XiaoMi-AI文件搜索系统
World File Search System辅助输入
用量子辅助输入无条件安全的承诺
1。我们重新审视了Chailloux，Kerenidis和Rosgen引入的量子辅助输入承诺的概念（Comput。复杂。2016），其中参数和接收器都采用由量子辅助输入确定的相同量子状态，该状态由安全参数确定。我们表明，计算隐藏和统计结合的量子辅助输入承诺无条件地存在，即，而不依赖任何未经证实的假设，而Chailloux等人则存在。假定复杂性理论假设，qIP̸⊆QMA。另一方面，我们观察到，即使在量子辅助输入设置中，同时达到统计隐藏和统计结合也是不可能的。据我们所知，这是无条件证明无法使用统计安全性的任何形式的（经典或量子）承诺的计算安全的第一个例子。作为迈向我们建筑的中间步骤，我们介绍和无条件构建量子后稀疏的伪随机分布和量子辅助输入EFI对，可能具有独立的关注。
Excite Range | 沃克斯豪尔
新款 Corsa Excite。内外均采用新造型。智能新合金轮毂、集成蓝牙® 系统、CD/MP3 CD 播放器和辅助输入，足以让您兴奋不已。有 3 门或 5 门版本可供选择，两者都具有真正的灵活性。有省油的汽油或柴油发动机、手动或 Easytronic 变速箱和一系列引人注目的外观颜色。您还想要什么？
激动人心的范围 | 沃克斯豪尔
新款 Corsa Excite。内外造型均焕然一新。智能新合金轮毂、集成蓝牙® 系统、CD/MP3 CD 播放器和辅助输入，足以让您兴奋不已。有 3 门或 5 门版本可供选择，两者都具有真正的灵活性。有省油的汽油或柴油发动机、手动或 Easytronic 变速箱以及一系列引人注目的外部颜色。您还想要什么呢？
单向功能和零知识
上面的表征还适用于统计和计算零知识参数系统。我们将此特征进一步扩展到具有知识复杂性o（log n）的证明系统。特别是，如果GAPMCSP具有具有知识复杂性O（log n）的证明系统，则表明单向函数的存在的特征是CZK的最差硬度。我们通过证明NP在存在指数性的硬辅助输入单向函数的情况下以知识复杂性ω（log n）的互动性证明系统进行补充（这是比指数硬的单向函数较弱的原始功能）。我们还表征了CZK的非确定性硬度在pspace̸⊆am的弱假设下，CZK的非确定性硬度的不均匀计算单向函数的存在。我们提出了结果的两个应用。首先，我们简化了通过NP的元素函数来证明元计算问题的单向功能，以及Hirahara（stoc'23）给出的NP的最坏情况的证明。第二，我们表明，如果NP具有La-conic零知识参数系统，则存在一个公用密钥加密方案，其安全性可以基于NP的最坏情况。这改善了以前的结果，该结果假定存在无法区分的混淆。
改善自主机器人技术的深神经网络
基于抽象视觉的Deeplearningceptionful Fillsaparamountroleinrobotics，促进stomitatingstolutionStomanyChallengingScenarios，例如自动无人驾驶汽车（无人机）的杂技演习和机器人辅助的高级手术。以控制为导向的端到端感知方法直接输出机器人控制变量，通常将机器人的状态估计作为辅助输入。当中间输出被估算并馈送到较低级别的控制器时，即介导的方法时，机器人的状态通常仅作为以Egipentric任务的输入来估计机器人本身的物理特性。在这项工作中，我们建议第一次（据我们所知）将类似的方法应用于非中心介导的任务，其中估计的输出指的是外部主题。我们证明了我们的一般方法论如何改善深度卷积神经网络（CNN）对广泛的非中心3D姿势估计问题的回归性能，并且计算成本最少。通过分析三种高度不同的用例，从用机器人臂抓住到具有袖珍无人机的人类受试者，我们的结果始终提高r 2回归度量，与他们的无状态基线相比，我们的结果始终提高+0.51。最后，我们验证了人类姿势估计任务上闭环自动cm级无人机的内部性能。我们的结果表明，与最先进的无状态同行相比，我们的状态CNN的平均绝对误差平均减少了，即平均24％。
引用本文：Modeste Meliho、Abdellatif Khattabi、Driss Zejli、Collins Ashianga Orlando 和 Caleb E. Dansou (2022) 人工智能和遥感用于每日气温的空间预测：以摩洛哥苏斯流域为例，地理空间信息科学，25:2，244-258，DOI：10.1080/10095020.2021.2014765
摘要 气温（Tair）是气候研究和气候影响管理中的一个基本变量。由于气象站分布稀疏且不均匀，传统的实地观测无法准确捕捉其空间分布，尤其是在局部变异性较高的偏远地区。为了解决这个问题，本研究利用遥感和气象站数据估算了摩洛哥苏斯流域的 Tair。采用两种统计方法（包括线性回归和偏最小二乘 (PLS)）和四种机器学习算法（即 k-最近邻、随机森林 (RF)、极端梯度提升和立体主义）对 Tair 进行建模和预测，并使用随机子集和交叉验证评估其性能。中分辨率成像光谱仪预测因子包括 Terra 波段 32 发射率、Terra 夜间地表温度、Terra 当地夜间观测时间、Aqua 波段 31 发射率、Aqua 白天地表温度和 Aqua 夜间地表温度 (ALSTN)，以及辅助输入包括天空视野、海拔、坡度和山体阴影，被用作建模的输入。结果表明，Cubist 和 RF 是最准确的模型（RMSE = 2.09°C 和 2.13°C，R 2 = 0.91 和 0.90），而 PLS 的预测能力最低（RMSE = 2.71°C；R 2 = 0.83）。模型在研究区域估算 Tair 的整体性能普遍令人满意，所有模型的 RMSE 都在 3°C 以下。尽管如此，站点数据的可靠性仍然是一个问题，七个站点中只有四个站点拥有完整的气象数据。
无条件安全的量子承诺与预处理∗
自1990年以来就已经知道[IL89，GOL90]，几乎所有有趣的经典加密任务都需要计算安全性，此外，硬度假设至少与单向函数的存在一样强。因此，这些密码任务无条件地面对“𝖯=𝖭𝖯”，通过复杂性理论家进行了强烈的研究这些密码任务特别包括构建承诺方案，其可行性等效于单向函数的存在。自1990年代以来[OW93]自1990年代以来所研究的辅助输入密码学是一个非均匀版本的加密版，协议中的每个方可以访问某些可能无法有效准备的公共信息的副本。这不是与非统一安全性混淆，这是默认的安全性概念，除了在多项式时间内运行，对手在开始时从其他协议执行中从效率低下的预处理阶段或一些残留信息中获取一些建议。遵循相同的证据，相同的障碍是“𝖯？=𝖭𝖯”仍然适用于这种更轻松的设置考虑到这个困难，自然要考虑构建量子承诺。最近的作品表明，就其与量子加密的紧密连接而言，量子承诺与经典作用相似，在大[yan22，bcq23，bcq23，bem + 23]和量子复杂性[BEM + 23]方面与量子密码的紧密联系起来。尽管如此，仍然有理由推测任何合理的量子计算密码学都可能面临其他障碍。虽然从统计上（理论上）对双方的承诺也是不可能的，甚至是量子上的[May97，LC97]，但最近的作品表明，在复杂性假设[BCQ23，BEM + 23，BRA23]下，计算安全性的可能是可能的，显然比较温和的是较温和的。 LMW23]。这条工作表明，实现计算安全的量子密码学可能不容易受到适用于经典加密术的相同障碍的影响。的确，所有先前的量子计算密码