XiaoMi-AI文件搜索系统
World File Search System信息损失
基于多尺度特征融合目标检测与模型量化的电网覆冰状况边缘智能感知方法
绝缘子是输电线路的重要设备，绝缘子覆冰会严重影响输电线路的稳定运行，因此绝缘子覆冰状态监测对电力系统的安全稳定运行具有重要意义。因此，本文提出了一种面向前端覆冰监测装置的轻量级绝缘子覆冰厚度智能识别方法。该方法融合残差网络（ResNet）与特征金字塔网络（FPN）构建多尺度特征提取网络框架，使浅层特征与深层特征融合，减少信息损失，提高目标检测精度。然后采用全卷积神经网络（FCN）对覆冰绝缘子进行分类与回归，实现覆冰厚度的高精度识别。最后,通过模型量化对所提方法进行压缩,减少模型的大小和参数,以适应计算资源有限的结冰监测终端,并在边缘智能芯片上验证了该方法的性能,并与其他经典方法进行了比较。
通过绝热捷径实现非绝热几何门的数字量子模拟
摘要：几何相位用于构造量子门，因为它可以自然地抵抗局部噪声，充当几何量子计算的模块化单元。同时，需要快速非绝热几何门来减少退相干引起的信息损失。在这里，我们提出了一种非绝热几何量子门的数字模拟，以达到绝热的捷径 (STA)。更具体地说，我们将基于不变量的逆向工程与最优控制理论相结合，在两级量子比特系统的背景下设计快速且鲁棒的阿贝尔几何门，以抵抗系统误差。我们以 X 和 T 门为例，其中的保真度和鲁棒性是通过理想量子电路中的模拟来评估的。我们的结果还可以扩展到构造两量子比特门，例如受控相位门，它与单个量子比特绕 Z 轴旋转共享等效有效哈密顿量。这些受 STA 启发的非绝热几何门可以在物理上实现量子纠错，从而实现噪声中型量子 (NISQ) 时代的容错量子计算。
国际武器贸易条例
编者按 本出版物是非官方的实践辅助工具。 官方版本是《联邦公报》（Fed. Reg）中修订的 22 CFR 120-130 来源：https://www.pmddtc.state.gov/regulations_laws/itar.html 使用条款：使用本出版物，即表示读者同意以下使用条款，并接受本出版物可能包含错误或遗漏的风险。 请勿依赖此非官方出版物进行法律或监管分析。 本出版物按“原样”提供给读者，不作任何明示或暗示的保证，包括对适销性和针对特定用途的适用性的暗示保证。出口合规培训机构及其官员、董事、代理人和代表对因使用或无法使用本出版物或本出版物中的错误或遗漏而造成的任何损害（包括直接、偶然、间接或后果性损害；业务损失、利润损失、业务中断、业务信息损失；或其他经济损失）概不负责，即使 ECTI 意识到发生此类损害的可能性。© 2020 ECTI, Inc. - 保留所有权利。不对美国政府原创作品提出任何索赔。
poifusion：多模式3D对象通过融合在兴趣点上检测
查询为动态3D框，并根据每个查询框生成一组POI。POI是代表3D对象并扮演基本单元在多模式融合中的角色的关键。具体来说，我们将POIS投射到每种模态的视图中，以通过动态融合块在每个POI上集成相应的功能并集成了每个POI的多模态特征。此外，从同一查询框中得出的POI的特征共同汇总到查询功能。我们的方法可以防止视图转换引起的信息损失，并消除了计算密集型的全球关注，从而使多模式3D对象检测器更适用。我们对Nuscenes和Ar-Goversy2数据集进行了广泛的实验，以评估我们的方法。明显地说，所提出的方法在两个数据集上实现了最先进的结果，没有任何铃铛和窃窃私语，即，nscenes上的74.9％NDS和73.4％的地图，Argoverse2上的31.6％CD和40.6％的地图。该代码将在https：// djiajunustc提供。github.io/projects/poifusion。
博士的标题论文
在ADS 4时期的Brane上首次检查，提供了证据表明这些量子效应增强了弱宇宙审查制度，从而增强了黑洞地平线的稳定性。随后，考虑了在不同位置的叠加中由点状源产生的时空几何形状。表明，量子校正是由位置不确定性引起的，对常规的Schwarzschild奇异性进行了切除，并在非词性黑洞和可遍历的虫洞之间产生常规的几何形状。此外，构建了一类广泛的De-Sitter核非核黑洞模型，该模型由各向异性流体采购，该模型被认为可以编码量子 - 重力校正。表明这些解决方案具有几个有趣的特征：存在额外的且可能是超级普兰克的“量子”头发，一种常规的极端黑洞状态和热力学相过渡，偏爱带有超级普兰克头发的黑洞。随后使用常规黑洞保留这些特征的二维模型来解决信息损失问题：检查了半经典级别的蒸发过程，包括反应效应。发现辐射纠缠
脑肿瘤分割的聚集和注意网络
抽象背景：神经胶质瘤是一种恶性脑肿瘤；它的位置很复杂，很难通过手术去除。诊断性脑肿瘤，医生可以使用医学图像精确地诊断和定位该疾病。 然而，计算机辅助诊断的脑肿瘤诊断仍然是问题，因为脑肿瘤的粗糙分割使肿瘤的内部成绩不正确。 方法：在本文中，我们提出了一个用于脑肿瘤分割的聚集和注意网络。 提出的网络将U-NET作为主链，汇总多尺度语义信息，并专注于至关重要的信息以执行脑肿瘤分割。 为此，我们提出了一个增强的下采样模块和上采样层，以补偿信息损失。 多尺度连接模块是结构编码器和解码器之间的多触发语义融合。 此外，我们设计了一个双重注意融合模块，该模块可以提取和增强磁共振成像的空间关系，并在所提出的网络的不同部分中应用深度监督的策略。 结果：实验结果表明，与ART网络相比，提出的框架的性能是BRATS2020数据集中最好的。 所提出的框架的性能超过了所有比较网络，其四个索引的平均精度分别为0.860、0.885、0.932和1.2325。 关键词：脑胶质瘤，图像分割，医学诊断，卷积神经网络诊断性脑肿瘤，医生可以使用医学图像精确地诊断和定位该疾病。然而，计算机辅助诊断的脑肿瘤诊断仍然是问题，因为脑肿瘤的粗糙分割使肿瘤的内部成绩不正确。方法：在本文中，我们提出了一个用于脑肿瘤分割的聚集和注意网络。提出的网络将U-NET作为主链，汇总多尺度语义信息，并专注于至关重要的信息以执行脑肿瘤分割。为此，我们提出了一个增强的下采样模块和上采样层，以补偿信息损失。多尺度连接模块是结构编码器和解码器之间的多触发语义融合。此外，我们设计了一个双重注意融合模块，该模块可以提取和增强磁共振成像的空间关系，并在所提出的网络的不同部分中应用深度监督的策略。结果：实验结果表明，与ART网络相比，提出的框架的性能是BRATS2020数据集中最好的。所提出的框架的性能超过了所有比较网络，其四个索引的平均精度分别为0.860、0.885、0.932和1.2325。关键词：脑胶质瘤，图像分割，医学诊断，卷积神经网络结论：拟议框架的框架和模块是科学和实用的，可以提取和汇总有用的语义信息并增强神经胶质瘤分割的能力。
基于共识的微电网具有随机数据包滴的能源管理
摘要 - 使用基于共识的算法进行截然不同的能源管理是一项充满活力的研究领域，因为它可以促进可再生能源产生的本地适应性而不会增加隐私和可扩展性问题。大多数存在方法都假定通信链接是可靠的，这在现实世界实现中可能并非如此。本文重点是解决随机数据包滴的问题。我们首先制定了微电网中能源管理问题的模型，并在通信网络中的信息数据包下降。基于模型，我们得出结论，丢失有关增量电力成本估计的信息是可以忍受的，而失去有关电源不匹配估计的信息不是。我们提出了一种新颖的共识算法，该算法跟踪并交换了功率错误估计的累积值，以便可以恢复信息损失。通过用虚拟缓冲节点将通信链接构建来确定所提出的方法的等效形式。基于增强通信拓扑，我们理论上证明了所提出的算法的收敛性和解决方案的最佳性。提供了几个案例研究以验证所提出算法的有效性。
使用机器学习和Deep
勒索软件在整个现代时代攻击了对网络安全的最大诱人危险。安全软件在勒索和零日间谍软件突击方面经常无效；严重的净漏洞可能会导致大量信息损失。这些袭击正在创造一场资源竞争，这些攻击变得越来越灵活，并且越来越有能力改变它们的出现方式。在这篇评论文章中，主要的目标是伦理软件检测的最新趋势，也是可能的进一步研究的可能方向。本文提供了有关勒索软件的背景信息，攻击时间表以及病毒的概述。此外，它还对当前识别，避免，减少以及从勒索软件攻击中恢复的策略进行了详尽的分析。另一个收益包括对2016年至2023年之间进行的研究的检查。这使Booklover当前对勒索软件检测的最新突破有了最新的了解，并展示了防止勒索软件攻击的技术的改进。关键字 - 勒索软件检测，机器学习，软计算，软件定义网络（SDN）
在教授能量转换方面更有效
摘要这项研究旨在比较基于技术和询问的教学的短期和长期影响，以在能量转化对学生的学术成就的范围内编写。它被设计为探索性行动研究案例研究。该研究小组由2017年秋季学期的一所公立中学的四十三名学生组成。在学校中具有类似学术背景的班级之一，研究人员还担任科学老师，被分配为实验组，另一个为对照组。实验组的活动是使用技术表支持的PHET模拟以技术支持的方式进行的，而对照组则是根据工作表的基于询问的实验室实验室活动来教授对照组的。数据是通过成就测试收集的，该测试由开放式问题组成，并通过标题进行评分。在干预措施后，在接下来的第六个月中，对测试进行了两次测试。正态分布的数据与相互依存和配对样本t检验进行了比较。结果表明，尽管技术支持的教学组的成就得分在测试后的成就得分明显更高，但第六个月末的分数之间没有差异，并且在这两个群体中都经历了大量的信息损失，并且具有最多技术支持的科学教学。关键字：基于技术的学习，科学教学，能量转化，PHET模拟。
量子计算的几何形状
我们通过引入合适的3量子门克服了这一困难（例如Toffoli Gate或CCNOT，见图4）。这样的门允许通过适当地选择第三个量子位的条目来实现量子状态的副本和两个量子位之间的NAND操作。在实际物理平台上执行量子算法时，由于测量或噪声，系统与环境的相互作用会降低信息。这与真实的经典设备中发生的情况有所不同，因为描述测量值或嘈杂进化的量子通道不会简单地以随机的方式翻转Qubit的状态，而是可以实际上可以将纯状态转换为混合状态，从而导致信息损失。此外，由于无用定理，错误校正方案更难实现。仍然，我们可以开发可容忍的算法以最大程度地减少损害，并且我们有一个重要的理论结果，称为阈值定理。这是经典von Neumann定理的类似物，并指出，通过应用量子误差校正方法，可以将错误率低于一定阈值的量子计算机可以将错误率降低到任意较低的级别。因此，我们希望总体上创建易于故障的算法和可行的量子计算。我们邀请读者查看此类算法的拓扑方法[19，20，8]。