WikiEdge:ArXiv速递/2025-03-12

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。

摘要

• 原文标题：ReMA: Learning to Meta-think for LLMs with Multi-Agent Reinforcement Learning
• 中文标题：ReMA：通过多智能体强化学习让大语言模型学会元思考
• 发布日期：2025-03-12 16:05:31+00:00
• 作者：Ziyu Wan, Yunxiang Li, Yan Song, Hanjing Wang, Linyi Yang, Mark Schmidt, Jun Wang, Weinan Zhang, Shuyue Hu, Ying Wen
• 分类：cs.AI, cs.CL, cs.LG, cs.MA
• 原文链接：http://arxiv.org/abs/2503.09501v1

中文摘要：近年来，关于大语言模型（LLMs）推理能力的研究试图通过整合元思维（meta-thinking）来进一步提升其性能——使模型能够监控、评估和控制其推理过程，从而实现更具适应性和有效性的问题解决。然而，当前的单智能体工作缺乏专门设计来获取元思维，导致效果不佳。为了解决这一挑战，我们提出了强化元思维智能体（ReMA），这是一个利用多智能体强化学习（MARL）来激发元思维行为的新框架，鼓励LLMs进行“思考的思考”。ReMA将推理过程解耦为两个层次化的智能体：一个高层元思维智能体负责生成战略监督和计划，一个低层推理智能体负责具体执行。通过目标对齐的迭代强化学习，这些智能体探索并学习协作，从而提升泛化能力和鲁棒性。实验结果表明，ReMA在复杂推理任务（包括竞争级数学基准和LLM-as-a-Judge基准）上优于单智能体强化学习基线。全面的消融研究进一步展示了每个独立智能体的动态演化，为元思维推理过程如何增强LLMs的推理能力提供了有价值的见解。

摘要

• 原文标题：Not All Edges are Equally Robust: Evaluating the Robustness of Ranking-Based Federated Learning
• 中文标题：并非所有边都同样鲁棒：评估基于排序的联邦学习的鲁棒性
• 发布日期：2025-03-12 00:38:14+00:00
• 作者：Zirui Gong, Yanjun Zhang, Leo Yu Zhang, Zhaoxi Zhang, Yong Xiang, Shirui Pan
• 分类：cs.LG, cs.CR, cs.DC
• 原文链接：http://arxiv.org/abs/2503.08976v1

中文摘要：联邦排序学习（Federated Ranking Learning, FRL）是一种先进的联邦学习框架，以其通信效率和对抗投毒攻击的鲁棒性而脱颖而出。它与传统联邦学习框架有两个主要区别：1）它利用离散排序而非梯度更新，显著降低了通信成本并限制了恶意更新的潜在空间；2）它在服务器端使用多数投票来建立全局排序，确保每个客户端仅贡献一票，从而最小化个体更新的影响。这些特性增强了系统的可扩展性，并使FRL成为联邦学习训练的一个有前景的范式。 然而，我们的分析表明，FRL并非天生鲁棒，某些边特别容易受到投毒攻击的影响。通过理论分析，我们证明了这些脆弱边的存在，并为每一层中识别它们建立了下界和上界。基于这一发现，我们提出了一种针对FRL的新型本地模型投毒攻击，即脆弱边操纵（Vulnerable Edge Manipulation, VEM）攻击。VEM攻击专注于识别和扰动每一层中最脆弱的边，并利用基于优化的方法最大化攻击的影响。通过在基准数据集上的广泛实验，我们证明了我们的攻击总体达到了53.23%的攻击效果，比现有方法高出3.7倍。我们的研究结果揭示了基于排序的联邦学习系统中的显著脆弱性，并强调了开发新的鲁棒联邦学习框架的紧迫性。

摘要

• 原文标题：Towards a Generalized SA Model: Symbolic Regression-Based Correction for Separated Flows
• 中文标题：迈向广义SA模型：基于符号回归的分离流修正
• 发布日期：2025-03-12 10:16:05+00:00
• 作者：Xuxiang Sun, Xianglin Shan, Yilang Liu, Weiwei Zhang
• 分类：physics.flu-dyn, physics.comp-ph
• 原文链接：http://arxiv.org/abs/2503.09225v1

中文摘要：本研究聚焦于高雷诺数分离流的数值模拟，提出了一种数据驱动的方法来提升SA湍流模型的预测能力。首先，对两种典型的高攻角分离流翼型进行了数据同化，获得了高精度的流场数据集。基于该数据集，利用符号回归开发了一个白盒模型，用于修正SA模型的生产项。为了验证修正模型的有效性，选择了多个具有代表性的翼型和机翼，如SC1095翼型、DU91-W2-250翼型和ONERA-M6机翼作为测试案例。考虑了广泛的流动条件，包括亚音速到跨音速范围、雷诺数从数十万到数千万、攻角从小到大的变化。结果表明，修正模型显著提高了分离流的预测精度，同时保持了附着流的预测能力。它显著增强了分离涡结构和流动分离位置的再现，将失速角升力预测的平均相对误差降低了69.2%，并将计算精度提高了三倍以上。此外，通过零压力梯度平板案例的验证，确认了修正模型能够准确预测湍流边界层速度剖面和表面摩擦系数分布。本研究的发现为高雷诺数分离流的数值模拟提供了新的见解和方法，有助于在工程应用中更准确地模拟复杂流动现象。