XiaoMi-AI文件搜索系统
World File Search System统计特性
深层生成模型的统计能力
summary深层生成模型通常用于从复杂的高维分布中生成样品。尽管取得了明显的成功，但其统计特性尚未得到很好的理解。一个常见的假设是，借助足够大的训练数据和足够大的神经网络，深层生成模型样本在从任何连续目标分布中采样时都会有很小的错误。我们建立了一个统一的框架，揭穿了这种信念。我们证明，广泛的深层生成模型（包括变异自动编码器和生成对抗网络）不是通用发生器。在高斯潜在变量的主要情况下，这些模型只能生成浓缩的样品，显示出轻尾。使用来自度量和凸几何浓度的工具，我们为更通用的对数concave和强烈的log-conconcove潜在变量分布提供了类似的结果。我们通过还原参数将结果扩展到扩散模型。，当潜在变量位于带正曲率的歧管上时，我们使用Gromov -levy不等式提供了类似的保证。这些结果阐明了常见的深层生成模型处理重型尾巴的能力有限。我们说明了工作与模拟和财务数据的经验相关性。
一种用于提高 P300 拼写器分类性能的引导方法
摘要 在本文中，我们提出了一种基于 P300 电位的拼写器分类器训练新方法。该方法基于引导，是一种已知的生成新样本的策略，但在神经科学中很少使用。该研究首先展示了传统方法中分类任务（检测 P300 和非 P300 类别）的性能可能不是最优的。然后，提出了一种从训练数据中抽取新样本的新方法。使用单个 P300 和非 P300 样本的平衡子组重新训练每个分类器。使用 16 个脑电图通道从 14 名健康受试者收集数据。这些数据经过带通滤波和抽取。随后，使用传统方法训练四个线性分类器，然后使用所提出的方法，每个类别有 1000、2000 和 3000 个样本。结果表明，使用所提方法，判别分类器的准确率和判别能力有所提高，同时保持了训练数据和测试数据之间的相同统计特性。相比之下，对于生成分类器，结果没有显著差异。因此，强烈建议使用所提方法训练基于拼写的 P300 电位的判别分类器。
随机幺正鲁棒性和纠缠复杂性......
人们普遍认为，通过了解纠缠谱的统计特性可以预测一般电路中纠缠的动态。我们通过对具有相同统计量的状态应用由不同组局部门生成的类似 Metropolis 的纠缠冷却算法来测试这一假设。我们采用一个独特模型的基态，即具有横向场的一维伊辛链，但属于不同的宏观相，如顺磁相、磁序相和拓扑受挫相。令人吃惊的是，我们观察到纠缠动力学不仅强烈依赖于不同的门组，还强烈依赖于相位，这表明不同相可以拥有不同类型的纠缠（我们将其描述为纯局部、类 GHZ 和类 W 态），对冷却过程的恢复程度也不同。此外，在某些情况下，我们观察到算法会产生扰乱效应，该算法会在不遵循纠缠熵体积定律的状态下产生 Wigner-Dyson 纠缠谱统计。我们的工作强调了这样一个事实：仅凭纠缠谱的知识不足以确定其动态，从而证明了其作为表征工具的不完整性。此外，它还显示了局部性和非局部约束之间的微妙相互作用。
悼念 MAB Brazier
MGH-MIT 合作一直持续到 Brazier 博士在波士顿的余生甚至更久之后，而 1952 年，在 Wal ter Rosenblith 的指导下，麻省理工学院电子研究实验室 (RLE) 建立了通信生物物理实验室 (CBL)（RLE 是战时辐射实验室的继任者），进一步加强了 MGH-MIT 合作。在这个新实验室中，专门为分析 EEG 和相关电位而开发了一种模拟相关器。这项工作的目的是尝试理解 EEG 的性质，正如其统计特性所反映的那样，它是通信系统（即大脑）中的信号。 1953 年，在马萨诸塞州剑桥举行的第三届国际 EEG 大会上，Brazier 介绍了一些使用相关器得出的最早结果，并由 Wiener 进行了讨论。这项工作的一个重要方面是研究诱发电位（事件相关电位），特别是对视觉刺激（闪光）的诱发电位，它采用了一种特殊形式的互相关方法，相当于 George Dawson 的求和法。Brazier 在她的研究中还使用了几年后在麻省理工学院开发的早期通用数字计算机。除了麻省总医院，Brazier 还在哈佛医学院和麻省理工学院任职。
大脑可以表示为双曲几何吗？
具有 3-D 双曲空间 H 3 。当 h eff = nh 0 时，任何携带暗物质的系统的磁体 (MB) 都提供了任何系统的表示（反之亦然）。MB 能否提供这种表示，作为因果菱形 (cd) 的 3-D 双曲面的镶嵌，定义为 M 4 的未来和过去定向光锥的交点？由 SL (2, Z) 的子群或其用代数整数替换 Z 的泛化标记的镶嵌点将由其统计特性决定。H 3 处神经元磁像的位置将定义 H 3 的镶嵌。镶嵌可以映射到庞加莱盘的模拟 - 庞加莱球 - 表示为未来光锥的 t = T 快照（t 是线性闵可夫斯基时间）。t = T 之后，神经元系统的大小不会改变。镶嵌可以将认知表征定义为一组离散的时空点，其坐标为可分配给表示 MB 的时空表面的有理数的某种扩展。有人可能会认为 MB 具有更自然的圆柱对称性而不是球对称性，因此也可以考虑在 E 1 × H 2 处使用圆柱表示
适用于高安全性应用的轻量级可重构 RRAM PUF
摘要 — 最近，忆阻器在各种应用中受到了广泛关注。即使是电阻式存储器件 (RRAM) 的一些主要缺点（例如可变性），也已成为以物理不可克隆功能 (PUF) 形式实现硬件安全性的有吸引力的特性。尽管文献中已经出现了几种基于 RRAM 的 PUF，但它们仍然存在与可靠性、可重构性和大量集成成本相关的一些问题。本文介绍了一种新型轻量级可重构 RRAM PUF (LRR-PUF)，其中使用连接到同一位线和相同晶体管 (1T4R) 的多个 RRAM 单元来生成单个位响应。所使用的脉冲编程方法也很有创新性：1) 它允许实现节能的实现，2) 它利用切换 RRAM 单元作为 PUF 的主要熵源所需的脉冲数量的变化。所提出的 PUF 的主要特点是它几乎不需要额外成本就可以与任何 RRAM 架构集成。通过大量模拟，包括温度和电压变化的影响以及统计特性，我们证明了 LRR-PUF 表现出其他之前提出的基于 RRAM 的 PUF 所缺乏或难以实现的出色特性，包括高可靠性（几乎 100%），这对于加密密钥生成、可重构性、唯一性、成本和效率至关重要。此外，该设计成功通过了相关的 NIST 随机性测试。
通过深度学习框架中的转移动态自动编码器进行基于生理信号的心理工作负荷估计
通过神经生理信号评估人机系统中操作员的心理工作负荷 (MW) 对于防止操作员性能不可预测的下降至关重要。 然而，生理信号的特征与之前时间步骤的历史值相关，并且其统计特性因个体和心理任务类型而异。 在本研究中，我们提出了一种新的转移动态自动编码器 (TDAE) 来捕捉脑电图 (EEG) 特征的动态特性和个体差异。 TDAE 由三个连续连接的模块组成，称为特征过滤器、抽象过滤器和转移 MW 分类器。 特征和抽象过滤器引入动态深度网络，将相邻时间步骤的 EEG 特征抽象为显着的 MW 指标。 转移 MW 分类器利用在情绪刺激下记录的源域 EEG 数据库中的大量 EEG 数据来提高模型训练稳定性。 我们在两个目标 EEG 数据库上测试了我们的算法。分类性能表明 TDAE 明显优于现有的浅层和深层 MW 分类模型。我们还研究了如何选择 TDAE 超参数，并发现通过适当的过滤顺序可以实现其准确性优势。© 2019 Elsevier B.V. 保留所有权利。
本征态热化假说回顾
本论文探讨了本征态热化假说 (ETH)，这是理解孤立量子系统中热行为出现的基石概念。这项工作首先通过遍历性建立经典热化的基础，其中系统会随时间探索所有可访问的微观状态。这个类比为理解 ETH 如何将这个概念转化为量子领域奠定了基础。按照 Mark Srednicki 概述的方法，论文深入研究了 ETH 的核心公式。然后，通过分析波函数、可观测量和它适用的系统类型的限制，研究了对 ETH 的限制。介绍了随机矩阵理论 (RMT) 的讨论，探讨了它与 ETH 的联系及其在通过 Wigner-Dyson 分布理解混沌量子系统中能谱的统计特性方面的作用。此外，论文还探讨了 Berry 猜想，该猜想揭示了大型量子系统中本征态的混沌性质，进一步支持了 ETH 的基本原理。最后，讨论了支持 ETH 有效性的实验，特别是冷原子气体实验。通过回顾 ETH、其理论基础以及其与 RMT 和 Berry 猜想等相关概念的联系，本论文为寻求了解孤立量子系统中热行为出现的学生提供了宝贵的资源。
近表面量子阱处理的优化
近表面量子阱的另一个有趣应用是拓扑量子器件。一种使用近表面量子阱的令人兴奋的固态方法是基于马约拉纳粒子的量子比特，其中量子信息被编码在非局域费米子态中。与其他建议的平台相比，这种编码量子比特的方式具有很大的优势，因为其他平台通常存在相干时间短的问题。由于量子信息被编码在非局域状态中，它将受到保护而不会受到局部扰动，因此具有非常长的相干时间的潜力。[2] 然而，即使状态受到保护而不会受到局部扰动，也可以通过马约拉纳粒子的物理交换（编织）来操纵状态，这是由于它们的非阿贝尔统计特性。[3] 理论上已经证明，如果将由夹在两个超导体之间的一维半导体组成的约瑟夫森结放置在垂直于自旋轨道相互作用的磁场中，就会出现马约拉纳准粒子。 [4,5] 达到拓扑相的必要条件之一是超导间隙的关闭和重新打开。超导间隙由磁场关闭，磁场通过对齐电子自旋来破坏库珀对，然后重新打开需要强大的自旋轨道相互作用来阻止电子自旋的对齐。[6]
谈判问题
纳什均衡的条件，即对于每个代理来说，改变策略都不方便 [8]。在这种方法中，每个代理可以在无限可能的策略中进行选择，并在采取行动之前评估对手的策略。相比之下，我们考虑有限理性的参与者，他们无法涵盖所有可能的选择，而只能根据他们当前的知识将选择限制在少数几个 [9]。事实上，在这里，我们想要模拟一个更现实的场景，在谈判过程中，人们只有有限的时间来做出选择，必须在花费的时间和预期效用之间找到一个折衷方案。我们考虑一个非零和博弈：每个玩家的效用都独立于其他所有玩家，而不是负相关的 [7]。这意味着人们有不同的品味和偏好，这些品味和偏好并不总是相互冲突的。这种方法受到稳定婚姻问题 [5] 的启发，其中玩家有独立的偏好列表。在本文中，我们将从分析和数值上研究我们的谈判模型的统计特性。本文的其余部分组织如下：在第 2 部分中，我们正式描述了 2 名参与者的模型，研究了它的纳什均衡解及其基态，即全局最佳解；在第 3 部分中，我们将我们的模型推广到 2 名以上参与者，并展示其与其他已知物理模型的联系；最后，在最后一节中，我们揭示了我们的结论。