XiaoMi-AI文件搜索系统
World File Search System网络结构
关于空间应用 GNC 的机器学习观点：走向非线性控制
摘要 航天器自主制导导航与控制 (GNC) 涵盖了全新的 GNC 策略，包括机载健康监测能力、决策算法和用于重新配置的长期策略。其关键特征是设计不太稳健、部件更具适应性和/或学习性的新概念。这一概念在设计阶段的成本将大大降低，并且在发生故障时更安全。 在其研究活动框架内，阿丽亚娜集团多年来一直在研究 GNC 的智能方法。人工智能和机器学习应用的最新进展扩大了 GNC 机会的范围。在本文中，我们专注于开发性能优于使用经典反馈控制技术合成的控制器的增强型控制器。一项技术调查将我们的研究导向通过强化学习技术训练的非线性控制神经网络结构。将这些技术应用于一个简单但具有代表性的发射器上级控制工业研究案例，可以深入了解该方法，并为结合人工智能和自动控制开辟有趣的前景。
海洋能源技术发展风险管理框架
交联弹性体是可拉伸的材料，通常不可回收或可生物降解。中链链长多羟基烷酸盐（MCL-PHANE）柔软且延性，使这些基于生物的聚合物成为可生物降解的弹性体的良好候选者。弹性通常是通过交联网络结构来赋予的，而共价可适应性网络已作为解决方案出现，以通过触发的动态价值键的重排来制备可回收的热固件。在这里，我们通过在生物学生产的MCL-phase中化学安装可价型适应性网络来开发可生物降解和可回收的弹性体。具体而言，使用Pseudomonas putida的工程菌株用于生产含有吊坠末端烷烃的MCl plus，作为用于官能化的化学手柄。硫醇 - 烯化学用于掺入硼酯（BE）交联，从而产生基于PHA的玻璃体。mcl-lass与BE在低密度（<6摩尔％）的交联，提供了一种柔软的弹性材料，可显示热重点，可生物降解性和生命末期工作。机械性能显示了包括粘合剂和可生物降解机器人和电子产品在内的应用的潜力。
使用连接图网络分析光学脑信号
摘要。图网络分析 (GNA) 在理解大脑功能方面发挥了重要作用，但其应用主要局限于 fMRI 研究。连接分析 (CA) 被引入作为时间因果关系框架中的信号到图的映射。在本文中，我们研究了 GNA/CA 在 fNIRS 中的应用。为了解决使用 CA 的固有挑战，我们还提出了一种新颖的度量标准：最大交叉滞后幅度 (MCLM)，它可以有效地提取主要的因果关系信息。我们在 55 名参与者的四种认知活动（心算、运动意象、单词生成和大脑工作量）中测试了 MCLM。CA/MCLM 表现出了令人信服的建模能力，并揭示了意想不到的跨主题网络模式。我们发现运动想象和心算共享一个背景网络结构，并且 AFp8 中的右前额叶皮层是每个刺激和参与者中信息流的不变目的地。因此，CA/MCLM-fNIRS 显示出与 fMRI 一起在临床研究中使用的潜力。
计算辅助经典量子多址接入提升网络通信速度
多址信道 (MAC) 由多个发送者同时向单个接收者传输消息组成。对于经典量子情况 (CQ MAC)，可实现的速率是假设所有消息均已解码而已知的，这是量子网络设计中的常见假设。然而，这种传统的设计方法忽略了全局网络结构，即网络拓扑。当 CQ MAC 作为量子网络通信的一部分时，这项工作表明，计算属性可用于通过依赖于网络拓扑的代码设计来提高通信速度。我们量化了具有双发送者 CQ MAC 的计算属性的代码可实现的量子通信速率。当双发送者 CQ MAC 是具有二进制离散调制的玻色子相干信道时，我们表明它实现了最大可能的通信速率（单用户容量），这是传统设计无法实现的。此外，这种速率可以通过不同的检测方法实现：量子（有或没有量子记忆）、开/关光子计数和同差（每种方法的光子功率都不同）。最后，我们描述了两个实际应用，其中一个是加密应用。
减少量子电路中非 Clifford 门的数量 Kissinger, A.; Wetering, John van de 2020，文章 / 致编辑的信（Physical Review A
我们提出了一种减少电路中非 Clifford 量子门（特别是 T 门）数量的方法，这是有效实现容错量子计算的重要任务。此方法与大多数基准电路中无辅助 T 计数减少的先前方法相当或优于后者，在某些情况下可带来高达 50% 的改进。我们的方法首先将量子电路表示为 ZX 图，这是一种张量网络结构，可以根据 ZX 演算规则进行变换和简化。然后，我们扩展了最近的简化策略，添加了一个不同的成分，即相位小工具化，我们使用它通过 ZX 图传播非 Clifford 相位以找到非局部抵消。我们的程序可不加修改地扩展到任意相位角和变分电路的参数消除。最后，我们的优化是自检的，也就是说，我们提出的简化策略足够强大，可以独立验证输入电路和优化输出电路的相等性。我们已经在开源库 P y ZX 中实现了本文的例程。
一种通过有序响应模型评估网络风险的统计方法
对与网络攻击相关的风险的抽象正确评估对于许多公司而言是一个至关重要的方面。越来越需要计划和实施有效方法来解决网络安全，数据安全和隐私保护。估计成功进行网络攻击的风险是一个重要的问题，因为这种威胁正在激增，因此对使用其服务的公司和客户构成了日益增加的危险。虽然很少获得定量损失数据，但可以从该行业专家的网络攻击严重程度上获得定性评估。因此，自然使用订单响应模型来分析网络风险。特别是我们依靠累积链接模型。我们解释了专家对网络攻击严重程度的评估，这是一组解释变量的函数，描述了所考虑的攻击的特征。通过使用网络结构获得的攻击效应的扩散度量也纳入了模型的解释变量集中。除了对方法的描述外，我们还提供了一个真实数据集的详细分析，其中包括有关严重网络攻击的信息，该信息发生在2017 - 2018年期间。
基于可解释人工智能的实用嫁接模型
摘要：机器学习和深度学习都是人工智能的一部分，对全球的市场营销和消费者产生了巨大的影响。然而，从神经网络发展而来的深度学习算法通常被视为黑箱，因为它们的网络结构和权重无法被人类用户解释。一般来说，银行业的客户有权知道他们的申请为何被黑箱算法的决策拒绝。本文提出了一种实用的嫁接方法，将全局模型和局部模型结合成可解释人工智能的混合模型。两个基于决策树的模型被用作全局模型，因为它们具有高度的可解释性，可以作为混合模型的骨架或蓝图。另外两个模型，包括深度神经网络和 k-最近邻模型，被用作局部模型，分别提高准确性和可解释性。实施了一个财务困境预测系统，以评估混合模型的性能和所提出的嫁接方法的有效性。实验结果表明，基于终端节点嫁接的混合模型可能会提高准确性和可解释性，具体取决于所选择的局部模型。
CLIF：用于脉冲神经网络的互补泄漏积分激发神经元
脉冲神经网络 (SNN) 是一种很有前途的受大脑启发的节能模型。与传统的深度人工神经网络 (ANN) 相比，SNN 表现出卓越的效率和处理时间信息的能力。然而，由于其不可微的脉冲机制，训练 SNN 仍然是一个挑战。替代梯度法通常用于训练 SNN，但与 ANN 相比，其准确性往往较差。我们通过对基于泄漏积分和激发 (LIF) 神经元的 SNN 的训练过程进行分析和实验研究，将准确性的下降与时间维度上梯度的消失联系起来。此外，我们提出了互补泄漏积分和激发 (CLIF) 神经元。CLIF 创建了额外的路径来促进计算时间梯度的反向传播，同时保持二进制输出。CLIF 是无超参数的，具有广泛的适用性。在各种数据集上进行的大量实验表明，CLIF 比其他神经元模型具有明显的性能优势。此外，CLIF 的性能甚至略优于具有相同网络结构和训练条件的优秀 ANN。代码可在 https://github.com/HuuYuLong/Complementary-LIF 获得。
IAES国际人工智能杂志（IJ-AI）
物联网 (IoT) 和非物联网设备数量的快速增长给网络管理员带来了新的安全挑战。在日益复杂的网络结构中，准确识别设备是必不可少的。本文提出了一种基于数字足迹的设备指纹识别 (DFP) 方法，用于设备识别，设备使用数字足迹通过网络进行通信。基于 Weka 中的属性评估器，从单个传输控制协议/互联网协议数据包的网络层和传输层中选择了九个特征子集，以生成特定于设备的签名。使用不同的监督机器学习 (ML) 算法，在两个在线数据集和一个实验数据集上对该方法进行了评估。结果表明，该方法能够使用随机森林 (RF) 分类器以高达 100% 的精度区分设备类型，并以高达 95.7% 的精度对单个设备进行分类。这些结果证明了所提出的 DFP 方法适用于设备识别，从而提供更安全、更强大的网络。
分析Rajungan商品的供应链管理...渔业与海事科学杂志，第1卷。 5（1）：46-59，2023年2月分析Rajungan商品的供应链管理...渔业与海事科学杂志，第1卷。 5（1）：46-59，2023年2月
摘要Rajungan是印度尼西亚的沿海资源物种之一，每年都有经济价值，这是由于每年对螃蟹出口的需求很高。对螃蟹出口的高度要求肯定会使渔民继续进行逮捕活动，但是这种情况无法使渔民成为最大利润率的营销演员。这项研究的目的是分析与产品流，财务流以及盖邦区Gebangmekar Village，gebang District，cirebon Regency的供应链管理。所使用的研究设计是描述性定性的，而所使用的数据是主要数据和辅助数据。这项研究的结果表明，Gebangmekar村的螃蟹具有符合出口标准的质量，但仍针对当地消费者分发，因此具有不同的链网络结构。Gebangmekar村的Rajungan供应链的每条流仍然需要改进很多东西。因此，有必要制定开发策略，以便每个罪魁祸首，尤其是渔民获得最大的结果。关键字：埃班格曼卡村，拉朱甘，供应链管理