨折诊断，不仅用于诊断 检查骨密度，还可以识别髋部可能的骨折或异常 地区。 DXA 图像中臀部区域的准确分割至关重要 因为它允许医疗保健从业者特别集中他们的分析 在这个地区。髋关节和周围的骨成分与 髋部骨折 DXA 图像分割过程中图像的其余部分。这种细分 程序有助于检测可能出现的断裂，这些断裂可能表现为破坏 或骨骼形状不规则。这些骨折的早期诊断至关重要 为了开始适当的医疗，例如手术或其他程序， 稳定髋部并避免将来出现困难。此外，DXA 图像分割 在髋部骨折评估中可以提供有关骨折数量和位置的有用信息 髋关节内骨折。该数据支持骨科医生制定计划 手术治疗并选择最佳的骨折修复方案。总体而言，DXA 图像 髋部骨折的分割是骨科治疗的重要组成部分。它有帮助 医疗保健提供者能够快速、正确地识别髋部骨折，从而导致 及时干预可以大大提高患者的治疗效果和生活质量。