XiaoMi-AI文件搜索系统
World File Search System估计问题
贝叶斯长冈林开往 ...
在通信过程中估计信号时，自然需要利用对未知参数的先验知识进行贝叶斯参数估计 [1]。量子通信是一种很有前途的近期通信技术，它可以比传统协议更安全、更有效地传输信息。关于如何在给定的噪声量子信道上忠实地传输经典和/或量子信息，已经有很多研究，例如 [2]–[4]。量子贝叶斯估计是有效解码量子态中编码的经典信息的关键因素。量子贝叶斯估计在量子传感和量子计量领域也得到了极大关注 [5]–[8]。量子贝叶斯估计大约半个世纪前由 Personick [9]，[10] 发起。由于量子估计理论的最新进展，量子贝叶斯估计问题重新引起了人们的关注。针对贝叶斯风险，提出了几种量子贝叶斯界，例如 [9]–[17]。然而，它们中的大多数都没有捕捉到真正的量子性质，因为已知的下界几乎都是基于经典贝叶斯界的直接翻译。特别是，先前提出的下界是通过对算子空间上的内积的某个选择应用柯西-施瓦茨型不等式推导出来的。Holevo 在一般统计决策问题的背景下发起了对量子估计的非平凡下界的研究 [18]。他还基于量子 Fisher 信息矩阵分析了贝叶斯风险的下界 [19]–[21]。特别是，他对高斯移位进行了彻底的分析
ViSig：利用身体传感器自动解读视觉身体信号
视觉身体信号是传递特定应用信息的身体姿势。此类信号广泛用于体育（裁判员和裁判员发出信号）、交通运输（海军军官和飞机调度员）和建筑（索具工和起重机操作员发出信号）的快速信息通信，仅举几例。自动解释此类信号有助于在这些行业中保持更安全的运营，有助于记录审计或事故调查目的，并充当体育赛事的记分员。当需要自动化这些信号时，传统上是从观看者的角度通过在摄像机馈送上运行计算机视觉算法来执行。然而，基于计算机视觉的方法在诸如照明变化、遮挡等场景中性能会下降，可能面临分辨率限制，并且安装起来可能具有挑战性。我们的工作 ViSig 打破了传统，而是部署了用于信号解释的人体传感器。我们的主要创新是融合超宽带 (UWB) 传感器（用于捕获身体距离测量）、惯性传感器 (IMU)（用于捕获几个身体部位的方向）和光电二极管（用于手指信号识别），从而实现对信号的稳健解释。通过仅部署少量传感器，我们表明身体信号可以在许多不同的环境中得到明确解释，包括板球、棒球和足球比赛，以及起重机操作和海上导航旗帜信号等操作安全用例，准确率 > 90%。总体而言，我们已经看到了这种方法的巨大前景，并预计未来大量的后续工作将开始使用 UWB 和 IMU 融合模式来解决更一般的人体姿势估计问题。
LoRa 传感器电池寿命预测的学习模型......
摘要 今天，工业 4.0 和工业物联网 (IIoT) 范式带来的要求代表了无线传感器网络的创新飞跃，从而实现了新颖的智能工业测量系统。事实上，测量能力面临着前所未有的挑战，人们越来越需要从可能覆盖大面积的移动电池供电节点收集可靠而准确的数据。因此，优化能耗和预测电池寿命是这种基于物联网的测量系统中需要准确解决的关键问题。本文考虑的增材制造应用就是这种情况，其中嵌入在制造工件中的智能电池供电传感器需要可靠地传输其测量数据，以更好地控制生产和最终使用，尽管无法物理访问。低功耗广域网 (LPWAN)，尤其是 LoRaWAN (长距离 WAN)，代表了一种有前途的解决方案，可确保上述场景中的传感器连接，经过优化以最大限度地降低能耗，同时保证长距离操作和低成本部署。在所介绍的应用中，配备 LoRa 的传感器嵌入到工件中，以在整个使用寿命期间监控一组有意义的参数。在这种情况下，一旦传感器嵌入，它们就无法访问，它们的唯一电源是最初安装的电池。因此，本文彻底研究了电池寿命预测和估计问题。为此，提出了一种基于人工神经网络 (ANN) 的创新模型，该模型是从增材制造应用中使用的锂亚硫酰氯电池的放电曲线开始开发的。将在真实传感器上进行的实验活动的结果与模型的结果进行比较，并用于对其进行适当调整。获得的结果令人鼓舞，为未来有趣的发展铺平了道路。
数据集描述符
随着电动汽车（EV）的运营寿命终结，其电池保留了巨大的经济价值，并为二人使用和物质回收提供了有希望的机会。这对于全球南部和其他欠发达地区特别有说服力，在这里，可靠的能源存储对于解决弱甚至不存在的电网和能源基础设施所带来的关键挑战至关重要。，尽管存在这种潜力，但围绕第二次生命电池的技术性能，安全性和重新认证的严重不确定性阻碍了广泛的采用。在重新部署它们的情况下，估计和实际性能之间的不匹配通常会使电池在技术上不合适或危险，从而使他们成为打算受益的社区的责任。这种严重的未对准加剧了能源访问差异，并破坏了能源正义的更广泛的愿景，强调了迫切需要强大而可扩展的解决方案以释放潜力。在Pulsebat数据集中，作者测试了464个退休的锂离子电池，涵盖了3种阴极材料类型，6种历史用法，3种物理格式和6种容量设计。对每个第二寿命电池进行重复进行脉冲测试实验，其脉冲宽度，10个脉冲幅度，多重电荷和健康状况，例如，从0.37到1.03（由于不一致而导致的名义容量）。pulsebat数据集的一部分用于自然通信出版物，该出版物解决了在随机分布状态的收费状态下解决了最先进的估计问题1。PulseBat数据集记录了这些测试条件，电压响应以及受注入的脉冲电流约束的温度信号，这些脉冲电流可用作关键诊断任务的宝贵数据资源，例如电荷估计，最新估计，最先进的健康估计，PORTODE材料类型识别，开放式电流电流重新构造，热管理，热管理，以及其他。
朝着现实世界类别级别的姿势姿势估计
摘要 - 人类寿命中有铰接的物体。当前类别级别的关节姿势估计（CAPE）方法是在单个现实设置下使用每个类别的固定运动结构的。考虑到这些局限性，我们旨在研究估计单个RGB-D图像中具有未知运动学结构的多个铰接式对象的零件级别6D姿势的问题，并改革此问题设置为现实世界环境，并建议Cape-real（Caper-Real）（CAPER）任务设置。此设置允许语义类别中的各种运动结构，以及在对现实世界的观察中共存的多个实例。为了支持这项任务，我们构建了一个明确的模型存储库RAINT-48，并呈现有效的数据集生成管道，其中包含快速发音的对象建模（FAOM）和半实体的混合现实现实技术（Samert）。伴随管道，我们构建了一个大规模的混合现实数据集后Tmix和一个现实世界数据集后TVAL。伴随着刺山柑问题和数据集，我们提出了一个有效的框架，该框架利用RGB-D输入来估算单个正向通行中多个实例的零件级姿势。在我们的方法中，我们从RGB-D输入中介绍对象检测，以处理多个实体问题，并将每个实例分为几个部分。为了解决未知的运动学结构问题，我们提出了一个解析网络，以分析检测实例的结构，并构建一个对伪造姿势估计模块，以估算第6D姿势以及连接零件对的联合属性。广泛的实验表明，所提出的方法可以在开普敦，斗篷和实例级机器人组姿势估计问题上实现良好的性能。我们认为，它可以作为对刺山柑任务的未来研究的强大基准。我们工作中的数据集和代码将公开可用。
统计推断的计算复杂性
本研讨会的主题是多种情况下统计推断任务的计算复杂性。这是一个相对较新且迅速发展的研究领域。数学统计和计算复杂性的领域已经存在很大程度上是彼此独立的：前者传统上研究了统计或信息限制，而后者主要集中于与恐怖分子（对抗性）造成的输入的组合问题，这些输入并不能准确地反映出数据问题的现实。直到最近十年，研究界才出现了致力于解决界面上的基本问题。我们简要介绍了为什么需要新观点。统计推断中的两个基本询问线长期以来一直是：（i）确定基本统计学（即信息理论）限制； （ii）找到有效的算法实现了这些限制。但是，对于许多结构化的推理问题，尚不清楚统计最佳性是否与有效的合并兼容。统计上最佳的估计器通常需要对可能的结构进行不可行的详尽搜索。相反，对于许多设置，我们知道的计算有效算法在统计学上是次优的，需要更高的信号强度或比理论上的信息更高的数据。这种现象既迷人又令人震惊。相反，实际上相关的基准是计算有效算法的基本统计限制。我们如何找到最佳的有效算法？表明，自数学统计开始以来所研究的这些问题的信噪比（或数据量）的信息理论限制并不是现代高维设置中实际上相关的基准。有效的算法无法达到统计限制时，据说问题具有统计计算差距。在许多观察到的情况下，差距可以很大，因此有效的算法需要的数据级数比理论上的信息要多。对统计计算差距的意识并不是什么新鲜事物，早期的工作表明了人工构建的学习问题中的差距[10，19，20]，而最近的工作着重于统计和计算效率之间的算法[21、20、20、8、9]。现在，数十个重要的高维统计估计问题被认为具有不同的计算和统计限制。这些问题（例如，稀疏的线性回归或稀疏相检索[24，7，11，17]）在实践中无处不在，并且在理论上进行了充分研究，但中央序列仍然存在：计算高效算法的基本数据限制是什么？在更基本的层面上，出于共同的原因而出现的这些统计计算差距是否存在？是否有希望建立一个广泛适用的理论，描述和解释统计计算权衡？