XiaoMi-AI文件搜索系统
World File Search System概率
广义概率理论中的多系统测量及其在信息处理中的作用
广义概率理论（GPTS）提供了一个框架，可以研究一系列可能的理论，包括经典理论，量子理论以及其他理论。通常，扩大GPT的状态空间会导致更少的测量结果，因为额外的状态对效应集和测量的成分产生了更强的限制。这可能对信息处理有影响。在框世界中，可以实现任何无信号分布的GPT，在铃铛基础上没有测量的类似物，因此不可能进行纠缠交换的类似物。缺乏对Box World中多个系统的测量的全面研究。在这里，我们详细考虑了这样的测量，可以通过顺序与单个系统进行交互（称为接线）以及无法执行的测量值，以及那些无法执行的测量值。我们计算出少数输入，输出和各方的情况的所有可能的框世界效果，以识别那些是接线的效果。盒子世界的较大状态空间导致了很小的效果空间，因此盒子世界的影响广泛适用于GPT。我们还通过研究状态歧视，非局部性蒸馏和非纠缠的非局部性类似物来显示非织物用于信息处理的一些可能用途。最后，我们将结果与逻辑上一致的经典过程和情境情景的组成联系起来。通过增强对框世界中测量值的理解，我们的结果可能在研究量子理论可以基于的可能的基本原理的研究中很有用。
与多巴胺大脑传播有关的基因中各个变异对运动序列和概率学习任务的性能以及没有脑瘫的儿童和年轻人的概率学习任务的影响
患有脑瘫（CP）的儿童经常参加培训，以提高活动能力，手动功能和其他运动能力。然而，对这些干预措施的反应在各个个体之间，即使是那些脑损伤，年龄和功能水平相似的人。dopaine是一种已知会影响动物和人类运动技能的神经骨质骨质释放剂，可能会受到与多巴矿脑传播相关的基因变异的影响。为了评估有或没有CP的年轻人的潜在遗传影响，我们计算了单个与多巴胺相关的基因评分，并将这些基因分数与学习的遗传分数进行了比较，以学习两个不同的任务，即隐含的序列学习任务和概率的分类任务。每个任务也以未回报的条件和已知增加循环水平的多巴胺水平的奖励。主要发现是序列任务的基因评分与状况之间的相互作用，使基因得分较低的人是较差的学习者而没有奖励，但对奖励做出了积极反应，而相反的基因得分的人则是正确的。这是CP中的第一项前瞻性研究，表明遗传变异性可能会影响神经康复结果，并有可能使用基线学习较差的人的奖励或药物来调节遗传变异性，从而促进更具个性化的方法来增强CP和其他神经系统状况的运动训练。
经过验证的概率方法来估计洪水直接...
摘要。本研究介绍了在欧盟 H2020 欧洲沿海洪水预警系统 (ECFAS) 项目中开发的用于评估沿海洪水影响的方法，用于评估洪水对欧洲沿海人口、建筑物和道路的直接影响。该方法整合了基于对象的评估和概率评估，为损害评估提供不确定性估计。该方法经历了一个用户驱动的共同评估过程。它已应用于欧洲各地的 16 个测试案例，并根据三个主要参考案例中报告的影响数据进行了验证：2010 年法国拉福特苏梅尔的 Xynthia、2013 年英国诺福克的 Xaver 和 2018 年西班牙加的斯的 Emma。还与基于网格的损害评估方法进行了比较。研究结果表明，与传统的基于网格的方法相比，EC-FAS 影响方法为受影响人口提供了有价值的估计，为建筑物和道路提供了可靠的损害评估，并且准确性更高。该方法还为预防和准备活动提供了信息，并有助于进一步评估风险情景和对灾害风险减少战略进行成本效益分析。该方法是一种适用于大规模沿海洪水影响评估的工具，为沿海洪水预报提供了更高的准确性和可操作性。它代表了欧洲洪水意识系统 (EFAS) 用于河流洪水预警的现有欧洲规模影响方法的潜在进步。基于对象和基于模型的集成
基于概率波动的会员推理攻击
摘要 - 富含广泛和流动的培训数据，生成模型在多个领域表现出了非凡的创造力。尽管如此，如何避免滥用对隐私敏感和版权的数据仍然是一个开放的问题。会员推理攻击（MIAS）通过推断可疑数据记录是机器学习模型的培训数据的一部分，从而提供了潜在的补救措施。尽管针对常规分类模型的MIA已引起了很大的关注，但最近的研究已开始研究MIA在生成模型中的应用。我们的研究表明，针对生成模型量身定制的当前MIA严重依赖于目标模型中存在的过度拟合。但是，可以通过应用各种正则化技术来缓解过度拟合，从而导致现有MIA在实际情况下的表现不佳。与过度拟合相比，记忆在使深度学习模型实现最佳性能中起着至关重要的作用，从而使其变得更加普遍。在生成模型中，记忆表现为围绕成员记录的记录的概率分布的上升趋势。因此，我们提出了一种评估成员推理攻击（PFAMI）的概率波动，这是一种新型的MIA框架，旨在通过分析围绕特定记录的概率波动来识别记忆模式来推断成员资格。我们的代码和数据集可在以下链接1中找到。我们对各种生成模型和多个数据集进行了广泛的实验，这表明PFAMI与表现最好的基线相比，PFAMI将攻击成功率（ASR）提高了约27.9％。
概率原始测试和RSA算法
本研究解决了雇主在筛选大量工作职位简历方面面临的困难。我们旨在通过自动化恢复筛选过程来确保对候选人的公平评估，降低偏见并提高候选评估过程的效率。拟议的系统使用NLP技术从简历中提取相关能力，重点关注特定职位所需的关键技能。使用了为职位所采用的能力集。进行了123个工作职位的案例研究。jaccard的相似性和余弦相似性度量。由于余弦相似性着重于单词频率，Jaccard相似性度量的结果与研究目的更加一致。提取的能力与使用JACCARD相似性相关的各种职位相关的预定义技能匹配。此方法通过分析与所需能力有关的简历中的存在或不存在特定单词来分配候选人的相似性分数。这个基于NLP的系统提供了巨大的好处，例如节省时间和其他资源，增加候选人选择方面的能力以及仅通过专注于能力来减少偏见。系统与LinkedIn的集成通过促进无缝进口和简历分析来增强方法的有效性。总体而言，这项研究通过为大型组织提供可扩展，高效和无偏见的解决方案来证明NLP在优化简历筛选过程中的潜力。
通过具有概率输出的多任务神经网推断红移和星系性能 - 模拟月亮光谱的应用
1 Department of Physics and Astronomy, University of Florence, Via G. Sansone 1, I-50019 Sesto F.no (Florence), Italy 2 Inf-Astro fi sic observatory of Arcetri, Largo E. Fermi 5, I-50125 Florence, Italy 3 School of Physics and Astronomy, University of St Andrews, North Haugh, ST Andrews, St Andrews. Ky16 9SS, UK 4 Inf-Observatory of Astro Phone and Spazio of the Space of Bologna, Via Piero Gobetti 93 /3, 40129 Bologna, Italy 5 GEPI, Observiire de Paris, PSL University, CNRS, Meudon, France 6 Cavendish Laboratory, University of Cambridge, 19 J. Thomson Ave., Cambridge CB3 0he, UK 7, UK 7卡夫利宇宙学研究所，剑桥大学，马德利路，剑桥CB3 0HA，英国8物理与天文学系，伦敦大学学院，伦敦高尔街，伦敦WC1E 6BT，英国9欧洲南部天obervoration，Karl-Schwarzsschild-Strassse 2， D-85748 Garching Bei Muenchen，德国1 Department of Physics and Astronomy, University of Florence, Via G. Sansone 1, I-50019 Sesto F.no (Florence), Italy 2 Inf-Astro fi sic observatory of Arcetri, Largo E. Fermi 5, I-50125 Florence, Italy 3 School of Physics and Astronomy, University of St Andrews, North Haugh, ST Andrews, St Andrews. Ky16 9SS, UK 4 Inf-Observatory of Astro Phone and Spazio of the Space of Bologna, Via Piero Gobetti 93 /3, 40129 Bologna, Italy 5 GEPI, Observiire de Paris, PSL University, CNRS, Meudon, France 6 Cavendish Laboratory, University of Cambridge, 19 J. Thomson Ave., Cambridge CB3 0he, UK 7, UK 7卡夫利宇宙学研究所，剑桥大学，马德利路，剑桥CB3 0HA，英国8物理与天文学系，伦敦大学学院，伦敦高尔街，伦敦WC1E 6BT，英国9欧洲南部天obervoration，Karl-Schwarzsschild-Strassse 2， D-85748 Garching Bei Muenchen，德国
使用基于机器学习的稀有事件算法估算AMOC过渡概率
摘要：大西洋子午翻转循环（AMOC）是全球气候的重要组成部分，已知是倾倒元素，因为它可能在全球变暖下崩溃。这项研究的主要目的是使用一种称为轨迹 - 自适应多级分裂（TAMS）的稀有事实算法来计算AMOC在指定时间窗口内崩溃的概率。但是，TAM的效率和准确性取决于分数函数的选择。尽管已知最佳得分函数的定义称为“委员会函数”，但总的来说，不可能先验地计算它。在这里，我们将TAM与下一代储层计算技术相结合，该计算技术从稀有事实算法产生的数据中估计委员会函数。我们在存在两种类型的过渡的AMOC的随机盒模型中测试了这一技术，所谓的快速（F）和慢速（S）过渡。f的结果与使用物理知情得分函数的文献中的结果相比有利。我们表明，使用机器学习的稀有事实算法可以正确估计过渡概率，过渡时间甚至过渡路径，以实现广泛的模型参数。然后，我们将这些结果扩展到同一模型中S转变的更为困难问题。在两种F转型和S转型的情况下，我们还展示了如何解释下一代储层计算技术以检索委员会功能的分析估计。
脂质在冷冻EM条件下调节RYR1的开放概率
ryanodine受体（RYRS）是负责从肌质和内质网释放的细胞内四聚离子通道。在三种已知的哺乳动物RYR同工型中，RYR1对于肌肉收缩至关重要，并且已被广泛研究。RYRS的细胞质暴露多域碎片整合了多个细胞信号，这些信号调节通道门控和与Ryrs生理开放概率的小偏差导致危及生命的疾病。冷冻EM在揭示RYR门控机制的近原子细节方面发挥了作用，但在冷冻EM条件下RYR1的开放概率明显低于电生理研究中观察到的，这使RYR1门控模型的结构研究变得复杂。在这里，我们提出了一项冷冻EM研究，研究了在脂质浓度不同的CHAP中溶解的RyR1的开放概率。我们发现，将脂质浓度从0.001％增加到0.05％，将RYR1开放概率从16升至84％。但是，RYR1重组为脂质纳米盘仍关闭。我们在以最高脂质浓度重建的地图中建模了72个脂质分子。这些发现表明，脂质在冷冻EM条件下调节RYR1门控的关键作用，并提出了RYRR1门控调制的结构研究的最佳脂质模拟物。
电子轨道不是概率云
The conventional interpretation of electron orbitals as probability clouds has been central to quantum mechanics. However, this paper proposes a novel framework in which electron orbitals are holographic planes defined by the fine-structure constant and relativistic principles. This holographic interpretation provides a deterministic yet flexible description of quantum behaviour, linking the electron's unique spacetime geometry to its interaction with the electromagnetic field. The model explains quantized energy levels, spectral line structures, and interference phenomena while aligning with relativity. The implications for quantum mechanics and the unification of physics are profound, offering testable predictions.
定量概率关系hoare逻辑
我们介绍了ERHL，这是一种程序逻辑，用于推理有关对概率计划的关系期望属性的推理。erhl是定量的，即，其前后条件在扩展的非阴性实物中具有值。鉴于其定量断言，ERHL克服了先前逻辑中的随机性对齐限制，包括PRHL，PRHL是一种流行的关系程序逻辑，用于推理密码构造的安全性，而APRHL是用于差异隐私的PRHL的变体。结果，ERHL是第一个与所有几乎所有肯定终止程序的非平凡的健全性和完整性结果支持的关系概率程序逻辑。我们表明，在程序等效性，统计距离和差异隐私方面，ERHL是合理且完整的。我们还表明，如果ERHL可以证明，每个PRHL判断都是有效的。我们展示了ERHL的实际好处，其中示例是PRHL和APRHL无法实现的示例。