这是 ShowMeAI 持续分享的重磅报告系列！《State of AI Report 2022》是一份发布于2022年10月的报告，作者Nathan Benaich和Ian Hogarth从Research、Industry、Politics、Safety等四个方面，对2022年的发展做了汇总梳理，并对新一年的发展进行了预测。完整报告 114 页。 ◉ 内容要点： ① 大厂实验室走向封闭，但是新的独立研究实验室正在迅速开源。虽然 AI 研究呈现集中趋势，但计算与访问成本的降低催生了走在研究最前沿的小型实验室（如 Stability.AI 和 Midjourney）。 ② 人工智能研究越来越关注安全领域。安全研究人员在大型 AI 实验室的安全研究人员，由去年的不到100人增长为300人，这也有望提升安全学者的认可度。 ③ 中美人工智能研究差距继续扩大，自2010年以来，中国机构发表的论文数量是美国机构的4.5倍，明显超过美国、印度、英国和德国的总和。 ④ 人工智能驱动的科学研究继续取得突破，但数据泄漏等重大方法错误需要进一步调查，否则会导致 AI 危机的日益严重。

TinyFSM TinyFSM是一个简单的C ++有限状态机库，旨在实现最佳性能和低内存占用。 这使其成为实时操作系统的理想选择。 这个概念非常简单，使程序员可以完全了解幕后发生的事情。 它提供了一种将状态机图表映射到源代码的简单方法。 TinyFSM基本上将事件分派包装到函数调用中，使事件分派同样快地调用（甚至内联）函数。 即使在最坏的情况下，调度也只会导致单个vtable查找和函数调用！ 主要特征： 进/出动作 事件动作 过渡功能 过渡条件 事件有效负载（类） 状态和动作函数的继承 TinyFSM受益于C ++ 11模板元编程功能（如可变参数模板），并且不依赖于RTTI，异常或任何外部库。 官方主页： ： 当前版本： 0.3.2 文献资料 您可以在TinyFSM项目的doc/目录中找到主要文档。 最新版本也可。 安装 TinyFSM是仅标头的库，不需要特殊的安装步骤。

状态控制器库是一个独立于平台的通用C ++框架，该框架允许实现有限状态机及其多动作计划概括。 该库的结构和实现侧重于将有限状态机应用于实时控制回路，但实际上可以合理地适用于几乎所有其他应用，甚至与控制系统完全无关。 重点放在具有非常低的开销上，以便无论在何处使用此库都不会损害整体系统性能，同时仍保持易用性。 代码大小也已保持最小。 除了实现标准的有限状态机和多动作计划状态机之外，该库还可以用于实现分层状态控制器，或者实现这三种状态的任意混合。 请参阅大量文档以获取更多信息。 我欢迎所有反馈，建议和错误报告！ 电子邮件：pallgeuer [at] ais.uni-bonn.de

行为树 这个C ++ 14库提供了一个创建BehaviorTrees的框架。 它设计灵活，易于使用，ReactSwift。 即使我们的主要用例是机器人技术，您也可以使用此库来构建游戏的AI或替换应用程序中的有限状态机。 与其他实现相比，很少有功能可以使BehaviorTree.CPP变得唯一： 它使异步Action （即非阻塞）成为一等公民。 您可以构建可同时执行多个操作的React式行为。 树是使用域特定脚本脚本语言（基于XML）定义的，并且可以在运行时加载。 换句话说，即使使用C ++编写，树也不是硬编码的。 您可以静态链接自定义TreeNode或将其转换为可在运行时加载的插件。 它提供了一种类型安全且灵活的机制来在树的节点之间进行数据流。 它包括一个日志记录/概要分析基础结构，该基础结构使用户可以可视化，记录，重放和分析状态转换。 最后但并非最不重要的一点：有！

The Network State中文版翻译网络国家1.2 Balaji Srinivasan 的The Network State网络国家 web3.0社区 DAO社区 web3.0+DAO+The Network State+Balaji Srinivasan+数字游民+ 个人主权 The Sovereign Individual Web3.0+DAO+The Network State网络国家+Balaji Srinivasan+个人主权+中文版

此论文 Widespread redundancy in-omics profiles of cancer mutation state，ppt 动态讲解

用卷积滤波器matlab代码可再现的视频降噪技术 流行和可复制的视频降噪作品集。 准则：作品必须有可用的代码，并且可再现的结果证明了视频降噪的前景可观或最先进的表现。 集合的这种格式类似于 请随时为这个仓库做贡献。 视频降噪算法 在线方式 ReLD 通过在线稀疏和低秩矩阵分解实现视频降噪（SSP 2016），Guo和Vaswani。 维多萨VIDOSAT-在线视频恢复的高维稀疏变换学习（TIP 2019），Wen等。 非本地方法 VBM3D 通过稀疏3D变换域协作过滤进行视频降噪（EUSIPCO 2007），Dabov等。 VBM4D 通过可分离的4-D非局部时空变换进行视频降噪，解块和增强（TIP 2012），Maggioni等。 RNLF Sutour等人，NL均值的自适应正则化：图像和视频去噪的应用（TIP 2014）。 盐Wen的联合自适应稀疏和低秩动态：用于视频降噪的在线张量重构方案（ICCV 2017），Wen等。 贝叶斯方法 越南国家广播电视台通过时空补丁的经验贝叶斯估计对视频进行降噪（JMIV 2017），Arias和Morel 深度学习 虚拟网络CNN的非本地视频降噪

状态空间方程是现代控制理论的基础,在预测控制算法中,当系统釆用状态方程表达式时,不需要像求解广义预测控制律一样在线求解Diophantine方程,并且使得MIMO系统的系统表达和公式的推导更为简洁和直观,有利于预测控制方法的稳定性分析,已被越来越的人所采用.

matlab中分式的代码非线性离散时间分数系统的状态估计A-贝叶斯视角 论文源代码 STBL Alpha 稳定分发文件夹 使用了 Mark Veillette 编写的 MATLAB 函数库“STBL”。 源代码可以在以下位置下载： 关于该函数库的详细说明，请参见： SISO_Gau_FPF 分数高斯系统的 FPF：标量情况。 FourAlgCompare 文件夹 SISO 分数高斯系统的 FEKF、FCDKF、FUKF 和 FPF 的比较。 MIMO_Gau_FPF 分数高斯系统的 FPF：多元情况。 SISO_NonGau_FPF 文件夹 分数非高斯系统的 FPF @article{liu2019state, title={State estimation for nonlinear discrete--time fractional systems: A Bayesian perspective}, author={Liu, Tianyu and Wei, Yiheng and Yin, Weidi and Wang, Yong and Liang, Qing},\njournal=

状态空间域中的广义预测控制