XiaoMi-AI文件搜索系统
World File Search System函数
使用分层 K 函数进行激光雷达数据分类 ...
使用分层 K 均值聚类的激光雷达数据分类 Nesrine Chehata a,b , Nicolas David b , Frédéric Bretar b a Institut EGID - Université Bordeaux 3 - Equipe GHYMAC Allée Daguin 33607 Pessac- Nesrine.Chehata@egid.u-bordeaux3.fr乙国家地理研究所 - MATIS Av. 实验室Pasteur 94165 St. Mandé cedex, France- nicolas.david@ign.fr, frederic.bretar@ign.fr Commission III, WG III/3 关键词：遥感、LIDAR、层次分类、DTM、多分辨率 摘要：本文涉及使用激光雷达点云过滤和分类来建模地形，更一般地用于场景分割。在本研究中，我们建议使用众所周知的 K 均值聚类算法来过滤和分割（点云）数据。K 均值聚类非常适合激光雷达数据处理，因为可以根据所需的类别使用不同的特征属性。当仅处理 3D 点云时，属性可能是几何或纹理的，但当联合使用光学图像和激光雷达数据时，属性也可能是光谱的。该算法基于固定的邻域大小，可以处理植被茂密的陡峭地貌、山区区域和呈现微地形的地形。我们的算法的新颖之处在于提供分层分割聚类来提取地面点。聚类分割的数量用于自动限定分类可靠性。这一点在以前的工作中很少被处理。此外景观< /div>
基于变分量子电路的函数回归理论误差性能分析
噪声中型量子 (NISQ) 设备使得量子神经网络 (QNN) 的变分量子电路 (VQC) 的实现成为可能。尽管基于 VQC 的 QNN 在许多机器学习任务中取得了成功，但 VQC 的表示和泛化能力仍需要进一步研究，特别是涉及到经典输入的降维时。在这项工作中，我们首先提出了一个端到端量子神经网络，即 TTN-VQC，它由一个基于张量训练网络 (TTN) 的量子张量网络组成，用于降维，还有一个 VQC 用于函数回归。然后，我们针对 TTN-VQC 的表示和泛化能力进行误差性能分析。我们还利用 Polyak-Lojasiewicz (PL) 条件来表征 TTN-VQC 的优化特性。此外，我们对手写数字分类数据集进行了功能回归实验，以证明我们的理论分析。
基于 CORDIC 的神经工程硬件双曲函数实现
有多种方法可以在数字硬件中实现双曲函数。查找表 (LUT) 速度快，但需要大量内存资源。因此，使用此方法实现时需要在精度、速度和硬件面积（成本）之间进行权衡。此外，尽管这是最快的方法，但从内存层次结构的较高级别读取数据的能量成本很高。随机计算方法的精度低，延迟也长。计算器受益于泰勒级数展开方法来计算双曲函数。然而，它们在面积和内存设计方面缺乏硬件效率。为了缓解泰勒级数的效率问题，一种更硬件高效的算法，称为坐标旋转数字计算机算法，简称 CORDIC 算法，已经
关于布尔函数和实函数作为量子计算汉密尔顿函数的表示
将位上的函数映射到作用于量子位上的汉密尔顿量在量子计算中有许多应用。特别是，表示布尔函数的汉密尔顿量对于将量子退火或量子近似优化算法应用于组合优化问题是必不可少的。我们展示了这些函数如何自然地用汉密尔顿量来表示，这些汉密尔顿量是泡利 Z 算子（伊辛自旋算子）的和，和的项对应于函数的傅里叶展开。对于许多由紧凑描述给出的布尔函数类，例如给出可满足性问题实例的合取范式布尔公式，计算其汉密尔顿量表示是 #P 难，即与计算其满足分配的数量一样难。另一方面，构造表示实函数的汉密尔顿量（例如每个作用于固定数量的位的局部布尔子句之和）通常不存在这种困难，这在约束满足问题中很常见。我们展示了组合规则，通过将表示更简单子句的汉密尔顿算子组合为构建块，明确构造表示各种布尔函数和实函数的汉密尔顿算子，这些规则特别适合直接实现为经典软件。我们进一步将结果应用于受控酉算子的构造，以及在辅助量子比特寄存器中计算函数值的算子的特殊情况。最后，我们概述了我们的结果在量子优化算法中的几个其他应用和扩展。这项工作的目标是提供一个量子优化设计工具包，专家和从业者都可以使用它来构建和分析新的量子算法，同时为文献中出现的各种构造提供一个统一的框架。
d-Wave全息超导体中的顺序参数和光谱函数
我们考虑D -Wave全息超导体模型，并在度量标准上进行了完全反应，以解决文献中缺失的部分。我们通过将费米子光谱函数与动量依赖性顺序参数进行比较来识别GAP函数。通过在张量凝结物存在下对费米子光谱函数进行数值研究，我们发现了费米弧和间隙行为，与角度相似，它们与角度分辨的光发射光谱数据相似。此外，我们已经检查了耦合常数，化学电位和温度对光谱功能的影响。我们发现D -Wave Fermionic光谱函数可以通过P X和P Y冷凝物与两个Fermion风味结合在一起。同样，将D X 2 -Y 2和D XY轨道对称性与两个Fermion风味结合在一起，导致G波光谱函数。
t-t结构带有肌肉函数类别的Grothendieck Hearts
摘要我们研究了三角结构中t结构的核心与coproducts的类别是AB5或Grothendieck类别。如果满足棕色的可表示性，则t结构具有一个AB5心脏，具有单位性cogenerator和coproduct的相关同源函数，并且只有当Coaisle具有纯粹的注射性t -opentive t -openerative对象。如果d是标准生成良好的标准，那么这样的心脏自动是肉眼类别。对于紧凑的t结构（在与coproducts的任何环境三角类别中），我们证明心脏是局部有限呈现的Grothendieck类别。我们使用函子类别，证明依赖于两种主要成分。首先，我们表达任何三角形类别中的任何t结构的心脏，是对过道或共同辅助子类别的适当选择，我们分别调用t -generation或t -cogenerated openeratient openerated子类别。其次，我们研究了从d到完成AB5 Abelian类别的共同赋予的同源函数，并根据D中的纯注射对象将其分类为所谓的计算等效性。这使我们能够证明，任何标准生成的三角形类别d都具有这种通用性的同源性同源函数，以开发纯度理论，并证明在此类三角类别中始终在这种三角形类别中始终结构t结构。
贝叶斯优化函数在图中的节点子集
我们解决了图表中节点子集上定义的功能优化的问题。鉴于其组合，黑盒和昂贵的评估性质，这种功能的优化通常是一项非平凡的任务。尽管文献中已经引入了各种算法，但大多数是特定于任务或计算效率低下的算法，并且仅利用图形结构的信息而不考虑函数的特征。为了解决这些限制，我们利用贝叶斯优化（BO），一种样品有效的黑盒求解器，并提出了一个新颖的框架，以在图形上进行组合优化。更具体地说，我们将原始图中的每个k节点子集映射到新组合图中的节点，并采用局部建模方法，通过使用递归算法逐步采样其子图，以有效地穿越后者。合成和现实世界中的广泛实验证明了拟议的BO框架在各种类型的图形和优化任务上的有效性，其中通过消融研究详细分析了其行为。可以在github.com/leonresearch/graphcombo上找到实验代码。
bppart：在没有熵的情况下RNA-RNA相互作用分区函数
已经研究了几类在细胞功能中具有复杂作用的RNA-RNA相互作用（RRI），例如miRNA-target和lncRNA。因此，在过去十年中提出的RRI生物信息学工具是针对这些特定类别的。有趣的是，在文献中具有一些潜在的生物学作用的文献中有些未引起的mRNA-mRNA相互作用。因此，需要在更全面的设置中使用高通量通用RRI生物信息学工具。在这项工作中，我们重新访问了两个RRI分区函数算法，PIRNA和RIP。这些是对RRI实施最全面和计算中最密集的热力学模型的等效方法。我们提出了更简单的模型，这些模型被证明保留了更复杂模型捕获的绝大多数热力学信息。具体来说，我们通过忽略系统的熵并显示其与基本对计数模型的等效性来简化能量模型。我们允许碱基对的不同权重以最大化与完整热力学模型的相关性。我们新开发的算法Bppart比Pirna快225×，并且由于其简单性和数量级减少了动态编程表的数量，因此更易于表达和易于分析。仍然，基于我们对真实和随机生成的数据的分析，其分数与37°C处的PIRNA的相关性为0.855。最后，我们说明了这样简单模型的一个用例，以生成有关特定RNA在各种疾病中的作用的假设。我们已公开使用工具，并相信这种更快，更具表现力的模型将使物理指导的信息在复杂的RRI分析和预测模型中更容易访问。
利用可解释的人工智能优化贷款组合的回报目标函数
近年来，数据科学方法得到了长足发展，并已进入银行和金融业的许多业务流程。其中一个例子是信贷申请的审核和批准流程，使用数据科学的目的是减少贷款组合中罕见但代价高昂的信贷违约。但也存在挑战。由于违约是罕见事件，即使使用机器学习 (ML) 技术，也很难提高预测准确性，而且改进往往微不足道。此外，虽然从事件预测的角度来看，非违约与违约相同，但从经济角度来看，这对最终用户来说更为重要，因为成本不对称性很高。最后，在采用高级 ML 方面存在监管限制，因此 FINMA 和 BaFin 等监管机构呼吁可解释的人工智能 (XAI)。在我们的研究中，我们将应对这些挑战。具体来说，基于一个典型用例，我们展示了如何使 ML 方法适应信贷评估的特定需求，以及在错误预测的成本高度不对称的情况下，优化经济目标函数而不是准确性是有意义的。我们展示了两个简单且可临时解释的 ML 算法，发现在信贷审批的情况下，令人惊讶的高拒绝率有助于实现利润最大化。
用于计算区域表面纹理函数和特征参数的软件：用户手册
3 使用软件 7 3.1 概述 ....................................7 3.2 选择 X3P 文件 ....................................7 3.3 选择表面纹理参数 .。。。。。。。。。。。。。。。。。。。。。。7 3.3.1 设置Smr曲线的高度值数量 .............9 3.3.2 设置Smr曲线的插值点数量 ..........9 3.3.3 设置截止波长 ......................9 3.3.4 设定计算等效直线的插值点数 ..............。。。。。。。。。。.......10 3.3.5 设置缩放比例 ..........................10 3.3.6 设置谷值指定 ..........................10 3.3.7 设置谷值阈值 .............................10 3.3.8 设置山丘标识 ............................11 3.3.9 设置山丘阈值 ...。。。。。。。。。。。。。。。。。。。。。。。。11 3.3.10 设置计算平均面积的插值点数 ..11 3.3.11 设置计算平均体积的插值点数 11 3.4 选择输出文件 ..............。。。。。。。。。。。。。。。12 3.5 处理数据.。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 3.6 退出 .。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 3.7 帮助.。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 3.8 输出文件 .。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 3.9 输出图形。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。14 3.10 示例文件。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。14