相机和激光雷达是准确，强大的自动驾驶系统的信息传感器。但是，这些传感器经常表现出异质性本性，从而产生分布方式差距，从而面临着融合的重大挑战。为了解决这个问题，强大的融合技术至关重要，特别是对于增强3D对象检测的问题 ...
高能核碰撞产生夸克和胶子的非平衡等离子体，这些等离子体可热化和表现出流体动力流动。目前尚无可用的框架，可以将经典场模拟中的早期颗粒产生与随后的流体动力学进化联系起来。我们使用在QCD动力学理论中计算出的非平衡绿色功能构建这样的框架，以传播到水动力相的初始能量量张量 ...
我们提出了一个模棱两可的神经网络，用于分别预测分子和周期晶体的振动和声子模式。这些预测是通过评估经过能量和力数据训练的学习能量模型的第二个衍生性Hessian矩阵。使用这种方法，我们能够有效预测无机晶体材料的声子分散和状态的密度 ...
最近，语言模型（LMS）在代码生成任务中表现出令人印象深刻的熟练程度，尤其是在特定于代码的数据集（通常称为代码LMS）上进行微调时。但是，我们对代码LMS内部决策过程的理解，例如它们如何使用其（句法或语义）知识的方式仍然有限，这可能会导致意想不到的伤害，因为它们在现实生活中越来越多地使用。这促使我们在Codellama-7b模型上进行了第一个机械性解释性作用之一，以了解代码LMS如何执行句法完成任 ...
几十年来，小型对象检测（SOD）一直是一项长期但艰巨的任务，开发了许多数据集和算法。但是，它们主要集中在可见或热模态上，而可见的热（RGBT）双峰很少探索。尽管最近已经开发了一些RGBT数据集，但是数量不足，有限类别，未对准图像和较大的目标大小不能提供公正的基准测试，以评估多类可见的可见性小对象检测（RGBT SOD）算法 ...
点云的语义分割，旨在为每个点分配语义类别，对于3D场景至关重要，近年来，这一重大进步的HTTP URL至关重要，大多数现有方法仍然遭受对象级别的错误分类或边界级别的歧义。在本文中，我们通过深入探索被称为Geosegnet的点云的几何形状来提出一个强大的语义分割网络。我们的Geosegnet由一个基于多几何的编码器和边界引导的解码器组成 ...
培训从头开始的各种应用程序具有强大的泛化功能的通用时间序列基础模型仍然是一个挑战。努力主要集中于融合跨域时间序列数据集，以提取共同的子序列，作为 Transformer 体系结构的培训模型的 Token 。但是，由于跨域之间的统计异质性很大，这种跨域融合方法与融合文本和图像的有效作用并不相同 ...
移动网络中对有效资源分配的需求不断增长，促进了对创新解决方案的探索，这些解决方案可以增强实时蜂窝交通预测的任务。在这种情况下，联邦学习（FL）是一种分布式和隐私的解决方案，可以促进不同站点之间的协作，从而实现响应迅速的近距离解决方案。在本文中，我们通过使用来自巴塞罗那基地站（BSS）的现实世界数据（西班牙）的现实世界数据进行的案例研究来全面研究FL在电信中的潜在好处 ...
