查看“WikiEdge:ArXiv速递/2025-03-12”的源代码

== 摘要 ==
* '''原文标题'''：The effect of intelligent monitoring of physical exercise on executive function in children with ADHD
* '''中文标题'''：智能监测体育锻炼对ADHD儿童执行功能的影响
* '''发布日期'''：2025-03-12 05:22:42+00:00
* '''作者'''：Liwen Lin, Nan Lib, Shuchen Zhao
* '''分类'''：cs.HC
*'''原文链接'''：http://arxiv.org/abs/2503.09079v1
'''中文摘要'''：[[ADHD]]儿童通常在[[执行功能]]（EF）和[[运动技能]]方面存在困难，这影响了他们的[[学业]]和[[社交生活]]。虽然[[药物]]是常用的治疗方法，但它们有[[副作用]]，因此人们对[[非药物治疗]]产生了兴趣。[[体育活动]]（PA）在改善ADHD儿童的[[认知]]和运动技能方面显示出潜力。本研究考察了三种PA干预措施的短期和长期效果：特定技能训练组（EG1）、低需求运动组（EG2）和对照组（CG），持续12周。EG1在运动任务和[[工作记忆]]方面表现出显著改善（15%的改善，p<0.05），而EG2和CG的变化较小。长期PA改善了工作记忆，但短期PA对[[平衡]]和[[手部灵活性]]的影响有限。这些发现表明，技能训练对运动表现有即时影响，而更复杂的运动技能需要更长时间的干预。[[智能设备]]跟踪了进展，确认了EG1的持续参与和改善。这项研究强调了PA作为一种有前景的非药物治疗ADHD的方法，值得进一步探索其对其他[[认知领域]]的影响。

== 摘要 ==
* '''原文标题'''：Evaluating Multi-Instance DNN Inferencing on Multiple Accelerators of an Edge Device
* '''中文标题'''：评估边缘设备上多个加速器的多实例深度神经网络推理
* '''发布日期'''：2025-03-12 17:04:30+00:00
* '''作者'''：Mumuksh Tayal, Yogesh Simmhan
* '''分类'''：cs.DC
*'''原文链接'''：http://arxiv.org/abs/2503.09546v1
'''中文摘要'''：[[边缘设备]]如[[Nvidia Jetson]]平台现在提供了多个板载加速器——包括[[GPU]] [[CUDA]]核心、[[Tensor]]核心和[[深度学习加速器]]（DLA）——这些加速器可以同时利用以提升[[深度神经网络]]（DNN）推理性能。在本文中，我们通过评估在这些异构组件上同时运行多个[[ResNet50]]模型实例的性能影响，扩展了之前的工作。我们详细分析了不同批处理大小和硬件组合对[[吞吐量]]和[[延迟]]的影响。我们的扩展分析不仅突出了结合[[CUDA]]和[[Tensor]]核心的优势，还揭示了在集成[[DLA]]时由于资源竞争导致的性能下降。这些发现，连同对精度约束和工作负载分配挑战的见解，激励我们进一步探索智能调度机制以优化[[边缘平台]]上的资源利用率。

== 摘要 ==
* '''原文标题'''：GenHPE: Generative Counterfactuals for 3D Human Pose Estimation with Radio Frequency Signals
* '''中文标题'''：GenHPE：基于射频信号的3D人体姿态估计的生成反事实
* '''发布日期'''：2025-03-12 16:53:58+00:00
* '''作者'''：Shuokang Huang, Julie A. McCann
* '''分类'''：cs.CV, cs.AI, cs.MM, eess.SP
*'''原文链接'''：http://arxiv.org/abs/2503.09537v1
'''中文摘要'''：[[人体姿态估计]]（HPE）通过检测人体关节的位置，应用于多种场景。与使用[[摄像头]]相比，利用[[射频]]（RF）信号进行HPE具有非侵入性，并且在恶劣条件下更具鲁棒性，因为它利用了人体干扰引起的信号变化。然而，现有研究主要集中在受限于特定领域混杂因素的单领域HPE上，无法泛化到新领域，导致HPE性能下降。具体而言，不同人体部位引起的信号变化相互纠缠，包含特定主体的混杂因素。RF信号还与[[环境噪声]]交织，涉及特定环境的混杂因素。在本文中，我们提出了GenHPE，一种生成反事实RF信号以消除特定领域混杂因素的3D HPE方法。GenHPE训练基于人体骨骼标签的生成模型，学习人体部位和混杂因素如何干扰RF信号。我们通过操纵骨骼标签（例如移除身体部位）作为生成模型的反事实条件，合成反事实RF信号。反事实信号之间的差异近似消除了特定领域的混杂因素，并规范了编码器-解码器模型以学习领域无关的表示。这些表示帮助GenHPE泛化到新主体/环境，实现跨领域3D HPE。我们在来自[[WiFi]]、[[超宽带]]和[[毫米波]]的三个公开数据集上评估了GenHPE。实验结果表明，GenHPE优于现有方法，在跨主体HPE中减少了高达52.2毫米的估计误差，在跨环境HPE中减少了10.6毫米的估计误差。

== 摘要 ==
* '''原文标题'''：Experimental study of the convection in a thin cylindrical gas layer with imposed bottom and top fluxes and imposed side temperature
* '''中文标题'''：薄圆柱气体层中对流实验研究：底部和顶部通量及侧壁温度控制
* '''发布日期'''：2025-03-12 15:10:41+00:00
* '''作者'''：Florian Rein, Laure Carénini, Florian Fichot, Benjamin Favier, Michael Le Bars
* '''分类'''：physics.flu-dyn
*'''原文链接'''：http://arxiv.org/abs/2503.09461v1
'''中文摘要'''：我们研究了在底部施加通量且侧面固定温度的薄圆柱气体层中的[[对流]]现象，结合了[[直接数值模拟]]和[[实验室实验]]。实验方法使我们能够在通量[[瑞利数]]方面将探索范围扩展两个数量级。我们确定了控制均方根水平速度的[[标度律]]，并通过基于[[湍流]]状态下[[热传输]]的[[维度分析]]进行了解释。利用[[粒子图像测速技术]]，我们在最湍流状态下实验确认了由径向分支组成的漂移持续模式的存在，如Rein等人（2023, J. Fluid Mech. 977, A26）所识别的那样。我们将这种模式的角漂移频率和方位波数表征为[[瑞利数]]的函数。系统在不同时间尺度上表现出广泛的热通量分布，最长的波动归因于分支模式，最短的波动归因于湍流波动。因此，必须考虑分支模式以更好地预测重要的壁面热通量波动，这一结果在[[核安全]]背景下具有重要意义，也是我们研究的初始动机。

== 摘要 ==
* '''原文标题'''：Spontaneous gait synchronisation in the wild: exploring the effect of distance and level of interaction
* '''中文标题'''：野外步态自发同步：探索距离和互动水平的影响
* '''发布日期'''：2025-03-12 00:25:19+00:00
* '''作者'''：Adrien Gregorj, Zeynep Yücel, Francesco Zanlugo, Takayuki Kanda
* '''分类'''：physics.soc-ph
*'''原文链接'''：http://arxiv.org/abs/2503.08967v1
'''中文摘要'''：行人的[[步态]]同步受到[[生物力学]]、[[环境]]和[[认知]]因素的影响。在[[生态环境]]中研究步态提供了在受控实验中常常被忽视的见解。本研究利用在地下[[步行街]]网络中记录的无指令行人[[轨迹]]数据集，解决了评估现实世界互动中步态协调的挑战。数据标注了[[群体关系]]、[[互动水平]]和[[身体接触]]。我们研究的主要目标是设计一种从轨迹数据中识别步态同步的方法，并深入分析影响行人群体步态同步的[[社会因素]]。为此，我们首先提出了一种从行人轨迹中提取[[步态残差]]的方法，这些残差捕捉了由步态引起的身体运动[[振荡]]。随后，我们应用了一系列跨越[[频率]]和[[非线性]]领域的分析技术。基于频率的方法，包括[[步态同步指数]]和[[交叉小波相干性]]，量化了步态中振荡模式的[[对齐]]情况。互补的非线性测量方法，如[[李雅普诺夫指数]]、[[确定性]]和[[递归量化指标]]，提供了对耦合步态的[[动态稳定性]]和[[可预测性]]的更深入见解。结果表明，更高的社会互动和更近的距离增强了步态同步，减少了[[步频]]变化并增加了[[稳定性]]。此外，[[三元组形成]]和[[相对位置]]也被证明会影响同步。总体而言，我们的研究结果表明，社会互动塑造了行人步态协调，其中互动水平和距离是关键因素。

== 摘要 ==
* '''原文标题'''：Investigating the correlation between ZTF TDEs and IceCube high-energy neutrinos
* '''中文标题'''：研究ZTF潮汐瓦解事件与IceCube高能中微子的相关性
* '''发布日期'''：2025-03-12 14:24:51+00:00
* '''作者'''：Ming-Xuan Lu, Yun-Feng Liang, Xiang-Gao Wang, Xue-Rui Ouyang
* '''分类'''：astro-ph.HE, hep-ph
*'''原文链接'''：http://arxiv.org/abs/2503.09426v1
'''中文摘要'''：[[IceCube]]弥散[[中微子]]流的主要来源仍不明确。[[潮汐瓦解事件]]（TDEs）被认为是[[IceCube]]探测到的[[高能中微子]]的潜在发射源。因此，研究[[TDE]]群体与[[IceCube]]中微子之间的相关性，可以帮助我们更好地理解[[TDE]]群体是否可能是[[高能中微子]]的发射源。在本文中，我们对与[[中微子]]相关的[[TDEs]]进行了系统搜索，样本包括143个[[IceCube]]中微子警报事件和61个由[[Zwicky瞬变设施]]（ZTF）-[[亮瞬变巡天]]（BTS）分类的[[TDEs]]。此外，考虑到被报告为潜在[[IceCube]]中微子发射源的[[TDEs]]/[[TDE]]候选者都伴随着[[红外]]（IR）观测，我们进一步从这61个[[TDEs]]中筛选出具有[[IR]]观测的[[TDEs]]作为子样本，以检验其与[[中微子]]的相关性。基于[[广域红外巡天探测器]]（WISE）任务数据库，我们识别出7个具有[[IR]]观测的[[TDEs]]。由于良好的空间定位对于关联分析至关重要，我们采用了两种方法来处理样本中误差半径较大的警报事件。然后，我们使用三种[[蒙特卡罗模拟]]方法来研究[[TDE]]样本/子样本与[[IceCube]]中微子之间的相关性。最后，在考虑了空间和时间标准后，7个具有[[IR]]耀发的[[TDEs]]在2.43{\sigma}置信水平上显示出最显著的相关性。如果我们暂时进一步在加权方案中考虑时间延迟因素，相关性增强到2.54{\sigma}置信水平。