XiaoMi-AI文件搜索系统
World File Search System成本函数
无人多旋翼飞行器的控制性与设计...
提出了一种分布式电力推进多旋翼飞机的新设计方法，以确保从控制角度对转子故障具有鲁棒性。基于零可控性概念，推导出一个质量指标来评估和量化考虑转子故障的情况下给定设计的性能。制定了一个优化问题，其成本函数基于质量指标，其最优解确定了一组最优设计参数，可最大程度地提高飞机控制其姿态和位置的能力。通过对加州理工学院自主系统与技术中心正在开发的自主飞行救护车模型进行实验的结果，验证了所提出的设计程序的有效性。
最佳非线性控制在整个大脑中的应用......
我们应用最优非线性控制框架来控制 FitzHugh-Nagumo 振荡器的全脑网络的动态。其节点对应于基于图谱的人类大脑皮层分割的皮质区域，节点间耦合强度来自人类大脑连接组的扩散张量成像数据。节点采用无延迟的加法方案耦合，并由具有固定均值和加性高斯噪声的背景输入驱动。节点的最佳控制输入是通过最小化成本函数来确定的，该成本函数惩罚与期望网络动态的偏差、控制能量和空间非稀疏控制输入。使用背景输入的强度和整体耦合强度作为序参数，网络的状态空间分解为由高振幅极限环分隔的低活动和高活动固定点区域，所有这些区域都定性地对应于孤立网络节点的状态。然而，沿着边界，可以观察到额外的极限环、异步状态和多稳态。将最优控制应用于几个状态切换和网络同步任务，并将结果与同一连接组的线性控制理论的可控性度量进行比较。我们发现，后者关于节点在控制网络动态方面的作用的直觉（仅基于连接组特征）通常不会延续到非线性系统中，正如之前所暗示的那样。相反，在最优非线性控制下，节点的作用关键取决于指定的任务和系统在状态空间中的位置。我们的研究结果为大脑网络状态的可控性提供了新的见解，并可能为设计新的非侵入性脑刺激范式提供灵感。
多元微积分及其在人工智能中的应用...
其中 W = ( w 1 , w 2 , w 3 , ..., wn ) 是存储每个权重/偏差值的矩阵。对于每个 i ，wi 是网络中的一个权重或偏差的值。C 是我们的“错误”，应该尽可能低。显然，我们希望最小化成本函数，这可以通过计算网络中每个权重和偏差的偏导数来实现，这些权重和偏差最初具有任意初始值，这些值可能会发生变化。然后，我们使用递归关系 W n +1 = W n −∇ C ( W n ) 相应地修改权重和偏差值。通过迭代此过程，我们很可能可以到达点 C min = lim n →∞ C ( W n )，此时 C 最小化，并且人工神经网络模型经过训练可以给出我们想要的结果。
多态网络下基于自能的港口微电网分布式低碳能源管理方法
为了减少港口污染与碳排放、提高清洁能源利用率，提出一种基于船舶自能源（WE）的港口微电网及其多态分布式低碳能源管理方法。首先，本研究考虑船舶自能源（SWE）等多种异构WE，建立港口微电网多态能源管理系统，实现不同通信网络下WE之间的可靠信息交互。其次，考虑港口WE双向能量传输特性，建立异构WE的运行成本函数。此外，以港口微电网经济低碳运行为目标，构建港口微电网能量管理模型，并基于分布式优化理论获得最优解。最后，通过仿真算例验证了所提方法的有效性。
![arXiv:2211.09323v2 [quant-ph] 2023 年 2 月 7 日](/simg/g:\will\search\icon\source\f\fcb3d5544e8c37baf8b9d0f3820150d875d7e5ac.webp)
arXiv:2211.09323v2 [quant-ph] 2023 年 2 月 7 日
考虑具有有界振幅的两量子比特系统中的最优控制问题。研究了两种情况：量子态准备和纠缠产生。针对总持续时间的不同值，分别对成本函数、保真度和并发度进行了优化。对于量子态准备问题，高精度地确定了三个关键时间点，并获得了不同持续时间的最优控制。获得了对量子速度极限的更好估计，从而获得了时间最优控制。对于纠缠产生问题，确定了两个关键时间点，其中一个是从产品状态开始实现最大纠缠（单位并发度）的最短时间。此外，还找到了达到单位并发度的最优控制。
![arxiv：2103.01709v1 [Quant-ph] 2 2021年3月2日](/simg/g:\will\search\icon\source\3\37b8f8c2643d3d5f16220f05a149d3fed86ec5d6.webp)
arxiv：2103.01709v1 [Quant-ph] 2 2021年3月2日
相互信息是对量子信息极感兴趣的经典和量子相关性的量度。它在量子多体物理学中也有意义，这是通过满足热状态的区域定律和所有相关函数的界限。但是，在实践中，精确或大致计算它通常是具有挑战性的。在这里，我们考虑基于r´enyi差异的替代定义。他们对冯·诺伊曼（Von Neumann）的主要优势是，可以将它们表示为一个变异问题，其成本函数可以对诸如矩阵产品运营商（Matrix产品运营商）等州的家族进行评估，同时保留所有相关性量度的理想特性。尤其是我们表明他们以极大的一般性遵守热区法律，并且它们在上限所有相关函数上。我们还研究了它们在某些张量网络状态和经典热分布上的行为。
b.tech（Minor（AI＆ML））
l t p c 3 0 0 3课程目标：1。审查和加强AI和ML所需的重要数学概念。2。从数据中介绍学习模式的概念，并为理解艺术机器学习算法的状态建立了强大的理论基础。课程成果：完成后，学生将能够：1。设计和实施机器学习解决方案，以解决分类，回归和聚类问题。2。评估和解释不同ML技术的结果。3。在一系列真实的应用程序中设计和实施各种机器学习算法。单元 - 我定义人工智能，使用谓词逻辑定义AI技术，并表示知识作为规则，代表逻辑，可计算功能和谓词中的简单事实，程序与声明性知识，逻辑编程单元-II数学基础：矩阵理论和机器学习的统计学。机器从数据中学习，问题的分类 - 回归和分类，监督和无监督的学习。单元-III线性回归：单个变量的模型表示，单个变量成本函数，线性回归的梯度体面，实践中的梯度不错。单元-IV逻辑回归：分类，假设表示，决策边界，成本函数，高级优化，多分类（一个与全部），过度拟合的问题。单元 - v讨论集群算法和用例围绕聚类和分类的讨论。教科书：1。2。Saroj Kaushik，人工智能，Cengage Learning，第一版2011年。Yuxi（Hayden）Liu，“以身作则的Python机器学习”，Packet Publishinglimited，2017年。参考书：1。Anindita Das Bhattacharjee，“实用的工作簿人工智能和针对初学者的软计算，Shroff Publisher-X Team Publisher2。汤姆·米切尔（Tom Mitchell），机器学习，麦格劳·希尔（McGraw Hill），2017年。3。Christopher M. Bishop，《模式识别与机器学习》，Springer，2011年。4。T. Hastie，R。Tibshirani，J。Friedman。统计学习的要素，2e，2011年。相应的在线资源：1。人工智能，https://swayam.gov.in/nd2_cec20_cs10/preview。
AlphaRouter：基于强化学习和树搜索的量子电路路由
摘要 — 量子计算机有可能在优化和数字分解等重要任务上超越传统计算机。它们的特点是连接性有限，这需要在程序执行期间将其计算位（称为量子位）路由到特定位置以执行量子操作。传统上，最小化路由开销的 NP 难优化问题已通过次优的基于规则的路由技术解决，而成本函数设计中嵌入了固有的人为偏见。本文介绍了一种将蒙特卡洛树搜索 (MCTS) 与强化学习 (RL) 相结合的解决方案。我们基于 RL 的路由器称为 AlphaRouter，其性能优于当前最先进的路由方法，并且生成的量子程序的路由开销减少了多达 20%，从而显著提高了量子计算的整体效率和可行性。
第10章：量子计算模型
到目前为止，我们已经遇到了用于量子计算的电路模型，并且使它看起来好像是量子计算的唯一模型。不是。有大量用于量子计算的模型。最后，所有用于量子计算的模型都需要能够生成的模型是对量子计算的任何其他模型的有效模拟。，后者特别适合用于量子计算的电路模型。量子计算特别有趣的其他模型是所谓的绝热量子计算模型。在2000年，Farhi，Goldstone，Gutmann和Sipser基于量子力学的绝热定理，引入了量子算法研究的新概念。这个想法如下：让f：{0，1} n - →r是一个成本函数，我们希望找到x∈{0，1} n中假定的全局最小值。实际上，可以以这种形式提出任何本地组合搜索问题。为简单起见，假设此全局最小值是唯一的。引入问题Hamiltonian
可计算的Rényi互助信息：区域定律和...
相互信息是量子信息中互动的巨大相关性和量子相关性的量度。它在量子多体物理学中也有意义，这是通过满足热状态的区域定律和所有相关函数的界限。但是，在实践中，精确或大约计算它是具有挑战性的。在这里，我们考虑基于r'enyi Diverencences的替代定义。他们的主要优势比冯·诺伊曼（Von Neumann）的对应物可以作为一个变异问题，其成本函数可以对诸如矩阵产品运营商（Matrix Product operators）等州的家族进行评估，同时保留所有可取的相关性属性。特别是我们表明它们在很大的一般性中遵守热区法律，并且它们在上限所有相关功能上。我们还调查了它们在某些张量网络状态和经典热分布上的情况。