Исследователи разработали усовершенствованную модель байесовской регрессии, позволяющую точнее интерпретировать взаимодействие каналов ЭЭГ и повысить эффективность систем «мозг-компьютер» на основе P300.
Новая система NRGS-SLAM обеспечивает точное отслеживание камеры и 3D-реконструкцию деформируемых объектов при эндоскопических исследованиях.
Исследователи представили масштабный набор данных и методологию оценки реалистичности моделей, имитирующих поведение пользователей в системах диалоговых рекомендаций.
![В исследовании выявлено, что значимость внимания по сравнению со Spearman корреляцией варьируется в зависимости от типа клеток: в клетках RPE1 (n=1251) внимание существенно превосходит корреляцию ([latex]d=0.47[/latex], [latex]p<10^{-{10}}[/latex]), в то время как в клетках K562 различий между ними не наблюдается, что демонстрирует чувствительность к порогу изменения логарифмической фолд-разницы (LFC).](https://arxiv.org/html/2602.17532v1/fig_non_k562_replication.png)
Новое исследование показывает, что механизмы ‘внимания’ в современных моделях анализа одиночных клеток улавливают биологические сигналы, но эти сигналы уже содержатся в более простых данных об экспрессии генов.
Новый подход с использованием диффузионных моделей позволяет создавать плавные переходы и расширения аудио, открывая новые возможности для саунд-дизайнеров.
Исследование демонстрирует, что управляя взаимодействиями между галогенами и искажениями октаэдров в галогенидных перовскитах, можно эффективно снижать теплопроводность материалов.
Новая платформа MUDAP и агент RASK позволяют гибко управлять ресурсами для потоковой обработки данных на периферийных устройствах, обеспечивая выполнение целевых показателей качества обслуживания.
![В ходе анализа эффективности захвата, основанного на точности оценки позы, установлено, что взаимосвязь между различными метриками ошибки позы и расчетной вероятностью успешного захвата [latex]SestS\_{est}[/latex], усредненная по FoundationPose и MegaPose на основе 8 250 испытаний и 18 882 842 симуляций, демонстрирует влияние точности оценки на стабильность захвата, при этом детальный анализ результатов, основанный на физической модели, показывает пропорции различных причин неудачных попыток захвата для каждого объекта, где зеленая часть диаграммы отражает итоговое значение [latex]SestS\_{est}[/latex], а остальные цвета - вклад конкретных режимов отказа.](https://arxiv.org/html/2602.17101v1/figures/comprehensive_analysis_collage.png)
Новое исследование показывает, что для надежного захвата предмета роботом важна не только точность определения его положения в пространстве, но и качество трехмерной модели, используемой для планирования захвата.
![Устройство, ориентированное на пользователя, использует естественные движения руки для синтеза виртуальной апертуры, что позволяет измерять расстояние и пропорционально регулировать мощность, при этом для обеспечения когерентного синтеза необходимо компенсировать погрешность [latex]\bm{\delta}\_{m}=\hat{\mathbf{q}}\_{m}-\mathbf{q}\_{m}[/latex] между оценкой [latex]\hat{\mathbf{q}}\_{m}[/latex] и фактической траекторией [latex]\{\mathbf{q}\_{m}\}[/latex] фазового центра массива.](https://arxiv.org/html/2602.17609v1/x1.png)
Новый подход к контролю электромагнитного излучения использует естественные движения руки для точного определения расстояния до тела, обеспечивая более безопасное использование мобильных устройств.
Исследователи представили метод SpectralGCD, позволяющий эффективно выявлять новые категории объектов, используя информацию из разных источников.