XiaoMi-AI文件搜索系统
World File Search System误差
误差相关电位变异性：探索对分类和可转移性的影响
摘要 — 脑机接口 (BCI) 允许从大脑到外部应用程序直接通信，以自动检测认知过程，例如错误识别。错误相关电位 (ErrPs) 是当一个人犯下或观察到错误事件时引发的一种特殊大脑信号。然而，由于大脑和记录设备的噪声特性，ErrPs 会因各种其他大脑信号、生物噪声和外部噪声的组合而有所不同，这使得 ErrP 的分类成为一个不简单的问题。最近的研究揭示了导致 ErrP 变化的特定认知过程，例如意识、体现和可预测性。在本文中，我们探索了在通过改变给定任务的意识和体现水平而生成的不同 ErrP 变化数据集上进行训练时分类器可迁移性的性能。特别是，我们研究了当由相似和不同的任务引发时观察性和交互性 ErrP 类别之间的转移。我们的实证结果从数据角度对 ErrP 可转移性问题进行了探索性分析。
航班延误预测与误差......
准确预测航班延误是建立更高效的航空业务的基础。航空公司的核心业务是客户满意度。我们的预测在所有民航利益相关者的决策过程中都至关重要。恶劣天气、机械原因和飞机延误到达出发地都会导致航班延误和客户不满。利用航班数据和天气数据，我们提出了一个准时到达航班的预测模型。该项目使用机器学习模型，如决策树回归、贝叶斯岭、随机森林回归和梯度提升回归来预测某个航班是否会晚点到达。
先天免疫误差的频谱
1 伊朗阿尔堡医学科学大学，阿尔伯兹医学科学大学，伊朗2号，伊朗2儿科学系，阿尔伯兹医学科学大学，伊朗卡拉杰，伊朗，伊朗3号，免疫学和过敏系结核病与肺部疾病研究所（NRITLD），Shahid Beheshti医学科学大学，德黑兰，伊朗5号，5 5研究中心，儿科卓越中心，儿童医学中心，德黑兰医学中心，德黑兰大学医学科学大学，伊朗6学科研究中心研究中心，研究中心6学科研究中心。德黑兰，伊朗7号免疫学和过敏系，伊玛目霍梅尼医院，德黑兰医学科学大学，德黑兰，伊朗，伊朗8心血管研究中心，阿尔伯兹医学科学大学，伊朗Karaj，伊朗Karaj，伊朗9号，临床免疫学部，生物科学和营养学系，Immololinska Immode，Immode newsite，Immode newsestforique sockiention，Immode newsease，Immode，Immode，Immode exteute，Immode newses， （PIDNET），通用科学教育与研究网络（USERN），伊朗德黑兰 *共同对应的作者：marziyeh.tavakol@gmail.com; homasadri7@gmail.com伊朗阿尔堡医学科学大学，阿尔伯兹医学科学大学，伊朗2号，伊朗2儿科学系，阿尔伯兹医学科学大学，伊朗卡拉杰，伊朗，伊朗3号，免疫学和过敏系结核病与肺部疾病研究所（NRITLD），Shahid Beheshti医学科学大学，德黑兰，伊朗5号，5 5研究中心，儿科卓越中心，儿童医学中心，德黑兰医学中心，德黑兰大学医学科学大学，伊朗6学科研究中心研究中心，研究中心6学科研究中心。德黑兰，伊朗7号免疫学和过敏系，伊玛目霍梅尼医院，德黑兰医学科学大学，德黑兰，伊朗，伊朗8心血管研究中心，阿尔伯兹医学科学大学，伊朗Karaj，伊朗Karaj，伊朗9号，临床免疫学部，生物科学和营养学系，Immololinska Immode，Immode newsite，Immode newsestforique sockiention，Immode newsease，Immode，Immode，Immode exteute，Immode newses， （PIDNET），通用科学教育与研究网络（USERN），伊朗德黑兰 *共同对应的作者：marziyeh.tavakol@gmail.com; homasadri7@gmail.com伊朗阿尔堡医学科学大学，阿尔伯兹医学科学大学，伊朗2号，伊朗2儿科学系，阿尔伯兹医学科学大学，伊朗卡拉杰，伊朗，伊朗3号，免疫学和过敏系结核病与肺部疾病研究所（NRITLD），Shahid Beheshti医学科学大学，德黑兰，伊朗5号，5 5研究中心，儿科卓越中心，儿童医学中心，德黑兰医学中心，德黑兰大学医学科学大学，伊朗6学科研究中心研究中心，研究中心6学科研究中心。德黑兰，伊朗7号免疫学和过敏系，伊玛目霍梅尼医院，德黑兰医学科学大学，德黑兰，伊朗，伊朗8心血管研究中心，阿尔伯兹医学科学大学，伊朗Karaj，伊朗Karaj，伊朗9号，临床免疫学部，生物科学和营养学系，Immololinska Immode，Immode newsite，Immode newsestforique sockiention，Immode newsease，Immode，Immode，Immode exteute，Immode newses， （PIDNET），通用科学教育与研究网络（USERN），伊朗德黑兰 *共同对应的作者：marziyeh.tavakol@gmail.com; homasadri7@gmail.com
基于变分量子电路的函数回归理论误差性能分析
噪声中型量子器件使得量子神经网络 (QNN) 的变分量子电路 (VQC) 得以实现。尽管基于 VQC 的 QNN 已在许多机器学习任务中取得成功，但 VQC 的表示和泛化能力仍需要进一步研究，尤其是在考虑经典输入的维数时。在这项工作中，我们首先提出了一种端到端 QNN，TTN-VQC，它由基于张量训练网络 (TTN) 的量子张量网络（用于降维）和用于函数回归的 VQC 组成。然后，我们针对 TTN-VQC 的表示和泛化能力进行误差性能分析。我们还利用 Polyak-Lojasiewicz 条件来表征 TTN-VQC 的优化属性。此外，我们对手写数字分类数据集进行了函数回归实验，以证明我们的理论分析是正确的。
引力中的非等距量子误差修正
本次演讲的目的是在黑洞蒸发的玩具模型中解释引力如何解决这个问题，并设法将半经典状态（来自较大的空间）编码到较小的微观空间中。半经典状态是内部的有效场论激发，而微观状态是黑洞微观状态。
多旋翼无人机着陆于运动车辆的误差状态估计与控制
目前最先进的无人机着陆系统依赖于对着陆目标车辆上放置的视觉路标的检测。然而，在光线不足、遮挡或极端运动等具有挑战性的条件下，这些路标可能在相当长的时间内都检测不到。本论文展示了一种状态估计算法，该算法跟踪和估计目标车辆上未知视觉特征的位置。实验结果表明，该方法在未检测到路标的情况下显著提高了对目标车辆状态的估计。
通过泡利检查夹层来缓解量子误差
摘要 — 我们描述并分析了一种使用多对奇偶校验来检测错误存在的错误缓解技术。每对校验都使用一个辅助量子位来检测错误运算符的一个组件，并代表该技术的一层。我们以扩展标志小工具的结果为基础，并将其置于坚实的理论基础之上。我们证明，在噪声不影响校验的假设下，该技术可以恢复无噪声状态。该方法不会产生任何编码开销，而是根据输入电路选择校验。我们提供了一种针对任意目标电路获取此类校验的算法。由于该方法适用于任何电路和输入状态，因此可以轻松地将其与其他错误缓解技术相结合。我们使用大量数值模拟对 1,850 个由 Clifford 门和非 Clifford 单量子位旋转组成的随机输入电路进行评估，该类电路包含最常见的变分算法电路。我们观察到，通过六层校验，保真度平均提高了 34 个百分点。
量子图像传输算法的量子误差校正效率
由于纳米技术领域的最新发展，一台工作的量子计算机已经成为一种实际的可能性，但是还有很长的路要走[1]。类似的情况发生在Quantum的通信中。光通道在量子通信中是可取的（例如，参见[2-10]）。量子信号传输的概念出现在量子算法研究甚至耳朵的一开始。Abbe Rayleigh衍射极限限制了经典成像方法的空间分辨率。quanth-TUM成像利用光子之间的相关性，以繁殖具有较高分辨率的结构。量子相关的n-photon状态可能超过1 / n的经典限制1 / n的倍数，将其与海森贝格极限相对[11-13]。quanth-tam成像在通信，材料调查，生物学等中都有许多应用。[14 - 17]。在1998年，史蒂文·温伯格（Steven Weinberg）将注意力转移到了测量问题上，该问题并不能使人们能够使用量子纠缠系统中包含的完整信息。由于这个原因，研究人员试图在构造量子算法（包括量子信息传输算法）的同时避免不必要的测量。它导致在传输系统中使用大量元素。另一个问题是
基于多粒子量子行走的误差修正...
对粒子进行离散时间量子游动演化时，由于系统噪声的影响，游动态容易出现误差。该研究提出了一种基于双格子Bose-Hubbard模型的多粒子量子游动误差修正算法。首先，根据局域欧氏生成元构造两点Bose-Hubbard模型，并证明模型中的两元素可以任意替换。其次，利用Bethe假设方法得到了模型中粒子的跃迁强度与纠缠度的关系。第三，对量子格子的位置进行编码，构造量子态交换门。最后，通过将游动器切换到量子纠缠码的格点上，进行格点上的量子游动状态替换，再次进行替换。对双格子Bose-Hubbard模型中的量子粒子的纠缠进行了数值模拟。当粒子间相互作用与粒子跃迁强度的比值接近于0时，利用该算法可以实现模型中量子粒子的纠缠操作。根据Bose-Hubbard模型的性质，粒子纠缠后可以实现量子行走纠错。本研究引入流行的restnet网络作为训练模型，使纠错电路的解码速度提升约33%。更重要的是，卷积神经网络（CNN）解码器的下限阈值由传统最小权重完美匹配（MWPM）下的0.0058提升到0.0085，实现了高容错率的量子行走稳定行进。
可以通过量子误差校正中的综合征测量来估计泡利通道
如果可以获得有关噪声的详细信息，则可以显著提高量子纠错的性能，从而优化代码和解码器。有人提出，在量子纠错过程中，无论如何都要根据已完成的综合征测量来估计错误率。虽然这些测量保留了编码的量子态，但目前尚不清楚可以通过这种方式提取多少有关噪声的信息。到目前为止，除了消失错误率的极限外，只为某些特定代码建立了严格的结果。在这项工作中，我们严格解决了任意稳定器代码的问题。主要结果是，稳定器代码可用于估计由纯距离给出的量子比特数之间的相关性泡利信道。该结果不依赖于消失错误率的极限，即使高权重错误频繁发生也适用。此外，它还允许在量子数据综合征代码框架内测量误差。我们的证明结合了布尔傅立叶分析、组合学和初等代数几何。我们希望这项工作能够开辟有趣的应用，例如解码器对时变噪声的在线适应。