XiaoMi-AI文件搜索系统
World File Search System子问题
单台机器问题的深度学习驱动算法最小化总迟到
在本文中，我们研究了深度学习方法来解决众所周知的NP单机调度问题，目的是最大程度地减少迟到的目的。我们提出了一个深层的网络，该网络是基于Lawler的分解和Della Croce等人提出的基于Lawler的分解和对称分解的单次调度算法中标准值的多项式估计器。本质上，神经网络通过估计问题分解为子问题来指导算法。本文还描述了一种生成培训数据集的新方法，该方法可以加快培训数据集的生成并减少解决方案的平均最佳差距。实验结果表明，我们的机器学习驱动的方法可以有效地将信息从训练阶段概括为明显更大的实例。尽管训练阶段使用的实例从75到100个工作岗位，但多达800个工作岗位的实例的平均最佳差距为0.26％，几乎是最先进的启发式启发式差距的差距差不多五倍。
物联网边缘计算系统的能源和 QoS 感知动态可靠性管理
物联网 (IoT) 系统与任何电子或机械系统一样，容易发生故障。由于老化和退化导致的硬件硬故障尤其重要，因为它们是不可恢复的，需要维修更换有缺陷的部件，成本很高。在本文中，我们为物联网边缘计算系统提出了一种新颖的动态可靠性管理 (DRM) 技术，以满足服务质量 (QoS) 和可靠性要求，同时最大限度地提高边缘设备电池的剩余能量。我们制定了一个具有电池能量目标、QoS 和终端可靠性约束的状态空间最优控制问题。我们将问题分解为低开销子问题，并使用分布在边缘设备和网关上的分层和多时间尺度控制方法来解决它。我们的结果基于实际测量和跟踪驱动的模拟，表明所提出的方案可以实现与最先进方法类似的电池寿命，同时满足可靠性要求，而其他方法则无法做到这一点。
控制循环供应链和分布式生产的复杂性
近年来，线性经济概念产生的无与伦比的废物和资源低效率以及消费品的寿命有限在社会中越来越引起人们的注意。为了解决这些问题，已经开发了循环经济和可持续产品设计的概念。这些是基于这样的想法，即应该以超出其寿命终止的设计来设计产品，而不是将资源转换为垃圾填埋场的单程转换，而是可以主动使新的回收和恢复方法能够提取所有可用的材料，以重新引入供应链。但是，这些概念将重大复杂性引入了供应链管理（SCM）和生产计划和控制（PPC）。许多参数需要考虑以确保财务和生态可持续的生产。参数包括资源价格波动，可用的恢复和回收的废物，预测的可靠性，生产，供应和需求的波动以及许多人为因素。因此，计划和控制面临着越来越复杂的环境，其特征是许多不同的子问题和各种数据源。
应用程序的基础性优化问题的顺序最佳条件
摘要最近，提出了一种基于对问题的持续重新重新制定的新方法来解决基数受限的优化问题。遵循这种方法，我们得出了一个问题的顺序最佳条件，该条件在每个局部最小化器中都可以满足，而无需任何约束资格。我们通过基于圆锥体性属性引入弱的顺序约束资格，将此条件与现有的M型固定概念联系起来。最后，我们提出了两种算法应用程序：我们通过证明它会产生满足上述最佳条件的限制点来改善已知正则化方法的现有结果，即使子问题仅是不固定的。我们表明，在合适的库迪卡 - 豪斯维奇型假设下，直接应用于重新配置的问题的标准（保障）乘数罚款方法的任何限制点也可以满足最佳条件。这些结果比对具有互补性约束的数学研究类别已知的相应结果更强。
用于探索，编辑和传输视频的视频特定自动编码器
我们研究了特定于视频的自动编码器，这些自动编码器允许人类用户探索，编辑和有效传输视频。先前的工作已经独立研究了这些问题（和子问题），并提出了不同的表述。在这项工作中，我们在特定视频的多个帧上训练一个简单的自动编码器（从头开始）。我们观察到：（1）通过视频特定的自动编码器捕获该视频的空间和时间属性所学的潜在代码； （2）自动编码器可以将样本外输入投影到特定于视频的歧管上。这两个属性允许我们使用一个学到的表示形式探索，编辑和有效地传输视频。对于例如，在潜在代码上的线性操作允许用户可视化视频的内容。关联视频的潜在代码和流动投影使用户可以进行所需的编辑。插值潜在代码和歧管投影允许在网络上传输稀疏的低分辨率框架。
AQA 食品与营养
• 笔试：1 小时 45 分钟 • 100 分 • 50% 的 GCSE 问题 多项选择题（20 分） 五个问题，每个问题有多个子问题 非考试评估（NEA） 任务 1：食品调查（30 分） 学生对成分的工作特性、功能和化学特性的理解 实践调查是此 NEA 任务的必修内容。 任务 2：食品准备评估（70 分）。 学生在与所选任务相关的计划、准备、烹饪、食品展示和营养应用方面的知识、技能和理解。 学生将在三个小时内准备、烹饪并呈现三道菜的最终菜单，提前计划如何实现这一目标 任务 1：书面或电子报告（1,500 – 2000 字），包括实践调查的照片证据 任务 2：书面或电子作品集，包括照片证据。必须包括三道最终菜肴的照片证据
引用：Ivanova，Anna A等。 “对计算机代码的理解主要取决于领域 - 行政大脑区域。” Elife 9（2020年12月）
抽象计算机编程是一种新颖的认知工具，它改变了现代社会。哪种认知和神经机制支持这一技能？在这里，我们使用功能磁共振成像来研究两个候选大脑系统：通常在数学，逻辑，解决问题和执行任务以及语言系统中招募的多重需求（MD）系统，通常在语言处理过程中招募。我们检查了基于文本的编程语言（实验1）和Scratchjr（实验2）（实验2）的MD和语言系统对代码的响应；对于这两个方面，我们将对代码问题的响应与对内容匹配的句子问题的响应进行了对比。我们发现，在两个实验中，MD系统对代码表现出强烈的双边响应，而语言系统对句子问题的反应强烈，但对代码问题的反应很弱。因此，即使输入在结构上与自然语言相似，MD系统也支持使用新颖的认知工具。
方案 – 2020 - GPREC > G.Pulla Reddy 工程学院
参考书籍： 1. ZviKohavi [第 4 版]，切换和有限自动机理论，TMH。 2.F.J.Hill 和 G.R.Peterson，[第 4 版]，切换理论和逻辑设计简介。 3. Donald D. Givone [第 4 版]，数字原理与应用，Tata McGraw Hill。 4. 数字逻辑设计第 4 版，作者 Brian Holdsworth，Clive Woods。 网络参考： 1. https://nptel.ac.in/courses/106105185 试卷模式： 学期考试：学期考试的试卷为 25 分，涵盖第一学期考试的一半教学大纲，另一半涵盖第二学期考试的剩余一半。试卷分为三部分，每部分两个问题（任意/或类型）。学生应回答每部分的一个问题。 期末考试：期末考试的试卷为 60 分。试卷应包含五个单元，每个单元有两个问题（任意一个或类型）。每个问题可能包含子问题，学生应回答每个单元中的任何一个问题。每个问题占 12 分。
一种用于稳健拟合的混合量子-经典算法
将几何模型拟合到离群污染数据上是可证明的难点。许多计算机视觉系统依靠随机抽样启发式方法来解决稳健拟合问题，但这种方法不提供最优性保证和误差界限。因此，开发新方法来弥合成本高昂的精确解决方案与无法提供质量保证的快速启发式方法之间的差距至关重要。在本文中，我们提出了一种用于稳健拟合的混合量子经典算法。我们的核心贡献是一种新颖的稳健拟合公式，它可以解决一系列整数程序并以全局解或误差界限终止。组合子问题适合量子退火器，这有助于有效地收紧界限。虽然我们对量子计算的使用并没有克服稳健拟合的根本难点，但通过提供误差界限，我们的算法是对随机启发式算法的实际改进。此外，我们的工作代表了量子计算在计算机视觉中的具体应用。我们展示了使用实际量子计算机（D-Wave Advantage）和通过模拟 1 获得的结果。
通过增强的拉格朗日方法来变异泊松denoing
摘要。在本文中，我们通过在一组局部相似性措施上最小化促进平滑度的函数，以比较给定图像的平均值以及在大量子框上比较一些候选图像，从而确定了给定的嘈杂图像。相关的凸优化问题具有大量的约束，这些约束是由kullback-leibler差异引起的扩展实现功能引起的。另外，这些非线性约束可以被重新重新构成AFFINE，这使该模型看起来更加易于处理。用于对模型的两种公式的数值处理（即原始限制和具有限制的原始公式），我们提出了一种相当普遍的增强拉格朗日方法，能够处理大量约束。提供了一种独立的，无衍生的全球融合理论，可以扩展到其他问题类别。对于在我们建议的图像denoising模型的设置中解决所得子问题的解决方案，我们使用合适的随机梯度方法。为了比较配方和相关的增强拉格朗日方法，提出了几个数值实验的结果。