XiaoMi-AI文件搜索系统
World File Search System各层
FFCL：具有皮质环路的前向-前向网络，无需反向传播即可在边缘进行训练和推理
前向-前向学习 (FFL) 算法是最近提出的一种无需占用大量内存的反向传播即可训练神经网络的解决方案。在训练期间，标签会伴随输入数据，将其分类为正输入或负输入。每一层都会独立学习对这些输入的响应。在本研究中，我们通过以下贡献增强了 FFL：1) 我们通过在层之间分离标签和特征转发来优化标签处理，从而提高学习性能。2) 通过修改标签集成，我们增强了推理过程，降低了计算复杂性并提高了性能。3) 我们引入了类似于大脑皮层环路的反馈回路，信息在其中循环并返回到早期的神经元，使各层能够将来自前几层的复杂特征与低级特征相结合，从而提高学习效率。
信神经网络基于概率的 PWL Sigmoid 函数逼近
摘要 本文提出了一种基于各层神经元值统计分布概率的分段线性 (PWL) S 型函数逼近方法，仅使用加法电路即可提高网络识别精度。首先将 S 型函数划分为三个固定区域，然后根据神经元值分布概率将每个区域中的曲线分割为子区域，以减少逼近误差并提高识别精度。在Xilinx 的FPGA-XC7A200T上对MNIST和CIFAR-10数据集进行的实验表明,所提方法在DNN、CNN和CIFAR-10上分别达到了97.45%、98.42%和72.22%的识别准确率,比其他仅使用加法电路的近似方法分别提高了0.84%、0.57%和2.01%。关键词:S形函数、概率、神经网络、分段线性近似
![arXiv:2211.16868v2 [physics.plasm-ph] 2022 年 12 月 1 日](/simg/c\ce384a13b3ef256272222c5f1b150892c944ca24.webp)
arXiv:2211.16868v2 [physics.plasm-ph] 2022 年 12 月 1 日
我们对超高强度激光辐照（∼ 10 20 W/cm 2 ）下多层靶中的恒容加热进行了计算研究。先前的研究表明界面处的离子加热增强，但代价是温度梯度较大。在这里，我们研究多层靶，将这种增强的界面加热扩散到整个靶，并找到使温度分布比单个界面更均匀的加热参数，同时仍超过非分层靶的平均温度。此外，我们发现了一种压力振荡，它会导致各层在膨胀和压缩之间交替，对加热没有有益的影响。基于此，我们推导出一个估计振荡周期的分析模型，以找到优化加热和温度均匀性的目标条件。该模型还可用于从振荡周期推断等离子体温度，振荡周期可通过 XFEL 探测等方式测量。
三材料梁：实验装置和理论...
本文介绍了一种用于评估受集中力作用的三材料复合梁横向挠度的实验装置。该装置中使用的三种材料是钢、铝和木材。在本实验中，考虑了两种层粘合方法：胶合和螺栓连接。在胶合配置中，三个堆叠的层使用商用胶水沿梁长度相互连接。对于螺栓系统，各层使用四个对称分布的螺栓和螺母连接。将两种粘合方法的梁横向挠度实验结果与理论计算进行了比较。比较结果表明，胶合系统挠度数据与理论更一致。本文还采用了等效截面法来求解复合梁弯曲应力。最后，彻底研究了复合梁的关键几何和材料参数对梁弯曲应力的影响，重点是承受机械弯曲载荷的电子组件的结构分析。
物理安全计划的组成部分
实施适当的物理安全保护措施，可以对恐怖分子、罪犯和内部威胁产生明显的震慑作用。即使这些措施不能完全有效地阻止某一行为，也可以限制和减轻损害并挽救生命。在布拉沃堡实施的物理安全措施或对策是该设施工作的骨干，也是抵御威胁和攻击的第一道防线。布拉沃堡物理安全计划以任务保障、关键资产、已识别的威胁、脆弱性和风险分析为基础制定。PSP 采用了采用纵深安全（SID）的综合方法。这些措施辅以针对布拉沃堡的资产特定措施和部队保护条件（FPCON）措施。该 PSP 概述了保护马里兰州布拉沃堡设施和人员免受已识别威胁和攻击所需的各层防御措施。
深度学习的信息瓶颈理论
在过去的几年中，我们开发了一套全面的深度神经网络 (DNN) 大规模学习理论，并使用随机梯度下降 (SGD) 进行优化。该理论建立在三个理论组成部分之上：(1) 重新思考标准（类似 PAC）分布独立的最坏情况泛化界限 - 将它们转变为独立于模型架构的问题相关典型（信息论意义上的）界限。(2) 信息平面定理：对于大规模典型学习，样本复杂度和准确度权衡仅由两个数字来描述：表示（网络中的一层）在输入模式上维护的互信息，以及每层对所需输出标签的互信息。编码器和解码器信息值之间的信息理论最优权衡由规则特定输入输出分布的信息瓶颈 (IB) 界限给出。(3) DNN 的各层通过标准 SGD 训练在高维（输入和层）中达到这个最优界限。
迈向分布式量子计算生态系统
摘要：量子互联网通过实现远程量子节点之间的量子通信，是一种能够支持传统世界中没有直接对应功能的功能的网络。事实上，借助量子互联网提供的网络和通信功能，远程量子设备可以采用分布式计算方法进行通信和协作，以解决具有挑战性的计算任务。本研究的目的是为读者概述分布式量子计算生态系统设计中出现的主要挑战和未解决的问题。为此，作者从通信工程的角度，采用自下而上的方法进行了一项调查。他们首先介绍量子互联网作为分布式量子计算生态系统的基本基础设施。然后，他们进一步阐述了分布式量子计算生态系统的高级系统抽象。他们通过一组逻辑层描述了这种抽象。从而，他们阐明了上述各层之间的依赖关系，同时提出了路线图。
定向能量沉积工艺激光功率优化
定向能量沉积 (DED) 工艺的有限元模型可预测高速钢长方体样品制造过程中的热历史。模拟结果验证依赖于测量数据和预测数据之间的比较，例如基体内部的温度历史和最后一层涂层的熔池深度。这些 DED 模拟集成在优化循环中，可确定两个可变激光功率函数，它们能够产生恒定的熔池大小。这些函数有望在各层上提供均匀的微观结构。计算出的热场和由三个 AISI M4 实验产生的微观结构是相互关联的，这些实验是在恒定激光功率情况下进行的，两个优化函数位于沉积物内不同深度的三个关注点处。观察到熔体过热温度和热循环历史对微观和纳米硬度测量的影响。因此，优化的激光功率函数为样品提供了比恒定激光功率函数更均匀的微观硬度，但是，整个沉积的 M4 钢层的纳米硬度图并未完全证实微观结构的均匀性。
综述文章 骨和软组织肉瘤表观遗传靶向治疗的前景
历史上，骨和软组织肉瘤的治疗是采用手术、化疗和放疗相结合的方法。尽管局部治疗效果最佳，但 40% 的软组织肉瘤患者会出现转移，转移性疾病患者的预后仍然不佳 [1, 2]。因此，这类患者显然需要新的治疗策略。多项临床前数据表明，包括 DNA 甲基化和组蛋白乙酰化在内的表观遗传变化通过修饰基因转录促成发病机制 [3]。事实上，染色质结构改变和相关的表观遗传修饰因子与骨和软组织肉瘤的肿瘤发生有关，这些结果为针对这类患者群体的表观遗传修饰的新药研发提供了可能性 [4–8]。本综述旨在概述表观遗传相关靶向药物的临床前开发及其在骨和软组织肉瘤中的临床应用。我们分析了涉及表观遗传控制各层的治疗靶点，包括